analisis faktor-faktor makroekonomi yang mempengaruhi return
advertisement
ANALISIS FAKTOR-FAKTOR MAKROEKONOMI YANG MEMPENGARUHI RETURN SAHAM BATUBARA DALAM KELOMPOK JAKARTA ISLAMIC INDEX (JII) OLEH NOVIA HANDAYANI SYUKMA H14070029 DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2011 ABSTRACT NOVIA HANDAYANI SYUKMA. Analysis of Macroeconomic Factors Affecting the Coal Stock Returns in Jakarta Islamic Index (JII) (guided by HERMANTO SIREGAR). As it grows, Indonesian Capital Market launch the sharia investment. There is Jakarta Islamic Index (JII) which become index for sharia stocks. In JII, there are a coal stocks that are attracting investors to invest. Investors expect high returns from this coal stocks bacause coal commodity is one of Indonesia’s main commodity. However, coal stock returns are highly volatile. Stock returns are affected not only internal factor but also influenced by Indonesia’s macroeconomic conditions. The objective of this study are to analize the macroeconomic factors that affect coal stock returns and the best model that can explain it. The method of analysis in this study is ARCH-GARCH with the periode of this study is January 2005 to May 2010. The stocks that qualify to this study are PTBA and BUMI. The results showed that the variabel Customer Price Index (CPI) and the echange rate negatively affect to coal stock returns. Variabel Industrial Production Index (IPI) and Composite Stock Price Index has a positively affect to coal stock returns and variabel money supply and interest rate of SBI did not affect coal stock returns. The largest share of stock returns is the PTBA return with difference 0.0568 unit of shares from BUMI. Keywords : macroeconomic factors, coal stock returns, ARCH-GARCH RINGKASAN NOVIA HANDAYANI SYUKMA. Analisis Faktor-faktor Makroekonomi yang Mempengaruhi Return Saham Batubara dalam Kelompok Jakarta Islamic Index (JII) (dibimbing oleh HERMANTO SIREGAR). Pasar modal Indonesia terus mengalami perkembangan. Hal ini terlihat dari meningkatnya kapitalisasi dan kontribusi pasar modal terhadap GDP. Seiring perkembangannya, pasar modal Indonesia menghadirkan instrumen investasi berbasis syariah dengan meluncurkan Jakarta Islamic Index (JII). Dalam kelompok JII terdapat saham batubara yang menarik investor untuk berinvestasi. Investor mengharapkan return yang tinggi dari saham batubara ini. Hal ini dikarenakan komoditas batubara merupakan salah satu komoditas unggulan Indonesia. Namun, return saham batubara bersifat sangat fluktuatif. Return saham tidak hanya dipengaruhi faktor internal perusahaan batubara, namun dipengaruhi pula oleh kondisi makroekonomi Indonesia. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi return saham batubara dalam kelompok JII dan menganalisis model terbaik yang dapat menjelaskannya. Ruang lingkup penelitian dibatasi pada return yang diperoleh dari selisih harga penjualan dan pembelian. Jenis data yang digunakan pada penelitian ini adalah data sekunder time series bulanan. Data yang digunakan periode Januari 2005 hingga Mei 2010. Data – data tersebut meliputi harga penutupan saham (BUMI dan PTBA), Customer Price Index (CPI), nilai tukar Rupiah terhadap US Dollar (KURS), Jumlah Uang beredar (M2), Industrial Production Index (IPI), Suku Bunga SBI (SBI), dan Indeks Harga Saham Gabungan (IHSG). Penelitian ini menggunakan pula SBIS dan JII sebagai kombinasi model pembanding menggantikan variabel SBI dan IHSG. Metode yang digunakan dalam penelitian ini adalah ARCH-GARCH dengan menggunakan software Eviews 6 dan Microsoft Excel 2007. Hasil penelitian menunjukkan bahwa variabel Customer Price Index (CPI) dan nilai tukar Rupiah terhadap US Dollar berpengaruh negatif terhadap return saham BUMI dan PTBA. Variabel Industrial Production Index (IPI) dan Indeks Harga Saham Gabungan (IHSG) berpengaruh positif terhadap return saham BUMI dan PTBA.Variabel jumlah uang beredar dan suku bunga SBI tidak berpengaruh terhadap return saham BUMI dan PTBA. Return saham terbesar adalah return saham PTBA dengan selisih 0.0568 satuan dari saham BUMI. Berdasarkan penelitian ini pula diperoleh bahwa model terbaik untuk menjelaskan faktor-faktor yang mempengaruhi return saham batubara adalah model GARCH (2,1) dengan menggunakan variabel SBI dan IHSG. Berdasarkan hasil penelitian, maka disarankan jika investor ingin berinvestasi pada saham yang sesuai syariah dapat memilih saham dalam kelompok JII yang berbasis komoditas karena potensi returnnya yang tinggi. Jika menginginkan return yang tinggi dapat memilih saham PTBA. Bagi emiten disarankan menjaga kestabilan kinerja perusahaannya agar tidak mempengaruhi opini publik di pasar modal, terutama saat Customer Price Index (CPI) tinggi yaitu dengan menekan biaya produksi dengan cara memproduksi dengan skala besar agar biaya murah. Bagi BAPEPAM mensosialisasikan kepada investor mengenai return dan risiko yang didapatkan jika berinvestasi di pasar modal pada saham batubara serta faktor-faktor yang mempengaruhinya. Bagi penelitian selanjutnya, disarankan menambah panjang periode analisis sehingga hasil yang didapat lebih akurat, menambah variabel analisis tidak hanya variabel makroekonomi serta menambah analisis tidak hanya sebatas return tetapi menganalisis pula risikonya. ANALISIS FAKTOR-FAKTOR MAKROEKONOMI YANG MEMPENGARUHI RETURN SAHAM BATUBARA DALAM KELOMPOK JAKARTA ISLAMIC INDEX (JII) Oleh NOVIA HANDAYANI SYUKMA H14070029 Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2011 Judul Skripsi : Analisis Faktor-faktor Makroekonomi yang Mempengaruhi Return Saham Batubara dalam Kelompok Jakarta Islamic Index (JII) Nama : Novia Handayani Syukma NRP : H14070029 Menyetujui, Dosen Pembimbing Prof. Dr. Ir. Hermanto Siregar. M, Ec NIP. 19630805 198811 1 001 Mengetahui, Ketua Departemen Ilmu Ekonomi Dr. Ir. Dedi Budiman Hakim, M.Ec NIP. 19641022 198903 1 003 Tanggal Kelulusan: PERNYATAAN DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH DIGUNAKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN. Bogor, Juni 2011 Novia Handayani Syukma H14070029 RIWAYAT HIDUP Penulis bernama Novia Handayani Syukma, dilahirkan di Bandung pada tanggal 27 Juni 1989. Penulis merupakan anak kedua dari tiga bersaudara, dari pasangan Bapak Aulia dan Ibu Tantri Endang. Penulis menjalani pendidikan di bangku sekolah dasar dari tahun 1995 sampai dengan tahun 2001 SDN Angkasa 1 Bandung. Selanjutnya meneruskan ke pendidikan lanjutan tingkat pertama dari tahun 2001 sampai tahun 2004 di SLTPN 1 Margahayu Bandung. Setelah itu, penulis melanjutkan pendidikan menengah umum di SMAN 1 Margahayu Bandung dan lulus pada tahun 2007. Pada tahun 2007, penulis diterima di Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI) kemudian terdaftar sebagai mahasiswa Fakultas Ekonomi dan Manajemen (FEM) pada Program Studi Ilmu Ekonomi dan mengambil minor Manajemen Fungsional. Selama menjadi mahasiswa, penulis mencoba mengaktualisasi diri bergabung dengan HIPOTESA (Himpunan Profesi dan Peminat Ilmu Ekonomi dan Studi Pembangunan) sebagai kepala divisi pada Divisi Informasi, Promosi dan Hubungan Internal dan organisasi IMEPI (Ikatan Mahasiswa Ekonomi Pembangunan Indonesia) sebagai anggota. Penulis mengaktualisasi diri pula sebagai asisten mata kuliah ekonomi umum tahun 2009 hingga 2010. Selain itu, penulis juga aktif dalam berbagai kegiatan kepanitiaan seperti Hipotex-R 2009, Latihan Kepemimpinan dan Organisasi (LKO) IMEPI Jabagbar 2010, Economic Work (E-work) 2010, Panitia Perpisahan Ilmu Ekonomi 44 2011, dan kegiatan kepanitiaan lainnya. Tahun 2010 penulis mendapatkan dana Dikti dalam Program Kreatifitas Mahasiswa bidang Kewirausahaan (PKMK DIKTI). Tahun 2011 penulis melakukan penelitian dengan judul “Analisis FaktorFaktor Makroekonomi yang Mempengaruhi Return Saham Batubara dalam Kelompok Jakarta Islamic Index (JII)” untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi. KATA PENGANTAR Segala puji dan syukur penulis panjatkan Kehadirat Allah SWT, karena atas berkat rahmat dan karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini. Judul skripsi ini adalah “Analisis Faktor-faktor Makroekonomi yang Mempengaruhi Return Saham Batubara dalam Kelompok Jakarta Islamic Index (JII)”. Saham batubara memiliki potensi return yang tinggi. Oleh karena itu, penulis tertarik untuk melakukan penelitian dengan topik ini, khususnya saham batubara dalam kelompok Jakarta Islamic Index (JII). Disamping hal tersebut, skripsi ini disusun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Penulis mengucapkan terima kasih yang sebesar-besarnya kepada berbagai pihak yang telah memberikan bimbingan dan dukungan kepada penulis sehingga skripsi ini dapat diselesaikan dengan baik, khususnya kepada: 1. Prof. Dr. Ir. Hermanto Siregar, M.Ec selaku dosen pembimbing skripsi yang telah memberikan bimbingan baik secara teknis, teoritis maupun moril dalam proses penyusunan skripsi ini sehingga dapat diselesaikan dengan baik. 2. Tanti Novianti, M.Si sebagai dosen penguji utama dalam sidang skripsi yang telah memberikan kritik dan saran yang sangat berharga dalam penyempurnaan skripsi ini. 3. Alla Asmara, M.Si sebagai dosen penguji dari komisi pendidikan yang memberikan banyak informasi mengenai tata cara penulisan skripsi yang baik. 4. Para dosen, staf, dan seluruh civitas akademika Departemen Ilmu Ekonomi FEM-IPB yang telah memberikan ilmu dan bantuan kepada penulis selama menjalani studi di Departemen Ilmu Ekonomi. 5. Kedua Orangtua tercinta Papa Aulia dan Mama Tantri Endang, kakaku tersayang Mba Ratih dan Bang Qiqi, adikku tersayang Edo serta segenap keluarga besar, yang telah memberikan kasih sayang, perhatian, motivasi, dukungan baik moril maupun material serta doa bagi penulis dalam menyelesaikan skripsi ini. Terima kasih pula kepada Andika Lesmana Wibowo atas doa, perhatian, dan dukungan kepada penulis. 6. Sahabat-sahabatku Nhimas, Aiii, Nyenyo, Amboii, Ayie, Ajeng, Acuy, Michelle, Elvha, Inggi atas dukungan dan semangatnya. 7. Retno Nur Cahyani, M Anditia Putra, Solihin dan teman-teman Ilmu Ekonomi 44 yang tidak bisa disebutkan satu persatu atas sharing, bantuan, dan dukungan untuk penulis selama ini. 8. Teman-teman seperjuangan satu bimbingan Rani Nurfitriani dan Sri Retno Nugraheni atas semangat, motivasi, doa, dan perjuangan yang luar biasa ini. 9. K Irvan dan Mba Rina atas ilmu dan sharing untuk penulis selama ini. 10. Hipotesa dan INTEL 2010, atas kebersamaannya yang luar biasa. 11. Sahabat-sahabatku Anggi, Mita, Ade, Sherly, Nawang, dan Padi atas motivasi dan dukungannya. 12. Semua pihak yang telah membantu penulis dalam penyelesaian skripsi ini namun tidak bisa penulis sebutkan satu persatu. Penulis menyadari bahwa dalam menyusun skripsi ini masih terdapat kekurangan, karena keterbatasan pengetahuan dan kemampuan yang dimiliki. Semoga karya ini dapat bermanfaat bagi penulis maupun pihak lain yang membutuhkan. Bogor, Juni 2011 Novia Handayani Syukma H14070029 DAFTAR ISI Halaman DAFTAR ISI.................................................................................................................. i DAFTAR TABEL .......................................................................................................... v DAFTAR GAMBAR .................................................................................................... vi DAFTAR LAMPIRAN ................................................................................................. vii I. II. PENDAHULUAN 1.1. Latar Belakang ............................................................................................. 1 1.2. Rumusan Masalah ........................................................................................ 6 1.3. Tujuan Penelitian .......................................................................................... 8 1.4. Manfaat Penelitian ....................................................................................... 8 1.5. Ruang Lingkup Penelitian ............................................................................. 9 TINJAUAN PUSTAKA 2.1. Pasar Modal ................................................................................................ 10 2.1.1. Konsep Pasar Modal ......................................................................... 10 2.1.2. Konsep Pasar Modal Syariah ........................................................... 11 2.1.3. Saham sebagai Instrumen Pasar Modal ........................................... 11 2.2. Jakarta Islamic Index ( JII) .......................................................................... 12 2.3. Investasi ...................................................................................................... 13 2.4. Tingkat Pengembalian (return) Saham ........................................................ 14 2.5. Hubungan Return dan Risiko ....................................................................... 14 2.6. Kerangka Pemikiran Teoritis ...................................................................... 15 2.6.1. Teori Supply dan Demand ................................................................ 15 2.6.2. Teori Kebijakan Moneter ................................................................. 17 2.6.3. Tingkat Pertumbuhan Ekonomi ....................................................... 17 2.6.4. Tingkat Inflasi................................................................................... 19 2.6.5. Tingkat Suku Bunga ........................................................................ 20 2.6.6. Nilai Tukar Uang ............................................................................. 21 2.6.7. Jumlah Uang Beredar ...................................................................... 22 2.7. Penelitian Terdahulu ................................................................................... 23 2.8. Kerangka Pemikiran Konseptual ................................................................. 26 2.9. Hipotesis ...................................................................................................... 28 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data .................................................................................. 29 3.2. Variabel dan Definisi Operasional ................................................................ 30 3.2.1. Variabel Dependen .......................................................................... 30 3.2.2. Variabel Independen ........................................................................ 30 3.3. Metode Analisis ............................................................................................ 32 3.3.1. Perhitungan Return ............................................................................ 32 3.3.2. Deskripsi data ................................................................................... 33 3.3.3. Pengujian Model ............................................................................... 34 3.3.3.1. Pengujian Stasioner ............................................................. 34 3.3.3.2. Pengujian Multikolinearitas ................................................ 35 3.3.3.3. Pengujian Heteroskedastisitas ............................................ 36 3.3.3.4. Pengujian Autokorelasi ....................................................... 36 3.4. Analisis Model ARCH-GARCH .................................................................. 37 3.3.1. Pemilihan Model ARCH-GARCH Terbaik ..................................... 41 3.3.2. Pemeriksaan Model ARCH-GARCH .............................................. 42 3.5. Model Penelitian ......................................................................................... 44 IV. GAMBARAN UMUM 4.1. Kondisi Makroekonomi Indonesia ............................................................... 46 4.2. PT. Bumi Resources Tbk (BUMI) ............................................................... 49 4.2.1. Sejarah BUMI ................................................................................... 49 4.2.2. Kinerja BUMI ................................................................................... 50 4.2.3. Kinerja Saham BUMI ....................................................................... 51 4.2.4. Harga Saham BUMI ......................................................................... 51 4.2.5. Return BUMI .................................................................................... 52 4.3. PT. Tambang Batu Bara Bukit Asam (PTBA) ............................................. 56 4.3.1. Sejarah PTBA ................................................................................... 56 4.3.2. Kinerja PTBA ................................................................................... 57 4.3.3. Kinerja Saham PTBA ....................................................................... 57 4.3.4. Harga Saham PTBA ......................................................................... 58 4.3.5. Return PTBA .................................................................................. 59 IV. HASIL DAN PEMBAHASAN 5.1. Deskripsi Data Model 1 ............................................................................... 63 5.2. Identifikasi Model ARCH-GARCH.............................................................. 64 5.2.1. Uji Stasioneritas ................................................................................ 64 5.2.2. Uji Multikolinearitas ......................................................................... 65 5.2.3. Uji Heteroskedastistas ...................................................................... 65 5.2.4. Uji Autokorelasi ................................................................................ 66 5.3. Pemilihan Model 1 Terbaik .......................................................................... 66 5.4. Uji Efek ARCH untuk Model 1 Terbaik ...................................................... 67 5.5. Uji Kenormalan Galat untuk Model 1 Terbaik ............................................ 67 5.6. Model 1 Terbaik ........................................................................................... 67 5.7. Deskripsi Data Model 2 ............................................................................... 68 5.8. Identifikasi Model ARCH-GARCH.............................................................. 69 5.8.1. Uji Stasioneritas ................................................................................ 69 5.8.2. Uji Multikolinearitas ......................................................................... 69 5.8.3. Uji Heteroskedastistas ...................................................................... 69 5.8.4. Uji Autokorelasi ................................................................................ 69 5.9. Pemilihan Model 2 Terbaik .......................................................................... 70 5.10. Uji Efek ARCH untuk Model 2 Terbaik ...................................................... 70 5.11. Uji Kenormalan Galat untuk Model 2 Terbaik ............................................ 71 5.12. Model 2 Terbaik .......................................................................................... 71 5.13. Pemilihan Penggunaaan Model ................................................................... 72 5.14. Faktor – faktor yang Mempengaruhi Return Saham BUMI dan PTBA .............................................................................. 73 5.14.1. Customer Price Index (CPI) ........................................................... 73 5.14.2. Nilai Tukar Rupiah ......................................................................... 74 5.14.3. Jumlah Uang yang Beredar ............................................................. 74 5.14.4. Industrial Production Index (IPI) ................................................... 75 5.14.5. Suku Bunga SBI ............................................................................. 76 5.14.6. Indeks Harga Saham Gabungan (IHSG) ......................................... 76 5.14.7. Variabel Dummy ............................................................................ 77 5.15. Resiko Saham Batubara ............................................................................... 77 5.16. Pembahasan .................................................................................................. 78 VI. KESIMPULAN DAN SARAN 6.1. Kesimpulan .................................................................................................. 82 6.2. Saran ............................................................................................................ 83 DAFTAR PUSTAKA ................................................................................................... 84 LAMPIRAN................................................................................................................... 88 DAFTAR TABEL Halaman 1. Perkembangan Pasar Modal Indonesia Tahun 2005-2009 .................................................................................................... 2 2. Jenis dan Sumber Data ............................................................................................ 29 3. Tabel untuk Menetukan Autokorelasi ..................................................................... 37 4. Indikator Makroekonomi Tahun 2005-2009 ........................................................... 46 5. Kinerja Keuangan PT. Bumi Resources Tbk. Tahun 2005-2009 .................................................................................................... 50 6. Kinerja Saham PT. Bumi Resources Tbk. Tahun 2005-2009 ................................................................................................... 51 7. Kinerja Keuangan PT. Tambang Batubara Bukit Asam Tbk. Tahun 2005-2009 .................................................................................................... 57 8. Kinerja Saham PT. Tambang Batubara Bukit Asam Tbk. Tahun 2005-2009 ................................................................................................... 58 9. Statistik Deskriptif Data Return BUMI dan PTBA, Return IHSG dan Return Variabel-variabel Makroekonomi ................................. 63 10. Uji Stasioner Model 1 pada Level .......................................................................... 65 11. Evaluasi Model ARCH-GARCH Terbaik.............................................................. 66 12. Statistik Deskriptif Model Pembanding ................................................................ 68 13. Uji Stasioner pada Level ........................................................................................ 69 14. Evaluasi Model ARCH-GARCH Terbaik ............................................................. 70 DAFTAR GAMBAR Halaman 1. Tujuh Produsen Batubara Terbesar Dunia Tahun 2009 (dalam ton) .......................................................................................... 4 2. Tujuh Eksportir Batubara Terbesar Dunia Tahun 2009 (dalam ton) .......................................................................................... 4 3. Kurva Supply dan Demand ..................................................................................... 15 4. Pergeseran Kurva Demand ..................................................................................... 16 5. Kerangka Pemikiran Konseptual ............................................................................ 27 6. Pergerakan Harga Saham BUMI ............................................................................ 52 7. Hubungan Return BUMI dengan Faktor-faktor Makroekonomi ................................................................................. 53 8. Trend Hubungan Return BUMI dengan Faktor-Faktor Makroekonomi ................................................................................ 55 9. Pergerakan Harga Saham PTBA ............................................................................ 58 10. Hubungan Return PTBA dengan Faktor-faktor Makroekonomi ................................................................................. 59 11. Trend Hubungan Return PTBS dengan Faktor-Faktor Makroekonomi ................................................................................ 61 DAFTAR LAMPIRAN Halaman 1. Uji Statistik Deskriptif Model 1 ............................................................................. 88 2. Uji Stasioner Model 1 pada Level ......................................................................... 88 3. Uji Korelasi Model 1 ............................................................................................ 91 4. Model Regresi Model 1 ......................................................................................... 92 5. Uji Heteroskedastisitas Model 1 ........................................................................... 92 6. Uji Autokorelasi Model 1 ..................................................................................... 92 7. Uji Model 1 Terbaik .............................................................................................. 93 8. Model 1 Terbaik .................................................................................................... 99 9. Uji Efek ARCH untuk Model 1 Terbaik ............................................................... 100 10. Uji Kenormalan Galat untuk Model 1 Terbaik ..................................................... 100 11. Uji Statistik Deskriptif Model 2 ............................................................................ 101 12. Uji Stasioner Model 2 pada Level ......................................................................... 101 13. Uji Korelasi Model 2 ............................................................................................ 102 14. Model Regresi Model 2 ........................................................................................ 103 15. Uji Heteroskedastisitas Model 2 ............................................................................ 103 16. Uji Autokorelasi Model 2 ..................................................................................... 103 17. Uji Model 2 Terbaik .............................................................................................. 104 18. Model 2 Terbaik .................................................................................................... 110 19. Uji Efek ARCH Model 2 Terbaik ......................................................................... 111 20. Uji Kenormalan Galat Model 2 Terbaik ............................................................... 111 I. PENDAHULUAN 1.1. Latar Belakang Pasar modal merupakan salah satu faktor terpenting dalam pembangunan perekonomian Indonesia. Banyak perusahaan yang menggunakan institusi pasar modal sebagai media untuk menyerap investasi. Hal ini berkaitan dengan peran pasar modal yang menjalankan dua fungsi, yaitu pertama sebagai sarana bagi pendanaan usaha atau sebagai sarana bagi perusahaan (emiten) untuk mendapatkan dana dari masyarakat pemodal (investor) dan kedua pasar modal menjadi sarana bagi masyarakat untuk berinvestasi pada instrumen keuangan seperti saham, obligasi, reksa dana, dan lain-lain (Widoatmodjo, 2009). Keuntungan yang diperoleh baik oleh emiten maupun investor membuat pasar modal terus berkembang. Pasar modal dijadikan sebagai tolak ukur kemodernan. Artinya, suatu bangsa atau negara baru berhak menyandang predikat modern kalau pasar modalnya maju. Selain itu, pasar modal dijadikan pula sebagai indikator ekonomi makro suatu negara. Naik turunnya indeks suatu bursa dapat dibaca sebagai cermin dinamika ekonomi negara tersebut. Perkembangan pasar modal Indonesia dapat dilihat dari kapitalisasi pasar modal dan kontribusinya terhadap GDP. Kapitalisasi pasar modal pada tahun 2006 sebesar Rp 1.249,1 Triliun meningkat 55,88 persen dari tahun 2005 sebesar Rp 801,3 Triliun. Pada tahun 2007, kapitalisasi pasar modal kembali meningkat sebesar 59,18 persen menjadi Rp 1.988,33 Triliun. Namun, pada tahun 2008 kapitalisasi pasar modal mengalami penurunan sebesar 46,42 persen menjadi Rp 1.076,50 Triliun. Pada tahun 2009, kapitalisasi pasar modal meningkat tajam sebesar 87,59 persen menjadi Rp 2.019,38 Triliun. Kontribusi pasar modal terhadap GDP tahun 2005 sebesar 25,32 persen dan meningkat pada tahun 2006 menjadi 37,42 persen. Kontribusi pasar modal tehadap GDP kembali mengalami peningkatan tertinggi pada tahun 2007 yaitu 50,24 persen. Pada tahun 2008, kontribusi pasar modal terhadap GDP mengalami penurunan menjadi 21,72 persen dan kembali meningkat pada tahun 2009 menjadi 35,97 persen. Hal ini dapat dilihat pada tabel 1. Tabel 1. Perkembangan Pasar Modal Indonesia Tahun 2005-2009 Tahun Kapitalisasi Pasar Modal Kontribusi Pasar Modal terhadap (Triliun Rupiah) GDP (persen) 2005 801,30 25,32 2006 1.249,10 37,42 2007 1.988,33 50,24 2008 1.076,50 21,72 2009 2.019,38 35,97 Sumber : BAPEPAM, 2005-2009 Seiring dengan perkembangan zaman, munculah pasar modal syariah. Pasar modal syariah dikembangkan dalam rangka mengakomodasi kebutuhan umat Islam di Indonesia yang ingin melakukan investasi di produk-produk pasar modal yang sesuai dengan prinsip dasar syariah. Pasar modal syariah telah mengembangkan alternatif sumber pembiayaan sekaligus menambah alternatif instrumen investasi halal (Setiawan, 2005). Munculnya pasar modal syariah ditandai dengan diterbitkannya saham yang berbasis syariah yaitu saham dalam Jakarta Islamic Index (JII). Pembentukan JII merupakan implementasi dari fatwa Dewan Syariah Nasional (DSN) yaitu Fatwa No.05/DSN-MUI/IV/2000 mengenai jual beli saham yang dikeluarkan pada April 2000. Tujuan pembentukan JII adalah memberikan arahan kepada investor yang ingin berinvestasi dipasar saham, tetapi tidak bertentangan dengan syariah Islam (Bank Indonesia, 2004). JII terdiri dari 30 saham perusahaan yang kegiataanya dipandang tidak bertentangan dengan syariah. Saham JII terdapat dalam 8 sektor yaitu sektor pertanian, sektor pertambangan, sektor industri kimia dasar, sektor aneka industri, sektor industri barang konsumsi, sektor properti dan real estate, sektor infrastruktur, utilitas dan transportasi dan sektor perdagangan. Sektor pertambangan Indonesia memiliki prospek yang cerah. Indonesia yang dikenal sebagai negara yang kaya akan sumber daya alam masuk dalam jajaran produsen terbesar dunia untuk beberapa komoditas tambang. Salah satu komoditas tambang Indonesia adalah batubara. Berdasarkan data Coal Statistic dalam Muttaqin (2010), batubara merupakan primadona sumber energi dunia. Barubara menyediakan 26,5 persen sumber energi primer. Batubara juga menghidupkan 41,5 persen pembangkit listrik di seluruh dunia. Batubara Indonesia termasuk batubara terbaik di dunia. Peringkat Indonesia dalam jajaran produsen batubara juga terus mengalami peningkatan. Pada tahun 2009, Indonesia tercatat sebagai produsen batubara ke lima dunia dengan dengan total produksi 263 juta ton. Produsen terbesar batubara adalah Cina dengan total produksi 2.971 juta ton, lalu USA dengan total produksi 919 juta ton. Peringkat ketiga adalah India dengan total produksi 526 juta ton dan kemudian Australia dengan total produksi 335 juta ton. Hal ini dapat dilihat pada gambar berikut. Sumber : World Coal Institut, 2010 Gambar 1. Tujuh Produsen Batubara Terbesar Dunia Tahun 2009 Sebagian besar produksi batubara Indonesia diekspor ke luar negeri. Sejak tahun 2004, Indonesia menduduki peringkat kedua setelah Australia sebagai eksportir batubara dengan total ekspor 230 juta ton. 300 jumlah ekspor (juta ton) 256 250 230 200 150 116 100 69 67 53 50 28 0 Australia Indonesia Russia Columbia South Africa USA negara eksportir Sumber : World Coal Institut, 2010 Gambar 2. Tujuh Eksportir Batubara Terbesar Dunia Tahun 2009 Canada Hal ini menjadi salah satu alasan untuk memilih berinvestasi pada sahamsaham perusahaan batubara. Selain itu pula, terdapat alasan lainnya yang mendukung untuk memilih saham komoditas barang tambang sebagai alternatif investasi. Perusahaan-perusahaan yang menghasilkan energi sangat dominan di pasar modal pada negara berkembang (Ratti dan Hasan, 2010). Hal inilah yang menjadikan saham batubara sebagai alternatif investasi yang menarik. Selain itu, kenaikan harga minyak dunia mendorong harga komoditas pertambangan di pasar internasional mengalami kenaikan. Hal ini membuat banyak investor asing berminat menanamkan modalnya pada saham berbasis komoditas. Tingginya minat investor asing membuat masyarakat domestik tertarik pula untuk menanamkan modalnya pada saham komoditas. Hal ini dikarenakan peluang return yang tinggi dari saham komoditas. Namun, sebagai alternatif investasi saham memiliki keuntungan (return) dan risiko (risk), begitupula dengan saham batubara. Apabila terdapat return yang tinggi maka tingkat risiko yang harus ditanggung juga tinggi. Risiko pasar berhubungan erat dengan perubahan harga saham jenis tertentu atau kelompok tertentu yang disebabkan oleh antisipasi investor terhadap perubahan tingkat pengembalian yang diharapkan. Kestabilan perusahaan akan berpengaruh pada return yang didapatkan pada pasar modal. Faktor lain yang berpengaruh besar terhadap return adalah faktor makroekonomi karena faktor tersebut sebagai indikator kestabilan suatu negara. Para investor akan enggan menanamkan modalnya apabila keadaan ekonomi tidak kondusif. Keadaan yang tidak kondusif tersebut menyebabkan risiko untuk menanamkan modal sangat rentan dengan kerugian. Risiko dalam menanamkan modal berkaitan erat dengan volatilitas. Sebagai bursa efek yang masih berkembang, indeks harga saham BEI mempunyai tingkat volatilitas indeks yang cukup tinggi. Volatilitas indeks ini merupakan salah satu hal yang paling penting diperhatikan oleh manajemen bursa, investor dan pihak-pihak terkait lainya. Volatilitas sebuah pasar menggambarkan fluktuasi atau perubahan pada pasar tersebut, yang sekaligus juga menunjukkan risikonya. Investor yang spekulatif menyukai pasar dengan volatilitas tinggi, karena memungkinkan memperoleh keuntungan (gain) yang besar dalam waktu singkat. Namun, volatilitas tinggi juga memungkinkan investor memperoleh kerugian (loss). 1.2. Perumusan Masalah Alternatif dalam berinvestasi adalah pilihan antara return yang tinggi dengan risk yang tinggi, atau risk yang rendah dengan tingkat return yang rendah pula. Risk dalam berinvestasi di pasar modal pada prinsipnya sangat terkait erat dengan terjadinya volatilitas harga saham (Shin, 2005). Investor yang melakukan investasi dalam aset yang memiliki volatilitas tinggi akan cenderung menghadapi risk yang lebih tinggi dibandingkan dengan investor yang melakukan investasi dalam aset yang memiliki volatilitas rendah (Nainggolan, 2010). Investor melakukan investasi dengan harapan akan memperoleh return dalam jumlah tertentu pada masa yang akan datang. Besarnya return atas investasi yang dilakukan akan menentukan kesediaan investor untuk melakukan investasi, dimana investor akan cenderung memilih investasi yang memberikan return terbesar. Kondisi makroekonomi sangat berpengaruh pada aktifitas pasar modal. Ketika situasi sedang mengalami krisis, perusahaan yang telah go-public memiliki sensitifitas tinggi terhadap perubahan kondisi makro sehingga mempengaruhi beban operasional. Hal ini akan berdampak pada pandangan investor terhadap perusahaan tersebut. Pandangan ini membuat harga saham berubah. Saat suatu perusahaan dinilai baik maka sahamnya akan diminati dan harganya menjadi meningkat sehingga memungkinkan memperoleh capital gain yang besar. Namun, saat suatu perusahaan dinilai jelek maka harga sahamnya pun akan anjlok dan dapat mengakibatkan capital loss. Oleh karena itu, penulis merasa penting untuk menganalisis faktor-faktor makroekonomi yang mempengaruhi return saham batubara, karena return saham menjadi alasan seorang investor untuk melakukan investasi. Hal ini akan berguna untuk investor dalam menentukan langkah saat akan berinvestasi. Investor akan dapat mengatur portofolio dengan menggunakan berita makroekonomi sebagai indikator yang dapat diandalkan (Wang, 2010). Penelitian ini akan difokuskan untuk menganalisis faktor-faktor yang mempengaruhi return saham pada perusahaan penghasil batubara PT.Bumi Resources Tbk. (BUMI) dan PT. Tambang Batubara Bukit Asam Tbk. (PTBA). Pemilihan saham ini dikarenakan kedua perusahaan ini adalah perusahaan batubara yang masuk ke dalam JII selama periode penelitian penulis. Berdasarkan uraian diatas, maka masalah yang akan diteliti adalah : 1. Faktor-faktor makroekonomi apa saja yang mempengaruhi return saham batubara dalam kelompok JII (BUMI dan PTBA)? 2. Bagaimana model terbaik dapat menjelaskan faktor-faktor yang mempengaruhi return saham batubara dalam kelompok JII (BUMI dan PTBA)? 1.3. Tujuan Penelitan Berdasarkan latar belakang dan permasalahan di atas maka penelitian ini memiliki tujuan sebagai berikut : 1. Menganalisis faktor-faktor makroekonomi yang mempengaruhi return saham batubara dalam kelompok JII (BUMI dan PTBA). 2. Menganalisis model terbaik untuk menjelaskan faktor-faktor yang mempengaruhi return saham batubara dalam kelompok JII (BUMI dan PTBA). 1.4. Manfaat Penelitian Penelitian ini memiliki beberapa manfaat bagi berbagai pihak. Adapun manfaat penelitian sebagai berikut : 1. Bagi para pelaku bursa, khususnya investor agar memahami faktor-faktor makroekonomi yang mempengaruhi return saham terutama saham batubara dalam kelompok JII (BUMI dan PTBA) sehingga dapat mengambil posisi yang menguntungkan dalam Bursa Efek Jakarta. 2. Bagi kalangan akademisi, agar bisa menarik minat para peneliti untuk menelaah perdagangan saham secara lebih mendalam. 3. Bagi masyarakat, penelitian ini dapat memberikan tambahan pengetahuan mengenai faktor-faktor yang mempengaruhi return saham batubara dalam kelompok JII (BUMI dan PTBA). 4. Bagi penulis, penelitian ini sebagai sarana pembelajaran dalam memahami variabel-variabel makroekonomi yang mempengaruhi return saham. Selain itu, penelitian ini juga sebagai proses belajar untuk lebih kritis dalam menganalisis suatu permasalahan serta membuka wawasan dan pemahaman untuk mencari jawaban atas perumusan masalah. 1.5. Ruang Lingkup Penelitian Ruang lingkup pada penelitian ini dimaksudkan untuk membatasi permasalahan dalam melakukan analisis. Maka, penulis melakukan pembatasan berdasarkan ruang lingkup berikut ini : 1. Penelitian ini hanya difokuskan pada saham batubara yang masuk dalam kelompok JII selama periode penelitian penulis. 2. Return yang dianalisis pada penelitian ini adalah return yang diakibatkan terjadinya perubahan harga saham. 3. Jangka waktu penelitian dari Januari 2005 - Mei 2010 dan merupakan jenis data time series bulanan. II. TINJAUAN PUSTAKA 2.1. Pasar Modal 2.1.1. Konsep Pasar Modal Pasar modal menurut Undang-undang republik Indonesia no.8 tahun 1995 adalah kegiatan yang bersangkutan dengan penawaran umum dan perdagangan efek, yaitu perusahaan publik yang berkaitan dengan efek yang diterbitkannya, serta lembaga atau profesi yang berkaitan dengan efek. Adapun efek yang dimaksud disini adalah surat berharga atau saham. Menurut Widoatmojo (2007) yang membedakan pasar saham dengan pasar lainnya adalah komoditi yang diperdagangkan. Pasar modal merupakan pasar abstrak, dimana yang diperjualbelikan adalah dana-dana jangka panjang, yaitu dana yang keterkaitannya dalam investasi lebih dari satu tahun. Sedangkan secara fisik, pasar modal menunjuk suatu tempat yang biasanya menempati sebuah gedung, sebagai tempat bertemunya para pialang yang mewakili para investor. Tujuan pasar modal diantaranya mempercepat proses ikut sertanya masyarakat dalam kepemilikan saham perusahaan swasta menuju pemerataan pendapatan masyarakat, dan menggairahkan partisipasi masyarakat dalam pergerakan dan penggunaannya secara produktif untuk pembiayaan pembangunan nasional (Widoatmodjo, 2009). 2.1.2. Konsep Pasar Modal Syariah Badan Pengawas Pasar Modal (BAPEPAM) resmi meluncurkan pasar modal syariah pada tanggal 14 dan 15 Maret 2003 dengan ditandatanganinya nota kesepakatan antara Bapepam dengan Dewan Syariah Nasional-Majelis Ulama Indonesia (DSN-MUI). Langkah awal perkembangan pasar modal syariah di Indonesia dimulai dengan diterbitkannya Reksa Dana Syariah pada 25 Juni 1997 diikuti dengan diterbitkannya obligasi syariah pada akhir 2002, kemudian diikuti pula dengan hadirnya Jakarta Islamic Index (JII) pada Juli 2000 (BAPEPAM, 2010). Secara umum konsep pasar modal syariah dengan pasar modal konvensional tidak jauh berbeda meskipun dalam konsep pasar modal syariah disebutkan bahwa saham yang diperdagangkan harus berasal dari perusahaan yang bergerak dalam sektor yang memenuhi kriteria syariah dan terbebas dari unsur ribawi. Sedangkan perbedaan nilai indeks saham syariah dengan nilai indeks saham konvensional terletak pada kriteria saham emiten yang harus memenuhi prinsip-prinsip dasar syariah. 2.1.3. Saham sebagai Instrumen Pasar Modal Menurut Rusdin (2006), saham adalah sertifikat yang menunjukkan bukti kepemilikan suatu perusahaan dan pemegang saham memiliki klaim atau penghasilan dan aktiva perusahaan. Menurut Darmadji dan Fakhruddin (2001), saham dapat didefinisikan tanda penyertaan atau kepemilikan seseorang atau badan dalam suatu perusahaan atau perseroan terbatas. Wujud saham adalah selembar kertas yang menerangkan bahwa pemilik kertas tersebuttadalah pemilik perusahaan yang menerbitkan surat berharga tersebut. Porsi kepemilikan ditentukan oleh seberapa besar penyertaan yang ditanamkan di perusahaan tersebut. 2.2. Jakarta Islamic Index (JII) Jakarta Islamic Index (JII) yang dikeluarkan BEI merupakan indeks yang menggambarkan kinerja saham syariah di Indonesia. JII pertama kali diluncurkan oleh BEI (pada saat itu masih bernama Bursa Efek Jakarta) bekerjasama dengan PT Danareksa Investment Management pada tanggal 3 Juli 2000. Meskipun demikian, agar dapat menghasilkan data historikal yang lebih panjang, hari dasar yang digunakan untuk menghitung JII adalah tanggal 2 Januari 1995 dengan angka indeks dasar sebesar 100. Metodologi perhitungan JII sama dengan yang digunakan untuk menghitung IHSG (BEI, 2010). JII terdiri dari 30 saham yang merupakan saham-saham syariah paling likuid dan memiliki kapitalisasi pasar yang besar. BEI melakukan review JII setiap 6 bulan, yang disesuaikan dengan periode penerbitan DES oleh Bapepam & LK. Setelah dilakukan penyeleksian saham syariah oleh Bapepam & LK yang dituangkan ke dalam DES, BEI melakukan proses seleksi lanjutan yang didasarkan kepada kinerja perdagangannya. Adapun proses seleksi JII berdasarkan kinerja perdagangan saham syariah yang dilakukan oleh BEI adalah sebagai berikut: 1. Saham-saham yang dipilih adalah saham-saham syariah yang termasuk ke dalam DES yang diterbitkan oleh Bapepam & LK. 2. Dari saham-saham syariah tersebut kemudian dipilih 60 saham berdasarkan urutan kapitalisasi terbesar selama 1 tahun terakhir. 3. Dari 60 saham yang mempunyai kapitalisasi terbesar tersebut, kemudian dipilih 30 saham berdasarkan tingkat likuiditas yaitu urutan nilai transaksi terbesar di pasar reguler selama 1 tahun terakhir. Jika dilihat dari metode seleksinya, dapat diduga bahwa saham-saham yang tercatat dalam JII adalah sama dengan saham-saham di LQ 45 setelah dikeluarkan saham perusahaan lembaga keuangan konvensional dan saham perusahaan rokok. Dengan kata lain JII adalah LQ 30 tanpa rokok dan bank. 2.3. Investasi Menurut Mankiw (2005) investasi adalah barang-barang yang dibeli oleh individu dan perusahaan untuk menambah persediaan modal mereka. Menurut Lipsey (1997) investasi adalah pengeluaran barang yang tidak dikonsumsi saat ini, dimana berdasarkan periode waktunya investasi dapat dibedakan menjadi tiga, yaitu: investasi jangka pendek, investasi jangka menengah dan investasi jangka panjang. Tujuan individu atau perusahaan yang melakukan investasi adalah untuk memperoleh kesejahteraan bagi dirinya atau perusahaan tersebut. Hal ini berlaku sama bagi emiten yang berinvestasi di pasar modal. Emiten yang berinvestasi pada pasar modal berharap mendapatkan keuntungan dari investasi yang dilakukannya di pasar modal. 2.4. Tingkat Pengembalian (Return) Saham Rusdin (2006) mengatakan terdapat dua unsur pokok return saham, yaitu deviden dan capital gain. Deviden adalah bagian keuntungan perusahaan yang dibagikan kepada pemegang saham. Sedangkan capital gain adalah hasil yang diperoleh dari selisih antara harga pembelian dengan harga penjualan. Artinya jika harga pembelian lebih kecil dari pada harga penjualan maka investor dikatakan memperoleh capital gain, dan sebaliknya disebut dengan capital loss. Dalam penelitian ini, return saham yang dimaksud adalah capital gain atau capital loss yang didefinisikan sebagi selisih dari harga investasi sekarang relatif dengan harga periode yang lalu. Return saham yang tinggi mengidentifikasikan bahwa saham tersebut aktif diperdagangkan. 2.5. Hubungan Return dan Resiko Suatu keputusan yang diambil berdampak terhadap suatu resiko yang akan ditanggung. Hubungan return dan risiko mempunyai hubungan yang positif, yaitu semakin besar tingkat return yang diharapkan maka akan semakin besar pula tingkat resiko yang akan ditanggung. Itulah yang menjadi pertimbangan para investor dalam menginvestasikan dananya, mereka juga harus mempertimbangkan kedua hal tersebut. 2.6. Kerangka Pemikiran Teoritis 2.6.1. Teori Supply dan Demand Keseimbangan harga dapat digambarkan oleh perpotongan kurva supply dan kurva demand. Gambar 3 menggambarkan kurva supply dan kurva demand yang membentuk keseimbangan harga. S P P* D Q Q* Sumber : Mankiw, 2005 Gambar 3. Kurva Supply dan Kurva Demand Return saham dianalisis berdasarkan selisih harga saham. Pembentukan harga saham tidak terlepas dari adanya penawaran dan permintaan akan saham (Little, 2010). Kekuatan penawaran dan permintaan inilah yang akan menentukan naik turunnya harga suatu saham. Pada gambar kurva diatas digambarkan bahwa “P*” adalah harga keseimbangan saham di pasar modal dan “Q*” adalah jumlah keseimbangan di pasar modal. Jika dirumuskan, maka model keseimbangan adalah : Qd = Qs Dimana Qd merupakan fungsi dari permintaan dan Qs merupakan fungsi dari penawaran. Model pasar saham ini terdiri dari variabel endogen dan variabel eksogen. Variabel endogennya adalah jumlah dan harga saham, sedangkan variabel eksogen adalah variabel yang mungkin diluar model yang menyebabkan pergeseran pada kurva permintaan dan penawaran sehingga pada akhirnya menggeser harga keseimbangan. Variabel- variabel ekonomi secara langsung maupun tidak langsung akan berdampak pada keseimbangan pasar saham. Kondisi seperti inflasi akan menyebabkan kenaikan biaya produksi. Peningkatan biaya produksi ini berdampak pada penurunan pendapatan dan akhirnya menurunkan keuntungan. Hal ini akan membuat opini jelek dimata investor yang mengakibatkan penurunan permintaan saham perusahaan tersebut. Penurunan ini menyebabkan menurunnya harga saham. Hal tersebut dapat dilihat pada gambar berikut. S P P* P** D Q Q** Q** Sumber : Mankiw, 2005 Gambar 4. Pergeseran Kurva Demand 2.6.2. Teori Kebijakan Moneter Kebijakan moneter merupakan kebijakan bank sentral atau otoritas moneter dalam bentuk pengendalian besaran moneter dan atau suku bunga untuk mencapai perkembangan kegiatan perekonomian yang diinginkan. Kebijakan moneter terdiri dari dua macam yaitu kebijakan moneter kontraktif dan kebijakan moneter ekspansif. Kebijakan moneter kontraktif dilakukan untuk memperlambat kegiatan ekonomi dengan mengurangi jumlah uang beredar. Sedangkan kebijakan moneter ekspansif dilakukan untuk mendorong kegiatan ekonomi dengan meningkatkan jumlah uang beredar. Perkembangan kegiatan ekonomi dapat dilihat dari indikator makroekonomi yang terdiri dari (Widiatmojo, 2009) : 1. Pertumbuhan ekonomi yang diukur dengan dengan produk domestik bruto (PDB). 2. Perkembangan moneter yang biasanya dihitung berdasarkan penawaran jumlah uang yang beredar dan tingkat nilai tukar rupiah terhadap US dollar. 3. Perkembangan neraca pembayaran luar negeri. 4. Perkembangan tingkat pengangguran. 5. Perkembangan inflasi. 2.6.3. Tingkat Pertumbuhan Ekonomi Menurut Kuznets, pertumbuhan ekonomi adalah kenaikan kapasitas dalam jangka panjang dari suatu negara untuk menyediakan berbagai kebutuhan ekonomi untuk penduduknya, dimana kenaikan kapasitas itu sendiri ditentukan oleh adanya kemajuan atau penyesuaian-penyesuaian teknologi, institusional, dan ideologi terhadap berbagai tuntutan keadaan ekonomi yang ada. Konsep pertumbuhan ekonomi masih digunakan sebagai tolak ukur untuk menilai kemajuan ekonomi suatu negara. adapun indikator yang umum digunakan untuk mengukur petumbuhan ekonomi suatu negara adalah Growth Domestic Product (GDP) atau Produk Domestik Bruto (PDB) (Mankiw, 2005). Indikator lain yang dapat digunakan sebagai pendekatan dari output riil adalah Industrial Production Index (IPI) (Linda, 2007). Industrial Production adalah data bulanan yang mengukur total produksi dari seluruh pabrik, pertambangan, dan perusahaan pelayanan publik (listrik, air, gas, transportasi, dan lain-lain). Komponen utama dari data Industrial Production adalah industri manufaktur yang dapat diprediksi secara akurat dari total jam kerja dari laporan ketenagakerjaan. Komponen pelengkap lainnya adalah Capacity Utilization yang digunakan untuk menghitung tingkat penggunaan modal negara yang dipakai dalam proses produksi tersebut. Penggunaan IPI dalam penelitian ini dikarenakan IPI memiliki jumlah sampel yang lebih spesifik bila dibandingkan GDP, yaitu dalam periode bulanan. IPI juga dinilai lebih representatif dan sesuai dengan menggambarkan pertumbuhan output suatu negara (Linda, 2007). Oleh karena itu, pengukuran pertumbuhan ekonomi dengan menggunakan pendekatan IPI dalam penelitian ini lebih merepresentasikan pertumbuhan produksi. Rumus untuk menghitung IPI yaitu : I = Σ (WiRi) / Σ (Wi) Dimana I adalah indeks, Ri adalah produksi relatif dan Wi adalah bobot pembagi. Industrial Production Index (IPI) biasanya berhubungan positif dengan return saham. Hal ini dikarenakan peningkatan jumlah output yang dihasilkan mengindikasikan peningkatan pada produksi. Peningkatan ini berarti peningkatan pada pendapatan yang akhirnya meningkatkan keuntungan juga deviden. Hal ini membuat investor berminat menanamkan dananya pada saham sehingga permintaan meningkat dan harga saham pun meningkat. Peningkatan harga saham ini berarti peningkatan pada return (Maysami, 2004). 2.6.4. Tingkat Inflasi Inflasi adalah peningkatan dalam seluruh tingkat harga (Mankiw, 2005). Kadang-kadang kenaikan harga ini berlangsung terus-menerus dan berkepanjangan. Menurut Friedman dalam Mankiw (2005), inflasi adalah suatu fenomena moneter yang terjadi dimanapun. Kenaikan harga dari satu atau dua barang saja tidak dapat disebut inflasi kecuali bila kenaikan itu meluas (atau menyebabkan kenaikan) kepada barang lainnya (Mankiw, 2005). Adapun indikator yang sering digunakan dalam mengukur tingkat inflasi adalah : 1. Indeks Harga Konsumen (IHK) atau Customer Price Index (CPI) merupakan indikator yang umum digunakan untuk menggambarkan pergerakan harga. Perubahan IHK dari waktu ke waktu menunjukkan pergerakan harga dari paket barang dan jasa yang dikonsumsi masyarakat. 2. Indeks Harga Perdagangan Besar (IHPB) merupakan indikator yang menggambarkan pergerakan harga dari komoditi-komoditi yang diperdagangkan di suatu daerah. 3. Produk Domestik Bruto (PDB) menggambarkan pengukuran level harga barang akhir (final goods) dan jasa yang diproduksi di dalam suatu ekonomi (negeri). Deflator PDB dihasilkan dengan membagi PDB atas dasar harga nominal dengan PDB atas harga konstan. Inflasi dapat mempunyai dampak positif dan negatif terhadap return saham di pasar saham. Hess dan Lee dalam Sodikin (2007) mengatakan bahwa tingkat inflasi berpengaruh negatif terhadap return jika penyebab inflasi adalah sektor riil (supply stock) yang mencakup tingkat produktifitas dan tingkat pengangguran. Inflasi dapat berpengaruh positif jika penyebab inflasi adalah sektor moneter (monetary shock) yang mencakup pasokan uang dan tingkat bunga. 2.6.5. Tingkat Suku bunga Berdasarkan Surat Edaran Bank Indonesia No.8/13/DPM tentang Penerbitan Sertifikat Bank Indonesia Melalui Lelang, Sertifikat Bank Indonesia yang selanjutnya disebut SBI adalah surat berharga dalam mata uang Rupiah yang diterbitkan oleh Bank Indonesia sebagai pengakuan utang berjangka waktu pendek dengan sistem diskonto/bunga. SBI merupakan salah satu mekanisme yang digunakan Bank Indonesia untuk mengontrol kestabilan nilai Rupiah. Tujuan diterbitkannya SBI adalah agar Bank Indonesia dapat menyerap kelebihan uang primer yang beredar. Tingkat suku bunga yang berlaku pada setiap penjualan SBI ditentukan oleh mekanisme pasar berdasarkan sistem lelang. Sejak awal Juli 2005, BI menggunakan mekanisme "BI rate" (suku bunga BI), yaitu BI mengumumkan target suku bunga SBI yang diinginkan BI untuk pelelangan pada masa periode tertentu. BI rate ini kemudian yang digunakan sebagai acuan para pelaku pasar dalam mengikuti pelelangan. Umumnya suku bunga SBI berhubungan negatif dengan return bursa saham. Bila pemerintah mengumumkan suku bunga akan naik maka investor akan menjual sahamnya dan mengganti kepada instrumen berpendapatan tetap seperti tabungan atau deposito. Kaitan antara suku bunga dan return saham dikemukakan pula oleh Maysami (2004) yang mengatakan bahwa suku bunga dapat berpengaruh positif pada jangka pendek dan negatif pada jangka panjang terhadap return saham batubara. Penelitian lain dilakukan Butt et al (2009) yang menunjukkan bahwa suku bunga tidak berpengaruh kepada return saham. 2.6.6. Nilai Tukar Uang Menurut Mankiw (2005), nilai tukar (exchange rate) atau dikenal juga dengan istilah kurs adalah tingkat harga yang disepakati penduduk kedua negara untuk saling melakukan perdagangan. Para ekonom membedakan kurs menjadi dua yaitu kurs nominal dan kurs riil. Kurs nominal adalah harga relatif dari mata uang dua negara. sedangkan kurs riil adalah harga relatif dari barang-barang di antara dua negara. Jika diformulasikan KursIDR/USD artinya Rupiah yang diperlukan untuk membeli satu US Dollar. Apabila kurs meningkat maka berarti Rupiah mengalami apresiasi, sedangkan jika kurs menurun artinya Rupiah akan mengalami depresiasi. Perubahan nilai tukar sangat berpengaruh terhadap nilai indeks di BEI karena mempengaruhi kinerja perusahaan. Apresiasi Rupiah menyebabkan menurunnya daya saing komoditi ekspor Indonesia. Hal ini akan mengakibatkan penurunan pendapatan perusahaaan yang berdampak pada penurunan keuntungan. Penurunan keuntungaan ini pada akhirnya akan berdampak pada penurunan return saham. Beberapa bukti empiris mengeni pengaruh nilai tukar Rupiah/US Dollar terhadap return saham menunjukkan bahwa nilai tukar memiliki pengaruh negatif terhadap return saham. Penelitian Josep (2002) serta Ratti dan Hasan (1999) menunjukkan bahwa nilai tukar memiliki hubungan negatif dengan return saham. Sedangkan Maysami (2004) menemukan pengaruh positif dari nilai tukar terhadap return saham. 2.6.7. Jumlah Uang yang Beredar Jumlah uang beredar adalah nilai keseluruhan uang yang berada di tangan masyarakat. Jumlah uang beredar dalam arti sempit (narrow money) adalah jumlah uang beredar yang terdiri atas uang kartal dan uang giral. M1 = C + D Dimana: M1 = jumlah uang yang beredar dalam arti sempit C = Uang kartal (=uang kertas+uang logam) D = uang giral atau cek Uang beredar dalam arti luas adalah ditambah deposito berjangka (time deposit), M2 = M1 + TD Dimana: M2 = jumlah uang beredar dalam arti luas TD = deposito berjangka (time deposit) Friedman dan Schwartz dalam Maysami (2004) menjelaskan hubungan jumlah uang yang beredar dengan return saham dengan hipotesis yang simpel bahwa jumlah uang yang beredar akan mempengaruhi agregat ekonomi dan mempengaruhi return saham. Peningkatan pada jumlah uang yang beredar mengindikasikan peningkatan likuiditas untuk membeli saham sehingga meningkatkan harga saham. 2.7. Penelitian Terdahulu Penelitian mengenai return saham telah banyak dilakukan sebelumnya oleh para ekonom. Penelitian yang dilakukan Butt et al (2009) yang berjudul Do Economic Factors Influence Stock Returns? A Firm and Industry Level Analysis menggunakan model GARCH untuk menganalisis hubungan risk dan return serta hubungan return saham dengan variabel-variabel ekonomi di pasar modal Pakistan. Penelitian ini meneliti perusahaan-perusahaan dalam sektor manufaktur dan sektor keuangan. Data yang digunakan adalah data bulanan dari 32 perusahaan industri perbankan (sektor keuangan) dan industri tekstil (industri manufaktur) dengan periode 10 tahun (Juli 1998-Juni 2008). Variabel yang digunakan dalam penelitian ini adalah CPI yang menggambarkan inflasi. RFR yang menggambarkan hasil selama 6 bulan dari Treasury bills dan menggambarkan suku bunga dan nilai tukar rupiah/dolar. Industrial Production Index dan Individual Industrial Production yang menggambarkan real output. Variabel lainnya yang digunakan adalah M2 yang menggambarkan jumlah uang beredar. Hasil penelitian ini mengindikasikan perubahan variabel ekonomi dalam return saham lebih berpengaruh pada level industri dibandingkan level perusahaan. Penelitian ini pula mengindikasikan industri perbankan (sektor keuangan) lebih sensitif dengan perubahan variabel ekonomi. Penelitian lainnya dilakukan oleh Xiufang Wang (2010) yang berjudul The Relationship between Stock Market Volatility and Macroeconomic Volatility: Evidence from China. Data yang digunakan adalah data bulanan periode Januari 1992 hingga Desember 2008. Penelitian ini menggunakan model EGARCH dan lag-augmented VAR (LA-VAR) untuk menganalisis hubungan GDP, CPI yang menggambarkan inflasi, dan suku bunga terhadap saham. Model AR(2)EGARCH(2,2) digunakan untuk memodelkan GDP, AR(7)-EGARCH(2,1) untuk memodelkan CPI, AR(4)-EGARCH(1,2) untuk memodelkan suku bunga dan AR(2)-GARCH(1,1) untuk memodelkan return saham. Hasil penelitian ini mengindikasikan tidak ada hubungan antara volatilitas GDP dan suku bunga terhadap volatilitas saham. Hanya inflasi yang berhubungan dengan volatilitas saham. Penelitian lainnya dilakukan oleh Wijaya (2008) yang berjudul Pengaruh Faktor Makroekonomi dan Return IHSG terhadap Return Saham Sektor Usaha Primer : Analisis dengan Metode GARCH. Penelitian ini bertujuan untuk menganalisis pengaruh return IHSG serta faktor-faktor makroekonomi terhadap volatilitas return saham sektor pertanian dan pertambangan. Penelitian ini menggunakan data dari Januari 2004 hingga Juni 2007. Data tersebut adalah IHSG, Indeks Harga Saham Sektoral (IHSS) Pertanian, IHSS Pertambangan, kurs dan suku bunga SBI yang dinyatakan dalam bentuk return secara relatif, serta inflasi yang dinyatakan dalam persen. Metode penelitian yang digunakan adalah regresi berganda dan GARCH . Variabel yang diguakan dalam penelitian ini hasil penelitian ini menunjukan bahwa return IHSS Pertanian hanya dipengaruhi secara nyata oleh return IHSG. Sedangkan return IHSS Pertambangan secara signifikan dipengaruhi oleh return IHSG, return, kurs dan return suku bunga SBI. Penelitian serupa pernah dilakukan oleh Sitorus (2004) yang berjudul Pengaruh Variabel Makroekonomi terhadap Kinerja Saham Pertambangan Minyak dan Gas Bumi sebagai Emiten di Bursa Efek Indonesia. Variabel yang dianalisis dalam penelitian ini adalah inflasi, suku bunga SBI, kurs dan jumlah uang beredar. Penelitian ini menggunakan regresi berganda sebagai alat analisis. Hasil dari penelitian ini menjelaskan bahwa variabel-variabel makroekonomi berpengaruh secara simultan terhadap kinerja saham pertambangam minyak dan gas bumi. Variabel makroekonomi yang berpengaruh sangat besar terhadap kinerja saham pertambangan minyak dan gas bumi adalah variabel kurs. Perbedaan penelitian ini dengan penelitian terdahulu adalah penelitian ini menganalisis faktor-faktor yang mempengaruhi return pada saham batubara dalam kelompok JII dimana sampelnya yaitu perusahaan BUMI dan PTBA dengan rentang waktu Januari 2005 hingga Mei 2010. Selain itu variabel yang dianalisis dalam penelitian ini adalah faktor-faktor makroekonomi yang meliputi Customer Price Index (CPI), nilai tukar Rupiah terhadap US Dollar, Jumlah uang beredar (M2), suku bunga SBI, Industrial Production Index (IPI), dan IHSG. 2.8. Kerangka Pemikiran Konseptual Penelitian ini berawal dari sebuah pemikiran mengenai prospek batubara Indonesia. Peringkat Indonesia sebagai produsen batubara dunia terus meningkat dari tahun ke tahunnya. Indonesia menduduki peringkat kelima sebagai produsen batubara dunia pada tahun 2009. Selain itu, pada tahun yang sama Indonesia menduduki peringkat kedua sebagai eksportir batubara dunia. Hal ini menjadikan saham-saham perusahaan batubara sebagai alternatif investasi yang menarik karena adanya potensi return yang tinggi dari saham batubara. Saham-saham perusahaan batubara dalam Bursa Efek Indonesia (BEI) ini ada yang masuk kelompok JII,ada pula yang tidak. Saham batubara yang masuk kelompok JII berarti saham yang likuid dan tidak melanggar syariah Islam. Investasi tidak terlepas dari return dan risk. Investor pasti mengharapkan return yang tinggi dengan risk yang rendah. Oleh karena itu, penulis merasa perlu melakukan penelitian mengenai faktor-faktor makroekonomi yang mempengaruhi return saham batubara (BUMI dan PTBA), dan menjelaskan pengaruhnya terhadap return saham tersebut, sehingga diharapkan investor dapat menentukan langkah yang tepat ketika berinvestasi pada saham-saham perusahaan batubara. Potensi batubara Indonesia yang menjanjikan Saham batubara menjadi alternatif investasi yang menarik Saham dalam kelompok JII Saham diluar kelompok JII Investor mengharapkan return yang tinggi 1. 2. 3. 4. CPI M2 Kurs Suku bunga SBI 5. IPI 6. IHSG Perlunya penelitian volatilitas return Model ARCH-GARCH Rekomendasi strategi Catatan : : tidak dianalisis : dianalisis Gambar 5. Kerangka Pemikiran Konseptual 2.9. Hipotesis Adapun hipotesis dalam penelitian ini yaitu : 1. Return saham batubara (BUMI dan PTBA) dipengaruhi oleh faktor-faktor makroekonomi seperti CPI yang menggambarkan inflasi, M2 yang menggambarkan jumlah uang beredar, kurs dan suku bunga SBI. 2. CPI diduga berpengaruh negatif terhadap return saham batubara. 3. M2 diduga berpengaruh negatif terhadap return saham batubara. 4. Kurs diduga berpengaruh negatif terhadap return saham batubara. 5. Suku bunga SBI diduga berpengaruh negatif terhadap return saham batubara. 6. IPI diduga berpengaruh negatif terhadap return saham batubara. 7. IHSG diduga berpengaruh positif terhadap return saham batubara. 8. Variabel Dummy diduga “1” yaitu PTBA memiliki return yang lebih besar dibandingkan “0” yaitu BUMI. III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data time series bulanan dari tahun Januari 2005 sampai dengan Mei 2010. Jenis data yang akan digunakan dalam penelitian ini beserta sumbernya akan disajikan pada tabel berikut ini : Tabel 2. Jenis dan Sumber Data Jenis data Sumber data Harga penutupan saham BUMI dan PTBA www.finance.yahoo.com Statistik Keuangan Indonesia (SEKI), dan Badan Pusat Jumlah uang beredar Statistik (BPS). International Financial Customer Price Index (CPI) Statistics (IFS) Nilai tukar Rupiah terhadap US Dollar Bank Indonesia (BI) Industrial Production Badan Pusat Statistik (BPS) Index (IPI) Sertifikat Bank Indonesia ( SBI) Bank Indonesia (BI) Sertifikat Bank Indonesia Syariah (SBIS) Bank Indonesia (BI) Indeks Harga Saham Gabungan (IHSG) www.finance.yahoo.com Jakarta Islamic Index (JII) www.finance.yahoo.com Ket 2005=100 2000=100 Data-data yamg digunakan dalam penelitian ini juga didapatkan dari internet dan bahan pustaka lain berupa literatur dari buku-buku, majalah, jurnal dan bulletin yang berhubungan dengan topik penelitian. Adapun kriteria pemilihan saham yang dianalisis adalah : 1. Perusahaan go public yang tercatat sebagai emiten pada periode secara kontinyu (tidak pernah delisting) 2. Saham perusahaan yang tergolong ke dalam perusahaan yang bergerak dalam bidang pertambangan yang menghasilkan komoditas batubara. 3. Saham perusahaan masuk ke dalam indek JII selama periode Januari 2005 – Mei 2010. Berdasarkan kriteria-kriteria tersebut terpilih dua saham perusahaan yang memenuhinya. Saham-saham perusahaan tersebut adalah PT. Bumi Resources (BUMI) dan PT.Tambang Batubara Bukit Asam (PTBA). 3.2. Variabel dan Definisi Operasional 3.2.1. Variabel Dependen Variabel dapenden merupakan variabel yang menjadi fokus penelitian. Variabel dependen yang digunakan dalam penelitian ini adalah return saham BUMI dan PTBA yang didapatkan dari pengolahan data harga penutupan saham bulanan. 3.2.2. Variabel Independen Variabel-variabel independen yang digunakan dalam penelitian ini yaitu : 1. Customer Price Index (CPI) CPI menggambarkan tingkat inflasi yang diukur dengan menggunakan data Indonesia riil atas harga konstan tahun dasar 2005. CPI menggambarkan tingkat harga barang dan jasa yang dikonsumsi masyarakat. Data CPI ini berupa data bulanan dan dinyatakan dalam bentuk indeks. 2. KURS Kurs yang digunakan adalah kurs tengah yang merupakan kurs pada saat penutupan pasar uang. Kurs dihitung secara bulanan yang dinyatakan dalam bentuk IDR/USD. 3. M2 M2 menggambarkan jumlah uang beredar dimana yang digunakan dalam penelitian ini adalah jumlah uang beredar dalam arti luas yang dinyatakan dalam bentuk rupiah. 4. Industrial Production Index (IPI) IPI yaitu sebuah indikator ekonomi yang mengukur produksi output riil. Hal ini dinyatakan sebagai output riil dengan tahun dasar 2000. IPI sering digunakan sebagai representasi (bagi aktifitas ekonomi atau pendapatan nasional untuk menggantikan ketiadaan data GDP atau GNP bulanan. 5. SBI dan SBIS SBI dan SBIS menggambarkan risk free rate dimana yang digunakan dalam penelitian ini tingkat riil berupa data bulanan dan dinyatakan dalam satuan persen. 6. IHSG dan JII IHSG dan JII menggambarkan market return. IHSG melibatkan seluruh harga saham yang tercatat di bursa. Sedangkan JII menggambarkan indeks saham syariah. IHSG dapat digunakan untuk menilai situasi pasar secara umum atau mengukur apakah harga saham mengalami kenaikan atau penurunan. 7. DUMMY DUMMY menggambarkan peluang return kedua perusahaan. “0” untuk BUMI dan “1” untuk PTBA. 3.3. Metode Analisis Metode analisis yang akan digunakan dalam penelitian ini adalah metode analisis yang bersifat deskriptif dan kuantitatif dengan menggunakan model ekonometrik yaitu ARCH-GARCH. Model ini digunakan untuk melihat pengaruh variabel makroekonomi terhadap risk return saham pertambangan dalam kelompok JII. Data yang dikumpulkan kemudian diolah dengan menggunakan paket program Microsoft Excel dan Eviews 6. Tahapan-tahapan yang akan digunakan dalam penelitian ini yaitu : 1. Mengubah data ke dalam bentuk return. 2. Menganalisis mean, standard deviasi, kemenjuluran (skewness) dan keruncingan (kurtosis) dari setiap variabel. 3. Identifikasi model dengan pengujian kestasioneran, multikolinearitas, heteroskedastisitas dan autokorelasi. 4. Pemilihan model ARCH/GARCH terbaik untuk menjawab permasalahan. 5. Evaluasi hubungan return saham dengan variabel makroekonomi. 3.3.1. Perhitungan Return Dalam proses GARCH data deret waktu yang bergerak secara “liar” perlu dilakukan lokalisasi di suatu daerah tertentu. Lokalisasi dilakukan dengan merubah data awal ke dalam bentuk return. hal ini dilakukan untuk dapat mengetahui hubungan antara variabel makroekonomi dengan return saham. Selain itu hal ini akan membantu mengurangi masalah akibat ketidakstasioneran data yang didefinisikan sebagai : Yt = Ln Xt+1 Xt Dimana : Yt = tingkat pengembalian (rupiah) Xt+1 = harga penutupan saham pada saat t+1 (rupiah) Xt = harga penutupan saham pada saat t (rupiah) Nilai Yt akan bernilai positif jika harga saham naik terhadap Xt , dan sebaliknya, akan bernilai negatif jika harga saham turun terhadap Xt. Data Yt dengan pendekatan distribusi normal dengan variansi yang selalu berubah. 3.3.2. Deskripsi Data Deskripsi data merupakan proses menganalisis mean, kemenjuluran (skewness) dan keruncingan (kurtosis) dari setiap variabel. Skewness adalah ukuran penyimpangan suatu distribusi simetris. Jika nilai skewness positif menunjukan data yang menjulur ke kanan sedangkan nilai skewness yang negatif menunjukan data menjulur ke kiri. Kurtosis digunakan untuk melihat apakah data cenderung berbentuk normal, menjulang atau mendatar. Nilai kurtosis yang positif menggambarkan bentuk menjulang sedangkan nilai kurtosis yang negatif menandakan data berbentuk mendatar. Jika nilai kurtosis lebih dari tiga mengindikasikan adanya heteroskedastisitas. 3.3.3. Pengujian Model Proses-proses pengujian ini dapat dikelompokan dalam dua kelompok, yaitu proses mean dan proses variance. Proses mean adalah proses untuk menentukan variabel yang signifikan terhadap model. Proses ini terdiri atas pengujian stasionary, pengujian multikolinearitas dan pengujian autokorelasi. Proses variance adalah proses unutk menentukan variabel-variabel pada conditional variance untuk menghilangkan heteroskedastisitas. Apabila variance model bersifat konstan atau homoskedastisitas maka sudah cukup baik menggunakan formulasi standar deviasi biasa (konvensional) dengan regresi berganda. Analisis yang digunakan adalah Ordinary Least Square (OLS), sehingga hasil yang didapatkan sudah bersifat Best Linear Unbiased Estimator (BLUE). 3.3.3.1. Pengujian Stasioner Hal yang paling penting berkaitan dengan penelitian data time series adalah stasioneritas. Time series dikatakan stasioner jika secara stokastik menunjukan pola yang konstan dari waktu ke waktu atau dengan kata lain tidak terdapat pertumbuhan atau penurunan pada data tersebut atau data disebut horizontal sepanjang sumbu waktu. Data yang non stasioner akan menghasilkan apa yang dinamakan regresi palsu atau Spurious Regression. Spurious Regression ini adalah regresi yang menggambarkan hubungan dua variabel atau lebih yang nampak signifikan secara statistik padahal kenyataanya tidak atau tidak sebesar regresi yang dihasilkan tersebut. Ada beberapa cara yang dapat digunakan untuk mengukur stasioneritas, salah satunya dengan menggunakan Augmented Dickey-Fuller (ADF) Test. Data dikatakan stasioner jika nilai nilai mutlak ADF dari masing-masing variabel lebih besar jika dibandingkan dengan nilai mutlak MacKinnon critical values. 3.3.3.2. Pengujian multikolinearitas Multikolinearitas yaitu terdapatnya hubungan linier yang sempurna diantara beberapa variabel yang menjelaskan model regresi. Indikasi multikolinearitas tercermin dengan melihat t dan F-statistik hasil regresi. Jika banyak koefisien parameter dari t-statistik diduga tidak signifikan sementara dari hasil F-hitung signifikan, maka patut diduga adanya multikolinearitas. Multikolineritas dapat diatasi dengan memberi perlakuan cross-section weight, sehingga t-statistik maupun F hitung menjadi signifikan. Gujarati (2006) mengatakan bahwa multikolinearitas dapat dideteksi dengan beberapa indikator sebagai berikut : a. R2 sangat tinggi b. Dalam model yang hanya meliputi dua variabel yaitu dengan memeriksa korelasi derajat nol atau sederhana antara dua variabel. Apabila terdapat korelasi yang tinggi maka dapat dipastikan bahwa terdapat gejala multikolinearitas. c. Dengan memeriksa koefisien korelasi parsial apabila dalam model yang meliputi lebih dari dua variabel x mempunyai korelasi derajat nol. d. Jika terdapat R2 tetapi korelasi parsial rendah. 3.3.3.3. Pengujian Heteroskedastisitas Menurut Gujarati (2006) heteroskedastisitas adalah kondisi dimana nilai varian dari variabel independen tidak memiliki nilai yang sama atau nilai ragam error term tidak memiliki nilai yang sama untuk setiap observasi. Untuk menguji adanya pelanggaran asumsi heteroskedatisitas digunakan uji yang diperoleh dari program Eviews. Pengujian heteroskedastisitas adalah untuk menentukan adanya conditional variance dan residual. Bagi data yang bersifat heteroscedastic perhitungan variannya lebih tepat jika menggunakan model GARCH. Proses pengujian heteroskedastisitas dapat dilakukan dengan uji white untuk menentukan suatu residual bersifat heteroskedastisitas atau homoskedastisitas dilakukan uji stsistik dengan menggunakan hipotesis berikut : H0: homoskedastisitas H1: heteroskedastisitas Jika p-value lebih dari taraf nyata maka tolak H0 yang berarti model mengandung heteroskedastisitas. 3.3.3.4. Pengujian Autokorelasi Autokorelasi didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu dan ruang. Akibat dari autokorelasi dapat mempengaruhi efisiensi dan estimatornya. Dampak lain dari autokorelasi pada model adalah varian residual yang diperoleh akan lebih rendah daripada semestinya sehingga menyebabkan R2 menjadi lebih tinggi. Untuk mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin-Watson (DW) dalam output Eviews. Untuk mengetahui ada atau tidaknya autokorelasi, maka dilakukan dengan membandingkan DW-statistik dengan DW-tabel. Tabel 3. Tabel untuk menentukan Autokorelasi Ada autokorelasi positif Tidak dapat Tidak ada Tidak dapat Ada diputuskan autokorelasi diputuskan autokorelasi negatif dL du 4-du 4-dL 4 Sumber : Gujarati, 2006 Selain membandingkan niali DW-statistik dengan DW-tabel, autokorelasi juga dapat dideteksi dengan menggunakan dengan Breush-Grodfrey Serial Correlation LM Test. Hipotesis yang digunakan dalam uji Breush-Godfrey adalah: H0 : tidak ada autokorelasi H1 : ada autokorelasi Jika nilai p-value kurang dari taraf nyata maka tolak H0, artinya model mengandung autokorelasi. 3.4. Analisis Model ARCH-GARCH Model ARCH pertama kali dipopulerkan oleh Engle pada tahun 1982 (Enders,2004). ARCH secara spesifik didesain untuk memodelkan volatilitas residual yang sering terjadi pada data-data keuangan dan meramalkan (forecast) ragam bersyarat (conditional variances). Ragam sebagai variabel dependen (dependent variable) atau variabel endogen dimodelkan sebagai fungsi dari nilai masa lalu variabel dependen dan variabel independen (independent variable) atau varibel eksogen juga demikian. Dengan menggunakan metode ini, kasus heteroskedastisitas dan korelasi serial dapat ditreatment sekaligus. Model ARCH memodelkan keheterogenan ragam (heteroskedastisitas) yang tergantung pada informasi sebelumnya (conditional) secara autoregresif. Model ARCH diterapkan pada deret waktu yang tidak memenuhi asumsi kehomogenan ragam. Contoh data yang memiliki ragam heterogen adalah data yang berhubungan dengan dunia keuangan (harga saham, tingkat inflasi, tingkat suku bunga, fluktuasi harga, dll). Model GARCH pertama kali dipopulerkan oleh Bollerslev pada tahun 1986. Model ini secara luas digunakan dalam berbagai cabang ekonometrika, khususnya dalam analisis deret waktu (time series) pada data-data keuangan dan penyempurnaan dari model ARCH (Enders, 2004). Model ini dibangun untuk menghindari ordo yang besar pada model ARCH. GARCH mengansumsikan data yang akan dimodelkan memiliki standar deviasi yang selalu berubah terhadap waktu. GARCH cukup baik untuk memodelkan data yang berubah standar deviasinya, tetapi tidak untuk data yang benar-benar acak. Langkah awal untuk mengidentifikasi model ARCH-GARCH adalah dengan melihat ada tidaknya heteroskedastisitas dari data pergerakan harga penutupan saham-saham pertambangan terpilih. Robert Engle (2001) Mengemukakan bahwa ARCH-GARCH adalah model yang digunakan untuk menjawab pertanyaan mengenai volatilitas. ARCHGARCH model memperlakukan heteroskedastisitas sebagai varians yang akan dimodelkan. Sehingga tidak hanya kekurangan dari kuadrat terkecil yang dikoreksi, tetapi dapat menghitung varians dari error. Model ini sering digunakan dalam aplikasi bidang keuangan. Chistos Floros (2008) mengemukakan bahwa penggunaan model GARCH memberikan keuntungan untuk menyelidiki respon asimetrik terhadap guncangan masa lalu. Model ARCH-GARCH terdiri dari model rataan dan model ragam. Model rataan dapat berupa model ARMA, model regresi atau model konstanta. Misalkan terdapat data deret waktu Y1, Y2, ...., Yt, yang merupakan data pengembalian harga saham dengan model rataan adalah model regresi sebagai berikut : Yt = β0 + β1x1 + β02x2 + βtxt + εt (1) Dengan E(εt ) =0 (2) σ2, untuk t = τ E(εt , ετ) = 0, untuk selainnya (3) Persamaan (3) berimplikasi bahwa keragaman galat konstan, tetapi ragam bersyarat galat dapat berubah menurut waktu. Ragam yang berubah-ubah pada tiap titik waktu juga mempunyai implikasi terhadap keshahihan dan keefisienan parameter (β, β1 , β2 , .... , βp). Walaupun persamaan (3) berimplikasi bahwa ragam bersyarat dari εt adalah konstan (sebesar σ2), namun pada kenyataanya ragam bersyarat dari εt dapat berubah-ubah terhadap titik waktu. Satu pendekatan yang digunakan untuk mendeskripsikan kuadrat dari εt terhadap dirinya sendiri mengikuti proses AR(m) : εt = ξ + α1ε2t-1 + α2ε2t-2 +......+ αmε2t-m + ωt (4) peubah ωt adalah proses white noise yang baru, dengan E(ωt) =0 λ2, untuk t = τ E(ωt , ωτ) = 0, untuk selainnya Karena εt juga merupakan error dari peramalan Yt, persamaan (4) berimplikasi bahwa proyeksi linier kuadrat galat dari ramalan Yt terhadap m-kuadrat error peramalan sebelumnya adalah sebagai berikut : E (εt|ε 2 t-1, ε2t-2, ...) = ξ + α1ε2t-1 + α2ε2t-2 +......+ αmε2t-m (5) Proses white noise yang memenuhi persamaan (5) dikenal sebagai model Autoregressive Conditional Heteroschedasticity dengan orde m atau ARCH(m). Proses ini dinotasikan : εt ~ ARCH(m) persamaan ini sering ditulis sebagai berikut : ht = ξ + α1ε2t-1 + α2ε2t-2 +......+ αmε2t-m dimana ht = E (εt|ε 2 t-1, ε2t-2, ...) yang sering disebut sebagai ragam. Proses εt ~ ARCH(m) dicirikan oleh : εt = √ ht . Vt dimana Vt ~ N (0,1) (6) lebih umum lagi diperlihatkan sebuah proses dimana ragam bersyaratnya tergantung pada jumlah lag terhingga dari ε 2 t-j : ht = ξ + π(L)ε2t (7) dengan π(L) = Σ πj L2 j=1 kemudian π(L) diparameterisasi sebagai rasio dari 2 orde polinomial terhingga : π(L) = α(L) = α1(L)1 + α2(L)2 + α3(L)3 +.... + αm(L)m 1- δ(L) 1- δ1(L)1– 1- δ2(L)2 – 1- δ3(L)3- ... – 1- δm(L)m dimana diasumsikan bahwa akar dari 1- δ(L) = 0. Jika persamaan (7) dikalikan dengan 1- δ(L), maka diperoleh persamaan sebagai berikut : 2 [1- δ(L)] ht = [1- δ(L)] ξ + α(L) ε t atau dapat ditulis sebagai berikut : ht = K + δ1ht-1 + δ2ht-2 + ... + δrht-r + α1ε2t-1 + α2ε2t-2 + ... + αmε2t-m (8) untuk nilai K = [1- δ1- δ2 - ... - δr] ξ Persamaan (8) dikenal sebagai model General Autoregressive Conditional Heteroscedasticity dengan orde m yang biasa dinotasikan sebagai εt ~ GARCH (r,m) (Firdaus, 2006). 3.4.1. Pemilihan Model ARCH-GARCH Terbaik Kriteria model terbaik adalah memiliki ukuran kebaikan model yang besar dan koefisien yang nyata. Terdapat dua bentuk pendekatan yang dapat digunakan sebagai ukuran kebaikan model yaitu : 1. AIC = ln (MSE) + 2*K/N Akaike Information Criterion (AIC) 2. Schwartz Criterion (SC) SC = ln (MSE) + [K*log (N)]/N Dimana : MSE = Mean Square Error K = banyaknya parameter, yaitu (p+q+1) N = banyaknya pengamatan SC dan AIC adalah dua standar informasi yang menyediakan ukuran informasi yang dapat menemukan keseimbangan antara ukuran kebaikan model dan spesifikasi model yang terlalu hemat. Nilai ini dapat membantu untuk mendapatkan seleksi model terbaik. Model yang baik dipilih berdasarkan nilai AIC dan SC yang terkecil dengan melihat juga signifikansi koefisien model. 3.4.2. Pemeriksaan Model ARCH-GARCH Pemeriksaan kecukupan model dilakukan untuk menguji asumsi, sehingga model yang diperoleh cukup memadai. Jika model tidak memadai, maka kembali ke tahap identifikasi untuk mendapatkan model yang lebih baik. Diagnosis model dilakukan dengan menganalisis residual yang telah distandardisasi. Diagnosis meliputi : 1. Sebaran Residual 2. Kebebasan residual yang dilihat dari fungsi autokolerasi dan kuadrat residual. 3. Pengujian efek ARCH-GARCH dari residual. Langkah awal yang dilakukan adalah memeriksa kenormalan residual baku model dengan uji Jarque-Bera (JB). Uji JB mengukur perbedaan antara Skewness (kemenjuluran) dan Kurtosis (keruncingan) data dari sebaran normal, serta memasukkan ukuran keragaman. Hipotesis yang diuji adalah sebagai berikut: H0 : Sisaan baku menyebar normal H1 : Sisaan baku tidak menyebar normal Statistik uji JB dihitung dengan persamaan berikut : JB = N – K (S2 + ¼ (k – 3)2) 6 Dimana : S = kemenjuluran K = keruncingan k = banyaknya koefisien penduga N = banyaknya data pengamatan Di bawah ini dijelaskan kondisi hipotesis nol. JB memiliki derajat bebas 2. Tolak H0 jika JB > χ22 (α) atau jika P(χ22 > JB) kurang dari α = 0,05. Artinya data residual terbakukan tidak menyebar normal. Model ARCH-GARCH menunjukan kinerja yang baik jika dapat menghilangkan autokorelasi yang ada pada data, yaitu bila residual baku merupakan proses white noise. Langkah selanjutnya adalah memeriksa koefisien autokorelasi residual baku, dengan Uji Ljung-Box. Uji Ljung-Box (Q*) pada dasarnya adalah pengujian kebebasan residual baku. Untuk data deret waktu dengan N pengamatan, statistik uji Ljung-Box diformulasikan sebagai berikut : Q* = n(n+2) Σ r12 (εt) l=1 dimana r1(εt) adalah autokorelasi contoh pada lag 1 dan k adalah maksimum lag yang diinginkan. Jika nilai Q* lebih besar dari nilai χ22 (α) dengan derajat bebas kp-q atau jika P (χ2(k-p-q) > Q*) lebih kecil dari taraf nyata 0,05 maka model tersebut dinyatakan tidak layak. 3.5. Model Penelitian Pada penelitian ini, penulis hanya akan menganalisis faktor-faktor makroekonomi yang mempengaruhi return pada saham batubara yang masuk dalam kelompok JII selama periode penelitian saja (BUMI dan PTBA). Setelah mendapatkan data penutupan dalam periode bulanan, data-data tersebut diolah menjadi data return. Data yang diubah ke dalam return tidak hanya data penutupan saham, tetapi data variabel makroekonomi yang digunakan turut pula diubah menjadi data return. Hal ini menyebabkan seluruh variabel menjadi sama satuannya yaitu persen. Model yang digunakan dalam penelitian ini yaitu : Model 1 : Rt = β0 + β1RCPIt + β2RKURSt + β3RM2t + β4RIPIt + β5RSBIt + β6RIHSGt + β7DUMMY + εt h2t = K + δ1h2t-1 + δ2h2t-2 + ... + δrh2t-r + α1ε2t-1 + α2ε2t-2 + ... + αmε2t-m (11) Model 2 : Rt = β0 + β1RCPIt + β2RKURSt + β3RM2t + β4RIPIt + β5RSBISt + β6RJIIt + β7DUMMY + εt h2t = K + δ1h2t-1 + δ2h2t-2 + ... + δrh2t-r + α1ε2t-1 + α2ε2t-2 + ... + αmε2t-m Dimana : Rt = return saham bulanan perusahaan pada periode t ht = ragam ke-t RCPI = return Customer Price Index RKURS = return nilai tukar Rupiah terhadap US Dollar RM2 = return jumlah uang yang beredar RSBI = return Suku Bunga Bank Indonesia RIPI = return industrial production index RIHSG = return Indeks Harga Saham Gabungan RSBIS = return Sertifikat Bank Indonesia Syariah RJII = return Jakarta Islamic Index DUMMY = “0” untuk BUMI dan “1” untuk PTBA (12) IV. GAMBARAN UMUM 4.1. Kondisi Makroekonomi Indonesia Perkembangan perekonomian Indonesia mengalami pasang surut (fluktuasi) selama periode Januari 2005 sampai dengan Mei 2010. Pada periode tertentu tumbuh pesat, tetapi pada periode lainnya tumbuh lambat. Kondisi perekonomian ini tidak terlepas dari pengaruh guncangan eksternal dan internal. Guncangan eksternal berasal dari kondisi perekonomian global seperti terjadinya subprime mortgage di AS, kenaikan harga minyak dan komoditas internasional lainnya. Sedangkan guncangan internal seperti kondisi makroekonomi, kondisi politik, dan kenaikan harga barang domestik. Hal ini dapat dilihat pada tabel 4. Tabel 4. Indikator Makroekonomi Tahun 2005-2009 Tahun Pertumbuhan GDP (%) Inflasi CPI (%) 2005 5,70 17,11 2006 5,50 6,60 2007 6,30 6,59 2008 6,10 11,06 2009 4,50 2,78 Sumber : Bank Indonesia, 2005-2009 Tabel 4. menggambarkan Nilai tukar Suku bunga Pertumbuhan rata-rata SBI (%) M2 (%) (IDR/USD) 9.713 12,75 16,42 9.167 9,75 14,87 9.140 8,00 18,89 9.666 10,83 26,30 10.356 6,46 10,70 pertumbuhan indikator makroekonomi Indonesia. Pada tahun 2005, pertumbuhan GDP 5,7 persen dengan tingkat inflasi CPI yang tinggi yaitu 17,11 persen dan nilai tukar yang melemah yaitu Rp 8.572,00. Hal ini dikarenakan tekanan pada kestabilan makroekonomi yang meningkat sejak triwulan kedua seperti kenaikan harga-harga yang diatur pemerintah khususnya bahan bakar minyak (BBM) pada bulan Maret dan Oktober 2005. Selain itu tingginya tingkat inflasi ini diakibatkan oleh tingginya harga- harga bahan makanan akibat terganggunya pasokan dan distribusi makanan di berbagai daerah. Hal ini menyebabkan daya beli masyarakat menurun. Untuk memulihkan stabilitas moneter nilai tukar, pemerintah melakukan pengetatan moneter. Pemerintah menaikan suku bunga SBI hingga 12,5 persen. Sementara itu pertumbuhan jumlah uang yang beredar dalam masyarakat sebesar 16,42 persen. Secara nominal pertumbuhan M2 lebih tinggi dari tahun-tahun sebelumnya, namun secara riil pertumbuhannya negatif. Kondisi ini mengisyaratkan kuatnya tekanan terhadap daya beli perekonomian terutama pasca kenaikan harga BBM. Perekonomian Indonesia secara gradual pada tahun 2006 mengalami perbaikan mencapai 5,5 persen. Tingkat inflasi sangat sangat tinggi berangsur menurun hingga 6,6 persen. Nilai tukar rupiah bergerak stabil dan cenderung menguat dengan rata-rata Rp 9.167,00. Sejak Mei 2006, Indonesia mulai menurunkan suku bunga SBI untuk mendukung pertumbuhan ekonomi. Penurunan suku bunga SBI dilakukan bertahap sebanyak tujuh kali hingga menjadi 9,75 persen pada akhir tahun 2006 dan pertumbuhan M2 sebesar 14,87 persen. Pada tahun 2007, perekonomian Indonesia menggembirakan meskipun mendapat tekanan terutama dari sisi eksternal yaitu terjadinya krisis subprime mortgage di Amerika Serikat dan tingginya harga minyak dunia dan komoditas internasional pada pertengahan tahun 2007. Indonesia berhasil mencapai pertumbuhan ekonomi 6,3 persen setelah krisis. Akselerasi pertumbuhan ini berasal dari konsumsi rumah tangga dan investasi yang mencatat pertumbuhan tinggi. Perkembangan nilai tukar relatif stabil degan rata-rata Rp 9.140,00. Perkembangan inflasi CPI pun relatif stabil sesuai pada kisaran yang ditetapkan yaitu 6,59 persen. Suku bunga SBI sebesar 8 persen dengan pertumbuhan M2 sebesar 18,89 persen. Perekonomian Indonesia tahun 2008 dibayangi oleh tekanan yang cukup berat, terimbas oleh ketidakpastian pasar finansial global yang meningkat, proses perlambatan ekonomi dunia yang signifikan, dan perubahan harga komoditas global yang cukup drastis. Meskipun secara keseluruhan pertumbuhan ekonomi mampu menyamai tahun sebelumnya yaitu 6,1 persen, namun pertumbuhan ekonomi cenderung melambat dengan tekanan stabilitas makro yang semakin tinggi. Inflasi CPI cenderung meningkat menjadi 11,06 persen dan nilai tukar pun mengalami depresiasi dengan rata-rata Rp 9.666,00. Hal ini membuat otoritas moneter menurunkan menaikan suku bunga SBI hingga 9,5 persen dengan pertumbuhan M2 sebesar 26,30 persen. Pada tahun 2009, kondisi perekonomian Indonesia masih dihadapi tantangan yang diakibatkan dampak krisis perekonomian yang mencapai puncaknya pada akhir tahun 2008. Pertumbuhan ekonomi Indonesia cenderung menurun hingga 4,5 persen dengan tingkat inflasi CPI 2,78 persen. Rata-rata nilai tukar pada tahun 2009 adalah sebesar Rp 10.356,00. Suku bunga SBI sebesar 6,46 persen dengan pertumbuhan uang beredar sebesar 10,70 persen. Kondisi perekonomian Indonesia ini sangat berpengaruh terhadap kondisi pasar modal. Kondisi perekonomian yang kondusif akan mendukung kegiatan pasar modal sedangkan kondisi perekonomian yang buruk akan membuat kegiatan pasar modal lesu. 4.2. Gambaran PT. Bumi Recources Tbk. (BUMI) 4.2.1. Sejarah BUMI BUMI Tbk. (BUMI) adalah perusahaan pertambangan kelas dunia yang memiliki salah satu aset terbaik di dunia yaitu batubara termal. BUMI telah mendapatkan reputasi sebagai eksportir batubara thermal yang paling dapat diandalkan di dunia. BUMI pada awalnya berlokasi di PT.Bursa Efek Surabaya, Plaza Bapindo Menara I Lt.20 Jalan Jendral Sudirman Kav 54-55 Jakarta. Namun, sejak tanggal 3 Juli 2006 perusahaan ini pindah ke kantor baru di Wisma Bakri 2 Lt 7 Jalan H.R Rasuna Said Kav B2 Jakarta. Perusahaan BUMI go public melalui Penawaran Umum Perdana pada tahun 1990 dengan mencatatkan seluruh sahamnya di Bursa Efek Jakarta dan Bursa Efek Surabaya. BUMI mulai menggeser bisnis intinya dari hotel dan pariwisata menjadi minyak, gas alam dan investasi pertambangan pada Rapat Umum Pemegang Saham Luar Biasa tanggal 13 Agustus 1998. Awalnya BUMI bernama PT Bumi Modern Tbk. lalu menjadi PT BUMI Resources berdasarkan Keputusan Menteri Kehakiman dan Perundang Republik Indonesia Nomor C21041 HT.01.04-TH.2000 tanggal 20 September 2000. Pada bulan November 2001, BUMI mengakuisisi 80 persen saham PT Arutmin Indonesia (Arutmin) dari BHP Minerals Exploration Inc. Pada saat akuisisi, Arutmin merupakan produsen batubara terbesar keempat di Indonesia dengan empat tambang batubara terbuka yaitu Senakin, Satui, Asam -asam dan Batulicin keduanya berlokasi di Kalimantan Selatan. Pada bulan Oktober 2003, Perusahaan mengakuisisi 100 persen saham di PT Kaltim Prima Coal ("KPC") melalui perusahaan induknya Sangatta Holdings Limited dan Kalimantan Coal Limited, dalam upaya untuk lebih ekspansi usaha. Akuisisi KPC ini membuat perusahaan berubah menjadi produsen batubara terbesar. Secara global, BUMI merupakan salah satu eksportir batubara termal terbesar di dunia, atau sekitar 8 persen dari batubara termal yang diperdagangkan secara internasional pada tahun 2005. 4.2.2. Kinerja BUMI Berdasarkan data kumulatif kuartal empat disetiap tahunnya, aset BUMI mengalami peningkatan selama tahun 2005 hingga 2009. Laba usaha BUMI cenderung mengalami fluktuasi. Laba usaha menurun pada tahun 2006, lalu meningkat kembali hingga tahun 2008 dan kembali mengalami penurunan pada tahun 2009. Laba bersih BUMI cenderung mengalami penurunan hanya pada tahun 2007 laba bersih BUMI mengalami peningkatan .Hal ini berdampak pada pergerakan laba per saham. Laba per saham mengalami pergerakan yang sama dengan laba bersih. Sedangkan deviden pada tahun 2008 tidak dibagikan kepada investor. Hal ini dapat dilihat pada Tabel 5. Tabel 5. Kinerja Keuangan PT Bumi Resouces Tbk Tahun 2005-2009. Periode 2005 2006 2007 Aset (Triliun Rp) Laba Bersih (Triliun Rp) Laba per Saham(Rp) 3,428 2,320 2,576 1,511 1,413 7,310 104 97 502 2008 39,918 7,037 2009 57,236 5,170 Sumber : Bursa Efek Indonesia, 2005-2009 4,615 2,576 317 265 15,915 20,837 23,329 Laba Usaha (Triliun Rp) Deviden (Rp) 5 10 16 33 50,60 4.2.3. Kinerja Saham BUMI Tabel 6 menggambarkan kinerja Saham BUMI di pasar modal. Saham BUMI menunjukan peningkatan dari segi volume, nilai dan juga frekuensi transaksi dari tahun 2005 hingga tahun 2009. Hal ini mengindikasikan likuiditas saham BUMI yang baik selama periode tersebut. Tabel 6. Kinerja Saham BUMI Tahun 2005-2009 Periode Volume (unit) Nilai (Rp) Frekuensi (kali) 2005 22.690.088.223 17.809.597.057.876 112.041 2006 22.377.047.776 18.254.797.653.226 86.639 2007 35.444.900.474 97.300.906.671.476 363.787 2008 53.086.897.313 254.227.373.168.136 1.205.300 2009 105.094.549.495 201.040.727.976.651 2.198.359 Sumber : Bursa Efek Indonesia, 2005-2009 4.2.4. Harga Saham BUMI Gambar 6 menggambarkan pergerakan harga saham BUMI selama periode Januari 2005 hingga Mei 2010. Harga penutupan saham BUMI pada Januari 2005 sebesar Rp 920,00 dan pada Mei 2010 sebesar Rp 2.025. harga penutupan saham BUMI terendah terjadi pada bulan November 2005 sebesar Rp. 690,00 dan harga penutupan tertinggi terjadi pada Juni 2008 sebesar Rp 8.200,00. Pergerakan harga penutupan saham BUMI mengalami fluktuasi yang cenderung stabil pada tahun 2005 hingga tahun 2007. Penurunan signifikan terjadi pada Februari 2008 dimana harga penutupan saham BUMI turun sebesar Rp 1.500,00 dari Rp 7.700,00 pada bulan Agustus menjadi Rp 6.200,00 pada bulan Juli. Hal ini diakibatkan pula oleh anjloknya harga minyak dunia yang terjadi saat itu. Pada pertengahan tahun 2009 harga penutupan saham BUMI cenderung mengalami peningkatan hingga Mei 2010. Lebih lengkapnya dapat dilihat pada gambar di bawah ini. Gambar 6. Pergerakan Harga saham BUMI 4.2.5. Return BUMI Return selalu menjadi alasan seorang investor menanamkan modalnya. Return bergerak seiring dengan pergerakan harga. Harga yang fluktuatif akan membuat return berfluktuasi pula. Sama halnya akan return saham BUMI yang berfluktuasi seiring dengan berfluktuasinya harga saham BUMI. Pergerakan harga saham dipengaruhi oleh pergerakan variabel-variabel makroekonomi. Ha ini berarti return saham pun dipengaruhi oleh pergerakan variabel-variabel makroekonomi. Hubungan return dan variabel makroekonomi dapat kita lihat dari gambar pergerakkanya. Hal ini akan memudahkan kita untuk mengetahui bagaimana hubungan return saham BUMI dengan variabel-variabel makroekonomi yang akan dianalisis. Gambar 7 menggambarkan hubungan return BUMI dengan variabel-variabel makroekonomi. 1 0.5 Jan‐10 Mar‐09 May‐08 Jul‐07 Sep‐06 Nov‐05 ‐0.5 Jan‐05 0 ‐1 RBUMI 0.2 0.15 0.1 0.05 0 ‐0.05 ‐0.1 ‐0.15 RKURS Gambar 7. Hubungan return BUMI dengan Variabel Makroekonomi Berdasarkan Gambar 7, saat CPI bergerak naik maka return bergerak turun. Begitu pula sebaliknya, saat CPI bergerak turun return cenderung bergerak naik. Hal ini dikarenakan saat harga-harga barang-barang naik, maka biaya produksi pun akan naik yang pada akhirnya akan membuat keuntungan perusahaan menurun. Hal ini akan membuat permintaan akan saham BUMI menurun dan pada akhirny menyebabkan penurunan return saham BUMI. Pergerakan kurs dan return BUMI berlawanan. Ketika kurs menguat (apresiasi) maka return saham meningkat, sedangkan ketika kurs melemah (depresiasi) maka return saham menurun. Saat jumlah uang beredar meningkat ternyata return saham BUMI menururn sedangkan ketika jumlah uang yang beredar menurun maka return saham BUMI akan meningkat Pergerakan ke atas dari Industrial Production Index (IPI) searah dengan pergerakan return BUMI. Dengan kata lain saat output yang dihasilkan meningkat maka return BUMI pun akan meningkat. Pergerakan ke atas suku bunga SBI ternyata diikuti dengan pergerakan ke bawah return BUMI. Pada saat otoritas moneter menaikan suku bunga SBI maka masyarakat akan lebih memilih untuk memanankan dananya pada SUN sehingga menurunkan minat berinvestasi di pasar modal. Hal ini akan berdampak pada penurunan permintaan saham BUMI. Penurunan permintaan ini menyebabkan penurunan harga saham BUMI dan pada akhirnya berdampak pada penurunan return saham BUMI. Saat IHSG meningkat maka return BUMI pun meningkat. IHSG merupakan gambaran dari perkembangan pasar modal. Saat IHSG meningkat maka investor akan percaya untuk menanamkan modalnya pada pasar modal. Meningkatnya minta investor untuk berinvestasi pada saham akan berdampak pada meningkatnya permintaan saham BUMI yang akan berdampak pada meningkatnya pula return saham BUMI. 1 0 ‐0.05 0 0.05 0.1 RBUMI RBUMI 0.5 ‐0.2 ‐0.5 ‐0.05 RCPI 0.8 0.6 0.4 0.2 0 ‐0.2 0 ‐0.4 ‐0.6 ‐0.8 ‐1 0.4 0.05 0.1 ‐0.2 0.2 0 ‐0.1 ‐0.2 0 ‐0.4 0.1 ‐0.6 ‐0.8 RIPI 1 RBUMI 0.5 RBUMI 0.2 0.6 RM2 0 ‐0.2 0.1 0.8 RBUMI RBUMI ‐1 0.8 0.6 0.4 0.2 0 ‐0.2 ‐0.1 0 ‐0.4 ‐0.6 ‐0.8 ‐1 RKURS ‐0.1 0 0.1 ‐0.5 ‐1 RSBI 0.2 ‐0.6 ‐1 0.8 0.6 0.4 0.2 0 ‐0.2 ‐0.4 ‐0.2 0 ‐0.4 ‐0.6 ‐0.8 ‐1 RIHSG 0.2 0.4 Gambar 8. Trend Hubungan Return BUMI dengan Variabel Makroekonomi Selanjutnya pada Gambar 8 ditunjukkan bagaimana trend hubungan return BUMI dengan variabel makroekonomi. Berdasarkan gambar tersebut dapat dilihat bahwa pada return memiliki kecenderungan/tren hubungan negatif dengan Customer Price Index (CPI), nilai tukar rupiah terhadap dollar, jumlah uang beredar, dan suku bunga SBI. Sedangkan return memiliki kecenderungan/trend hubungan positif dengan Industrial Production Index (IPI) dan Indeks Harga Saham Gabungan (IHSG). 4.3. PT. Tambang Batu Bara Bukit Asam (PTBA) 4.3.1. Sejarah PTBA PT. Tambang Batu Bara Bukit Asam (PIBA) merupakan perusahaan batubara terbesar kelima di Indonesia. Perusahaan ini berlokasi di Menara Kadin, lantai 15, Jl. Rasuna Said, Blok X-5 Kav. 2 & 3, Jakarta. Sejarah berdirinya PTBA diawali dengan Pertambangan batubara di Tanjung Enim yang diprakarsai oleh Pemerintah Kolonial Belanda pada tahun 1919. Pertambangan ini mengoperasikan tambang batu bara pertama yang menggunakan metode penambangan terbuka di Air Laya. Pada tahun 1950, pemerintah Indonesia menyetujui pembentukan Milik Negara Tambang Batubara Bukit Asam atau Anak Tambang Arang Bukit Asam (PN TABA) .Tahun 1981, PN TABA berubah status menjadi perseroan terbatas dengan nama PT Tambang Batubara Bukit Asam (persero) TBk, selanjutnya disebut Perusahaan. Untuk mengembangkan industri batubara di Indonesia, pada 1990 pemerintah melakukan penggabungan usaha Perum Tambang Batubara dengan Perusahaan. Sejalan dengan program keamanan energi pembangunan nasional, pada tahun 1993 Perusahaan ditugaskan oleh Pemerintah untuk mengembangkan usaha Briket batubara. Pada tanggal 23 desember 2002, perusahaan menjadi perusahaan publik yang tercatat di Bursa Efek Indonesia dengan kode PTBA. 4.3.2. Kinerja PTBA Berdasarkan data kumulatif kuartal empat disetiap tahunnya, aset PTBA mengalami peningkatan selama tahun 2005 hingga 2010. Laba bersih PTBA juga meningkat setiap tahunnya. Begitu pula laba bersih yang mengalami peningkatan selama tahun 2005 hingga tahun 2009. Hal ini berdampak pada pergerakan laba per saham dan deviden saham. Laba saham cenderung mengalami peningkatan selama periode penelitian. Sedangkan deviden PTBA tidak diberikan pada tahun 2008. Hal ini dapat dilihat pada tabel dibawah ini: Tabel 7. Kinerja Keuangan PT. Tambang Batubara Bukit Asam Tbk Tahun 20052009. Periode Aset Laba Usaha Laba Bersih Laba per Deviden (Triliun Rp) (Triliun Rp) (Trilin Rp) Saham (Rp) (Rp) 2005 2,650 0,405 0,365 2006 3,083 0,469 0,374 2007 3,602 0,662 0,527 2008 5,288 1,769 1,321 2009 7,492 2,962 2,228 Sumber : Bursa Efek Indonesia, 2005-2009 211 216 305 765 1289 87,475 101,535 105,39 66,75 4.3.3. Kinerja Saham PTBA Tabel 8 menggambarkan kinerja Saham PTBA di pasar modal. Saham PTBA mengalami fluktuasi dalam hal volume perdagangan saham namun cenderung mengalami peningkatan pada nilai dan frekuensi saham. Hal ini mengindikasikan likuiditas saham PTBA cukup yang baik selama periode tersebut. Tabel 8. Kinerja Saham BUMI Tahun 2005-2009 Periode Volume (unit) Nilai (Rp) Frekuensi (kali) 2005 2.236.201.022 3.710.842.832.770 76.344 2006 3.705.637.140 11.205.401.713.650 139.452 2007 5.011.444.913 29.893.314.910.778 231.055 2008 2.907.342.395 30.413.466.406.695 313.141 2009 1.733.950.214 18.649.563.420.117 240.665 Sumber : Bursa Efek Indonesia, 2005-2009 4.3.4. Harga Saham PTBA Pada Januari 2005, harga penutupan saham PTBA sebesar Rp 1.650,00 dan pada Mei 2010 harga penutupan saham PTBA sebesar Rp 18.600,00. Selama periode Januari 2005 sampai dengan Mei 2010, harga penutupan terendah terjadi pada Maret 2005 sebesar Rp 1.520,00 dan penutupan tertinggi terjadi pada April 2010 sebesar Rp 18.600,00. Harga penutupan saham PTBA cenderung mengalami peningkatan sejak Januari 2005 hingga pertengahan tahun 2008. Penurunan signifikan terjadi pertengahan tahun 2008. Penurunan ini diakibatkan anjloknya harga minyak dunia yang diikuti dengan anjloknya harga komoditi pertambangan. Hal ini dapat dilihat pada Gambar 9. 20,000.00 15,000.00 10,000.00 5,000.00 harga penutupan Gambar 9. Pergerakan Harga Saham PTBA Jan‐10 Aug‐09 Mar‐09 Oct‐08 May‐08 Dec‐07 Jul‐07 Feb‐07 Sep‐06 Apr‐06 Nov‐05 Jun‐05 Jan‐05 0.00 4.3.5. Return Saham PTBA Pergerakan return saham PTBA sama seperti return saham BUMI yang dipengaruhi oleh pergerakan variabel-variabel makroekonomi. Gambar 10 menggambarkan hubungan return saham PTBA dengan variabel-variabel ‐0.2 0 ‐0.4 ‐0.02 ‐0.6 ‐0.4 ‐0.6 RPTBA RCPI RPTBA 0.2 0.15 0.1 0.05 0 ‐0.05 ‐0.1 ‐0.15 Jan‐10 0.02 ‐0.2 Mar‐09 0 May‐08 0.04 Jul‐07 0 Sep‐06 0.2 Nov‐05 0.06 Jan‐10 0.2 Mar‐09 0.4 May‐08 0.08 Jul‐07 0.4 Sep‐06 0.6 Nov‐05 0.1 Jan‐05 0.6 Jan‐05 makroekonomi. RKURS 0.05 0.2 0.04 0.2 0 0 0.02 0 ‐0.04 ‐0.6 RPTBA Jan‐10 Mar‐09 May‐08 Jul‐07 ‐0.4 Sep‐06 ‐0.02 ‐0.2 Nov‐05 ‐0.4 0 ‐0.05 Jan‐05 ‐0.2 Jan‐10 0.4 Mar‐09 0.06 May‐08 0.4 Jul‐07 0.1 Sep‐06 0.6 Nov‐05 0.08 Jan‐05 0.6 ‐0.1 ‐0.15 ‐0.6 ‐0.2 RM2 RPTBA RIPI 0.6 0.15 0.6 0.4 0.4 0.1 0.4 0.2 0.2 0.05 0.2 ‐0.6 RPTBA RSBI 0 ‐0.6 Apr‐10 ‐0.15 Jul‐09 ‐0.4 Oct‐08 ‐0.1 Jan‐08 ‐0.2 Apr‐07 ‐0.05 Jul‐06 0 Oct‐05 Jan‐10 Mar‐09 May‐08 Jul‐07 Sep‐06 Nov‐05 ‐0.4 Jan‐05 ‐0.2 0 Jan‐05 0 ‐0.2 ‐0.4 ‐0.6 RPTBA RIHSG Gambar 10. Hubungan return PTBA dengan Variabel Makroekonomi Berdasarkan Gambar 10, saat CPI bergerak naik maka return bergerak turun. Begitu pula sebaliknya, saat CPI bergerak turun return cenderung bergerak naik.. Ketika kurs menguat (apresiasi) maka return saham menurun, sedangkan ketika kurs melemah (depresiasi) maka return saham meningkat. Hal ini dikarenakan saat nilai tukar terapresiasi masyarakat lebih memilih untuk menginvestasikan dananya pada pasar valuta asing. Hal ini membuat permintaan akan saham PTBA menurun dan menyebabkan harga menurun. Pada akhirnya berdampak pada penurunan return. Saat jumlah uang bererdar meningkat ternyata return saham PTBA menurun sedangkan ketika jumlah uang yang beredar menurun maka return saham PTBA akan meningkat. Pergerakan keatas dari Industrial Production Index (IPI) searah dengan pergerakan return PTBA. Dengan kata lain saat output yang dihasilkan meningkat maka return PTBA pun akan meningkat. Pergerakan ke atas suku bunga SBI ternyata diikuti dengan pergerakan ke bawah return PTBA. Hal ini dikarenakan saat suku bunga SBI meningkat investor lebih memilih menginvestasikan dananya pada investasi lain yang memberikan bunga lebih tinggi dibandingkan return saham di pasar modal. Saat IHSG meningkat maka return saham PTBA puan akan meningkat. Peningkatan IHSG yang merupakan market return menyebabkan peningkatan kepercayaan investor untuk menanamkan modalnya pada pasar modal. Meningkatnya minta investor untuk berinvestasi pada saham akan berdampak pada meningkatnya permintaan saham PTBA yang akan berdampak pada meningkatnya pula return saham PTBA. 0.6 0.4 RPTBA RPTBA ‐0.05 0.5 0.4 0.3 0.2 0.1 0 ‐0.1 0 ‐0.2 ‐0.3 ‐0.4 ‐0.5 ‐0.6 0.05 0.1 0.2 0 ‐0.2 ‐0.1 ‐0.2 RKURS 0.6 0.4 0.4 RPTBA RPTBA 0.6 0.2 0 ‐0.2 0 0.05 0.1 0.2 0 ‐0.2 ‐0.1 ‐0.2 0.1 ‐0.6 RIPI RM2 0.6 0.6 0.4 0.4 RPTBA RPTBA 0 ‐0.4 ‐0.6 0.2 0 ‐0.1 0.2 ‐0.6 ‐0.4 ‐0.2 0.1 ‐0.4 RCPI ‐0.05 0 ‐0.2 0.2 0 0 0.1 ‐0.4 0.2 ‐0.5 ‐0.2 0 0.5 ‐0.4 ‐0.6 RSBI ‐0.6 RIHSG Gambar 8. Trend Hubungan Return PTBA dengan Variabel Makroekonomi Selanjutnya pada Gambar 11 ditunjukkan bagaimana trend hubungan return BUMI dengan variabel Makroekonomi. Berdasarkan gambar tersebut dapat dilihat bahwa pada return PTBA memiliki kecenderungan/tren hubungan negatif dengan Customer Price Index (CPI), nilai tukar rupiah terhadap dollar, jumlah uang beredar, dan suku bunga SBI. Sedangkan return memiliki kecenderungan/trend hubungan positif dengan Industrial Production Index (IPI) dan Indeks Harga Saham Gabungan (IHSG). V. HASIL DAN PEMBAHASAN 5.1.Deskripsi Data Model 1 Berdasarkan plot data bulanan return saham BUMI dan PTBA, return IHSG dan return variabel makroekonomi dari awal Januari 2005 hingga Mei 2010 terlihat bahwa data return berfluktuasi dengan kenaikan dan penurunan yang tajam yang terdapat pada beberapa periode. Data seperti ini mengindikasikan conditional heteroscedasticity (Enders,2004), dimana pada jangka panjang varians dari data akan konstan tetapi terdapat bebrapa periode dimana varians relatif tinggi. Beberapa ringkasan statistik dari variabel yang digunakan disajikan pada Tabel 9. Tabel 9. Statistik Deskriptif Data Return BUMI Return Variabel-variabel Makroekonomi. Variabel Mean Skewness 0,0246 RETURN RCPI 0,0064 RKURS 2,56E-05 RM2 0,0116 RIPI 0,0019 RSBI -0,0026 RIHSG 0,0154 Sumber : Lampiran 1 dan PTBA, Return IHSG dan Kurtosis -0,8872 5,6890 1,2126 0,1036 -1,8514 0,5662 -1,8506 6,4763 40,7875 9,0485 3,8528 8,7413 4,2494 10,0260 Tabel 9 memberikan informasi tentang rata-rata (mean), kemenjuluran (skewness) serta keruncingan (kurtosis). Nilai mean return yang positif menunjukan bahwa saham batubara memiliki tingkat return yang positif. Nilai koefisien kemenjuluran (skewness) merupakan ukuran kemiringan. Koefisien skewness variabel Customer Price Index (CPI), nilai tukar Rupiah terhadap US Dollar (KURS), dan suku bunga SBI (SBI) adalah lebih besar dari nol. Hal tersebut menunjukan data variabel Customer Price Index (CPI), nilai tukar Rupiah terhadap US Dollar (KURS) dan suku bunga SBI (SBI) memiliki distribusi yang miring kekanan. Ini berarti data cenderung menumpuk pada nilai yang rendah. Sedangkan koefisien skewness variabel return (R), Industrial Production Index (IPI), dan Indeks Harga Saham Gabungan (IHSG) adalah lebih kecil dari nol. Hal ini menunjukan return (R), Industrial Production Index (IPI), dan Indeks Harga Saham Gabungan (IHSG) memiliki distribusi yang miring ke kiri. Ini berarti data cenderung menumpuk pada nilai yang tinggi. Nilai keruncingan (kurtosis) seluruh variabel dalam penelitian ini lebih besar dari tiga. Hal bermakna bahwa distribusi data cenderung runcing. Seluruh nilai keruncingan (kurtosis) yang lebih besar dari tiga ini merupakan gejala awal adanya heteroskedastisitas. 5.2. Identifikasi Model ARCH-GARCH 5.2.1. Uji stasioneritas Uji stassioneritas dari tiap variabel yang digunakan dalam penelitian ini menggunakan metode Augmented Dickey Fuller (ADF). Keberadaan variabel yang belum stasioner meningkatkan kemungkinan terjadinya kointegrasi atau regresi semu. Berdasarkan uji tersebutt jika nilai ADF statistik dari masingmasing varaabel lebih kecil dari nilai MacKinnon Critical Value maka dapat disimpulkan bahwa data tersebutt stasioner. Begitu pula sebaliknya, jika nilai ADF statistiknya lebih besar dari MacKinnon Critical Value maka data tersebut tidak stasioner. Hasil uji ADF dapat dilihat pada Tabel 10. Tabel 10. Uji Stasioneritas pada Level Variabel ADF prob MacKinnon Critical Value Statistic 1% 5% 10% -3,4829 -2,8845 -2,5790 0,0000 RETURN -5.2988 RCPI -9,7930 -3,4825 -2,8843 -2,5790 0,0000 RKURS -5,6425 -3,4825 -2,8847 -2,5792 0,0000 RM2 -6,9060 -3,4856 -2,8857 -2,5797 0,0000 RIPI -15,5569 -3,4825 -2,8843 -2,5790 0,0000 RSBI -4,2068 -3,4825 -2,8843 -2,5790 0,0000 IHSG -8,2087 -3,4824 -2,8843 -2,5790 0,0000 Sumber : Lampiran 2 Ket Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Dari Tabel 10 terlihat bahwa semua variabel yang digunakan dalam penelitian ini yaitu CPI, kurs, M2, IPI, suku bunga SBI, dan IHSG telah stasioner pada taraf 5 persen. 5.2.2. Uji Multikolinearitas Multikolinearitas adalah adanya korelasi yang tinggi antara variabel independen. Pengujian korelasi parsial yang dilakukan pada penelitian ini memperlihatkan hasil korelasi yang rendah antar variabel independen. Hal ini berarti tidak terdapat multikolinearitas (Lampiran 3). 5.2.3. Uji Heteroskedastisitas Pengujian terhadap kuadarat residual persamaan conditional mean dengan uji white didapatkan nilai probabilitasnya adalah 0,0237. Hasil ini menunjukan bahwa probabilitas lebih kecil dari taraf nyata 5 persen. Hal ini berarti tolak H0 artinya persamaan regresi terdapat heterokedasitisitas (Lampiran 5). 5.2.4. Uji Autokorelasi Autokorelasi adalah adanya korelasi yang tinggi antar galat. Pengujian autokorelasi dilakukan dengan Breush-Grodfrey Serial Correlation LM Test didapatkan probabilitas 0,9533. Hasil ini menunjukan bahwa nilai probabilitas lebih dari taraf nyata maka terima H0, artinya model tidak mengandung autokorelasi (Lampiran 6). 5.3. Pemilihan Model 1 Terbaik Pendugaan model GARCH (p,q) menggunakan metode kemungkinan maksimum atau Quasi Maksimum Likelihood (QML). Simulasi model ini menggunakan kombinasi nilai p=0,1,dan 2 dengan nilai q = 1 dan 2 Tabel 11. Evaluasi Model ARCH/GARCH terbaik Koef ARCH ARCH GARCH GARCH GARCH GARCH (1) (2) (1.1) (1,2) (2,1) (2,2) 0,0000 0,0000 0,0948 0,0987 0,0001 0,0611 0,0001 0,0558 0,0043 0,0779 0,0018 0,0548 0,1060 0,4312 0,0980 0,0000 0,0368 0,0000 0,8996 0,0000 0,1125 -1,0144 -1,0405 -1,0584 -1,0531 -1,1002 -1,0488 -0,9238 -0,7954 -0,8133 -0,7857 -0,8328 -0,7591 Tidak ada - Prob C Prob α1 Probα2 Prob β1 Prob β2 AIC SC ARCH efek Sumber : Lampiran 7 Dari beberapa alternatif yang dicoba dipilih GARCH (2,1) sebagai conditional variance. Pemilihan model GARCH (2,1) ini karena memiliki nilai AIC dan SC terkecil. tidak ada lagi efek ARCH yang tersisa berdasarkan uji ARCH-LM dengan nilai probability sebesar 0.0237 yang lebih kecil dari taraf nyata 5persen. 5.4. Uji Efek ARCH untuk Model 1 Terbaik Uji efek ARCH dilakukan untuk mengetahui apakah model masih memiliki efek ARCH atau tidak. Pada uji efek ARCH probabilitas 0,6558 yang lebih besar dari taraf nyata 5 persen. Hal ini berarti terima H0 . artinya model sudah tidak memiliki efek ARCH (Lampiran 9). 5.5. Uji Kenormalan Galat untuk Model 1 Terbaik Dari hasil uji kenormalan galat didapatkan nilai probabilitas pada Jarque- Bera (J-B) sebesar 0.8291 yang lebih besar dari taraf nyata 5 persen. Hal ini berarti bahwa galat (error term) telah terdistribusi normal (Lampiran 10). 5.6. Model 1 Terbaik Model yang dihasilkan oleh metode GARCH (2,1) ini dinyatakan dalam persamaan berikut (Lampiran 8): Rt = -0,0191 – 1,4539 RCPIt – 1,2341 RKURSt + 0,3854 RM2t + 0,4338 RIPIt + 0,2683 RSBIt + 0,6836 RIHSGt + 0,0568 DUMMY h2t = 0,0009 + 0,1500 ε2t-1 + 1,4599 h2t-1 -0,6264 h2t-2 R2 = 29,74% SE = 0,1898 F-stat = 4,4640 Prob = 0,000013 Variabel-variabel independen secara bersama-sama signifikan menjelaskan keragaman yang terjadi pada variabel dependen seperti yang diperlihatkan oleh nilai statistik F. Nilai statistik F sebesar 4,4640 dan nilai probabilitas F adalah 0,000013 yang lebih kecil dari nilai α = 0,05. Hal ini berarti paling tidak terdapat satu variabel bebas yang tidak bernilai nol dan berpengaruh secara signifikan terhadap keragaman variabel tak bebasnya. Taraf nyata yang digunakan adalah 5 persen sampai dengan 10 persen sehingga tingkat kepercayaanya sebesar 90 persen sampai dengan 95 persen. Nilai R2 dari persamaan regresi adalah 29,74 persen, yang berarti bahwa variasi return saham batubara dapat dijelaskan oleh variabel CPI, KURS, M2, IPI, suku bunga SBI dan return IHSG sebesar 29,74 persen. sisa variasi sebesar 70,26 persen dari regresi tersebut dijelaskan oleh variabel lain yang tidak terdapat dalam model. Nilai R2 yang rendah dapat diakibatkan karena banyak faktor lain yang mempengaruhi return saham batu bara, seperti kondisi internal perusahaan batubara BUMI dan PTBA, kondisi politik indonesia, harga minyak dunia, faktor makroekonomi luar negeri dan faktor psikologis investor. Selain itu, rendahnya R2 dikarenakan data yang telah diubah ke dalam bentuk return. 5.7. Deskripsi Data Model 2 Tabel 12. Statistik Deskriptif Data Return SBIS dan JII Variabel Mean Skewness Kurtosis RSBIS 0,008358 -0,198468 6,836005 RJII 0,014641 -1,760519 9,275125 Sumber : Lampiran 11 Berdasarkan Tabel 12 nilai mean RSBIS dan RJII menunjukkan nilai yang positif yang berarti nilai return SBIS dan RJII positif. Nilai skewness variabel SBIS dan JII yang lebih kecil dari nol menunjukkan bahwa distribusi data miring ke kiri. Ini berarti data cenderung menumpuk pada nilai yang tinggi. Nilai kurtosis yang lebih besar dari tiga bermakna bahwa data cenderung runcing. 5.8. Identifikasi Model ARCH-GARCH 5.8.1. Uji Stasioneritas Tabel 13. Uji Stasioneritas Model Pembanding pada Level Variabel ADF P-value Ket MacKinnon Critical Value Statistic 1% 5% 10% RSBIS -9,4788 -3,4837 -2,8849 -2,5793 0,0000 Stasioner RJII -7,8333 -3,4824 -2,8843 -2,5790 0,0000 Stasioner Sumber: Lampiran 12 Uji stasioner pada model 2 hanya dilakukan untuk variabel SBIS dan JII dikarenakan uji stasioner variabel lain telah dilakukan pada model 1. Dari Tabel 13 terlihat bahwa variabel SBIS dan JII telah stasioner pada pada taraf 5 persen. 5.8.2. Uji Multikolinearitas Pengujian korelasi parsial pada model pembanding ini memperlihatkan hasil korelasi yang rendah antar variabel independen. Hal ini berarti tidak terdapat multikolinearitas (Lampiran 13). 5.8.3. Uji Heteroskedatisitas Pengujian heteroskedastisitas mendapatkan nilai probabilitas 0,0249. Hasil ini menunjukkan bahwa nilai probabilitas lebih kecil dari taraf nyata 5 persen. Hal ini berarti tolak H0 artinya persamaan regresi model pembanding terdapat heteroskedastisitas (Lampiran 15). 5.8.4. Uji Autokorelasi Autokorelasi adalah adanya korelasi yang tinggi antar galat. Pengujian autokorelasi dilakukan dengan Breush-Grodfrey Serial Correlation LM Test didapatkan probabilitas 0,7546. Hasil ini menunjukan bahwa nilai probabilitas lebih dari taraf nyata maka terima H0, artinya model tidak mengandung autokorelasi. (Lampiran 16). 5.9. Pemilihan Model 2 Tebaik Pendugaan model GARCH (p,q) menggunakan metode kemungkinan maksimum atau Quasi Maksimum Likelihood (QML). Simulasi model ini menggunakan kombinasi nilai p=0,1,dan 2 dengan nilai q = 1 dan 2 Tabel 14. Evaluasi Model Pembanding ARCH/GARCH terbaik Koef ARCH ARCH GARCH GARCH GARCH GARCH (1) (2) (1.1) (1,2) (2,1) (2,2) 0,0000 0,0001 0,0494 0,1095 0,0046 0,0000 0,0065 0,0695 0,0700 0,0068 0,0000 0,0000 0,2447 0,0224 0,0234 0,0000 0,0000 0,0014 0,1888 0,0142 0,0031 -1,0806 -1,0768 -1,0990 -1,0913 -1,1337 -1,1633 -0,8578 -0,8317 -0,8539 -0,8239 -0,8663 -0,8736 Tidak ada - Prob C Prob α1 Probα2 Prob β1 Prob β2 AIC SC ARCH efek Sumber : Lampiran 17 Dari beberapa alternatif yang dicoba dipilih GARCH (2,1) sebagai conditional variance. Pemilihan model GARCH (2,1) ini karena memiliki nilai AIC dan SC terkecil tidak ada lagi efek ARCH yang tersisa berdasarkan uji ARCH-LM dengan nilai probability sebesar 0.0237 yang lebih kecil dari taraf nyata 5 persen. 5.10. Uji Efek ARCH untuk Model 2 Terbaik Uji efek ARCH dilakukan untuk mengetahui apakah model masih memiliki efek ARCH atau tidak. Pada uji efek ARCH probabilitas 0,1671 yang lebih besar dari taraf nyata 5 persen. Hal ini berarti terima H0 . artinya model sudah tidak memiliki efek ARCH (Lampiran 19). 5.11.Uji Kenormalan Galat untuk Model 2 terbaik Dari hasil uji kenormalan galat didapatkan nilai probabilitas pada JarqueBera (J-B) sebesar 0,4098 yang lebih besar dari taraf nyata 5persen. Hal ini berarti bahwa galat (error term) telah terdistribusi normal (Lampiran 20). 5.12.Model 2 Terbaik Model yang dihasilkan dari metode GARCH (2,1) ini dinyatakan dalam persamaan berikut (Lampiran 18): Rt = - 0,0189 – 0,1385 RCPIt – 1,4098 RKURSt + 0,2628 RM2t – 0,0217 RIPIt – 0,0282 RSBISt + 1,227 RJIIt + 0, 0177 DUMMY ht = 0, 007757 + 0, 812857ε2t-1 – 0.185722 h2t-1 + 0, 177307 h2t-2 R2 = 34,19% SE = 0,161122 F-stat = 5,479145 Prob = 0,000001 Berdasarkan nilai probabilitas koefisien-koefisien model di atas, hanya nilai tukar Rupiah terhadap US Dollar (KURS) dan Jakarta Islamic Indekx (JII) yang berpengaruh signifikan terhadap return saham BUMI dan PTBA. Customer Price Index (CPI), Industrial production Index (IPI), Suku bunga Sertifikat Bank Indonesia Syariah (SBIS) , dan jumlah uang beredar (M2), tidak berpengaruh terhadap return. Berdasarkan hasil tersebutt maka model yang dipilih adalah model dengan menggunakan SBI dan IHSG. Hal ini dikarenakan model dengan kombinasi variabel SBI dan IHSG lebih dapat menjelaskan faktor-faktor yang mempengaruhi return saham BUMI dan PTBA. 5.13.Pemilihan Penggunaan Model Pemilihan model yang digunakan dalam penelitian ini adalah berdasarkan banyaknya signifikansi dan kesesuaian dengan teori. Berdasarkan banyaknya signifikansi, model 1 lebih banyak yang signifikan. Model 1 yang menggunakan variabel CPI, KURS, M2, IPI, SBI dan IHSG menghasilkan empat variabel yang signifikan mempengaruhi return saham, sedangkan model pembanding yang menggunakan SBIS dan JII sebagai pengganti SBI dan JII menghasilkan dua variabel yang signifikan mempengaruhi return. Berdasarkan kesesuaian teori, pengaruh variabel-variabel pada model 1 lebih sesuai dengan teori dibandingkan dengan model pembanding. Model pertama menyatakan variabel yang signifikan secara positif mempengaruhi return saham BUMI dan PTBA adalah IPI dan IHSG, variabel yang signifikan secara negatif mempengaruhi return adalah CPI dan KURS, dan variabel yang tidak signifikan namun memiliki pengaruh positif adalah M2 dan SBI. Jadi, dari kedua kategori di atas model terbaik yang digunakan untuk menjelaskan faktor-faktor yang mempengaruhi return adalah model 1 yang menggunakan variabel SBI dan IHSG. Hal ini berarti IHSG lebih baik dalam menggambarkan market return dan SBI sebagai risk free rate. 5.14. Faktor-faktor yang Mempengaruhi Return Saham BUMI dan PTBA 5.14.1. Customer Price Index (CPI) Berdasarkan hasil regresi yang diperoleh, variabel CPI mempunyai nilai probabilitas 0,0547 yang lebih besar daripada taraf nyata 5 persen namun lebih kecil dari taraf nyata 10 persen. Hal ini berarti CPI signifikan pada taraf 10 persen, sehingga CPI berpengaruh signifikan terhadap return saham batubara. Koefisien dari CPI yaitu -1,4539, yang berarti jika inflasi naik 1 persen, cateris paribus, maka return saham BUMI dan PTBA akan turun sebesar 1,4539 persen. CPI merupakan salah satu indikator inflasi yang menggambarkan pergerakan harga. Peningkatan pada harga akan menyebabkan meningkatnya biaya produksi perusahaan meningkat. Biaya yang meningkat akan berdampak pada penurunan keuntungan yang kemudian menurunkan pula deviden. Hal ini kan menimbulkan opini jelek pada perusahaan yang kemudian berdampak pada penurunan harga saham BUMI dan PTBA. Penurunan harga saham ini menyebabkan return saham BUMI dan PTBA menurun. Alur lainnya yang dapat menjelaskan hubungan negatif antara CPI dengan return adalah naiknya CPI mengindikasikan naiknya harga-harga barang konsumsi yang berarti naiknya biaya hidup masyarakat. Hal ini membuat masyarakat lebih memilih mengalokasikan dananya untuk konsumsi daripada investasi . Hal ini berdampak pada menurunnya permintaan saham pada pasar modal. Rendahnya permintaan membuat harga saham menurun yang pada akhirnya menyebabkan return saham menurun. 5.14.2. Nilai tukar Rupiah terhadap US Dollar (KURS) Nilai KURS mempunyai probabilias 0,0004 yang lebih kecil dari taraf nyata 5 persen. Hal berarti nilai tukar Rupiah terhadap US Dollar mempunyai pengaruh signifikan terhadap return saham. Jika nilai tukar Rupiah terhadap US Dollar menguat 1 persen (apresiasi), ceteris paribus, maka return saham batubara akan turun sebesar 1.234140 persen. Jika Rupiah mengalami apresiasi berarti permintaan terhadap Rupiah menurun dan permintaan terhadap US Dollar meningkat. Apresiasi Rupiah terhadap US Dollar akan menyebabkan investor lebih memilih menjual sebagian atau seluruh sahamnya untuk dialihkan pada valuta asing untuk kemudian diinvestasikan ke tempat lain sebagai tabungan. Hal ini akan menyebabkan harga saham BUMI dan PTBA turun sehingga berdampak pada penurunan return BUMI dan PTBA. Alasan lainnya karena ketika nilai tukar terapresiasi, eksportir akan kehilangan daya saing di pasar internasional. Hal ini akan mempengaruhi penjualan dan pada akhirnya mempengaruhi keuntungan. Hal ini akan berdampak pada menurunnya harga saham perusahaan tersebut yang pada akhirnya menurunkan return saham BUMI dan PTBA. 5.14.3. Jumlah Uang Beredar (M2) Varabel M2 memiliki probabilitas 0,5530 yang lebih besar dari taraf nyata 5 persen. Hal ini berarti jumlah uang beredar tidak berpengaruh signifikan terhadap return saham BUMI dan PTBA. Hal ini dikarenakan jumlah uang yang beredar tidak berdampak langsung pada kinerja perusahaan BUMI dan PTBA. Pengaruh M2 bersifat global tidak fokus langsung berpengaruh terhadap kinerja perusahaan. Perubahan return lebih disebabkan faktor-faktor yang berpengaruh langsung terhadap kinerja perusahaan BUMI dan PTBA. 5.14.4. Industrial Production Index (IPI) Variabel IPI memiliki probabilitas 0,0398 yang lebih keci dari taraf nyata 5 persen. Hal ini berarti IPI berpengaruh signifikan terhadap return saham batubara. Koefisien return IPI 0,4338 yang berarti jika nilai IPI meningkat 1 persen, cateris paribus, maka return saham BUMI dan PTBA akan meningkat 0,4338 persen. IPI menggambarkan persentase dari produksi output riil. Kenaikan IPI merupakan salah satu sinyal kondisi makroekonomi sedang baik. Kondisi ini menggambarkan kemampuan produksi dan konsumsi masyarakat meningkat. Peningkatan ini terjadi pula pada perusahaan BUMI dan PTBA. Peningkatan produksi pada BUMI dan PTBA menyebabkan meningkatnya pendapatan. Peningkatan pendapatan berarti pula peningkatan keuntungan perusahaan yang kemudian akan meningkatkan deviden. Hal ini melahirkan opini bahwa kinerja perusahaan baik dan pada akhirnya menyebabkan peningkatan pada permintaan saham BUMI dan PTBA. Peningkatan permintaan menyebabkan peningkatan pada harga saham BUMI dan PTBA yang akhirnya berdampak pada kenaikan return saham BUMI dan PTBA. 5.14.5. Suku bunga SBI (SBI) Suku bunga SBI memiliki probabilitas 0,3561 yang berarti lebih besar dari taraf nyata 5 persen. Hal ini mengindikasikan bahwa suku bunga SBI tidak berpengaruh signifikan terhadap return saham batubara. Hal ini dikarenakan SBI tidak berdampak langsung pada kinerja perusahaan sehingga SBI tidak mempengaruhi return saham batubara 5.14.6. Indeks Harga Saham Gabungan (IHSG) Variabel IHSG mempunyai nilai probabilitas 0,0003 yang berarti lebih kecil dari taraf nyata 5 persen. Bedasarkan nilai tersebutt maka IHSG mempunyai pengaruh yang signifikan terhadap return saham batubara. Nilai koefisien dari IHSG adalah 0,6836 yang berarti jika return saham IHSG naik 1 persen, cateris paribus, maka return saham batubara akan naik sebesar 0,6836 persen. IHSG dapat dijadikan indikator makro suatu negara. Peningkatan IHSG menunjukan bahwa ekonomi Indonesia sedang dalam siklus membaik. Siklus ekonomi yang membaik akan berdampak pada kondisi perusahaan yang membaik. Hal ini akan menyebabkan peningkatan pada pendapatan perusahaan yang kemudian meningkatkan keuntungan perusahaan, peningkatan keuntungan perusahaan ini berarti peningkatan pula pada deviden. Deviden yang meingkat menyebabkan opini bahwa kerja perusahaan baik. Hal ini lalu ditanggapi oleh peningkatan harga saham. Peningkatan ini akan menyebabkan return yang diperoleh meningkat. 5.14.7. Variabel Dummy (D) Nilai probabilitas variabel dummy adalah sebesar 0,0000 yang lebih kecil dari taraf nyata 5 persen. Hal ini berarti return saham batubara PTBA lebih besar dibandingkan return saham BUMI. Selisih besarnya return yang dihasilkan PTBA dengan saham yang dihasilkan BUMI adalah sebesar 0.056773 satuan. 5.15. Risiko Saham Batubara h2t = 0,0009 + 0,1500 ε2t-1 + 1,4598 h2t-1 -0,6264 h2t-2 Risiko saham batubara dapat dilihat dari model variance. Model variance diatas menunjukkan bahwa risiko saham batubara dipengaruhi oleh besarnya nilai sisaan satu periode sebelumnya dan besarnya simpangan baku pengembalian dari rataan untuk satu periode sebelumnya serta besarnya simpangan baku pengembalian dari dua periode sebelumnya. Volatilitas return saham batubara pada hari t adalah sebesar 0,0009 ditambah 0,1500 kali persentase sisaan periode sebelumnya, 1,4598 kali persentase simpangan baku pengembalian dari rataan satu periode sebelumnya dan -0,6264 kali persentase simpangan baku pengembalian dari rataan dua periode sebelumnya. Jika pada peutupan bursa efek hari ini (t) nilai sisaan pengembalian saham BUMI dan PTBA relatif besar, maka tingkat resiko investasi untuk esok hari (t+1) akan cenderung besar. Sedangkan jika pada penutupan bursa efek hari ini (t) nilai sisaan pengembalian saham BUMI dan PTBA relatif kecil, maka tingkat resiko investasi untuk esok hari (t+1) akan cenderung kecil. 5.16. Pembahasan Hasil penelitian ini menunjukkan bahwa return saham batubara dalam kelompok JII lebih dipengaruhi oleh faktor-faktor makroekonomi yang berpengaruh langsung pada kinerja perusahaan dalam hal ini PT. Bumi Recources Tbk. (BUMI) dan Tambang Batubara Bukit Asam Tbk. (PTBA) Faktor-faktor tersebut berpengaruh positif dan negatif. Faktor yang berpengaruh negatif adalah Customer Price Index (CPI) dan nilai tukar Rupiah terhadap US Dollar (KURS). Hal ini dikarenakan kenaikan pada CPI akan berdampak pada kenaikan biaya produksi yang akhirnya menurunkan return. Begitu pula dampak kenaikan nilai tukar Rupiah terhadap US Dollar yang akan menurunkan daya saing komoditas ekspor di pasar internasional. Hal ini berdampak pada penurunan return saham batubara, karena batubara merupakan komoditas ekspor. Hasil penelitian ini sesuai dengan penelitian yang telah dilakukan oleh Wang (2010) yang menunjukkan bahwa terdapat hubungan yang berlawanan antara CPI dengan return saham di China. Hasil penelitian ini juga sesuai dengan Buttt el al (2010) yang menunjukan bahwa koefisien CPI berhubungan negatif dengan return saham perusahaan industri di Pakistan. Penelitian lainnya dilakukan oleh Maysami (2004) yang menunjukan bahwa CPI berhubungan negatif dengan harga saham. Hasil penelitian mengenai pengaruh nilai tukar dilakukan oleh Josep (2002) yang menghasilkan bahwa nilai tukar berhubungan negatif dengan return saham di UK. Hal ini dikarenakan perubahan nilai tukar akan mempengaruhi nilai input dan output perusahaan. Ketika nilai tukar terapresiasi, eksportir akan kehilangan daya saing di pasar internasional. Hal ini akan mempengaruhi penjualan dan pada akhirnya mempengaruhi keuntungan. Hal ini akan berdampak pada menurunnya harga saham perusahaan tersebut. Disisi lain, importir akan menaikan daya saingnya di pasar domestik. Hasil serupa ditemukan pula oleh Ratti dan Hasan (2010) bahwa nilai tukar berhubungan negatif dengan return saham batubara di Australia. Namun hasil penelitian yang berbeda ditemukan oleh Maysami (2004) yang menghasilkan bahwa return saham Singapura berhubungan positif dengan nilai tukar. Hal ini dikarenakan penguatan mata uang domestik akan membuat biaya impor bahan baku murah sehingga produsen dapat meningkatkan produksinya yang pada akhirnya meningkatkan pendapatan. Peningkatan pada pendapatan perusahaan pada akhirnya akan meningkatkan return saham perusahaan tersebut. Hasil lainnya ditemukan oleh Butt et al (2009) yang mengatakan bahwa nilai tukar tidak signifikan mempengaruhi return saham di perusahaan sektor industri dan sektor perbankan di Pakistan. Sedangkan variabel yang berpengaruh positif adalah Industrial production Index (IPI) dan Indeks Harga Saham Gabungan (IHSG). Variabel ini berhubungan positif karena kenaikan IPI dan IHSG merupakan sinyal membaiknya kondisi perekonomian. Saat IPI mengalami kenaikan menandakan output riil meningkat yang akhirnya akan menaikan return saham. Begitu pula pada kenaikan IHSG yang berarti kondisi market return sedang membaik sehingga minat investor menanamkan modalnya meningkat. Hal ini sesuai dengan penelitian Maysami (2004) yang menyatakan IPI berhubungan positif dengan return saham dan variabel market return dalam penelitian ini digambarkan oleh IHSG paling signifikan dan berhubungan positif dengan return saham di Singapura. Penelitian serupa dikakukan oleh McMillan (2001) yang menyatakan terdapat hubungan signifikan positif antara IPI dengan harga saham di US. Faktor makroekonomi yang tidak berpengaruh pada penelitian ini adalah suku bunga SBI dan jumlah uang yang beredar (M2). Hal ini dikarenakan SBI dan M2 tidak berdampak langsung pada kinerja perusahaan batubara ( BUMI dan PTBA). Butt el al (2010) juga menemukan hasil yang sama bahwa jumlah uang yang beredar tidak berpengaruh pada return saham. Hasil penelitian serupa ditemukan oleh McMillan (2001) yang menyatakan tidak ada hubungan signifikan antara jumlah uang beredar dengan harga saham di US. Penelitian lainnya dilakukan Maskay (2007) yang menemukan bahwa jumlah uang beredar yang unanticipated insignifikan terhadap harga saham di US. Unanticipated adalah selisih antara jumlah uang beredar aktual dengan jumlah uang beredar yang diprediksi. Tidak signifikannya jumlah uang yang beredar ini karena adanya ketidakefisienan pasar. Jadi kenaikan atau penurunan yang tidak diantisipasi tidak berpengaruh terhadap harga saham. Hasil yang berbeda ditemukan oleh Maysami (2004) yang menemukan bahwa jumlah uang beredar berhubungan positif dengan return saham di Singapura. Hal ini dikarenakan peningkatan jumlah uang yang beredar menyebabkan peningkatan kegiatan ekonomi sehingga meningkatkan pula produksi. Peningkatan produksi ini meningkatkan ekspektasi return saham. Penelitian akan pengaruh suku bunga dilakukan oleh Butt el al (2010) yang menemukan hal yang serupa bahwa risk free rate yang di Indonesia dikenal sebagai suku bunga SBI tidak berpengaruh terhadap return saham perusahaan industri. Hasil yang serupa ditemukan pula oleh Wang (2010) yang menyatakan tidak ada hubungan antara suku bunga dengan return saham di China. Hasil yang berbeda ditemukan oleh Maysami (2004) dan Fazel (2008) yang menemukkan hubungan negatif antara suku bunga dengan harga saham. Hal ini dikarenakan penurunan suku bunga menyebabkan penurunan biaya peminjaman perusahaan sehingga meningkatkan pendapatan dan akhirnya meningkatkan harga saham. VI. KESIMPULAN DAN SARAN 6.1. Kesimpulan Hasil penelitian dapat digunakan untuk menjawab tujuan penelitian yaitu menganalisis pengaruh variabel makroekonomi dan IHSG terhadap return saham batubara dalam kelompok JII (BUMI dan PTBA). Hasil penelitian ini menunjukan bahwa Customer Price Indeks (CPI), nilai tukar rupiah terhadap dollar Amerika, Industrial Production Indeks (IPI) dan Indeks Harga Saham Gabungan (IHSG) berpengaruh terhadap return saham BUMI dan PTBA. Sedangkan jumlah uang beredar (M2) dan suku bunga SBI (SBI) tidak berpengaruh terhadap return BUMI dan PTBA. Model terbaik yang digunakan untuk menjawab permasalahan dalam penelitian ini adalah model GARCH (2,1). Pembentukan model volatilitas return saham BUMI dan PTBA menggunakan model GARCH karena return saham BUMI dan PTBA bersifat heteroskedastisitas dengan varian residual bersifat tidak konstan. Hal ini berarti return saham BUMI dan PTBA sulit diprediksi. Volatilitas return saham batubara dipengaruhi oleh besarnya nilai sisaan pengembalian satu periode sebelumnya, besarnya simpangan baku return dari rataan untuk satu periode sebelumnya dan besarnya simpangan baku return dari rataan untuk dua periode sebelumnnya. 6.2. 1. Saran Bagi investor yang ingin berinvestasi pada saham yang sesuai syariat Islam dapat memilih saham dalam kelompok JII. 2. Bagi investor yang ingin menanamkan modalnya pada saham dapat memilih saham batubara karena saham berbasis komoditas memiliki peluang harga yang tinggi seiring dengan tingginya harga minyak dan komoditi dunia. 3. Bagi investor yang ingin menikmati return yang lebih besar dapat memilih saham PTBA karena dapat menghasilkan return yang lebih tinggi daripada saham BUMI. 4. Bagi emiten (perusahaan BUMI dan PTBA) disarankan untuk menjaga kestabilan kinerja keuangannya perusahaannya. Karena kinerja keuangan perusahaan mempengaruhi opini investor, terutama saat Customer Price Index (CPI) tinggi yaitu dengan menekan biaya produksi dengan cara memproduksi dengan skala besar agar biaya lebih murah. 5. Bagi BAPEPAM (Badan Pengawas Pasar Modal) mensosialisasikan kepada investor mengenai return dan risiko yang didapat jika berinvestasi di pasar modal pada saham batubara serta faktor-faktor yang mempengaruhinya. 6. Untuk penelitian selanjutnya, disarankan menambah panjang periode analisis sehingga hasil yang didapat lebih akurat. Di samping itu, disarankan untuk menambah variabel analisis tidak hanya faktor internal tetapi faktor-faktor eksternal. Selain itu menambah analisis tidak hanya sebatas return, tetapi menganalisis pula risikonya. DAFTAR PUSTAKA Badan Pengawas Pasar Modal. 2005. Laporan Tahunan. BAPEPAM-LK, Jakarta. . 2006. Laporan Tahunan. BAPEPAM-LK,Jakarta. . 2007. Laporan Tahunan. BAPEPAM-LK,Jakarta. . 2008. Laporan Tahunan. BAPEPAM-LK,Jakarta. . 2009. Laporan Tahunan. BAPEPAM-LK,Jakarta. Bank Indonesia. 2004. Laporan Perekonomian Indonesia. Bank Indonesia, Jakarta. . 2005. Laporan Perekonomian Indonesia. Bank Indonesia, Jakarta. . 2006. Laporan Perekonomian Indonesia. Bank Indonesia, Jakarta. . 2007. Laporan Perekonomian Indonesia. Bank Indonesia, Jakarta. . 2008. Laporan Perekonomian Indonesia. Bank Indonesia, Jakarta. . 2009. Laporan Perekonomian Indonesia. Bank Indonesia, Jakarta. Bursa Efek Indonesia. 2005. JSX Statistic 4th Quarter 2005. Bursa Efek Indonesia, Jakarta. . 2006. JSX Statistic 4th Quarter 2006. Bursa Efek Indonesia, Jakarta. . 2007. JSX Statistic 4th Quarter 2007. Bursa Efek Indonesia, Jakarta. . 2008. JSX Statistic 4th Quarter 2008. Bursa Efek Indonesia, Jakarta. . 2009. JSX Statistic 4th Quarter 2009. Bursa Efek Indonesia, Jakarta. Bank Indonesia. 2010. Statistik Ekonomi dan Keuangan Indonesia. Bank Indonesia, Jakarta. Bursa Efek Indonesia. 2010. Jakarta Islamic Index. Bursa Efek Indonesia, Jakarta. Butt, B. 2009. Do Economic Factors Influence Stock Return? A firm and Industry Level Analysis. African Journal of Business Management vol 4(5), 583593. Darmadji, T dan Fakhruddin, H. 2001. Pasar Modal di Indonesia. Salemba Empat, Jakarta. Engle, R. 2001. GARCH 101: The Use of ARCH/GARCH Model in Applied Economitrics. Jounal of Economic Perspectives vol 15(4),157-168. Enders, Walter. 2004. Applied Economic Time Series. 2th Edition. New York: John Wiley & Sons,Inc. Fazel, S dan Alatiqi, S. 2008. Can Money Supply Predict Stock Prices? Journal for Economic Educators. Fikri, M. 2010. Outlook Investasi Q-II 2010 dan Sektor Batubara Indonesia. Mohammedfikri’s Blog. [ 14 Februari 2010] Firdaus, M. 2006. Analisis Deret Waktu Satu Ragam. IPB press, Bogor. Floros, C. 2008. Modelling Volatility using GARCH Models : Evidence from Egypt and Israel. Middle Eastern Finance and Economics. Gujarati, D. 2006. Dasar-dasar Ekonometrika : Jilid satu. Erlangga, Jakarta. Hussainey, K. 2009. Impact of Macroeconomic Indikators on Vietnamese Stock Prices. Jurnal of Risk Finance vol 4. Joseph, N.L.2002. Modelling the Impacts of Interest Rate and Exchane Rate Change on UK Stock Return. Derivatives Use, Trading and Regulation. Little, K. 2010. How Stock Prices Are Set - Supply and Demand Key to Understanding Stock Prices. About.com [ 16 Februari 2011] Linda, M.2007. Reaponsifitas Kredit Investasi terhadap Variabel Makroekonomi dan Perbankan pada Bank Persero dan Bank Umum Swasta Nasional Devisa dan Non Devisa [Skripsi]. Departemen Ilmu Ekonomi Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Lipsey. 1997. Pengantar Makroekonomi. Binarupa Aksara, Jakarta. Mankiw, Gregory. 2005. Teori Makroekonomi. Edisi kelima. Erlangga, Jakarta. Maskay, B. 2007. Analyzing the Relationship between Change in Money Supply and Stock Market Price. Human Project Paper 35. Maysami, R. 2004. Relationship between Macroeconomic Variabels and Stock Market Indices : Cointegration Evidence from Stock Exchange of Singapore’s All-S Sector Indices. Jurnal Pengurusan 24 (2004). Muttaqin, H. 2010. Negeri Kaya Tambang www.jurnalsahambatubara.com [14 Februari 2011]. Batubara. Nainggolan R. 2010. ARCH-GARCH Volatility untuk Perhitungan Value at Risk Tiga Saham Emiten Penghasil CPO [Thesis]. Manajemen Bisnis, Institut Pertanian Bogor. Ratti, R.A dan Hasan, Z. 2010. Australian Coal Company Risk Faktor and Oil Price Stock. School of Economics and Finance, University of Western Sydney, Australia. Rusdin. 2006. Pasar Modal. Alfabeta, Bandung. Setiawan, A. 2005. Perkembangan Syariah.www.jurnalsyariah.com[14 Februari 2011] Pasar Modal Shin, J. 2005. Stock Return and Volatility in Emerging Stock Markets. International Journal of Business and Economics vol 4 no 1, 31-34. Sitorus, M. 2004. Pengaruh Variabel Makroekonomi terhadap Kinerja Saham Pertambangan Minyak dan Gas Bumi sebagai Emiten di Bursa Efek Indonesia. www.jurnalsahambatubara.com[14 februari 2011] Sodikin, Akhmad. 2007. Variabel Makroekonomi yang Mempengaruhi Return Saham di BEJ. Jurnal Manajemen vol 6 no 2. Wang, X. 2010. The Relationship between Stock Market Volatility and Macroeconomic Volatility: Evidence from China. International Research Journal of Finance and Economics.2010 Widoatmodjo, Sawidji. 2007. Pasar Modal Indonesia: Pengantar dan Studi Kasus. Ghalia Indonesia, Jakarta. Widoatmodjo, Sawidji. 2009. Pasar Modal Indonesia: Pengantar dan Studi Kasus. Ghalia Indonesia, Jakarta. Wijaya, S. 2008. Pengaruh Faktor Makroekonomi dan Return IHSG terhadap Return Saham Sektor Usaha Primer: Analisis dengan Metode GARCH [Thesis]. Manajemen Bisnis, Institut Pertanian Bogor. Word Coal Association. 2010. Coal Statistic 2009.http://www. jurnal saham/Coal Statistics - World Coal Association.htm [14 Februari 2011] LAMPIRAN Lampiran 1.Uji Statistik Deskriptif R Mean 0.024590 Median 0.035998 Maximum 0.590493 Minimum -0.767078 Std. Dev. 0.189820 Skewness -0.887254 Kurtosis 6.476292 CPI 0.006416 0.004486 0.083450 -0.003073 0.010826 5.689013 40.78748 KURS 2.56E-05 -0.003729 0.159074 -0.104072 0.035739 1.212616 9.048463 M2 0.011640 0.011944 0.056161 -0.032716 0.016731 0.103645 3.852813 IPI 0.001878 0.005052 0.067044 -0.161364 0.037323 -1.851444 8.741272 SBI IHSG -0.002557 0.015376 -0.000785 0.028923 0.122919 0.183417 -0.111406 -0.377197 0.044227 0.081070 0.566197 -1.850646 4.249441 10.02601 JarqueBera 81.24525 8305.882 Probability 0.000000 0.000000 226.4835 0.000000 4.108046 0.128218 248.9258 0.000000 15.16492 0.000509 336.3432 0.000000 3.147516 0.821240 0.003271 1.489953 0.240436 -0.327259 1.968191 4.576011 0.014885 0.162215 0.035553 0.176913 0.248418 0.834678 128 128 128 128 128 Sum Sum Sq. Dev. Observati ons 128 128 Lampiran 2. Uji Stasioner Model 1 pada Level Null Hypothesis: R has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic Prob.* -5.298839 -3.482879 -2.884477 -2.579080 0.0000 *MacKinnon (1996) one-sided p-values. Null Hypothesis: RCPI has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. t-Statistic Prob.* -9.793091 -3.482453 -2.884291 -2.578981 0.0000 Null Hypothesis: RKURS has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic Prob.* -5.642533 -3.483312 -2.884665 -2.579180 0.0000 *MacKinnon (1996) one-sided p-values. Null Hypothesis: RM2 has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic Prob.* -6.906074 -3.485586 -2.885654 -2.579708 0.0000 *MacKinnon (1996) one-sided p-values. Null Hypothesis: RIPI has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. t-Statistic Prob.* -15.55688 -3.482453 -2.884291 -2.578981 0.0000 Null Hypothesis: RSBI has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic Prob.* -4.206829 -3.482453 -2.884291 -2.578981 0.0010 *MacKinnon (1996) one-sided p-values. Null Hypothesis: RIHSG has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. t-Statistic Prob.* -8.208677 -3.482453 -2.884291 -2.578981 0.0000 Lampiran 3. Uji Korelasi Covariance Analysis: Ordinary Date: 04/07/11 Time: 13:54 Sample: 1 128 Included observations: 128 Correlation Probability R R RCPI RKURS RM2 RIPI RSBI RIHSG DUMMY 1.000000 ----- RCPI -0.071721 1.000000 0.4211 RKURS -0.436038 -0.040234 1.000000 0.0000 RM2 ----- 0.1370 0.4750 0.3662 ----- 0.0000 0.0004 0.1666 0.0724 ----- 0.1037 0.0000 0.1071 0.4293 0.0000 ----- 0.064855 0.000000 0.000000 0.000000 0.0000000.000000 0.000000 1.000000 0.4670 0.0179 0.590668 -0.144481 -0.716965 0.143103 0.070472 0.489738 1.000000 0.0000 DUMMY 0.6348 -0.308062 0.387474 0.310326 0.122996 0.1593591.000000 0.0004 RIHSG ----- 0.078137 -0.132142 0.063708 0.080537 1.000000 0.3807 RSBI 0.6520 -0.069100 -0.042384 0.209035 1.000000 0.4383 RIPI ----- 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 ----- Lampiran 4.Model Regresi Dependent Variable: R Method: Least Squares Date: 05/03/11 Time: 08:23 Sample: 1 128 Included observations: 128 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C RCPI RKURS RM2 RIPI RSBI RIHSG -0.001466 0.443076 -0.181614 0.219222 0.192836 -0.138199 1.297457 0.017445 1.209406 1.148664 0.830935 0.305657 0.565364 0.406659 -0.084027 0.366359 -0.158109 0.263826 0.630889 -0.244443 3.190524 0.9332 0.7147 0.8746 0.7924 0.5293 0.8073 0.0018 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.351949 0.319814 0.156551 2.965489 59.33513 10.95228 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -0.817736 -0.661766 -0.754365 1.974907 Heteroskedasticity Test: ARCH F-statistic Obs*R-squared 5.243921 5.113313 Prob. F(1,125) Prob. Chi-Square(1) 0.0237 0.0237 Lampiran 5. Uji Heteroskedastisitas Lampiran 6. Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 0.003189 0.003430 Prob. F(1,119) Prob. Chi-Square(1) 0.9551 0.9533 Lampiran 7. Uji Model 1 terbaik ARCH (1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/03/11 Time: 08:49 Sample: 1 128 Included observations: 128 Convergence achieved after 43 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBI RIHSG DUMMY -0.013085 0.196041 -1.228155 0.207886 0.084318 0.045198 1.320009 0.003276 0.018725 0.847665 0.580469 0.605840 0.273377 0.390093 0.235267 0.019618 -0.698803 0.231271 -2.115798 0.343136 0.308433 0.115866 5.610686 0.167001 0.4847 0.8171 0.0344 0.7315 0.7578 0.9078 0.0000 0.8674 0.002072 0.172965 4.588931 3.900848 0.0000 0.0001 Variance Equation C RESID(-1)^2 0.009508 0.674710 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.310300 0.257696 0.163543 3.156074 74.92247 5.898765 0.000001 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.014414 -0.791599 -0.923883 2.015995 ARCH (2) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/03/11 Time: 08:51 Sample: 1 128 Included observations: 128 Convergence achieved after 49 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*RESID(-2)^2 Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBI RIHSG DUMMY -0.003941 -0.354171 -0.466342 0.523914 0.180726 0.117706 1.051077 0.022540 0.019507 0.960400 0.638597 0.804785 0.284038 0.344110 0.260494 0.020110 -0.202024 -0.368774 -0.730261 0.650998 0.636274 0.342060 4.034934 1.120839 0.8399 0.7123 0.4652 0.5150 0.5246 0.7323 0.0001 0.2624 0.002423 0.082719 0.221970 4.062002 1.912817 1.616543 0.0000 0.0558 0.1060 Variance Equation C RESID(-1)^2 RESID(-2)^2 0.009842 0.158226 0.358825 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.342464 0.286265 0.160365 3.008890 77.59498 6.093711 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.040547 -0.795450 -0.940963 1.892733 GARCH (1,1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/03/11 Time: 08:52 Sample: 1 128 Included observations: 128 Convergence achieved after 50 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*GARCH(-1) Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBI RIHSG DUMMY -0.018289 -1.033931 -1.046053 0.477685 0.262736 0.295917 0.878248 0.039824 0.015605 0.789182 0.769137 0.904293 0.249207 0.295106 0.254855 0.017060 -1.171998 -1.310129 -1.360034 0.528242 1.054287 1.002750 3.446066 2.334347 0.2412 0.1902 0.1738 0.5973 0.2918 0.3160 0.0006 0.0196 0.001179 0.125703 0.096272 1.670754 2.854302 6.124482 0.0948 0.0043 0.0000 Variance Equation C RESID(-1)^2 GARCH(-1) 0.001970 0.358793 0.589616 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.321361 0.263357 0.162918 3.105460 78.73774 5.540383 0.000001 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.058402 -0.813306 -0.958818 1.851677 GARCH (2,1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/03/11 Time: 08:55 Sample: 1 128 Included observations: 128 Convergence achieved after 67 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*GARCH(-1) + C(12)*GARCH( -2) Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBI RIHSG DUMMY -0.019138 -1.453940 -1.234140 0.385410 0.433811 0.268326 0.683589 0.056773 0.012898 0.756701 0.345435 0.649705 0.211005 0.290739 0.190648 0.013233 -1.483843 -1.921420 -3.572712 0.593209 2.055923 0.922910 3.585607 4.290361 0.1379 0.0547 0.0004 0.5530 0.0398 0.3561 0.0003 0.0000 0.000226 0.048083 0.046635 0.032461 3.879127 3.119799 31.30366 -19.29900 0.0001 0.0018 0.0000 0.0000 Variance Equation C RESID(-1)^2 GARCH(-1) GARCH(-2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.000877 0.150010 1.459834 -0.626464 0.297414 0.230790 0.166481 3.215040 82.41647 4.464035 0.000013 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.100257 -0.832879 -0.991620 1.792399 GARCH (1,2) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/03/11 Time: 08:53 Sample: 1 128 Included observations: 128 Convergence achieved after 48 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*RESID(-2)^2 + C(12)*GARCH( -1) Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBI RIHSG DUMMY -0.011733 -0.973074 -0.773298 0.507757 0.339785 0.241391 0.910888 0.041141 0.016549 0.822311 0.662278 0.890683 0.249270 0.305256 0.254112 0.018349 -0.709008 -1.183341 -1.167634 0.570077 1.363116 0.790782 3.584587 2.242138 0.4783 0.2367 0.2430 0.5686 0.1728 0.4291 0.0003 0.0250 0.001751 0.095374 0.273620 0.238509 1.651091 1.763133 0.787092 2.088192 0.0987 0.0779 0.4312 0.0368 Variance Equation C RESID(-1)^2 RESID(-2)^2 GARCH(-1) 0.002891 0.168157 0.215364 0.498053 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.327325 0.263537 0.162899 3.078169 79.40172 5.131436 0.000002 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.053152 -0.785774 -0.944515 1.856859 GARCH (2,2) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/03/11 Time: 08:54 Sample: 1 128 Included observations: 128 Convergence achieved after 37 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*RESID(-2)^2 + C(12)*GARCH( -1) + C(13)*GARCH(-2) Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBI RIHSG DUMMY -0.003860 -0.935369 -0.635516 0.504647 0.293202 0.115066 0.918552 0.032922 0.016983 0.853432 0.602306 0.788874 0.246482 0.332101 0.230921 0.018943 -0.227308 -1.096009 -1.055137 0.639705 1.189548 0.346478 3.977777 1.737932 0.8202 0.2731 0.2914 0.5224 0.2342 0.7290 0.0001 0.0822 0.001924 0.079101 0.210587 0.248281 0.239974 1.873041 1.920710 1.654530 -0.126168 1.587177 0.0611 0.0548 0.0980 0.8996 0.1125 Variance Equation C RESID(-1)^2 RESID(-2)^2 GARCH(-1) GARCH(-2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.003603 0.151929 0.348423 -0.031325 0.380882 0.332511 0.262860 0.162973 3.054437 80.12523 4.773958 0.000003 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.048832 -0.759172 -0.931142 1.861175 Lampiran 8. Model 1 Terbaik GARCH (2,1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/03/11 Time: 08:55 Sample: 1 128 Included observations: 128 Convergence achieved after 67 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*GARCH(-1) + C(12)*GARCH( -2) Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBI RIHSG DUMMY -0.019138 -1.453940 -1.234140 0.385410 0.433811 0.268326 0.683589 0.056773 0.012898 0.756701 0.345435 0.649705 0.211005 0.290739 0.190648 0.013233 -1.483843 -1.921420 -3.572712 0.593209 2.055923 0.922910 3.585607 4.290361 0.1379 0.0547 0.0004 0.5530 0.0398 0.3561 0.0003 0.0000 0.000226 0.048083 0.046635 0.032461 3.879127 3.119799 31.30366 -19.29900 0.0001 0.0018 0.0000 0.0000 Variance Equation C RESID(-1)^2 GARCH(-1) GARCH(-2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.000877 0.150010 1.459834 -0.626464 0.297414 0.230790 0.166481 3.215040 82.41647 4.464035 0.000013 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.100257 -0.832879 -0.991620 1.792399 Lampiran 9. Uji Efek ARCH untuk Model 1 Terbaik Heteroskedasticity Test: ARCH F-statistic Obs*R-squared 0.195830 0.198652 Prob. F(1,125) Prob. Chi-Square(1) 0.6589 0.6558 Lampiran 10. Uji Kenormalan Galat untuk Model 1 Terbaik 16 Series: Standardized Residuals Sample 1 128 Observations 128 14 12 10 8 6 4 2 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis 0.016403 0.010292 2.742194 -2.861500 1.002837 -0.007172 3.264632 Jarque-Bera Probability 0.374592 0.829198 0 -3 -2 -1 0 1 2 Lampiran 11. Uji Statistik Deskriptif Model 2 mean median max min Std.dev Skewness Kurtosis Jarque-Bera Probabilitas RSBIS 0.008358 0.000000 0.510826 -0.587787 0.165801 -0.198468 6.836005 79.31995 0.000000 RJII 0.014641 0.030716 0.180911 -0.391147 0.086784 -1.760519 9.275125 276.1328 0.000000 Lampiran 12. Uji Stasioneritas Model 2 pada Level Null Hypothesis: RSBIS has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic Prob.* -9.478770 -3.483751 -2.884856 -2.579282 0.0000 *MacKinnon (1996) one-sided p-values. Null Hypothesis: RSBIS has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic t-Statistic Prob.* -9.478770 0.0000 Test critical values: 1% level 5% level 10% level -3.483751 -2.884856 -2.579282 *MacKinnon (1996) one-sided p-values. Lampiran 13. Uji Korelasi Covariance Analysis: Ordinary Date: 05/19/11 Time: 15:42 Sample: 1 128 Included observations: 128 Correlation Probability R R RCPI RKURS RM2 RIPI RJII RSBIS DUMMY 1.000000 ----- RCPI -0.071721 1.000000 0.4211 RKURS -0.436038 -0.040234 1.000000 0.0000 RM2 ----- 0.1370 0.4750 0.3662 ----- 0.0995 0.0000 0.1546 0.5402 ----- 0.3015 0.4749 0.0253 0.3810 0.3907 ----- 0.064855 0.000000 0.0000000.0000000.0000000.0000000.000000 1.000000 0.4670 0.0179 -0.059985 0.092035 0.0637110.1977130.078074 0.0765071.000000 0.5012 DUMMY 0.6348 0.619253 -0.146230 -0.664265 0.1265380.0546411.000000 0.0000 RSBIS ----- 0.078137 -0.132142 0.0637080.0805371.000000 0.3807 RJII 0.6520 -0.069100 -0.042384 0.2090351.000000 0.4383 RIPI ----- 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 ----- Lampiran 14. Model Regresi Model 2 Dependent Variable: R Method: Least Squares Date: 05/19/11 Time: 01:10 Sample: 1 128 Included observations: 128 Variable Coefficient Std. Error t-Statistic Prob. C RCPI RKURS RM2 RIPI RSBIS RJII DUMMY -0.011341 0.376459 -0.273832 0.189222 0.267358 -0.024345 1.281209 0.024525 0.023518 1.297997 0.524157 0.843137 0.369748 0.083896 0.215374 0.026915 -0.482218 0.290030 -0.522424 0.224427 0.723082 -0.290177 5.948753 0.911217 0.6305 0.7723 0.6023 0.8228 0.4710 0.7722 0.0000 0.3640 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.392109 0.356649 0.152253 2.781715 63.42948 11.05769 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -0.866086 -0.687834 -0.793661 1.946014 Lampiran 15. Uji Heteroskedastisitas Model 2 Heteroskedasticity Test: ARCH F-statistic Obs*R-squared 5.152053 5.027279 Prob. F(1,125) Prob. Chi-Square(1) 0.0249 0.0250 Lampiran 16. Uji Autokorelasi Model 2 Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 0.090944 0.097747 Prob. F(1,119) Prob. Chi-Square(1) 0.7635 0.7546 Lampiran 17. Uji Model 2 Terbaik ARCH (1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:23 Sample: 1 128 Included observations: 128 Convergence achieved after 61 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBIS RJII DUMMY -0.006647 0.178357 -1.276383 0.451472 0.202747 -0.068592 1.231293 0.001035 0.019442 0.835950 0.641139 0.613203 0.244479 0.056216 0.205458 0.020006 -0.341907 0.213358 -1.990807 0.736253 0.829302 -1.220164 5.992921 0.051738 0.7324 0.8310 0.0465 0.4616 0.4069 0.2224 0.0000 0.9587 0.002352 0.193534 4.395306 2.720055 0.0000 0.0065 Variance Equation C RESID(-1)^2 0.010339 0.526423 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.355382 0.306216 0.158108 2.949778 79.15956 7.228244 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.080618 -0.857803 -0.990087 1.995813 ARCH (2) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:23 Sample: 1 128 Included observations: 128 Convergence achieved after 62 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*RESID(-2)^2 Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBIS RJII DUMMY 0.003002 -0.084997 -0.418063 0.460473 0.251364 -0.031958 1.052192 0.015153 0.019423 0.990891 0.708343 0.908012 0.254037 0.055123 0.247235 0.019970 0.154583 -0.085778 -0.590199 0.507122 0.989475 -0.579760 4.255837 0.758814 0.8772 0.9316 0.5551 0.6121 0.3224 0.5621 0.0000 0.4480 0.002673 0.064152 0.285190 3.962833 1.815136 1.163221 0.0001 0.0695 0.2447 Variance Equation C RESID(-1)^2 RESID(-2)^2 0.010592 0.116445 0.331739 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.381653 0.328802 0.155513 2.829564 79.91654 7.221401 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.076821 -0.831725 -0.977237 1.881209 GARCH (1,1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:24 Sample: 1 128 Included observations: 128 Convergence achieved after 50 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*GARCH(-1) Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBIS RJII DUMMY -0.017233 -0.579457 -1.012233 0.673547 0.278206 -0.020641 0.952957 0.034588 0.016572 0.769303 0.928419 0.950209 0.238461 0.058285 0.223957 0.018159 -1.039893 -0.753223 -1.090275 0.708840 1.166676 -0.354132 4.255087 1.904742 0.2984 0.4513 0.2756 0.4784 0.2433 0.7232 0.0000 0.0568 0.001071 0.152306 0.118975 1.964793 1.811847 5.400905 0.0494 0.0700 0.0000 Variance Equation C RESID(-1)^2 GARCH(-1) 0.002103 0.275955 0.642572 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.375061 0.321648 0.156340 2.859727 81.33606 7.021831 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.099001 -0.853905 -0.999417 1.904411 GARCH (1,2) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:25 Sample: 1 128 Included observations: 128 Convergence achieved after 81 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*RESID(-2)^2 + C(12)*GARCH( -1) Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBIS RJII DUMMY -0.015050 -0.122206 -1.306899 0.601275 0.161729 -0.049766 1.180845 0.011947 0.016204 0.747873 0.624403 0.660988 0.236717 0.054413 0.208346 0.016782 -0.928780 -0.163405 -2.093037 0.909661 0.683216 -0.914605 5.667709 0.711869 0.3530 0.8702 0.0363 0.3630 0.4945 0.3604 0.0000 0.4765 0.000659 0.190015 0.192336 0.095020 1.600362 2.704411 -2.283980 9.262633 0.1095 0.0068 0.0224 0.0000 Variance Equation C RESID(-1)^2 RESID(-2)^2 GARCH(-1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.001055 0.513878 -0.439291 0.880139 0.359563 0.298832 0.158947 2.930647 81.84707 5.920573 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.091360 -0.823983 -0.982723 1.984253 GARCH (2,1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:26 Sample: 1 128 Included observations: 128 Failure to improve Likelihood after 54 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*GARCH(-1) + C(12)*GARCH( -2) Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBIS RJII DUMMY -0.018918 -0.138533 -1.409767 0.262799 -0.021718 -0.028260 1.227381 0.017452 0.015066 0.618561 0.348910 0.374735 0.112896 0.040631 0.114205 0.014506 -1.255645 -0.223960 -4.040489 0.701292 -0.192372 -0.695525 10.74718 1.203082 0.2092 0.8228 0.0001 0.4831 0.8475 0.4867 0.0000 0.2289 0.002739 0.163196 0.057964 0.072322 2.831997 4.980858 -3.204075 2.451616 0.0046 0.0000 0.0014 0.0142 Variance Equation C RESID(-1)^2 GARCH(-1) GARCH(-2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.007757 0.812857 -0.185722 0.177307 0.341921 0.279517 0.161122 3.011377 84.55996 5.479145 0.000001 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.133749 -0.866372 -1.025112 1.959315 GARCH (2,2) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:27 Sample: 1 128 Included observations: 128 Convergence achieved after 29 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*RESID(-2)^2 + C(12)*GARCH( -1) + C(13)*GARCH(-2) Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBIS RJII DUMMY -0.021301 -0.082683 -1.408429 0.686149 0.085090 -0.052754 1.201062 0.010468 0.014697 0.743292 0.575428 0.355656 0.172449 0.038943 0.139409 0.014219 -1.449370 -0.111239 -2.447620 1.929252 0.493421 -1.354646 8.615411 0.736201 0.1472 0.9114 0.0144 0.0537 0.6217 0.1755 0.0000 0.4616 2.79E-07 0.160969 0.133659 0.136797 0.103595 13137.93 4.184202 -2.266691 1.314230 2.960146 0.0000 0.0000 0.0234 0.1888 0.0031 Variance Equation C RESID(-1)^2 RESID(-2)^2 GARCH(-1) GARCH(-2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.003671 0.673525 -0.302964 0.179782 0.306656 0.345701 0.277426 0.161355 2.994080 87.45269 5.063382 0.000001 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.163323 -0.873664 -1.045633 1.979796 Lampiran 18. Model 2 Terbaik Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:26 Sample: 1 128 Included observations: 128 Failure to improve Likelihood after 54 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*GARCH(-1) + C(12)*GARCH( -2) Variable Coefficient Std. Error z-Statistic Prob. C RCPI RKURS RM2 RIPI RSBIS RJII DUMMY -0.018918 -0.138533 -1.409767 0.262799 -0.021718 -0.028260 1.227381 0.017452 0.015066 0.618561 0.348910 0.374735 0.112896 0.040631 0.114205 0.014506 -1.255645 -0.223960 -4.040489 0.701292 -0.192372 -0.695525 10.74718 1.203082 0.2092 0.8228 0.0001 0.4831 0.8475 0.4867 0.0000 0.2289 0.002739 0.163196 0.057964 0.072322 2.831997 4.980858 -3.204075 2.451616 0.0046 0.0000 0.0014 0.0142 Variance Equation C RESID(-1)^2 GARCH(-1) GARCH(-2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.007757 0.812857 -0.185722 0.177307 0.341921 0.279517 0.161122 3.011377 84.55996 5.479145 0.000001 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.024590 0.189820 -1.133749 -0.866372 -1.025112 1.959315 Lampiran 19. Uji Efek ARCH Model 2 Terbaik Heteroskedasticity Test: ARCH F-statistic Obs*R-squared 1.907120 1.908516 Prob. F(1,125) Prob. Chi-Square(1) 0.1697 0.1671 Lampiran 20. Uji Kenormalan Galat Model 2 Terbaik 20 Series: Standardized Residuals Sample 1 128 Observations 128 16 12 8 4 0 -2 -1 0 1 2 3 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis 0.072419 -0.109576 2.901750 -2.589602 1.025616 0.249227 3.293420 Jarque-Bera Probability 1.784279 0.409778