DAFTAR ISI - UIN Repository

ABSTRAK
Penelitian ini dilakukan dengan tujuan untuk menganalisa hubungan
kausalitas pasar saham global terhadap pasar saham Indonesia (IHSG) serta untuk
mengetahui besarnya pengaruh pasar saham global yang diwakili oleh sembilan
pasar saham global terhadap pasar saham Indonesia (IHSG). Adapun ke sembilan
pasar saham global tersebut adalah Nikkei yang mewakili bursa saham Jepang,
STI yang mewakili pasar saham Singapore, KLCI yang mewakili pasar saham
Malaysia, Hang Seng yang mewakili pasar saham China, FTSE yang mewakili
pasar saham London Inggris, ASX yang mewakili pasar saham Australia,
NASDAQ yang mewakili pasar saham Amerika, KSE yang mewakili pasar saham
Kuwait. Data yang digunakan adalah data time series bulanan indeks harga saham
periode 1999-2009. Penelitian dilakukan menggunakan model ekonometrika uji
kausalitas granger, AutoRegresion Condition Heteroscedasticity (ARCH) /
Generalized AutoRegresion Condition Heteroscedasticity (GARCH) dan Vector
AutoRegresion (VAR). Berdasarkan hasil penelitian ini NASDAQ tidak
mempunyai hubungan terhadap IHSG, IHSG tidak mempunyai hubungan
terhadap NASDAQ. Nikkei, STI, FTSE, ASX, dan KSE memiliki pengaruh yang
signifikan terhadap IHSG tetapi IHSG tidak memiliki pengaruh yang signifikan
terhadap Nikkei, STI, FTSE, ASX, dan KSE. IHSG memiliki pengaruh yang
signifikan terhadap KLCI, tetapi KLCI tidak memiliki pengaruh signifikan
terhadap IHSG. Hang Seng memiliki pengaruh negatif terhadap IHSG dan IHSG
memiliki pengaruh yang signifikan terhadap Hang Seng.
Kata kunci : Pasar Saham, Kausalitas Granger, ARCH/GARCH dan VAR.
ii
KATA PENGANTAR
Bismillaahirrahmaanirrohiim
Assalamu’laikum warrahmatullahi Wabarakatuh
Segala puji bagi Allah, Salawat dan salam semoga tercurah kepada Nabi
Muhammad SAW, para keluarganya, sahabatnya, dan seluruh umatnya.
Penulis menyadari bahwa dalam skripsi ini masih banyak kekurangan
karena keterbatasan baik dalam pengetahuaan maupun dalam teknik penulisan,
namun Alhamdulillah berkat do’a dan motivasi dari orang tua tercinta akirnya
akirnhya skripsi ini dapat juga terselesaikan. Penulis juga menyadari
terselesaikannya skripsi ini tidak lepas dari do’a, dukungan dan kerja sama dari
berbagai pihak baik secara langsung ataupun tidak langsung. Oleh karena itu
dengan rendah hati dan lapang dada penulis mengharapkan saran dan kritik yang
bersifat membangun dari semua pihak.
Akhir kata penulis juga ingin mengucapkan terima kasih yang sebesarbesarnya kepada semua pihak yang telah membantu dalam menyelesaikan skripsi
ini:
1. ALLAH SWT yang maha berilmu, atas limpahan Rahmat dan Ilmu
pengetahuan yang tak terhingga.
2. Kedua orang tuaku tercinta Ayahanda Nastom Dt. Pangulu Basa
terimakasih untuk kasih sayang yang tak terhingga, Pengalaman hidup
yang beliau berikan kepada penulis. Ibunda tercinta Bariati, terimakasih
untuk kesetiaan, kasih sayang, do’a, semangat, kepercayaan, dan perhatian
yang tak pernah berhenti beliau berikan kepada penulis (I always do the
best).
3. Prof. Dr. Abdul Hamid, MS selaku Dekan Fakultas Ekonomi dan Bisnis
UIN Syarif Hidayatullah Jakarta.
4. Prof. Dr. Ahmad Rodoni, MM selaku Pembantu Dekan 1 sekaligus
Pembimbing satu yang telah meluangkan waktunya untuk berbagi ilmunya
dalam membimbing sehingga skripsi ini bisa terselesaikan.
iii
5. Indoyama Nasaruddin, SE, MAB selaku Ketua Jurusan Manajemen dan
Dosen Pembimbing dua yang telah meluangkan waktun, pikiran, dan
ilmunya sehingga membantu penulis dalam menyelesaikan skripsi ini.
6. Seluruh Dosen Fakultas Ekonomi dan Sosial, yang telah memberikan
bekal ilmu yang tak terhingga nilainya kepada penulis selama menjadi
mahasiswi, semoga menjadikan ilmu yang bermanfaat bagi penulis kelak.
7. Terimakasih untuk Angku H. Juli & bu Hj. Nasna yang telah memberikan
doa, dukungan dan motivasi pada penulis.
8. Untuk kakak-kakakku uni nini, dajimi, danto, dajon, daboy, bang nonong,
bang eri, kawira, danovi, daniko, mulyati, yang tak lelah memberikan
dukungan moril maupun materil. Adik-adikku nanda dan ilham tersayang,
dan semuanya yang selalu mendukung setiap langkahku.
9. Untuk K’dian yang telah membantu dalam penyelesaian skripsi ini,
makasih telah megajarkan Eviews, memberikan semangat, dukungan, dan
mendengarkan segala keluh kesah yang dihadapi dalam penyelesaian
skripsi ini. Firman, yang telah memberikan jurnal dan selalu mau berbagi
pengalaman dan memberikan masukan-masukannya.
10. Untuk MyBest Friend Ripqi n Wastriati, yang slalu setia mendengarkan
curahan hati dan selalu menemani dalam susah maupun senang (tetap
semangat yah untuk skripsi mu...). Untuk Ilman, makasi banget
kerjasamanya penyelesaian skipsi ini (akirnya qt wisuda juga ya.. sukses
bwt Ilman...)
11. Untuk anak Manajemen D’troc Iresna, Noen, Noris, Ijank, Ryo, Rivan,
Arifin, Jamil, Riza dan semuanya yang tak bisa di sebutkan satu persatu.
Semua anak keuangan A dan B dan untuk spesialis editor daim donk selalu
siap direpotkan (semoga Allah SWT membalas semua kebaikannya).
Semoga Allah SWT memberikan balasan yang setimpal atas segala
bantuan dan kebaikan yang telah mereka berikan kepada penulis, Aamiien.
iv
DAFTAR ISI
ABSTRACT………………………………………………………………….
i
ABSTRAK…………………………………………………………………...
ii
KATA PENGANTAR……………………………………………………….
iii
DAFTAR ISI…………………………………………………………………
v
DAFTAR TABEL……………………………………………………………
vii
DAFTAR GAMBAR………………………………………………………...
vii
DAFTAR LAMPIRAN……………………………………………………...
viii
BAB I
BAB II
PENDAHULUAN
A. Latar Belakang ............................................................................
1
B. Perumusan Masalah ....................................................................
9
C. Tujuan dan Manfaat Penelitian ...................................................
9
TINJAUAN PUSTAKA
A. Pasar Modal................................................................................. 11
B. Diversifikasi Internasional .......................................................... 13
C. Indeks Harga Saham ................................................................... 15
1. Pengertian Indeks Harga Saham ........................................... 15
2. Pergerakan Indek Saham....................................................... 16
3. Indek Harga Saham di Indonesia, Jepang, Singapore,
Malaysia, China, Korea, Amerika, London, Kuwait............. 19
D. Pengaruh Indeks Bursa Global Terhadap IHSG ......................... 26
E. Contagion Efek Theory (Efek Domino)...................................... 28
F. Teori Pasar Kuat Terhadap Pasar yang Lemah ........................... 29
G. Penelitian Terdahulu ................................................................... 29
H. Kerangka Pemikiran.................................................................... 33
I. Hipotesis...................................................................................... 35
v
BAB III METODELOGI PENELITIAN
A. Ruang Lingkup Penelitian........................................................... 36
B. Metode Penentuan Sampel.......................................................... 36
C. Metode Pengumpulan Data ......................................................... 36
D. Metode Analisis .......................................................................... 37
E. Operasional Variabel Penelitian.................................................. 45
BAB IV HASIL DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian ............................................ 49
B. Penemuan dan Pembahasan ........................................................ 50
1. Deskriptif Data ....................................................................... 50
2. Langkah-langkah Penelitian................................................... 53
3. Pembahasan............................................................................ 53
C. Interpretsi .................................................................................... 88
BAB V
KESIMPULAN DAN IMPLIKASI
A. Kesimpulan ................................................................................. 92
B. Implikasi...................................................................................... 94
C. Saran............................................................................................. 94
DAFTAR PUSTAKA ........................................................................................ 95
LAMPIRAN....................................................................................................... 99
vi
DAFTAR TABEL
Nomor
Keterangan
Halaman
4.1
Output Granger Kausalitas IHSG dan Hang Seng
54
4.2
Output Granger IHSG dan Nikkei
55
4.3
Output Granger IHSG dan STI
55
4.4
Output Granger IHSG dan KOSPI
56
4.5
Output Granger IHSG dan FTSE
56
4.6
Output Granger IHSG dan ASX
57
4.7
Output Granger IHSG dan KLCI
57
4.8
Output Granger IHSG dan Nasdaq
58
4.9
Output Granger IHSG dan KSE
58
4.10
Hasil Uji Akar Unit Level dan Difference
59
4.11
Output Regresi untuk IHSG dan Nikkei
61
4.12
Uji White Heteroskedastisitas
61
4.13
Output Regresi untuk IHSG dan Nikkei
62
4.14
Uji Lagrange Multiplier
63
4.15
Uji White Heteroskedastisitas
63
4.16
ARCH (1) untuk IHSG dan Nikkei
64
4.17
GARCH (1) untuk IHSG dan Nikkei
65
4.18
Output Regresi untuk IHSG dan STI
67
4.19
Uji Lagrange Multiplier
67
4.20
Uji White Heteroskedastisitas
68
4.21
ARCH (1) untuk IHSG dan STI
68
4.22
GARCH (1) untuk IHSG dan STI
69
4.23
Output Regresi untuk IHSG dan KOSPI
71
4.24
Uji Lagrange Multiplier
72
4.25
Uji White Heteroskedastisitas
72
4.26
ARCH (1) untuk IHSG dan KOSPI
73
vii
Nomor
Keterangan
Halaman
4.27
GARCH (1) untuk IHSG dan KOSPI
74
4.28
Output Regresi untuk IHSG dan FTSE
76
4.29
Uji Lagrange Multiplier
76
4.30
Uji White Heteroskedastisitas
76
4.31
ARCH (1) untuk IHSG dan FTSE
77
4.32
Output Regresi untuk IHSG dan ASX
79
4.33
Uji Lagrange Multiplier
79
4.34
Uji White Heteroskedastisitas
80
4.35
ARCH (1) untuk IHSG dan ASX
81
4.36
Output Regresi untuk IHSG dan KSE
83
4.37
Uji Lagrange Multiplier
83
4.38
Uji White Heteroskedastisitas
83
4.39
Output Regresi untuk KLCI dan IHSG
85
4.40
Uji Lagrange Multiplier
85
4.41
Uji White Heteroskedastisitas
85
4.42
VAR untuk IHSG dan Hang Seng
87
viii
DAFTAR GAMBAR
Nomor
Keterangan
Halaman
1.1
Pergerakan IHSG Tahun 1996-2008
3
2.1
Kerangka Pemikiran
34
ix
DAFTAR LAMPIRAN
Nomor
Keterangan
Halaman
1
Tabel data-data Variabel
95
2
Output residual Q-statistik ARCH (1) IHSG dan Nikkei
100
3
Grafik Uji Normalitas ARCH (1) IHSG dan Nikkei
101
4
Output residual Q-statistik GARCH (1) IHSG dan Nikkei 102
5
Grafik Uji Normalitas GARCH (1) IHSG dan Nikkei
103
6
Output residual Q-statistik ARCH (1) IHSG dan STI
104
7
Grafik Uji Normalitas ARCH (1) IHSG dan STI
105
8
Output residual Q-statistik GARCH (1) IHSG dan STI
106
9
Grafik Uji Normalitas GARCH (1) IHSG dan STI
107
10
Output residual Q-statistik ARCH (1) IHSG dan KOSPI
108
11
Grafik Uji Normalitas ARCH (1) IHSG dan KOSPI
109
12
Output residual Q-statistik GARCH (1) IHSG dan KOSPI 110
13
Grafik Uji Normalitas GARCH (1) IHSG dan KOSPI
111
14
Output residual Q-statistik ARCH (1) IHSG dan FTSE
112
15
Grafik Uji Normalitas ARCH (1) IHSG dan FTSE
113
16
Output residual Q-statistik ARCH (1) IHSG dan ASX
114
17
Grafik Uji Normalitas ARCH (1) IHSG dan ASX
115
18
Uji Unit Root Tingkat Level
116
19
Uji Unit Root Tingkat Difference
126
x
BAB I
PENDAHULUAN
A. Latar Belakang
Dalam abad ke 21 ini, Dunia mengalami dampak globalisasi serta
revolusi dalam informasi dan teknologi. Pengaruh kejadian pada belahan
dunia yang satu dapat cepat berpengaruh terhadap belahan dunia lain.
Globalisasi dari sudut pandang ekonomi merupakan proses pengintegrasian
ekonomi nasional bangsa-bangsa ke dalam sebuah sistim ekonomi global, atau
globalisasi juga dapat diartikan sebagai suatu perluasan hubungan ekonomi
diantara negara-negara yang berbeda dalam membuat sebuah tatanan ekonomi
dunia yang di dalamnya terdapat ketergantungan satu sama lain di setiap
bidang perekonomian nasionalnya, sehingga dapat disimpulkan bahwa
globalisasi adalah suatu proses di mana ekonomi semua negara saling
berinteraksi secara timbal balik antara satu negara dengan negara lain. Dan
dengan demikian memberikan peluang bagi masing-masing negara untuk
mengembangkan dan meningkatkan kemajuan ekonominya (Ludovicius S
Wondabio, 2006).
Proses globalisasi pada fase sekarang terdiri dari dua fenomena yang
berbeda, yakni globalisasi bisnis produk dan globalisasi bisnis keuangan
dimana proses globalisasi bisnis keuangan telah memiliki signifikasi dan
kekuatan yang lebih besar daripada globalisasi bisnis produk dalam tanda
kutip. Bisnis keuangan meliputi bisnis valas (valuta asing) serta investasi
1
langsung dan investasi tidak langsung. Investasi melalui pasar modal sebagai
bentuk investasi bisa langsung dilakukan dimana saja diseluruh dunia.
Pasar modal Indonesia melalui Bursa Efek Indonesia merupakan
bagian tak terpisahkan dari kegiatan bursa saham global. Selain itu biasanya
untuk bursa-bursa saham yang berdekatan lokasinya, seringkali memiliki
investor yang sama. Fenomena yang terjadi karena globalisasi serta Indonesia
sebagai anggota World trade organization telah membuka bursa saham bagi
invetor asing yang berinvestasi diseluruh dunia. Oleh karena itu, perubahan di
satu bursa juga akan ditransmisikan ke bursa negara lain. Dalam hal ini,
biasanya bursa yang lebih besar akan mempengaruhi bursa yang lebih kecil
(Moh Mansur, 2005).
Pada bursa di Indonesia, salah satu indikator indeks yang berlaku di
Bursa Efek Indonesia (BEI) adalah Indeks Harga Saham Gabungan (IHSG).
Persentase perubahan angka IHSG dalam suatu periode mencerminkan ratarata tertimbang dari imbalan hasil (return) saham-saham di BEI dalam periode
tersebut. Dalam era globalisasi BEI sudah terintegrasi dengan beberapa bursabursa negeri lain, sehingga masa depan BEJ ikut ditentukan oleh prospek
pasar global (Siti Amalia 2009).
Indeks Harga Saham Gabungan (IHSG) pertama kali diperkenalkan
pada tanggal 1 April 1983, sebagai indikator pergerakan harga saham yang
tercatat di bursa. Hari dasar perhitungan indeks adalah tanggal 10 Agustus
1982 dengan nilai 100. Jumlah emiten yang tercatat pada waktu itu adalah
2
sebanyak 13 emiten. Pada akhir tahun 2008 jumlah emiten yang tercatat di
Bursa Efek Indonesia sudah mencapai 396 emiten.
Seiring dengan perkembangan dan dinamika pasar, IHSG mengalami
periode naik dan turun. Pada tanggal 9 Januari 2008, IHSG mencapai level
tertinggi sepanjang sejarah pasar modal Indonesia yaitu ditutup pada level
2.830,263. Indeks Harga Saham Gabungan mengalami peningkatan yang
semakin pesat sejak krisis ekonomi yang melanda Indonesia pada tahun 1998.
Hal ini ditunjukan dengan perkembangan nilai IHSG dan nilai transaksi. Nilai
IHSG mengalami peningkatan 400 persen dari tahun 2000 hingga 2008.
Kondisi ini juga diikuti dengan nilai transaksi yang meningkat. Nilai IHSG
yang semakin tinggi merupakan bentuk kepercayaan dari investor atas kondisi
ekonomi Indonesia yang semakin kondusif (Supraptono, 2008).
Gambar 1.1
Pergerakan IHSG Tahun 1996-2008
3
Namun krisis ekonomi global mulai pertengahan tahun 2008 telah
mendorong jatuhnya nilai IHSG sebesar 50 persen dalam kurun waktu yang
relatif singkat (satu tahun). Krisis yang berasal dari Amerika Serikat telah
meruntuhkan perekonomian di benua Eropa dan Asia, khususnya negara
berkembang.
Indonesia sebagai negara berkembang mendapat pengaruh yang cukup
besar dari krisis finasial global. Berbagai kebijakan diambil pemerintah untuk
meredam pengaruh buruk dari krisis, mulai dari menaikkan tingkat suku
bunga, menaikkan bahan bakar minyak, menstabilkan nilai tukar, dan juga
memperkuat aliran modal asing untuk melakukan investasi di Indonesia.
Pasar modal memegang peranan penting dalam perekonomian
Indonesia, dimana nilai Indeks Harga Saham Gabungan dapat menjadi leading
indicator economic pada suatu negara. Pergerakan indeks sangat dipengaruhi
oleh ekspektasi investor atas kondisi fundamental negara maupun global.
Adanya informasi baru akan berpengaruh pada ekspektasi investor yang
akhirnya akan berpengaruh pada IHSG.
Salah satu indikator keberhasilan ekonomi makro suatu negara adalah
Indeks Harga Saham (IHSG) selain faktor tingkat bunga (interest rate), nilai
tukar (exchange rate) dan GNP. Telah terbukti secara empiris bahwa variabel
ekonomi makro berpengaruh signifikan terhadap return saham pada emiten
yang terdaftar di BEI (Lestari Murti, 2005). Bila kondisi ekonomi suatu
negara baik maka IHSG tentunya juga menunjukkan adanya trend yang
meningkat tetapi jika kondisi ekonomi suatu negara dalam keadaan turun
4
maka akan berpengaruh juga terhadap IHSG tersebut. Dengan adanya revolusi
informasi, investor dimanapun dapat mengamati IHSG pada waktu yang
bersamaan. Ketika kondisi suatu negara dalam keadaan menurun maka IHSG
juga akan mengalami penurunan yang berakibat investor akan keluar dari
pasar (Anoraga Panji dan Pakarti Piji, 2006).
Masalah integrasi bursa saham antar negara telah dipelajari sajak akir
decade 80-an, khususnya setelah jatuhnya wall street 1987, sejak saat itu
beberapa ahli melakukan penelitian sejenis di berbagai belahan dunia. Pada
umumnya para ahli sepakat bahwa bursa-bursa saham internasional saling
terkait satu sama lain. Bursa saham di USA mempengaruhi bursa saham di
negara-negara lainnya, tetapi tidak sebaliknya.
Beberapa penelitian para ahli juga berpendapat bahwa perekonomian
suatu negara banyak dipengaruhi oleh perkembangan perekonomian negara
lain. Ekonomi negara yang lebih kuat mempunyai kecenderungan untuk
mendominasi negara yang perekonomiannya lebih lemah. Berdasarkan kajian
ini maka diperkirakan negara yang kuat selalu menang dalam persaingan,
sehingga negara yang lemah akan cenderung mengalami kerugian. Hal ini
dapat diartikan juga bahwa ketergantungan negara yang lemah terhadap
negara yang kuat akan semakin nyata.
Pengaruh suatu bursa terhadap yang bursa lain terjadi karena
terintegrasi (Eiteman Stonehill dan Moffet 1995. 565 ) Apleyard (2001. 474)
Integrasi pasar modal terjadi karena adanya transaksi jual beli saham antar
negara yang semakin meningkat terus menurus melibatkan investor asing
5
yang membeli saham di pasar modal dalam negeri dan investor domestic
membeli saham dipasar luan negeri. Oleh karena itu, jika transaksi saham
antar negara naik maka pergerakan indeks harga saham antar negara tersebut
akan naik secara bersamaan (co-movement).
Penelitian sebelumnya tentang pengaruh Indeks saham bursa global
dalam hubungannya dengan besarnya indeks harga saham gabungan (IHSG)
di Bursa Efek Indonesia BEI dilakukan Moh Mansur (2005) . Penelitian ini
menggunakan tujuh bursa saham global. Adapun ketujuh bursa saham global
tersebut adalah KOPSI yang mewakili bursa saham Korea, Hang Seng (HSI)
yang mewakili bursa saham Hong Kong, NIKKEI 225 yang mewakili bursa
saham Jepang, TAIEX yang mewakili bursa saham Taiwan, Dow Jones yang
mewakili bursa saham New York, FTSE yang mewakili bursa saham Inggris,
ASX yang mewakili bursa saham Australia. Metode penelitian yang
digunakan adalah Path Analisis. Hasil penelitian menunjukkan bahwa
pengaruh ketujuh indeks bursa saham global secara bersama-sama
berpengaruh secara signifikan tetapi secara individual hanya indeks bursa
KOSPI, Nikkei 225, TAIEX, dan ASX saja yang mempengaruhi IHSG BEI.
Penelitian selanjutnya mengenai analisa hubungan Indeks Harga
Saham Gabungan (IHSG) Jakarta (JSX), London (FTSE), Tokyo (NIKKEI)
dan Singapura (SSI) (Ludovicus Sensi Wondabio. 2006), menguji pengaruh
IHSG 3 negara (London, Tokyo, Singapura) terhadap kondisi pasar modal di
Indonesia yang tercermin dalam IHSG. Periode penelitian 66 bulan yaitu
mulai Januari 2000 sampai dengan Juni 2005. Dalam penelitian ini
6
menggunakan
metode
Heteroscedasticity
satatistik,
(ARCH)
/
yaitu:
Generalized
Autocorrelation
Condition
Autocorrelation
Condition
Heteroscedasticity (GARCH) Dan Vector Autoregression (VAR). hasil
penelitiaan ini menunjukan bahwa (a) Pola hubungan antara JSX dan FTSE,
NIKEI dan SSI ternyata memiliki hubungan yang berbeda-beda. (b) FTSE dan
NIKKEI ternyata mempunyai pengaruh terhadap JSX,
tetapi JSX tidak
mempunyai pengaruh terhadap FTSE dan NIKKEI. Ini menunjukkan bahwa
kondisi perekonomian negara maju akan berpengaruh terhadap perekonomian
negara berkembang. (c) Hubungan FTSE dan NIKKEI terhadap JSX adalah
negatif atau berbalik dimana jika FTSE / NIKKEI naik maka JSX turun. Ini
menandakan bahwa kenaikan FTSE dan NIKKEI justru menekan JSX. Hal ini
dapat diduga adanya pengalihan investasi oleh para investor. (d) JSX dan SSI
berhubungan simultan tetapi JSX mempengaruhi SSI secara positif sedangkan
SSI mempengaruhi JSX secara negatif. Artinya jika JSX naik maka SSI naik.
Sedangkan jika SSI naik maka JSX malah turun.
Penelitian lain mengenai Pengaruh nilai tukar mata uang dan indeks
harga saham global terhadap pergerakan IHSG dilakukan Ali Fikri Hasibuan
(2009). Penelitian ini bertujuan Untuk menggambarkan pengaruh Nilai Tukar
Mata Uang dan Indeks Harga Saham Global (Indeks Nasdaq, Taiex, Nikkei
dan Kospi) terhadap pergerakan Indeks Harga Saham Gabungan baik secara
simultan maupun parsial di BEI. Hasil penelitian menggunakan regresi linier
berganda menunjukan secara simultan ditemukan terdapat pengaruh yang
signifkan antara nilai tukar mata uang dan indeks harga saham global
7
(Nasdaq, Taiex, Nikkei dan Kospi) terhadap pergerakan IHSG. Dan secara
parsial tidak terdapat pengaruh yang sigifikan variabel indeks Taiex terhadap
pergerakan IHSG, tetapi terdapat pengaruh yang signifikan antara nilai tukar
mata uang dan indeks harga saham global (Nasdaq, Nikkei dan Kospi)
terhadap IHSG yang signifikannya dibawah 5%.
Penelitain lainnya mengenai pengaruh pasar saham dunia (Jakarta
Stock Exchange JKSE), (Straits Times STI), Hongkong (Hangseng-HSI),
Jepang (Nikkei), Amerika Serikat (New York Stock Exchange-NYSE)
terhadap pasar saham Indonesia dilakukan juga Chandra Utama (2008).
Penelitian ini bertujuan untuk mengetahi hubungan masing-masing pasar
dunia terhadap pasar saham Indonesia serta mengetahui arah pengaruh
gerakan pasar saham dunia terhadap pasar saham Indonesia. Hasil penelitian
menggunakan korelasi pearson dan Granger Causality Test menunjukkan
terdapat hubungan saling mempengaruhi antar pasar saham Singapura,
Hongkong, dan Jepang terhadap pasar saham Indonesia. Berarti terdapat
interdependensi antar pasar saham. Interdependensi ini menyebabkan ada
gerakan bersamasama antar pasar saham di Asia. Sedangkan pasar saham
Amerika Serikat yang dalam penelitian ini dianggap mewakili pasar saham
dunia
lebih
memberikan
pengaruh
kepada
pasar
saham
Indonesia
dibandingkan pengaruh pasar saham Indonesia terhadap pasar saham Amerika
Serikat.
8
Berdasarkan latar belakang inilah penulis mencoba untuk menganalisa
tentang “ Analisis Hubungan Kausalitas Pasar Saham Global terhadap Pasar
Saham Indonesia ”
B. Perumusan Masalah
Berdasarkan latar belakang permasalahan yang telah dijelaskan, maka
permasalahan yang akan dibahas adalah:
1. Bagaimana hubungan yang terjadi antara pasar saham global (NIKKEI,
STI, KLCI, HANGSENG, FTSE, ASX, NASDAQ, KSE) dengan pasar
saham Indonesia (IHSG).
2. Apakah ada pengaruh dari pasar saham global (NIKKEI, STI, KLCI,
HANGSENG, FTSE, ASX, NASDAQ, KSE) terhadap pasar saham
Indonesia (IHSG).
C. Tujuan dan Manfaat Penelitian
1. Tujuan Penelitian
Sejalan dengan masalah yang telah dirumuskan di atas, maka
tujuan penulisan dalam melakukan penelitian ini adalah sebagai berikut:
a. Untuk menganalisa hubungan yang terjadi antara pasar saham global
(Nikkei, STI, KLCI, Hang Seng, FTSE, ASX, NASDAQ,
KSE)
dengan pasar saham Indonesia (IHSG).
9
b. Untuk menganalisa pengaruh pasar saham global (Nikkei, STI, KLCI,
Hang Seng, FTSE, ASX, NASDAQ, KSE) terhadap pasar saham
Indonesia (IHSG).
2. Manfaat Penelitian
Adapun hasil dari penelitian ini diharapkan dimanfaatkan untuk,
sebagai berikut:
1. Bagi penulis penelitian ini memberikan kesempatan bagi penulis untuk
menselaraskan ilmu yang telah diperoleh selama proses perkuliahan,
mengembangkan pengetahuan penulis di bidang pasar modal yang
telah menjadi ketertarikan penulis, meningkatkan kompetensi diri,
kecerdasan intelektual, dan emosional.
2. Bagi Universitas merupakan sumbangan pemikiran dalam rangka
meningkatkan pengembangan intelektualitas mahasiswa. Hasil dari
penelitian ini dapat digunakan sebagai suatu gambaran dan informasi
bagi sahabat – sahabat lainya yang ingin melakukan penelitian
selanjutnya di masa depan.
3. Bagi Investor, Hasil penelitian ini dapat dipakai sebagai bahan
referensi untuk penelitian selanjutnya dan juga dapat sebagai bacaan
yang bermanfaat bagi yang memerlukan.
4. Bagi Pemerintah, Hasil studi ini dapat dipergunakan sebagai bahan
referensi bagi pemerintah dalam menentukan suatu kebijakan strategis
dalam menghadapi permasalahan di pasar modal.
10
BAB II
TINJAUAN PUSTAKA
A. Pasar Modal
A stock market or equity market is a public market (a loose
network of economic transactions, not a physical facility or discrete entity)
for the trading of company stock and derivatives at an agreed price; these
are securities listed on a stock exchange as well as those only traded
privately (wikipedia).
Pasar modal dalam arti sempit adalah suatu tempat dalam
pengertian fisik yang terorganisasi dengan efek-efek yang diperdagangkan
yang disebut bursa efek (Rodoni, 2006:158). Dalam arti luas pasar modal
adalah kebutuhan sistem keuangan yang terorganisisr, termasuk bank-bank
komersial dan semua perantara di bidang keuangan serta surat-surat
berharga jangka panjang dan jangka pendek, primer, dan tidak langsung
(Anoraga Pandji dan Piji Pakarti, 7:2006).
Pengertian pasar modal menurut kamus pasar uang dan modal
adalah pasar kongkret atau abstrak yang mempertemukan pihak yang
menawarkan dan pihak yang memerlukan dana jangka panjang. Abstrak
dalam pengertian pasar modal berarti transaksi dilakukan melalui
mekanisme over the counter (OTC).
Sedangkan menurut Undang-Undang No. 8 Tahun 1995 tentang
pasar modal, dinyatakan bahwa pasar modal adalah kegiatan yang
bersangkutan dengan penawaran umum dan perdagangan efek, perusahaan
11
public yang berkaitan dengan efek yang diterbitkan, serta lembaga profesi
yang berkaitan dengan efek.
Dari defenisi tersebut diatas dapat disimpulkan bahwa pasar modal
(Capital Market) merupakan pasar untuk berbagai instrument keuangan
jangka panjang yang diperjualbelikan, baik surat utang (obligasi), equity
(saham), reksadana, instrument derivatife maupun instrument lainnya.
Pasar modal merupakan sarana pendanaan bagi perusahaan maupun
institusi lain (misalnya pemerintah), dan sebagai sarana bagi kegiatan
berinvestasi. Instrument keuangan yang diperdagangkan di pasar modal
merupakan instrument jangka panjang (jangka waktu lebih dari 1 tahun)
saperti saham, obligasi, waran, right, reksa dana, dan berbagai fungsi
instrument derivative saperti option, futures, dan lain-lain.
Pada hakikatnya pasar modal adalah jaringan tatanan yang
memungkinkan pertukaran klaim jangka panjang, penambahan financial
assets (dan hutang) pada saat yang sama, memungkinkan investor untuk
mengubah dan menyesuaikan portofolio investasi. Berlangsungnya fungsi
pasar modal adalah meningkatkan dan menghubungkan aliran dana jangka
panjang dengan kriteria pasarnya secara efesien yang akan menunjang
pertumbuhan riil ekonomi secara keseluruhan (Anoraga Pandji dan pakarji,
5:2006).
Pasar modal merupakan indikator untuk menilai perekonomian
suatu negara karena pasar modal menjalankan fungsi ekonomi dan fungsi
keuangan. Disebut sebagai fungsi ekonomi karena pasar modal
12
menyediakan fasilitas yang mempertemukan dua kepentingan, yaitu pihak
yang memiliki kelebihan dana dengan pihak yang memerlukan dana.
Sebagi fungsi keuangan karena pasar modal membuka kemungkinan dan
kesempatan bagi pemilik dana untuk memperoleh imbalan (return), sesuai
karakteristik investasi.
Pasar modal sendiri terdiri dari pasar primer dan pasar sekunder.
Pasar primer adalah pasar untuk surat-surat berharga yang baru
diterbitkan. Pada pasar ini dana berasal dari pembeli sekuritas kepada
perusahaan yang menerbitkan sakuritas tersebut (sektor investasi).
Sedangkan dalam pasar sekunder terjadi jual beli sekuritas yang sudah ada.
(Van Home dan Wachowicz, 1997, 528) dalam Ludovicus Sensi
Wondabio (2006). Transaksi pada pasar sekunder tidak memberikan
tambahan dana bagi investasi keuangan. Pasar sekunder dikenal sebagai
bursa efek.
B. Diversifikasi Internasional
Konsep diversifikasi berawal dari disertasi Harry Markowitz pada
1952. Dia menurunkan manfaat utama diversifikasi secara kuantitatif dengan
menggunakan portofolio yang terdiri atas dua aset berisiko. Dengan
matematika sederhana, Markowitz berhasil membuktikan kalau risiko
portofolio dapat menjadi minimum jika kedua aset itu mempunyai koefisien
korelasi negatif sempurna yaitu -1. Markowitz juga menemukan bahwa
13
diversifikasi selalu dapat menurunkan risiko portofolio sepanjang koefisien
korelasi tidak positif sempurna atau lebih kecil dari satu.
Diversifikasi adalah sebuah strategi investasi dengan menempatkan
dana dalam berbagai instrument investasi dengan tingkat risiko dan potensi
keuntungan yang berbeda, atau strategi ini biasa disebut dengan alokasi aset
(asset allocation). Alokasi aset ini lebih fokus terhadap penempatan dana di
berbagai instrumen investasi. Bukan menfokuskan terhadap pilihan saham
dalam portofolio. Dari hasil studi, perbedaan performa lebih banyak
dikarenakan oleh alokasi aset (asset allocation) bukannya pilihan investasi
(investment selection). Diversifikasi bertujuan untuk mengurangi tingkat
risiko dan tetap memberikan potensi tingkat keuntungan yang cukup.
Menurut Rodoni (2008: 91) faktor yang penting dalam diversifikasi
ialah korelasi yang rendah antara keuntungan. Semakin rendah korelasi ini,
maka semakin besar manfaat diversifikasi portofolio. Lessard (1973) telah
menujukan bahwa koefisien determinasi berhubungan secara terbalik dengan
keinginan menginvestasikan di satu negara.
Dampak globalisasi yang terjadi pada abad 21 terhadap ekonomi
menyebabkan pengintegrasian ekonomi nasional bangsa-bangsa kedalam
sebuah sistim ekonomi global. Semangat globalisasi ini mendorong para
investor di berbagai negara melakukan diversifikasi internasional yang
menyebabkan adanya portofolio internasional.
Diversifikasi internasional memberikan manfaat lebih besar bagi
investor dibanding hanya berinvestasi pada pasar lokal. Dalam jangka
14
panjang, kontribusi return melalui diversifikasi internasional yang diperoleh
investor akan lebih tinggi dibanding investasi investasi yang hanya dilakukan
pada pasar modal lokal. Dengan melakukan diversifikasi internasional,
investor akan memperoleh manfaat pengurangan resiko pada tingkat
keuntungan tertentu. Besarnya manfaat yang akan diperoleh investor akan
sangat tergantung dari koefisien korelasi, resiko dan tingkat return di masingmasing pasar modal tersebut (Eduardus Tandelilin, 2010).
Faktor-faktor yang mempengaruhi pemodal asing untuk menanamkan
modalnya di pasar modal (Rawley, 1987) dalam Rodoni (2008: 93) antara
lain:
a. Nilai kapitalisasi sekuritas yang terdapat disuatu bursa.
b. Likuiditas sekuritas yang terdapat di bursa.
c. Peraturan yang melindungi pemodal dari kecurangan.
d. Mutu dan penyebaran informasi.
C. Indeks Harga Saham
1. Pengertian Indeks Harga Saham
Menurut Downes dan Goodman (1994:251) dalam Mansur
(2003:206), indeks adalah "gabungan statistik yang mengukur perubahan
dalam ekonomi atau dalam pasar finansial, dan seringkali dinyatakan
dalam perubahan persentase dari suatu tahun dasar atau bulan
sebelumnya". Karena indeks ini menyangkut sejumlah fakta maupun
15
besaran tertentu yang menggambarkan perubahan-perubahan harga saham
dimasa lalu yang dipandang merupakan suatu bentuk informasi historis
yang sangat tepat untuk menggambarkan pergerakan harga saham dimasa
lalu serta memberikan deskripsi harga-harga saham pada suatu saat
tertentu maupun dalam periode tertentu pula, maka indeks ini dapat
disebut sebagai indeks harga saham.
Indeks harga saham adalah suatu indikator yang menunjukan
pergerakan harga saham. Indeks harga saham merupakan indikator yang
secara umum mencerminkan kecendrungan pergerakan harga saham
dibursa efek. Perhitungan harga saham dilakukan secara terus menerus
dengan berpatokan pada harga saham terakir yang terjadi di bursa efek
yang bersangkutan ( Anoraga Pandji 2006:100).
Ada beberapa macam pendekatan atau metode perhitungan yang
digunakan untuk menghitung indeks, yaitu: (1) menghitung rata-rata
(arithmetic mean) harga saham yang masuk dalam anggota indeks, (2)
menghitung (geometric mean) dari indeks individu saham yang masuk
anggota indeks, (3) menghitung rata-rata tertimbang nilai pasar, umumnya
semua indeks harga saham gabungan (composite) menggunakan rata-rata
tertimbang termasuk di Bursa Efek Jakarta.
2. Pergerakan Indeks Saham
Indeks saham merupakan indikator utama untuk menggambarkan
pergerakan harga dari sekuritas-sekuritas. Indeks harga saham setiap hari
dihitung menggunakan harga saham terakir yang terjadi di bursa.
16
Pergerakan indek secara signifikan dipengaruhi oleh pergerakan atau
perubahan harga saham-saham dengan kapitalisasi besar, dan sebaliknya
dalam indeks yang dihitung berdasarkan rata-rata tertimbang nilai pasar,
perubahan harga saham-saham dengan kapitalisasi kecil tidak telalu
berdampak terhadap indeks.
Untuk menggambarkan pergerakan seluruh saham disatu bursa
maka sampel yang diambil harus representatif, meskipun tidak harus besar.
Dibeberapa bursa saham yang jumlah emitennya belum banyak, maka
indeks dihitung dari seluruh saham seperti di Bursa Taiwan, Korea,
Copenhagen dan IHSG.
Di sebagian besar bursa saham lainnya, indeks agregat sahamnya
tidak menganbil seluruh populasi tetapi menngunakan sampel yang
refresentatif (indek LQ 45 dan indeks 100 saham) itu telah terpilih. Dalam
menetukan sampel atau populasi untuk menghitung indeks ada beberapa
bobot yang ditentukan. Ada empat cara untuk pembobotan yang bisa
digunakan, yaitu berdasarkan harga, nilai kapitalisasi, saham yang beredar
di public (free float), dan tidak tertimbang (J. Soedradjad Dwiwandono)
dalam (Dian Nurdiansyah, 2009)
a. Berdasarkan Harga
Indeks saham berdasarkan harga yang paling popular dalah
Dow Jones Industrial Average (DJIA). DJIA sebagai indeks pertama
yang berdasarkan harga yang merupakan harga rata-rata dari 30 saham
industri besar dan terkenal. Selain DJIA, indeks saham lain yang
17
berdasarkan harga adalah Nikkei 225 dari bursa Tokyo. Perhitungan
indeks ini menyebabkan saham yang berharga tinggi mempunyai
pengaruh yang besar.
b. Berdasarkan Nilai
Berbeda dengan indeks berdasarkan harga, indeks berdasarkan
nilai memberikan bobot yang lebih besar pada saham yang
berkapitalisasi pasar besar dan bukan pada saham berharga tinggi.
Kapitalisasi pasar adalah jumlah saham tercatat dikalikan dengan harga
pasarnya.
Indeks berdasarkan nilai digunakan di Bursa Efek Indonesia
(BEI) untuk menghitung Indeks Harga Saham Gabungan (IHSG).
Indeks LQ 45, Jakarta Islamic Indeks, dan sekitar 10 indeks sektoral di
BEI. Indeks berdasrkan kapitalisasi ini juga digunakan untuk indeks
S&P 500, indeks NYSE, Nasdaq, dan Hang Seng.
Keunggulan indeks berdasarkan nilai adalah perubahan indeks
mencerminkan perubahan nilai kapitalisasi pasar jika mencakup
seluruh saham di suatu bursa. Jika suatu indeks naik maka nialai
kapitalisasi pasar pada bursa tersebuat akan naik. Perhitungan indeks
berdasrkan nilai menyebabkan saham yang mempunyai kapitalisasi
besar lebih menentukan pergerakan indeks dibandingakan dengan
saham berkapitalisasi kecil.
18
c. Indeks Tak Tertimbang
Indeks tak tertimbang atau indeks yang memberikan bobot
sama kepada semua saham tanpa melihat harga atau kapitalisasi pasar
saham itu. Model ini relative jarang digunakan, indeks tak ter timbang
digunakan untuk bursa saham Singapura, Milan, dan Value Line.
d. Saham Beredar
Indeks berdasarkan saham beredar di publik berusaha untuk
mengoreksi indeks berdasarkan nilai. Jika indeks berdasarkan nilai
menggunakan seluruh saham tercatat sebagai dasar pembobotan,
indeks ini hanya menggunakan jumlah saham yang beredar untuk
menghitung nilai kapitalisasi. Penggunaan indeks ini menyebabkan
saham yang mempunyai saham beredar dengan kapitalisasi terbesar
yang paling menentukan pergerakan indeks.
3. Indeks Harga Saham di Indonesia, Jepang, Singapore, Malaysia,
China, Korea, Amerika, London, Australia, Kuwait
a. Indeks Harga Saham Gabungan (IHSG)
Indeks Harga Saham Gabungan diperkenalkan pertama kali
pada April 1983, yang digunakan sebagai indikator utama untuk
memantau pergerakan harga saham secara keseluruhan di bursa saham
Indonesia (Bursa Efek Indonesia). Indeks ini mencakup semua saham
biasa maupun saham preferen. Indeks Harga Saham Gabungan (IHSG)
sebenarnya merupakan angka indeks harga saham yang sudah disusun
dan dihitung sehingga menghasilkan tern, diman angka indeks adalah
19
angka yang diolah sedemikian rupa sehingga dapat digunakan
membandingkan kejadian yang dapat berupaa perubahan harga saham
dari waktu ke waktu.
Rumus yang digunakan adala metode value weighted dan
mengambil hari dasar pada tanggal 10 Agustus 1982. Dalam
perhitungan angka indeks ini digunakan, yaitu waktu dasar (base
period) dan waktu yang sedang berjalan (given parent period). Waktu
dasar adalah waktu yang dimana suatu peristiwa dipergunakan sebagai
dasar perbandingan dengan waktu yang berjalan, sedangkan waktu
berjalan adalah waktu dimana suatu kegiatan atau peristiwa akan
dibandingkan dengan waktu dasarnya.
Dasar perhitungan IHSG adalah jumlah Nilai Pasar dari total
saham yang tercatat pada tanggal 10 Agustus 1982. Jumlah Nilai Pasar
adalah total perkalian setiap saham tercatat (kecuali untuk perusahaan
yang berada dalam program restrukturisasi) dengan harga di BEI pada
hari tersebut. Formula perhitunagn indeks menurut (Iskandar Z. Alwi
2003: 89).
IHSG
= Indeks Harga Saham Gabungan
Nilai Pasar
= total harga semua saham pada waktu yang berlaku
Nilai Dasar
= total harga semua saham pada waktu dasar
Perhitungan indeks dilakukan setiap hari, yaitu setelah
penutupan
perdagangan
setiap
harinya.
Perhitungan
indeks
20
mempresentasikan pergerakan harga saham di pasar/bursa yang terjadi
melalui sistim perdagangan lelang. Harga saham yang digunakan
dalam menghitung IHSG adalah harga saham di pasar regular yang
didasarkan pada harga yang terjadi berdasarkan sistim lelang
(www.wapapers.com).
Indeks Harga Sahan Gabungan yang digunakan dalam
penelitian ini untuk mewakili bursa saham Indonesia karena Indeks
Harga Saham Gabungan mencerminkan pasar modal Indonesia secara
keseluruhan
yang
mempresentasikan
pergerakan
bursa
saham
Indonesia.
b. Nikkei 225 Index (Indeks Bursa Jepang)
Nihon Kaizui Simbun adalah indeks pasar pasar saham untuk
bursa Tokyo yang merupakan lembaga yang diberi wewenang untuk
melaksanakan Nikkei Stock Average yang berfungsi sebagai indikator
pergerakan rata-rata harga saham.
Indeks Nikkei merupakan gabungan dari 225 saham-saham
blue chip yang terdaftar di papan atas bursa Tokyo sebagai indeks
pengukur pergerakan harga saham. Metode perhitungan indeks Nikei
225
menggunakan
Weghted
Average
Method
seperti
halnya
perhitungan Dow Jones (www.wikipedia.com)
c. Singapore Straits Times Price Indeks (STI)
The staits times price indeks (STI) diluncurkan dalam rangka
pengklarifikasian kembali perusahaan yang terdaftar di Singapore
21
Exchange, menggantikan Straits Times Industrial Indeks (STII), dan
mulai difungsikan pada tanggal 31 Agustus 1998 pada posisi 885,26
point. Straits Times Indeks dihitung berdasarkan Market Value
Weighted dari 30 saham perusahaan yang mewakili perusahaan yang
terdaftar di Singapore Exchange.
Indeks ini dibuat oleh Singapore Press Holding, Singapore
Exchznge dan professor Tse Yiu Juen dari Singapore Manajement
University dan di tinjau ulang paling tidak setahun sekali atau kapan
saja bila diperlukan. Indeks tersebut mempresentasikan 78% dari ratarata nilai transaksi harian selama 12 bulan dan 61,2% dari total
kapitalisasi pasar dibursa efek tersebut. Namun, sejak 18 Maret 2005,
jumlah saham perusahaan yang masuk ke dalam indeks ini di
tambahkan menjadi 50 perusahaan harian rata-rata dalam periode 12
bulan menjadi 60% dan menaikan total kapitalisasi pasar di bursa efek
Singapore menjadi 75% (www.wikipedia.com)
d. Hang Seng Index (HSI)
Hang Seng Index (HSI) dalah indeks komulatif dari 40 saham
blue chip dari Hong Kong Stock Market, yang merupakan salah satu
index saham terpercaya, yang digunakan para investor dan fund
manager untuk berivestasi. Saham-saham yang yangterdaftar di dalam
indeks ini berasal dari berbagai sektor, seperti Industri, Finance,
Propertis dan sebagainya.
22
Hangseng pertamakali diperdagangkan pada tanggal 24
Novenber 1969, dan dikelola oleh HIS Services limited, yang
merupakan perusahaan pemilik Hang Seng Bank, bank terbesar di
Hongkong dalam hal kapitalisasi pasar. Seluruh 40 saham yang
terdapat pada HIS mewakili sekitar 70% dari kapitalisasi pasar di bursa
saham hongkong. Karena itu naik dan turunnya indeks HIS merupakan
refleksi performa dari keseluruhan saham-saham yang diperdagangkan.
e. Korea Composite Stock Indeks (KOSPI)
Korea Composite Stock Indeks (KOSPI) diperkenalkan
pertama kali pada tahun 1983 dengan nilai dasar 100 pada tanggal 4
Januari 1980. Kospi adalah indeks harga saham untuk seluruh saham
biasa yang diperdagangkan di bursa saham Korea. Indeks ini
merupakan refresentatif dari indeks harga saham di Korea Selatan
(Korea Exchange). Indeks ini di hitung berdasarkan kapitalisasi pasar.
Kospi merupakan indeks utama di Korea Selatan yang terdiri
dari 200 saham utama paling liquid yang diperdangangkan oleh bursa
saham Korea (Dian Nurdiansyah, 2009).
f. FTSE 100 Indeks
FTSE 100 adalah indeks dari 100 perusahaan dengan nilai
kapitalisasi tertinggi yang diperdagangkan di London Stock Exchange.
Perusahaan yang sahamnya masuk kedalam indeks ini harus terdaftar
penuh di London Stock Exchange. Perusahaan yang masuk kedalam
FTSE harus memenuhi beberapa persyaratan yang ditetapkan oleh
23
FTSE Group, termasuk memiliki daftar lengkap di London Stock
Exchange dengan Sterling atau harga mata uang Euro SETS, dan
pertemuan tes tertentu pada kebangsaan, bebas mengambang, dan
likuiditas. FTSE 100 perusahaan mewakili sekitar 81% dari
kapitalisasi pasar dari seluruh London Stock Exchange.
FTSE
merupakan indikator pergerakan pasar saham inggris (www.ftse.com).
g. Australian Stock Exchange 200 Index (ASX 200)
Bursa efek Australia Australian Securities Exchange (ASX)
adalah merupakan bursa efek utama di Australia. ASX diawali sebagai
bursa swasta yang didirikan pada awal tahun 1861. Perdagangan di
ASX dilakukan sepenuhnya dengan sistim perdagangan elektronik.
ASX
200
Indeks
merupakan
tolok
ukur
untuk
investable Australian Securities Exchang. Mengukur kinerja terbesar
200 daftar saham yang memenuhi persyaratan indeks di bursa. Indeks
tersebut meliputi sekitar 80% dari kapitalisasi pasar saham Australia.
Australian Stock Exchange (ASX) adalah merupakan hasil
penggabungan usaha (merger) antara Australian Stock Exchange dan
Sydney Futures Exchange, dan nama perusahaan hasil penggabungan
usaha tersebut adalah Australian Securities Exchange (ASX) sejak 5
Desember 2006. Berdasarkan data per 30 Juni 2007, kapitalisasi pasar
domestiknya sebesar $1.63 trilyun AUD dengan jumlah perusahaan
publik yang terdaftar sebanyak 2.090 perusahaan (www.asx.com).
24
h. Kuwait Stock Exchange (KSE)
Kuwait Stock exchange adalah pasar saham dari The State of
Kwait yang merupakan bursa saham yang terbesar di teluk Persia, dan
kini memperoleh ketenaran sebagai salah satu pasar saham yang paling
potensial di dunia (www.kse.com).
i. Kuala Lumpur Composite Indeks (KLCI)
Kuala Lumpur Composite Indeks diperkenalkan pada tahun
1986 yang merupakan indek pasar saham utama di Malaysia yang
menjadi barometer pasar saham lokal yang berfungsi sebagai indikator
kinerja yang akurat dari pasar saham dan keadaan ekonomi Malaysia.
Klse terdiri dari 30 perusahaan terbesar yang terdaftar di Malaysia.
Kuala Lumpur Composite Indeks merupkan salah satu dari tiga indeks
utama yang ada di Malaysia.
Kuala Lumpur Composite Indeks adalah kapitalisasi tertimbang
indeks pasar saham yang memiliki nilai dasar 100 per 2 Januari 1977.
Pergerakan Kualalumpur Composite Indeks merupakan indikator
penting bagi para investor dalam melakukan investasi. Hal ini
disebabakan karena pergerakan harga saham selalu berubah-ubah
setiap waktu baik menit maupun detik. Setiap perubahan harga saham
akan mencerminkan keadaan pasar saham tersebut (www.klse.com).
25
j. National Association of Securities Dealer Automated (NASDAQ)
National
Association
of
Securities
Dealers
Automated
Quotations dioperasikan pada tanggal 8 februari pada tanun 1971.
Nasdaq merupakan pasar elektronik pertama di dunia. Sejak yahun
1999, Nasdaq adalah bursa saham terbesar di Amerika Serikat dengan
lebih dari setengah jumlah perusahaan yang diperdagangkan di AS
dicatat di sini. Nasdaq terdiri dari Nasdaq National Market dan
Nasdaq SmallCap Market. Bursa utamanya terletak di Amerika
Serikat, dengan cabang di Kanada dan Jepang. Nasdaq juga
mempunyai asosiasi dengan bursa saham di Hong Kong dan Eropa.
Pada 17 Juli 1995 Nasdaq ditutup pada level di atas 1.000 poin
untuk pertama kalinya. Puncaknya terjadi pada 10 Maret 2000, di
mana indeks mencapai 5048,62 poin (www.wikipedia.com).
D. Pengaruh Indeks Bursa Global Terhadap IHSG BEI
Para ahli berpendapat bahwa kondisi perekonomian suatu negara akan
berpengaruh terhadap kondisi perekonomian negara. Kondisi krisis negaranegara Asia tahun 1997 menurut penelitian Bank Dunia terutama disebabkan
oleh adanya contagion effect (domino effect) dari negara lain (Tan, Jose
Antonio, 1998). Belajar dari krisis tahun 1997, Indonesia sebagai salah satu
negara berkembang ternyata hingga saat ini masih sangat tergantung pada
kondisi perekonomian luar negri terutama yang berkaitan dengan investasi.
Akibatnya, kondisi pasar modal di Indonesia diduga dipengaruhi oleh kondisi
26
luar negeri terutama kondisi pasar modal yang ada pada negara-negara maju
(Ludovicius Wondabio, 2006).
Keterkaitan pasar modal Indonesia dengan pasar modal luar negeri
dimulai setelah diperbolehkannya para investor untuk ikut menguasai sahamsaham yang tercatat di BEI. Investasi portofolio asing berperan sangat penting
di pasar modal manapun (Mobius, 1998:187) dalam Moh. Mansur (2005).
Diperkenalkannya investor asing ke pasar tentu saja berfungsi sebagai
katalis yang mendorong investasi lokal. Investasi asing berpengaruh dalam
menyorot perusahaan yang memberikan informasi keuangan paling transparan
dan valuasi terbaik, masuknya dana-dana asing ke pasar-pasar baru
berpengaruh jelas dan menguntungkan bagi pertumbuhan dan struktur pasar.
Walaupun peranan investor domestik makin meningkat akan tetapi terdapat
kebiasaan dari investor domestik untuk melakukan strategi mengekor pada
investor asing atau setidaknya investor domestik menggunakan perilaku
investor asing sebagai acuan. Sehingga saat investor asing melepas sahamnya
investor domestik pun ikut-ikutan, akibatnya indeks dapat turun semakin
tajam.
Investor asing menanamkan modalnya pada bursa seluruh dunia
sehingga antara bursa-bursa didunia mempunyai keterkaitan secara global.
Kejadian dan dinamika harga saham antara satu bursa dengan bursa yang lain
saling pengaruh mempengaruhi terutama dengan bursa dari negara-negara
berdekatan
misalnya
crash
yang
terjadi
di
bursa
Singapura
akan
27
mengakibatkan crash pada bursa-bursa Taiwan, Hongkong, Jepang maupun
Indonesia. Demikian pula sebaliknya (Mansur 2005:206).
E. Contagion Effect Theory (Efek Domino)
Para ahli berpendapat bahwa kondisi perekonomian suatu negara akan
berpengaruh terhadap kondisi perekonomian negara. Kondisi krisis negaranegara Asia tahun 1997 menurut penelitian Bank Dunia terutama disebabkan
oleh adanya contagion effect (domino effect) dari negara lain (Tan, Jose
Antonio, 1998). Belajar dari krisis tahun 1997, Indonesia sebagai salah satu
negara berkembang ternyata hingga saat ini masih sangat tergantung pada
kondisi perekonomian luar negri terutama yang berkaitan dengan investasi.
Akibatnya, kondisi pasar modal di Indonesia diduga dipengaruhi oleh kondisi
luar negeri terutama kondisi pasar modal yang ada pada negara-negara maju
(Ludovicius Wandobio, 2006).
Efek domino adalah mata rantai reaksi yang terjadi ketika sebuah
perubahan, baik kecil maupun besar, yang menyebabkan perubahan yang sama
didekatnya, dimana nantinya akan menyebabkan perubahan lainnya yang sam
pula. Efek domino juga bisa digunakan untuk menggambarkan mata rantai
reaksi perubahan pada aktivitas tertentu.
Dalam pasar keuangan, termasuk pasar saham juga ada efek domino,
dan dapat digunakan sebagai metode analisa dasar dari pergerakan harga. Efek
domino terjadi di dunia keuangan melibatkan fakto-faktor yang berasal dari
pasar-pasar yang berbeda.
28
F. Teori Pasar Kuat Terhadap Pasar yang Lemah
Dalam penelitian Ludovicius Wandobio, 2006. Menurut para ahli,
liberalisasi
dalam
bidang
perekonomian
cenderung
menguntungkan
perekonomian negara maju dan berdampak merugikan terhadap perekonomian
negara yang sedang berkembang akibat lemahnya pondasi perekonomian yang
dimilikinya. Pola pengembangan perekonomian antara negara-negara maju
(developed countries) ternyata memiliki perbedaan dengan negara-negara
yang sedang berkembang (developing countries). Dalam perekonomian dunia
saat ini, suatu negara yang memiliki capital yang kuat pasti unggul dalam
setiap transaksi perekonomian.
G. Penelitian Terdahulu
Beberapa penelitian yang dilakukan oleh peneliti terdahulu, yaitu:
Penelitian yang dilakukan oleh Moh. Mansur (2005) mengenai
perkembangan indeks harga saham bursa global dalam hubungannya dengan
besarnya indeks harga saham gabungan (IHSG) di Bursa Efek Indonesia BEI.
Penelitian ini menggunakan tujuh bursa global. Adapun ketujuh bursa saham
global tersebut adalah KOSPI yang mewakili bursa saham Korea, Hang Seng
(HSI) yang mewakili bursa saham Hong Kong, Nikkei 225 yang mewakili
bursa saham Jepang, TAIEX yang mewakili bursa saham Taiwan, Dow Jones
yang mewakili bursa saham New York Amerika Serikat, FTSE yang mewakili
bursa saham London Inggris, ASX yang mewakili bursa saham Australia.
Model yang digunakan adalah Path Analysis. Hasil penelitian menunjukkan
29
bahwa pengaruh ketujuh indeks bursa saham global secara bersama-sama
berpengaruh secara signifikan tetapi secara individual hanya indeks bursa
KOSPI, Nikkei 225, TAIEX, dan ASX saja yang mempengaruhi IHSG BEJ.
Penelitian dari Ludovicus Sensi Wondabio (2006) yang meneliti
tentang pengaruh dari Nikkei 225, SSI (Singapura), FTSE (London) terhadap
IHSG.
Metode
yang
digunakan
adalah
Granger
Causality
dan
ARCH/GARCH. Hasil penelitian menunjukan bahwa secara signifikan semua
indeks yang diteliti yaitu Nikkei, SSI, FTSE berpengaruh terhadap IHSG. Hal
tersebut menunjukan bahwa indeks dari negara-negara maju mempengaruhi
indeks dari negara yang sedang berkembang.
Penelitian yang dilakukan Chandra Utama (2008) mengenai pengaruh
pasar saham dunia terhadap pasar saham Indonesia. Tujuan penelitian ini
adalah untuk mengetahui hubungan masing-masing pasar dan arah pengaruh
gerakan pasar saham lain terhadap pasar saham Indonesia.
Data yang
digunakan dalam penelitian ini adalah data indeks harga saham gabungan dari
pasar saham Amerika Serikat, Singapura, Jepang, Hong Kong dan Indonesia
periode Juli 1997 sampai Juli 2008. Metode yang digunakan yaitu korelasi
pearson dan Granger Causality. Hasil penelitian menunjukan
bahwa ada
hubungan antara pasar saham dunia dengan pasar saham Indonesia. Pasar
saham dunia terutama pasar saham Amerika Serikat lebih mempengaruhi
pasar saham Indonesia dan hanya pada saat krisis tahun 1997 saja pasar saham
Indonesia mempengaruhi pasar saham Amerika Serikat. Sebagian besar
hubungan kausalitas yang ada, terutama pasar saham Asia adalah hubungan
30
kausalitas saling mempengaruhi dengan pasar saham Indonesia. Terdapat
interdependensi pasar saham Indonesia dengan pasar saham Asia.
Penelitian yang dilakukan oleh Bodi Frensidy (2008) mengenai
analisis pengaruh aksi beli jual asing, kurs, dan Indeks Hang Seng terhadap
Indeks Harga Saham Gabungan. Metode yang digunakannya adalah GARCH.
Hasil dari penelitiannya menunjukan bahwa aliran dana bersih asing,
perubahan kurs, dan perubahan indeks Hang Seng mampu mempengaruhi
secara signifikan perubahan Indeks Harga Saham Gabungan. Hal ini
menunjukan bahwa jika perubahan aliran dana bersih asing dan perubahan
Indeks Hang Seng positif maka perubahan IHSG akan positif juga. Ini berarti
jika perubahan aliran dana bersih asing dan perubahan Indeks Hang Seng naik
maka perubahan IHSG akan naik juga. Sedangkan persentase perubahan kurs
negatif yang artinya jika kurs dolar Amerika menguat maka perubahan IHSG
negatif. Hal tersebut menunjukan bahwa keadaan makro luar negri juga sangat
berpengaruh terdadap perubahan IHSG.
Penelitian dari Adwin Surja Atmaja (2005) meneliti interaksi dinamis
antara indeks harga saham yang terdapat di lima negara ASEAN, yaitu
Indonesia, Malaysia, Filipina, Singapura, dan Thailand yang terjadi selama
masa krisis financial Asia tahun 1997 dan periode sesudahnya. Metode yang
digunakan adalah Vector Error Corection Model (VECM). Hasil dari
penemuan ini adalah diversifikasi portofolio saham pada lima pasar saham
tersebut agaknya tidak secara signifikan mengurangi tingkat resiko investasi.
31
Hal ini dikarenakan oleh tingginya tingkat integrasi diantara pasar saham
tersebut.
Penelitian yang dilakukan Ardo Ryan Dwitanto (2005) yang meneliti
mengenai pengaruh indeks saham Dow Jones terhadap IHSG dan nilai tukar
rupian terhadap dollar AS pada masa krisis ekonomi. Penelitian ini
menggunakan VECM yang hasilnya menunjukan bahwa Dow Jones
berpengaruh negatif terhadap nilai tukar rupiah namun tidak berpengaruh
terhadap IHSG selama masa krisis.
Penelitian lain mengenai Pengaruh nilai tukar mata uang dan indeks
harga saham global terhadap pergerakan IHSG dilakukan Ali Fikri Hasibuan
(2009). Penelitian ini bertujuan Untuk menggambarkan pengaruh Nilai Tukar
Mata Uang dan Indeks Harga Saham Global (Indeks Nasdaq, Taiex, Nikkei
dan Kospi) terhadap pergerakan Indeks Harga Saham Gabungan baik secara
simultan maupun parsial di BEI. Hasil penelitian menggunakan regresi linier
berganda menunjukan secara simultan ditemukan terdapat pengaruh yang
signifkan antara nilai tukar mata uang dan indeks harga saham global (nasdaq,
taiex, nikkei dan kospi) terhadap pergerakan IHSG. Dan secara parsial tidak
terdapat pengaruh yang signifikan variabel indeks taiex terhadap pergerakan
IHSG, tetapi terdapat pengaruh yang signifikan antara nilai tukar mata uang
dan indeks harga saham global (Nasdaq, Nikkei dan Kospi) terhadap IHSG
yang signifikannya dibawah 5%.
32
H. Kerangka Pemikiran
Penelitian ini bertujuan untuk mengetahi hubungan yang terjadi antara
pasar saham global terhadap pasar saham Indonesia. Data yang digunakan
dalam penelitian ini berupa data time saries bulanan dari indeks tiap negara
yang menjadi objek penelitian. Metode yang digunakan adalah uji akar unit,
Granger Causality Test, Regresi, ARCH/GARCH dan VAR.
Langkah pertama dilakukan uji akar unit yang bertujuan untuk melihat
data stasioner atau tidak, biasanya data time series selalu mempunyai masalah
otokorelasi dan heteroskedastisitas. Hal ini akan menyebabkan model regresi
yang dihasilkan tidak memenuhi asumsi klasik. Untuk menghilangkan
masalah tersebut dilakukan uji akar unit. Selanjutnya menggunakan Granger
Causality Test untuk mengetahui arah pengaruh gerakan pasar lain terhadap
pasar Indonesia, apakah terjadi hubungan satu arah atau dua arah (saling
mempengaruhi). Jika diketahui hubungan yang terjadi tersebut adalah dua arah
maka selanjutnya akan dilakukan uij VAR (Vector Autoregresive) untuk
mengetahui pengaruh yang terjadi anatar variabel tersebut. Jika yang terjadi
hubungan searah maka akan dilakukan uji Regresi. Langkah berikutnya adalah
pengujian Heteroskedastisitas data dengan uji White Heteroskedastisitas Test,
jika
data
terjadi
heteroskedastisitas
maka
akan
digunakan
model
ARCH/GARCH untuk mengetahui pengaruh yang terjadi antar variabel.
33
Kerangka Pemikiran
Bursa
Saham
- Nikkei
Nasdaq
-KLCI
- Hang Seng -STI
- FTSE
IHSG
- ASX
- KOSPI
Granger Causality Test
Dua Arah
Satu Arah
VAR
Regresi
a. Stasioner
b. Uji
Heteroskedastisita
s
ARCH/GARC
Interpretasi
Kesimpulan
Gambar 2.1
I. Hipotesis
34
Hipotesis yang akan di uji dalam skripsi ini adalah:
1. H0
: Tidak terdapat hubungan antara pasar modal dunia dengan pasar
modal Indonesia.
H1
: Terdapat hubungan antara pasar modal dunia dengan pasar modal
Indonesia.
2. H0
: Tidak terdapat pengaruh yang signifikan antara pasar saham
global terhadap pasar saham Indonesia.
H1
: Terdapat pengaruh yang signifikan antara pasar saham global
terhadap pasar saham Indonesia.
35
BAB III
METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah menganalisis pengaruh pasar
saham global (Nikkei, STI, KLCI, KOSPI, Hang Seng, NASDAQ, FTSE,
ASX, dan KSE) terhadap pasar saham Indonesia (IHSG). Periode yang diteliti
Januari 1999 sampai Desember 2009.
B. Metode Penentuan Sampel
Populasi dalam penelitian ini adalah seluruh aktivitas pergerakan
index-index harga saham di Negara Indonesia, Jepang, Singapore, Malaysia,
Korea, China, Amerika Serikat, London, Australia, Kuwait mulai dari Januari
1999 sampai dengan Desember 2009. Sampel yang dipilih adalah IHSG,
Nikkei, STI, KLCI, KOSPI, Hang Seng, NASDAQ, FTSE, ASX, dan KSE.
C. Metode Pengumpulan Data
Penelitian ini menggunakan data sekunder berupa data runtun waktu
(time series) dengan skala bulanan yang diambil dari sumber data antara lain
BEI dan Yahoo Finance. Metode yang digunakan dalam pengumpulan data
untuk melakukan penelitian ini adalah sebagai berikut :
36
1. Library Research
Data yang diperoleh dari berbagai literatur seperti buku, majalah,
jurnal, koran, internet dan hal lain yang berhubungan dengan aspek
penelitian sebagai upaya untuk memperoleh data yang valid.
2. Field Research
Data yang digunakan dalam penelitian ini adalah data yang bersifat
sekunder yaitu data yang diperoleh pihak lain (yang berkaitan) dengan
penulisan proposal ini, seperti pusat referensi pasar modal di Bursa Efek
Indonesia.
3. Internet Research
Terkadang buku referensi atau literature yang kita miliki atau
pinjem diperpustakaan tertinggal selama beberapa waktu atau kadarluarsa,
karena ilmu yang selalu berkembang, penulis melakukan penelitian dengan
teknologi yang berkembang yaitu internet sehingga data yang diperoleh up
to date seperti: www.yahoo.finance.com, www.wikipedia.com.
D. Metode Analisis
Dalam penelitian ini akan dipergunakan sebagai alat analisis adalah
program Eviews, dengan berbagai metode analisis yang ada dalam
ekonometri, yaitu:
1. Test Granger Causality
Merupakan metode untuk melihat bentuk hubungan antar variabel
(searah atau dua arah). Pada Uji Granger Causalitas yang dilihat adalah
37
pengaruh masa lalu terhadap kondisi sekarang, sehingga data yang
digunakan adalah data time series. Pertanyaan yang sering muncul dalam
uji kausalitas granger adalah: “berapa lag yang harus digunakan?”. Lag
yang kecil biasanya lebih baik karena pada umumnya pengaruh lag yang
berdekatan lebih tinggi dibanding lag yang lebih jauh (Nachrowi
2006,264).
Dalam penelitian ini, uji Granger Causality digunakan untuk
memlihat apakah terdapat hubungan langsung maupun Bilateral Causality
diantara variabel-variabel penelitian.
2. Metode Estimasi
Metode yang digunakan adalah metode kuadrat kecil (Ordinary
Least Square Method) yaitu metode yang berusaha meminimalkan jumlah
Deviasi Kuadrat. Deviasi atau residual dari sampel (sample error) adalah
selisih antara nilai prediksi dengan nilai sesungguhnya dari variabel
terikat. Keakuratan dan validitas model tergantung dari 10 (sepuluh)
asumsi dasar dari OLS yaitu:
a. Model bersifat linier
b. Variabel independen bersifat non stokastik
c. Faktor disturbance atau error mempunyai nilai mean nol
d. Homokedasticity atau nilai residual sama besar
e. Tidaka ada otokorelasi antara sesama error dan residual
f. Tidak ada korelasi antara error/residual dengan variabel bebas
g. Jumlah observasi harus lebih besar dari variabel yang akan diestimasi
38
h. Nilai variabel independen tidak boleh sama dalam satu kolom
i. Model dispesifikasi dengan benar
j. Tidak terjadi multikolinearitas (hubungan antara variabel independen)
yang sempurna.
Bila seluruh asumsi terpenuhi, maka pendugaan yang diperoleh
dari metode kuadrat terkecil ini memiliki karakteristik/bersifat BLUE
(Best Linier Unbissed Estimator). Disebut Unbiassed karena nilai harapan
dari pendugaan sama dengan nilia para meter, dan disebut best karena
dengan metode ini akan diperolah varians/penyimpanan terkecil.
Pengujian Asumsi Klasik
Menurut Gujarati agar karakteristik BLUE dapat dicapai model
harus memenuhi asumsi klasik yaitu tidak terdapat gejala Autokorelasi,
Heteroskedastsitas dan Multikolinearitas. Sebelum pengujian asumsi
klasik perlu dilakukan uji normalitas data, apabila data yang diuji telah
berdistribusi normal, maka error/residual dari model regresi yang dibuat
akan mempunyai distribusi normal yang baik pula, sehingga kesimpulan
yang akan diambil secara statistic sudah benar.
a. Uji Stasioneritas
Data time series menyimpan banyak berbagai permasalahan
salah satunya adalah masalah otokorelasi. Otokorelasi merupakan
penyebab yang mengakibatkan data menjadi tidak stasioner, jika data
dapat distasioneritaskan maka otokorelasi dapat diatasi. Merupakan hal
yang sangat penting dalam anlisis time series. Dalam analisis time
39
series masalah stasioneritas merupakan masalah yang sangat penting.
Untuk mengetahui data stasioner atau tidak dapat dilihat dari nilai ratarata varian dari data time series tidak mengalami perubahan yang
sistematis (Nachrowi,2006;340).
Tujuan uji stasioner adalah agar meannya stabil dan random
errornya = 0, sehingga model regresi yang diperoleh mempunyai
prediksi yang tidak spurious (regresi semu). Data dikatakan stasioner
nilai probabilitasnya < tingkat kepercayaan
= 0,05 atau ADFtest >
nilai kritis ADF. Apabila data yang diperoleh belum stasioner pada
tingkat level, maka diperlukan langkah untuk membuat data menjadi
stasioner melalui proses differensi data. Uji stasioner data melalui
proses differensi ini disebut dengan uji derajat integrasi. Hal ini
dilakukan untuk menghilangkan setiap variabel dengan membuat
selisih nilai suatu variabel terhadap nilai variabel tersebut beberapa
periode sebelumnya (difference), maka variabel ini dapat disebut
sebagai yang berintegrasi pada derajat satu, demikian seterusnya (Han
dan Hertanto,2006;28).
Pada penelitian ini akan dilakukan pengujian stasioner dengan
menggunakan metode Augment Dickey Fuller (ADF) test. Adapun
langkah-langkah pengujiannya adalah sebagai berikut :
1. Uji hipotesis
H0 : data tidak stasioner
H1 : data stasioner
40
2. Nilai ADF test statistic yang terdapat dalam output dibandingkan,
jika nilai ADF test statistic < critical value pada
= 5% maka data
sudah stasioner atau tolak H0 dan sebaliknya jika ADF test statistic
> critical value maka data tidak stasioner. Untuk mengatasi data
tidak stasioner maka akan dilakukan 1st differene.
Agar tehindar dari masalh spurious regression, maka regresi
harus dilakukan pada data variabel yang telah ditransformasikan dari
data non stasioner ke data yang telah stasioner.
b. Uji Atokorelasi
Syarat agar pendugaan OLS akan bersifat BLUE (Best Linier
Unbiased estimate) salah satunya adalah jika memenuhi asumsi bebas
atokorelasi.
Atokorelasi adalah korelasi antara variabel itu sendiri, pada
pengamatan yang berbeda waktu atau individu. Umumnya kasus
autokorelasi terjadi pada data time series. Deteksi autokorelasi dapat
dilakuakn dengan uji Lagrenge Multiplier. Penentuan ada tidaknya
masalah autokorelasi dapat dilihat dari nilai probabilitas Chi square.
Jika nilai probabilitas lebih besar dari nilai á = 5% berarti tidak ada
masalah autokorelasi. Sebaliknya jika nilai probabilitas lebih kecil dari
nilai á = 5% berarti ada masalah autokorelasi.
c. Uji Heteroskedasticity
Heteroskedastisitas berarti variasi (varians) variabel tidak sama
untuk semua pengamataan. Pada heteroskedastisitas kesalahan yang
41
terjadi tidak acak, tetapi menunjukan hubungan yang bersifat
sistematis sesuai dengan besarnya satu variabel bebas. Pada
Heteroskedastisitas terdapat fakta hubungan positif antara X dan Y,
dimana nilai Y meningkat searah dengan nilai X, semakin besar nilai
variabel bebas X dan variabel Y, semakin jauh koordinat (X,Y) dari
garis regresi (error makin besar).
Untuk
mengetahui
apakah
suatu
data
bersifat
heteroskedastisitas atau sudah homokedastisitas akan dilakukan
pengujian dimana dalam penelitian ini akan digunakan uji White
Heteroskedastisitas. Adapun langkah-langkah pengujiannya adalah
sebagai berikut :
1. Uji Hipotesis
H0 = tidak ada Heteroskedasticity
H1 = ada Heteroskedasticity
2. Pada output Eviews, jika probability Obs*R-squared lebih kecil
dari
berarti
= 5%, maka disimpulkan untuk menolak hipotesis yang
tidak
cukup
bukti
untuk
menyatakan
tidak
ada
Heteroskedastisitas (Nacrowi, Usman, 2006).
3. Model ARCH/GARCH
Dalam metode OLS dikenal teorema Gauss Markov, yang salah
satunya varians dari error bersifat konstan, atau tidak berubah-ubah
(homoheteroskedastisitas), agar estimator yang didapat BLUE. Akan tetapi
42
dalam pembuatan model tidak jarang ditemui bahwa prasyarat tersebut
tidak terpenuhi.
Sekalipun keberadaan Heteroskedastisitas masih memberikan
estimator OLS yang tidak bias dan konsisten, tetapi estimator tersebut
sudah tidak efisien, yaitu varians dari estimator tidak minimum. Dan
akibatnya uji t, interval kepercayaan, dan berbagai ukuran lainnya,
menjadi tidak tepat. Oleh karena itu, masalah ini harus diatasi dalam
mengestimasi dengan metode OLS.
Untuk menghadapi situasi ini ada model yang dikenal yaitu ARCH
(AutoRegressive
Conditional
Heteroscedasticity).
Dalam
perkembangannya muncul variasi dari model ini yang dikenal dengan
GARCH (Generalized AutoRegressive Conditional Heteroscedasticity).
Model ARCH dikembangkan oleh Robert Engle (1982) dan
modifikasi oleh Mills (1999). GARCH dimaksudkan untuk memperbaiki
ARCH dan dikembangkan oleh Tim Bollerslev (1986 dan 1994).
Dalam model ARCH, varian residual data runtun waktu tidak
hanya dipengaruhi oleh nilai residual variabel yang diteliti. Model ARCH
menggunakan persamaan berikut:
Dengan Varian
Keterangan:
= Varian Residual
43
Konstanta
Komponen ARCH
Agar
varian
selalu
positif
maka
harus
dipenuhi
syarat
. Sedangkan persamaan untuk model GARCH
sebagai berikut:
Dengan varian:
Keterangan:
Varian Residual
Konstanta
Komponen ARCH
= Komponen GARCH
4. Model VAR
Pada teori keuangan dijumpai beberapa variabel yang memiliki
kausalitas dan kita membuat estimasi model simultan dari variabelvariabel yang diteliti. Pemodelan seperti ini, dapat dikategorikan sebagai
pemodelan multivariate yang simultan. Pemodelan seperti ini memiliki
satu tantangan yaitu defenisi eksogen dari variabel-variabel yang sedang
diteliti.
Menurut Sims dalam (Nachrowi D, 2006), jika terdapat hubungan
yang simultan antar variabel yang diamati, maka variabel-variabel tersebut
44
perlu diperlakukan sama, sehingga tidak ada lagi variabel endogen atau
eksogen. Berdasarkan pemikiran inilah Sims memperkenalkan konsep
yang disebut Vector Auto Regresi (VAR). VAR merupakan model yang
menggambarkan hubungan simultan (dua arah) antar variabel. Persamaan
model VAR sebagai berikut:
dan
Keterangan:
Variabel yang diamati pada waktu ke t
Variabel yang diamati pada waktu ke t-1
adalah koefisien regresi
Selain itu analisis VAR juga merupakan alat analisis yang sangat
berguna baik di dalam memahami adanya hubungan timbal balik antar
variabel ekonomi maupun di dalam pembentukan model ekonomi
berstruktur.
E. Operasional Variabel
1. Indeks Harga Saham Gabungan (IHSG)
Indeks Harga Saham Gabungan (IHSG) merupakan salah satu
indeks pasar saham yang digunakan oleh Bursa Efek Indonesia (BEI).
Indeks ini mencakup pergerakan harga seluruh saham biasa dan saham
preferen yang tercatat di Bursa Efek Indonesia BEI.
45
2. Nikkei 250
Nikkei 225 adalah indeks pasar saham di Jepang yang terdiri 225
saham-saham blue-chip yang terdaftar di papan atas bursa Tokyo sebagai
indeks pengukuran pergerakan harga saham.
3. Singapore Straits Times Price Index (STI)
Indeks ini dibuat oleh Singapore Press Holding, Singapore
Exchznge dan professor Tse Yiu Juen dari Singapore Manajement
University dan di tinjau ulang paling tidak setahun sekali atau kapan saja
bila diperlukan. Straits Times Indeks dihitung berdasarkan Market value
weighted dari 30 saham perusahaan yang mewakili perusahaan yang
terdaftar di Singapore Exchange.
4. Hang Seng Indeks (HSI)
Hangseng Indeks (HSI) dalah indeks komulatif dari 40 saham blue
chip dari Hong Kong Stock Market, yang merupakan salah satu indeks
saham terpercaya, yang digunakan para investor dan fund manager untuk
berinvestasi. Saham-saham yang terdaftar di dalam indeks ini berasal dari
berbagai sektor, seperti Industri, Finance, Propertis dan sebagainya. Hang
Seng pertamakali diperdagangkan pada tanggal 24 Novenber 1969, dan
dikelola oleh HIS Services limited.
5. Korea Composite Stock Indeks (KOSPI)
Korea Composite Stock Indeks (KOSPI) diperkenalkan pertama
kali pada tahun 1983 dengan nilai dasar 100 pada tanggal 4 Januari 1980.
Kospi adalah indeks harga saham untuk seluruh saham biasa yang
46
diperdagangkan di bursa saham Korea. Indeks ini merupakan refresentatif
dari indeks harga saham di Korea Selatan (Korea Exchange). Indeks ini
dihitung berdasarkan kapitalisasi pasar.
Kospi merupakan indeks utama di Korea Selatan yang terdiri dari
200 saham utama paling liquid yang diperdagangkan oleh bursa saham
Korea.
6. FTSE 100 (UKX)
FTSE 100 diambil sebagai respresentatif dari indeks Eropah, bursa
saham London ini memiliki angka kapitalisasi yang paling besar bila
dibandingkan dengan euronext ataupun bursa saham Belanda Deutse
Borse. FTSE 100 perusahaan mewakili sekitar 81% dari kapitalisasi pasar
dari seluruh London Stock Exchange.
7. Australian Stock Exchange (ASX)
ASX 200 Indeks merupakan tolok ukur untuk investable
Australian Securities Exchange. Mengukur kinerja terbesar 200 daftar
saham yang memenuhi persyaratan indeks di bursa. Indeks tersebut
meliputi sekitar 80% dari kapitalisasi pasar saham Australia.
8. Kuwait Stock Exchange (KSE)
Kuwait Stock exchange adalah pasar saham dari The State of
Kuwait yang merupakan bursa saham yang terbesar di teluk Persia, dan
kini memperoleh ketenaran sebagai salah satu pasar saham yang paling
potensial di dunia.
47
9. Kuala Lumpur Composite Indeks (KLCI)
Kuala Lumpur Composite Indeks terdiri dari 30 perusahaan
terbesar yang terdaftar di Malaysia. Kuala Lumpur Composite Indeks
merupkan salah satu dari tiga indeks utama yang ada di Malaysia. Kuala
Lumpur Composite Indeks adalah kapitalisasi tertimbang indeks pasar
saham yang memiliki nilai dasar 100 per 2 Januari 1977. Pergerakan Kuala
Lumpur Composite Indeks merupakan indikator penting bagi para investor
dalam melakukan investasi.
10. NASDAQ Indeks
National Association of Securities Dealers Automated Quotations
dioperasikan pada tanggal 8 Februari pada tanun 1971. Nasdaq merupakan
pasar elektronik pertama di dunia. Sejak tahun 1999, Nasdaq adalah bursa
saham terbesar di Amerika Serikat dengan lebih dari setengah jumlah
perusahaan yang diperdagangkan di AS dicatat di sini. Nasdaq terdiri dari
Nasdaq National Market dan Nasdaq Small Cap Market.
48
BAB IV
HASIL DAN PEMBAHASAN
A. Gambaran Umum Penelitian
Salah satu keberhasilan ekonomi makro suatu negara adalah Indeks
Harga Saham. Indeks berfungsi sebagai indikator trend pasar yang artinya
pergerakan indeks menggambarkan kondisi pasar pada suatu saat. Bila kondisi
ekonomi suatu negara baik maka indeks harga saham tentu akan menunjukan
trend yang meningkat tetapi jika kondisi ekonomi suatu negara dalam keadaan
turun maka akan berpengaruh juga terhadap indeks harga saham tersebut. Naik
dan turunnya indeks harga saham dipengaruhi oleh keadaan dan kondisi
ekonomi, sosial dan politik negara tersebut. Selain itu perekonomian suatu
negara juga dipengaruhi oleh negara lain. Ekonomi negara yang lebih kuat
mempunyai kecendrungan untuk mendominasi negara yang perekonomiannya
lemah. Hal ini dapat diartikan bahwa ketergantungan negara yang lemah
terhadap negara yang kuat akan semakin nyata.
Pergerakan indeks menjadi indikator penting bagi para investor untuk
menentukan apakah mereka akan menjual, menahan atau membeli suatu atau
beberapa saham. Dengan adanya indeks, para investor dapat mengetahui trend
pergerakan harga saham saat ini; apakah sedang naik, stabil atau turun. Karena
harga-harga saham bergerak dalam hitungan detik dan menit, maka
pergerakan indeks pun bergerak turun naik dalam hitungan waktu yang cepat
pula sesuai dengan pergerakan harga-harga saham yang terdaftar di bursa.
49
Dewasa ini pasar saham Indonesia semakin terkait dengan gerakan dan
gejolak pasar saham dunia. Selama enam tahun terakir IHSG terus meningkat
semenjak akir tahun 2001 pada level 392.036 dan meningkat sampai akir
tahun 2007 pada level 2750. Namun pada pertengahan tahun 2008 krisis
keuangan yang terjadi di AS telah menimbulkan efek domino bagi
perekonomian dunia. Selain Amerika, krisis juga terjadi di Eropa. Hal yang
sama juga terjadi di Jepang dan Hongkong dengan merosotnya harga indeks
mereka karena krisis keuangan yang terjadi di Amerika. Efek domino itu tentu
saja secara kasat mata juga menerjang perekonomian Indonesia.
B. Penemuan dan Pembahasan
1. Deskripsi Data
Hasil olah data yang dilakukan sebelum melakukan pengujian
model akan dijelaskan mengenai data dari variabel-variabel yang terdapat
pada model yang digunakan dalam penelitian ini. Data variabel tersebut
dapat dihat di lampiran.
Indeks Harga Saham Gabungan pertama kali dikenalkan pada
tanggal 1 April 1983, yang digunakan sebagai indikator utama untuk
memantau pergerakan harga saham secara keseluruhan di bursa saham
Indonesia (Indonesian Stock Exchange). Indeks mencakup semua saham
biasa maupun saham preferen.
Nikkei 225 adalah indeks pasar saham di Jepang yang terdiri dari
225 saham-saham Blue Chip yang terdaftar di papan atas bursa Tokyo
50
sebagai indeks pengukur pergerakan harga saham. Metode perhitungan
indeks Nikkei 225 menggunakan Weighted Averaged Method seperti
halnya perhitungan Dow Jones Indeks.
The Straits Time Indeks (STI) adalah kumpulan 30 saham
perusahaan yang mewakili perusahaan-perusahaan yang terdaftar di
Singapore Exchange. Namun, sejak 18 Maret 2005 jumlah perusahaan
yang masuk kedalam indeks ini bertambah menjadi 50 saham perusahaan.
STI dihitung berdasarkan Market Value-weighted.
Hang Seng Indeks (HSI) dalah indeks kumulatif dari 40 saham
Blue Chip dari Hong Kong Stock Market, yang merupakan salah satu
indeks saham terpercaya, yang digunakan para investor dan fund manager
untuk berivestasi. Saham-saham yang terdaftar di dalam indeks ini berasal
dari berbagai sektor, seperti Industri, Finance, Propertis dan sebagainya.
Korea Composite Stock Indeks (KOSPI) diperkenalkan pertama
kali pada tahun 1983 dengan nilai dasar 100 pada tanggal 4 Januari 1980.
Kospi adalah indeks harga saham untuk seluruh saham biasa yang
diperdagangkan di bursa saham Korea. Indeks ini merupakan refresentatif
dari indeks harga saham di Korea Selatan (Korea Exchange). Indeks ini di
hitung berdasarkan kapitalisasi pasar.
FTSE 100 adalah indeks dari 100 perusahaan dengan nilai
kapitalisasi tertinggi yang diperdagangkan di London Stock Exchange.
Perusahaan yang sahamnya masuk kedalam indeks ini harus terdaftar
penuh di London Stock Exchange. FTSE 100 perusahaan mewakili sekitar
51
81% dari kapitalisasi pasar dari seluruh London Stock Exchange. FTSE
merupakan
indikator
pergerakan
pasar
saham
Inggris.
FTSE
mengguanakan metode price weighted dimana saham-saham yang menjadi
sampel pada perhitungan indeks ini terdiri dari 100 perusahaan ranking
tertinggi di Bursa Saham Inggris.
Bursa Efek Australian Securities Exchange (ASX) adalah
merupakan bursa efek utama di Australia. ASX diawali sebagai bursa
swasta yang didirikan pada awal tahun 1861. Perdagangan di ASX
dilakukan sepenuhnya dengan sistim perdagangan elektronik. Berdasarkan
data per 30 Juni 2007, kapitalisasi pasar domestiknya sebesar $1.63 trilyun
AUD dengan jumlah perusahaan publik yang terdaftar sebanyak 2.090
perusahaan. ASX memakai metode price weighted dimana bursa saham
ASX ini adalah indeks utama pada bursa saham Australia dan
perhitungannya menggunakan sampel seluruh saham yang listing di bursa
saham ASX.
Kuwait Stock Exchange adalah pasar saham dari The State of
Kuwait yang merupakan bursa saham yang terbesar di teluk Persia, dan
kini memperoleh ketenaran sebagai salah satu pasar saham yang paling
potensial di dunia.
Kuala Lumpur Composite Indeks diperkenalkan pada tahun 1986
yang merupakan indeks pasar saham utama di Malaysia yang menjadi
barometer pasar saham lokal yang berfungsi sebagai indikator kinerja
yang akurat dari pasar saham dan keadaan ekonomi Malaysia. Kuala
52
Lumpur Composite Indeks terdiri dari 30 perusahaan terbesar yang
terdaftar di Malaysia. Kuala Lumpur Composite Indeks merupakan salah
satu dari tiga indeks utama yang ada di Malaysia. Kuala Lumpur
Composite Indeks adalah kapitalisasi tertimbang indeks pasar saham yang
memiliki nilai dasar 100 per 2 Januari 1977.
2. Langkah-langkah Penelitian
a. Granger Causality Test
b. Metode Estimasi
1. Uji akar unit (Unit Root Test)
2. Uji Autokorelasi
3. Uji Heteroskedastisitas
c. Metode ARCH/GARCH
d. Model VAR
3. Pembahasan
1) Uji Kausalitas Granger
Tes Kausalitas Granger adalah suatu pengujian untuk melihat
pengujian hubungan kausalitas antar variabel. Untuk melihat hubungan
kausalitas antara IHSG dengan Hang Seng, Nikkei, STI, KLCI, KOSPI,
FTSE, ASX, KSE, dan NASDAQ maka penulis melakukan pengujian
secara sendiri-sendiri untuk masing-masing variabel terhadap IHSG
sebagai berikut:
53
a) Analisis hubungan antara IHSG dan Hang Seng
Berdasarkan tabel hasil uji Kausalitas Granger di bawah
menunjukan bahwa hubungan yang terjadi antara IHSG dan Hang
Seng adalah hubungan dua arah atau saling mempengaruhi
signifikan pada
= 5%, yaitu sebesar 0.01922 dan 0.02644 maka
model selanjutnya menggunakan VAR.
Tabel 4.1
Output Granger Kausalitas IHSG dan Hang Seng
Pairwise Granger Causality Tests
Date: 01/16/10 Time: 16:45
Sample: 1999:01 2009:12
Lags: 3
Null Hypothesis:
HANGSENG does not Granger Cause IHSG
IHSG does not Granger Cause HANGSENG
Obs
129
F-Statistic
3.43196
Probability
0.01922
3.18103
0.02644
Sumber : data diolah
b) Analisis hubungan IHSG dan Nikkei
Berdasarkan tabel hasil uji Kausalitas Granger menunjukan
bahwa Nikkei mempengaruhi IHSG, signifikan pada
= 5%, yaitu
0.04331. Sedangkan IHSG tidak mempengaruhi Nikkei. Jadi model
selanjutnya yang digunakan adalah Regresi.
54
Tabel 4.2
Output Granger Kausalitas IHSG dan Nikkei
Pairwise Granger Causality Tests
Date: 01/16/10 Time: 16:54
Sample: 1999:01 2009:12
Lags: 10
Null Hypothesis:
NIKKEI does not Granger Cause IHSG
IHSG does not Granger Cause NIKKEI
Obs
122
F-Statistic
1.97871
0.46503
Probability
0.04331
0.90883
Sumber : data diolah
c) Analisis hubungan IHSG dan STI
Berdasarkan tabel hasil uji Kausalitas Granger dibawah ini
menunjukan bahwa STI mempengaruhi IHSG, signifikan pada
=
5%, yaitu 0.02802. Sedangkan IHSG tidak mempengaruhi STI. Jadi
model selanjutnya yang digunakan adalah Regresi.
Tabel 4.3
Output Kausalitas Granger IHSG dan STI
Pairwise Granger Causality Tests
Date: 01/16/10 Time: 16:56
Sample: 1999:01 2009:12
Lags: 9
Null Hypothesis:
STI does not Granger Cause IHSG
IHSG does not Granger Cause STI
Obs
123
F-Statistic
2.19526
1.49220
Probability
0.02802
0.16045
Sumber : data diolah
d) Analisis hubungan IHSG dan KOSPI
Berdasarkan tabel hasil uji Kausalitas Granger menunjukan
bahwa KOSPI mempengaruhi IHSG, signifikan pada
= 5%, yaitu
0.00204. Sedangkan IHSG tidak mempengaruhi KOSPI. Jadi model
selanjutnya yang digunakan adalah Regresi.
55
Tabel 4.4
Output Kausalitas Granger IHSG dan KOSPI
Pairwise Granger Causality Tests
Date: 01/16/10 Time: 16:48
Sample: 1999:01 2009:12
Lags: 7
Null Hypothesis:
KOSPI does not Granger Cause IHSG
IHSG does not Granger Cause KOSPI
Obs
125
F-Statistic
3.49036
0.65476
Probability
0.00204
0.70968
Sumber : data diolah
e) Analisis hubungan IHSG dan FTSE
Berdasarkan tabel hasil uji Kausalitas Granger dibawah ini
menunjukan bahwa FTSE mempengaruhi IHSG, signifikan pada
= 5%, yaitu 0.02765. Sedangkan IHSG tidak mempengaruhi FTSE.
Jadi model selanjutnya yang digunakan adalah Regresi.
Tabel 4.5
Output Kausalitas Granger IHSG dan FTSE
Pairwise Granger Causality Tests
Date: 01/16/10 Time: 16:43
Sample: 1999:01 2009:12
Lags: 10
Null Hypothesis:
FTSE does not Granger Cause IHSG
IHSG does not Granger Cause FTSE
Obs
122
F-Statistic
2.14179
0.92125
Probability
0.02765
0.51703
Sumber : data diolah
f) Analisis hubungan IHSG dan ASX
Berdasarkan tabel hasil uji kausalitas granger dibawah ini
menunjukan bahwa ASX mempengaruhi IHSG, signifikan pada
=
5%, yaitu 0.02801. Sedangkan IHSG tidak mempengaruhi ASX.
Jadi model selanjutnya yang digunakan adalah regresi.
56
Tabel 4.6
Output Kausalitas Granger IHSG dan ASX
Pairwise Granger Causality Tests
Date: 01/16/10 Time: 16:35
Sample: 1999:01 2009:12
Lags: 7
Null Hypothesis:
ASX does not Granger Cause IHSG
IHSG does not Granger Cause ASX
Obs
125
F-Statistic
2.35437
0.74077
Probability
0.02801
0.63791
Sumber : data diolah
g) Analisis hubungan IHSG dan KLCI
Berdasarkan tabel hasil uji Kausalitas Granger dibawah ini
menujukan bahwa IHSG mempengaruhi KLCI, signifikan pada
=
5%, yaitu 0.04845, Sedangkan KLCI tidak mempengaruhi IHSG,
maka model yang akan digunakan adalah Regresi.
Tabel 4.7
Output Kausalitas Granger IHSG dan KLCI
Pairwise Granger Causality Tests
Date: 01/16/10 Time: 16:46
Sample: 1999:01 2009:12
Lags: 1
Null Hypothesis:
IHSG does not Granger Cause KLSE
KLCI does not Granger Cause IHSG
Obs
131
F-Statistic
3.96983
0.20360
Probability
0.04845
0.65259
Sumber : data diolah
h) Analisis hubungan IHSG dan Nasdaq
Berdasarkan tabel hasil uji Kausalitas Granger dibawah ini
menunjukan bahwa IHSG dan Nasdaq tidak saling mempengaruhi,
hal ini dilihat dari nilai probability dari masing-masing indek tidak
signifikan pada
= 5%.
57
Tabel 4.8
Output Kausalitas Granger IHSG dan Nasdaq
Pairwise Granger Causality Tests
Date: 01/16/10 Time: 16:53
Sample: 1999:01 2009:12
Lags: 1
Null Hypothesis:
NASDAQ does not Granger Cause IHSG
IHSG does not Granger Cause NASDAQ
Obs
131
F-Statistic
1.24480
0.03792
Probability
0.26664
0.84592
Sumber : data diolah
i) Analisis hubungan IHSG dan KSE
Berdasarkan tabel hasil uji Kausalitas Granger dibawah ini
menunjukan bahwa KSE mempengaruhi IHSG signifikan pada
=
5%, yaitu 0.26664. sedangkan IHSG tidak mempengaruhi KSE. Jadi
model selanjutnya yang digunakan adalah regresi.
Tabel 4.9
Output Kausalitas Granger IHSG dan KSE
Pairwise Granger Causality Tests
Date: 01/16/10 Time: 16:49
Sample: 1999:01 2009:12
Lags: 2
Null Hypothesis:
KSE does not Granger Cause IHSG
IHSG does not Granger Cause KSE
Obs
130
F-Statistic
3.94657
0.97287
Probability
0.02178
0.38084
Sumber : data diolah
2) Metode Estimasi
a. Uji akar unit (Unit Root Test)
Uji stasioneritas data dengan menggunakan uji akar unit (unit
root test) dilakukan untuk menentukan stasioneritas atau tidaknya
suatu data time series. Pengujian stasioneritas dilakukan terhadap
seluruh variabel, model yang digunakan oleh peneliti didasarkan
58
pada Augmented Dickey Fuller Test, untuk perhitungannya
digunakan komputer dengan menggunakan software Eviews 4.0.
hasil dari pengujian unit root test adalah sebagai berikut:
Tabel 4.10
Hasil Uji Akar Unit Level dan Difference
Variabel
IHSG
HANGSENG
NIKKEI
STI
KLCI
KOSPI
ASX
KSE
FTSE
NASDAQ
ADFtest
Level
1st Difference
-0.412727
-8.142440
-1.436751
-9.798283
-1.239377
-9.781922
-1.851602
-6.047213
-1.489317
-9.535010
-0.931661
-10.56357
-1.261373
-8.525309
-1.051240
-9.851840
-1.517670
-11.11293
-1.853030
-10.54854
5% critical value -2.883753
Sumber : Data diolah
Berdasarkan table hasil uji akar unit level dan difference
diatas menunjukan bahwa pada data level semua nilai ADFtest
seluruh indeks masih lebih besar dari
nilai Prob* tidak signifikan
= 5% test critical value dan
= 5%. Kedua informasi ini
menunjukan bahwa seluruh variabel indeks tidak stasioner, sehingga
perlu dilakukan proses difference. Setelah dilakukan proses
difference, nilai ADFtest sudah lebih kecil dari
value dan nilai Prob* signifikan pada
= 5% test critical
=5% yang berarti seluruh
variabel indeks stasioner pada order pertama atau 1st difference.
b. Metode Regresi Linier dan Metode ARCH/GARCH
59
Berdasarkan pengujian Kausalitas Granger tersebut diatas
dapat ditarik kesimpulan bahwa hubungan indeks antara negara
ternyata tidak saling mempengaruhi, kecuali untuk IHSG dengan
Hang Seng yang saling mempengaruhi (dua arah). Berdasarkan
kondisi tersebut, maka khusus untuk IHSG dan Hang Seng akan
dibuat dengan pendekatan model VAR (Vector Auto Regressive)
sedangkan hubungan antara IHSG dengan Nikkei, STI, KLCI, KSE,
KOSPI, ASX, dan FTSE digunakan pendekatan model regresi
sederhana.
1) Model regresi IHSG dan Nikkei
Berdasarkan dari hasil Uji Kausalitas Granger untuk
IHSG dan Nikkei model yang akan digunakan adalah regresi
sederhana dengan persamaan dengan persamaan:
IHSG = C(1)*NIKKEI + C(2)
Model regresi antara IHSG dan Nikkei pada hasil tabel
dibawah menginformasikan bahwa Nikkei berpengaruh terhadap
IHSG signifikan pada
= 10%. Dan dari hasil tersebut masih
mempunyai nilai Durbin Watson (DW) sangat kecil (0.017531),
maka angka tersebut berada dibawah daerah otokorelasi positif
dilihat dari table 4.11, sehingga dapat disimpulkan masih
mengandung otokorelasi.
Tabel 4.11
60
Output Regesi untuk IHSG dan Nikkei
Dependent Variable: IHSG
Method: Least Squares
Date: 02/21/10 Time: 14:57
Sample: 1999:01 2009:12
Included observations: 132
Variable
Coefficient
NIKKEI
0.032203
C
676.1168
R-squared
0.020995
Adjusted R-squared
0.013464
S.E. of regression
724.2217
Sum squared resid
68184622
Log likelihood
-1055.525
Durbin-Watson stat
0.017531
Std. Error
t-Statistic
0.019287
1.669686
259.9042
2.601408
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
Prob.
0.0974
0.0104
1097.119
729.1470
16.02311
16.06679
2.787852
0.097388
Sumber : Data diolah
Untuk mengetahui apakah varians error dari data yang
digunakan mengalami masalah heteroskedastisitas atau tidak
maka dilakukan uji whiteheteroskedastisity test.
Tabel 4.12
Uji White heteroskedastisitas
White Heteroskedasticity Test
F-statistic
1.515052
Probability
0.223682
Obs*R-squared
3.029412
Probability
0.219873
Sumber : Data diolah
Berdasarkan tabel hasil uji White diatas ternyata varians
errornya tidak mengalami masalah heteroskedastisitas, artinya
varians errornya bersifat homoskedastisitas. Tetapi dari hasil
regresi terlihat bahwa masih terjadi masalah otokorelasi, karena
nilai Durbin Watson sangat kecil. Untuk menghilangkan
masalah otokorelasi maka penulis mengunakan metode diferensi
61
tingkat pertama (First Difference). Metode differensi ini
diaplikasikan jika koefisien autokorelasi cukup tinggi atau jika
nilai statistik Durbin Watson sangant rendah. Sehingga
persamaan regresi yang baru adalah :
D(IHSG) = C(1)*D(NIKKEI) + C(2)
Tabel 4.13
Output Regresi untuk IHSG dan Nikkei
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 02/21/10 Time: 15:00
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
D(NIKKEI)
0.062801
0.010629
5.908529
C
18.09671
8.026062
2.254743
R-squared
0.212986 Mean dependent var
Adjusted R-squared
0.206885 S.D. dependent var
S.E. of regression
91.78911 Akaike info criterion
Sum squared resid
1086856. Schwarz criterion
Log likelihood
-776.9269 F-statistic
Durbin-Watson stat
1.514743 Prob(F-statistic)
Prob.
0.0000
0.0258
16.20176
103.0678
11.89201
11.93591
34.91071
0.000000
Sumber : Data diolah
Berdasarkan tabel hasil regresi diatas menginformasikan
bahwa persentase perubahan Nikkei mempunyai pengaruh yang
signifikan terhadap persentase perubahan IHSG, hal ini sesuai
dengan hasil uji granger kausalitas. Dibandingkan dengan model
regresi sebelumnya model regresi dengan first difference
menghasilkan nilai R² dan Durbin Watson lebih besar dari model
regresi sebelum menggunakan first difference.
Berdasarkan
tabel hasil uji LM dibawah menunjukan bahwa nilai Chi square
62
lebih kecil dari α = 5%. Ini menunjukan bahwa model regresi
ini mengalami masalah otokorelasi.
Tabel 4.14
Uji Lagrange Multiplier
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared
4.249165
8.216198
Probability
Probability
0.016358
0.016439
Sumber : Data diolah
Berdasarkan tabel uji white di bawah menunjukan bahwa
varians error tidak homokedastisitas, artinya varians error terjadi
masalah heteroskedasrisitas.
Tabel 4.15
Uji White Heteroskedastisitas
White Heteroskedasticity Test:
F-statistic
Obs*R-squared
22.72926
34.33135
Probability
Probability
0.000000
0.000000
Sumber : Data diolah
Melihat kondisi regresi yang dibuat dimana asumsi
klasik bebas otokorelasi dan homokedastisitas masih dilanggar,
maka pemodelan dilakukan dengan ARCH/GARCH. Dalam
menentukan model ARCH/GARCH yang paling tepat harus
dilakukan dengan cara coba-coba (trial and error). Pada langkah
pertama akan dicoba model ARCH (1) yang merupakan model
63
yang paling sederhana. Setelah dilakukan pengolahan data maka
didapatkan output sebagai berikut:
Tabel 4.16
ARCH (1) untuk IHSG dan Nikkei
Dependent Variable: D(IHSG)
Method: ML - ARCH (Marquardt)
Date: 02/21/10 Time: 15:08
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Convergence achieved after 37 iterations
Variance backcast: ON
Coefficient
Std. Error
z-Statistic
D(NIKKEI)
0.023238
0.007860
2.956426
C
9.154937
4.751198
1.926869
Variance Equation
C
2012.633
486.1302
4.140111
ARCH(1)
1.160139
0.274469
4.226850
R-squared
0.122765 Mean dependent var
Adjusted R-squared
0.102042 S.D. dependent var
S.E. of regression
97.66772 Akaike info criterion
Sum squared resid
1211451. Schwarz criterion
Log likelihood
-749.4942 F-statistic
Durbin-Watson stat
1.388323 Prob(F-statistic)
Prob.
0.0031
0.0540
0.0000
0.0000
16.20176
103.0678
11.50373
11.59152
5.924328
0.000815
Sumber : Data diolah
Dari hasil model regresi diatas, model ARCH (1)
signifikan secara statistik yang berarti kesalahan prediksi
(residual) indeks dipengaruhi oleh residual periode sebelumnya.
Berdasarkan R² dalam model ARCH (1) relatif kecil yaitu
0.122765, hal ini terjadi karena adanya koreksi terhadap
heteroskedastisitas
yang
menyebabkan
R²
mengalami
penurunan. Dari hasil ARCH (1) nilai Durbin Watsonya masih
kecil 1.388323 sedangkan dari hasil uji kolegram residual
menunjukan nilai Q-statistik yang jauh lebih besar pada
64
signifikan
= 5% (lampiran 1). Tetapi model ini belum cukup
baik karena nilai Jorque Bera yang masih signifikan dari
= 5%
(lampiran 2). Maka selanjutnya akan digunakan model GARCH
(1.1).
Tabel 4.17
GARCH (1.1) untuk IHSG dan Nikkei
Dependent Variable: D(IHSG)
Method: ML – ARCH (Marquardt)
Date: 02/21/10 Time: 15:12
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Convergence achieved after 31 iterations
Variance backcast: ON
Coefficient
Std. Error
z-Statistic
D(NIKKEI)
0.022646
0.008160
2.775183
C
9.584947
4.016561
2.386357
Variance Equation
C
10.03005
92.71907
0.108177
ARCH(1)
0.157662
0.086880
1.814704
GARCH(1)
0.878726
0.096420
9.113482
R-squared
0.120855 Mean dependent var
Adjusted R-squared
0.092945 S.D. dependent var
S.E. of regression
98.16121 Akaike info criterion
Sum squared resid
1214089. Schwarz criterion
Log likelihood
-737.7611 F-statistic
Durbin-Watson stat
1.388253 Prob(F-statistic)
Prob.
0.0055
0.0170
0.9139
0.0696
0.0000
16.20176
103.0678
11.33986
11.44960
4.330252
0.002576
Sumber: data diolah
Dari hasil estimasi yang dilakukan berkali-kali maka
model GARCH secara statistik signifikan yang artinya kesalahan
prediksi (residual) indeks dipengaruhi varian residual periode
sebelumnya (GARCH). Berdasarkan hasil model GARCH (1.1)
diatas menunjukan bahwa tidak terjadinya otokorelasi, hal ini
ditunjukan dari hasil uji kolegram residualnya yang tidak
65
signifikan
= 5% (lampiran 3) dan nilai Jourque Bera yang jauh
lebih besar dari
= 5% (lampiran 4). Tetapi berdasarkan nilai R²
yang dihasilkan oleh model GARCH masih kecil 0.120855.
selain menggunakan R² ada kriteria lain yang memberikan
pertimbangan yang lebih besar daripada R² yaitu criteria AIC
dan SIC. Menurut kriteria ini model yang baik adalah apabila
nilai AIC dan SIC paling kecil. Dari hasil model GARCH (1.1)
nilai AIC dan SIC yang dihasilkan lebih kecil dari model ARCH
(1) yang berarti bahwa model GARCH lebih baik dari model
ARCH (1).
Dengan demikian hasil model yang didapat dari ouput
model yang diatas adalah:
D(IHSG) = 0.02264576035*D(NIKKEI) + 9.584947265
Dapat disimpulkan bahwa perubahan Nikkei dapat
mempengaruhi
persentase
perubahan
IHSG
sebesar
0.02264576035 poin. Ini berarti jika Nikkei naik sebesar 1 poin
maka persentase perubahan IHSG juga akan naik sebesar
0.0226457603 poin.
2) Model regresi IHSG dan STI
Model regresi antara IHSG dan STI menginformasikan
bahwa perubahan STI mempunyai pengaruh yang signifikan
terhadap perubahan IHSG. Hal ini sesuai hasil Grangger
Kausalitas. Akan tetapi model tersebut masih mempunyai
66
masalah otokorelasi. Hal ini dapat dilihat dari tabel hasil uji LM
yang menunjukan nilai Chi square lebih kecil dari
= 5%.
Tabel 4.18
Output Regresi untuk IHSG dan STI
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 02/21/10 Time: 15:26
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error t-Statistic
D(STI)
0.482057
0.046064 10.46486
C
10.79433
6.668234 1.618768
R-squared
0.459149 Mean dependent var
SAdjusted R-squared
0.454957 S.D. dependent var
S.E. of regression
76.09193 Akaike info criterion
746907.7 Schwarz criterion
uSum squared resid
Log likelihood
-752.3577 F-statistic
Durbin-Watson stat
1.625967 Prob(F-statistic)
m
Prob.
0.0000
0.1079
16.20176
103.0678
11.51691
11.56081
109.5132
0.000000
Sumber : Data diolah
Tabel 4.19
Uji Lagranger Multiplier
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared
3.514771
6.870649
Probability
Probability
0.032682
0.032215
Sumber : Data diolah
Disamping permasalahan diatas, ternyata berdasarkan uji
White Heteroskedastisitas test menujukan bahwa variance error
masih heteroskedastisitas (lihat hasil output dibawah).
67
Tabel 4.20
Uji White Heteroscedastistisitas
White Heteroskedasticity Test:
F-statistic
18.33734
Obs*R-squared
29.17500
Probability
Probability
0.000000
0.000000
Sumber : data diolah
Melihat kondisi regresi yang dibuat dimana asumsi bebas
otokorelasi dan heteroskedastisitas masih dilanggar maka
pemodelan dilakukan dengan ARCH/GARCH. Sebagaimana
langkah pemodelan yang dilakukan sebelumnya, maka pada
langkah pertama juga akan dicoba model ARCH (1) yang
merupakan model yang paling sederhana. Setelah dilakukan
pengolahan data maka didapat output sebagai berikut :
Tabel 4.21
ARCH (1) untuk IHSG dan STI
Dependent Variable: D(IHSG)
Method: ML - ARCH (Marquardt)
Date: 02/21/10 Time: 15:32
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Convergence achieved after 24 iterations
Variance backcast: ON
Coefficient
Std. Error
z-Statistic
D(STI)
0.254056
0.046309
5.486156
C
7.284510
4.783461
1.522853
Variance Equation
C
2212.190
421.7997
5.244645
ARCH(1)
0.944192
0.220231
4.287280
R-squared
0.352943 Mean dependent var
Adjusted R-squared
0.337658 S.D. dependent var
S.E. of regression
83.88111 Akaike info criterion
Sum squared resid
893577.1 Schwarz criterion
Log likelihood
-737.7365 F-statistic
Durbin-Watson stat
1.421413 Prob(F-statistic)
Prob.
0.0000
0.1278
0.0000
0.0000
16.20176
103.0678
11.32422
11.41201
23.09112
0.000000
Sumber : data diolah
68
Dari tabel hasil regresi diatas model ARCH (1)
signifikan secara statistik yang berarti kesalahan prediksi
(residual) indeks dipengaruhi oleh residual periode sebelumnya,
tetapi model ARCH (1) masih belum baik, dilihat dari nilai
Durbin Watson yang kecil 1.421413, dan dari hasil Kolegran
Residualnya menunjukan masih ada nilai Q-statistik yang
signifikan pada
= 5% (lampiran 5). Selain itu nilai Jourque
Bera yang jauh lebih kecil dari
= 5% (lampiran 6). Hal ini
menunjukan data tidak normal, tetapi karena model ARCH (1)
masih memiliki masalah otokorelasi, maka model selanjutnya
dibuat model GARCH (1.1).
Tabel 4.22
GARCH (1.1) untuk IHSG dan STI
Dependent Variable: D(IHSG)
Method: ML - ARCH (Marquardt)
Date: 02/21/10 Time: 15:35
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Convergence achieved after 20 iterations
Variance backcast: ON
Coefficient
Std. Error
z-Statistic
D(STI)
0.254768
0.051709
4.926999
C
4.747016
4.571544
1.038384
Variance Equation
C
-92.73211
37.43894 -2.476889
ARCH(1)
0.028049
0.048847
0.574211
GARCH(1)
1.043929
0.063195
16.51914
R-squared
0.350065 Mean dependent var
Adjusted R-squared
0.329432 S.D. dependent var
S.E. of regression
84.40038 Akaike info criterion
Sum squared resid
897551.5 Schwarz criterion
Log likelihood
-718.3972 F-statistic
Durbin-Watson stat
1.414104 Prob(F-statistic)
Prob.
0.0000
0.2991
0.0133
0.5658
0.0000
16.20176
103.0678
11.04423
11.15397
16.96641
0.000000
Sumber : Data diolah
69
Dari hasil model GARCH (1.1) diatas menunjukan
bahwa secara statistic signifikan yang berarti kesalahan prediksi
(residual) indeks harga saham dipengaruhi oleh varian residual
periode seelumnya. Berdasarkan output GARCH ternyata nilai
Durbin Watson menunjukan bahwa tidak adanya masalah
otokorelasi. Hal ini ditunjukan dari uji hasil Kolegram Residual
yang memiliki nilai Q-statistik tidak signifikan pada
= 5%
(lampiran 7). Model GARCH (1.1) ini juga memiliki nilai Jorque
Bera lebih besar dari
= 5% (lampiran 8). Hal ini menunjukan
bahwa data tersebut normal. Bedasarkan nilai AIC dan SIC yang
dihasilkan oleh model GARCH (1.1) lebih kecil dari model
ARCH (1), hal ini menunjukan model GARCH (1.1) lebih baik
dibanding model ARCH (1).
Dengan demikian hasil dari model yang di dapat adalah
sebagai berikut :
D(IHSG) = 0.2547684572*D(STI) + 4.747016102
Dari hasil model GARCH (1.1) dapat disimpulkan bahwa
perubahan STI mempengaruhi persentase perubahan IHSG
sebesar 0.2547684572 poin. Ini berarti jika hari perdagangan
tertentu persentase perubahan STI naik sebesar 1 poin, maka
persentase
perubahan
IHSG
juga
ikut
naik
sebesar
0.2547684572 poin. Begitu juga sebaliknya.
70
3) Model regresi IHSG dan KOSPI
Model regresi antara IHSG dan KOSPI menunjukan
bahwa perubahan KOSPI mempunyai pengaruh yang signifikan
terhadap IHSG. Akan tetapi model tersebut masih mempunyai
masalah otokorelasi, hal ini dapat dilihat dari tabel hasil uji LM
bahwa nilai Chi squared lebih kecil dari α = 5%.
Disamping permasalahan diatas, ternyata berdasarkan uji
white heteroskedastisitas menunjukan bahwa varians error masih
heteroskedastisitas (lihat hasil output dibawah).
Tabel 4.23
Output Regresi untuk IHSG dan KOSPI
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 02/21/10 Time: 15:40
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(KOSPI)
0.757249
0.085035
8.905127
0.0000
C
9.777625
7.150472
1.367410
0.1739
R-squared
0.380705 Mean dependent var
16.20176
Adjusted R-squared
0.375904 S.D. dependent var
103.0678
S.E. of regression
81.42333 Akaike info criterion
11.65235
Sum squared resid
855238.8 Schwarz criterion
11.69625
Log likelihood
-761.2289 F-statistic
79.30129
Durbin-Watson stat
1.379500 Prob(F-statistic)
0.000000
Sumber : Data diolah
71
Tabel 4.24
Uji Lagrange Multiplier
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared
8.948620
16.18070
Probability
Probability
0.000231
0.000306
Sumber : Data diolah
Tabel 4.25
Uji White Heteroskedastisitas
White Heteroskedasticity Test:
F-statistic
16.36502
Probability
0.000000
Obs*R-squared
26.67600
Probability
0.000002
Sumber : Data diolah
Melihat kondisi regresi yang dibuat, dimana asumsi
bebas otokorelasi dan homokedastisitas masih dilanggar maka
pemodelan yang dilakukan dilakukan dengan ARCH/GARCH.
Sebagaimana langkah pemodelan yang dilakukan sebelumnya,
maka pada langkah pertama juga akan dicoba model ARCH (1).
Setelah dilakukan pengolahan maka didapat output sebagai
berikut :
72
Tabel 4.26
ARCH (1) untuk IHSG dan KOSPI
Dependent Variable: D(IHSG)
Method: ML - ARCH (Marquardt)
Date: 02/21/10 Time: 15:47
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Convergence achieved after 38 iterations
Variance backcast: ON
Coefficient
Std. Error z-Statistic
D(KOSPI)
0.344514
0.063704 5.408048
C
6.682864
4.423569 1.510740
Variance Equation
C
2217.476
453.7986 4.886477
ARCH(1)
0.935486
0.207428 4.509936
R-squared
0.263480 Mean dependent var
Adjusted R-squared
0.246082 S.D. dependent var
S.E. of regression
89.49221 Akaike info criterion
Sum squared resid
1017125. Schwarz criterion
Log likelihood
-741.3880 F-statistic
Durbin-Watson stat
1.302227 Prob(F-statistic)
Prob.
0.0000
0.1309
0.0000
0.0000
16.20176
103.0678
11.37997
11.46776
15.14417
0.000000
Sumber : Data diolah
Berdasarkan output diatas, model ARCH signifikan
secara statistik yang berarti kesalahan prediksi (residual) indeks
dipengaruhi oleh residual periode sebelumnya. Disamping itu
dari uji Kolegram Residualnya menunjukan bahwa model ini
tidak mengandung otokorelasi walaupun nilai Durbin Watsonya
masih kecil (lihat lampiran).
Dan dari hasil Histogram terlihat nilai Jorque Bera yang
masih lebih kecil dari
= 5% (lampiran 10). Sehingga model
ARCH masih kurang baik, selanjutnya akan dicoba dengan
model GARCH (1.1).
73
Tabel 4.27
GARCH (1.1) untuk IHSG dan KOSPI
Dependent Variable: D(IHSG)
Method: ML - ARCH (Marquardt)
Date: 02/21/10 Time: 15:50
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Convergence achieved after 28 iterations
Variance backcast: ON
Coefficient
Std. Error
z-Statistic
D(KOSPI)
0.363847
0.083665
4.348861
C
6.946124
3.999447
1.736771
Variance Equation
C
8.594814
117.5871
0.073093
ARCH(1)
0.123250
0.075018
1.642932
GARCH(1)
0.906734
0.100446
9.027066
R-squared
0.274344 Mean dependent var
Adjusted R-squared
0.251307 S.D. dependent var
S.E. of regression
89.18153 Akaike info criterion
Sum squared resid
1002122. Schwarz criterion
Log likelihood
-731.4066 F-statistic
Durbin-Watson stat
1.302034 Prob(F-statistic)
Prob.
0.0000
0.0824
0.9417
0.1004
0.0000
16.20176
103.0678
11.24285
11.35259
11.90900
0.000000
Sumber : Data diolah
Berdasarkan output diatas menunjukan bahwa model
GARCH secara statistic signifikan yang berarti prediksi
kesalahan residual indeks harga saham dipengaruhi oleh varian
residual periode sebelumnya (GARCH). Nilai Jorque Bera juga
mempunyai nilai yang sudah jauh lebih besar dari
= 5%
(lampiran 12). Selain itu dari hasil Kolegram Residual nilai Qstatistik menunjukan bahwa model ini tidak mengandung
otokorelasi. Bedasarkan nilai AIC dan SIC yang dihasilkan oleh
model GARCH (1.1) lebih kecil dari model ARCH (1), hal ini
menunjukan model GARCH (1.1) lebih baik dibanding model
74
ARCH (1). Dengan demikian dapat dinyatakan bahwa model ini
sudah baik.
Berdasarkan output dari GARCH (1.1) diatas hasil dari
model yang didapat adalah sebagai berikut :
D(IHSG) = 0.3638466619*D(KOSPI) + 6.946123721
Dari model diatas dapat dinyatakan bahwa perubahan
KOSPI mempengaruhi perubahan IHSG sebesar 0.3638466619
poin. Hal ini berarti bahwa jika pada hari perdagangan tertentu
KOSPI naik sebesar 1 poin maka persentase perubahan IHSG
juga naik sebesar 0.3638466619 poin, begitu juga sebaliknya.
4) Model regresi IHSG dan FTSE
Model regresi antara IHSG dan FTSE menunjukan
bahwa perubahan FTSE mempunyai pengaruh yang signifikan
terhadap persentase perubahan IHSG. Berdasarkan tabel hasil uji
LM menunjukan bahwa nilai Chi square lebih besar dari á = 5%
hal ini menunjukan bahwa tidak ada masalah otokorelasi dalam
model regresi ini.
Dari tabel hasil uji White Heteroskedastisitas dibawah
menunjukan bahwa varian erros masih heteroskedastisitas (lihat
hasil output dibawah).
75
Tabel 4.28
Output Regresi untuk IHSG dan FTSE
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 02/21/10 Time: 15:55
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
D(FTSE)
0.213689
0.035685
5.988136
C
16.98980
7.997666
2.124344
R-squared
0.217507 Mean dependent var
Adjusted R-squared
0.211441 S.D. dependent var
S.E. of regression
91.52508 Akaike info criterion
Sum squared resid
1080612. Schwarz criterion
Log likelihood
-776.5495 F-statistic
Durbin-Watson stat
1.562192 Prob(F-statistic)
Prob.
0.0000
0.0355
16.20176
103.0678
11.88625
11.93015
35.85777
0.000000
Sumber : Data diolah
Tabel 4.29
Uji Lagrange Multiplier
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared
1.768397
7.016089
Probability
Probability
0.139349
0.135040
Sumber : Data diolah
Tabel 4.30
Uji White Heteroskedastisitas
White Heteroskedasticity Test:
F-statistic
Obs*R-squared
7.865370
14.33741
Probability
Probability
0.000600
0.000770
Sumber : Data diolah
Dari hasil regresi yang dibuat diatas asumsi bebas
heteroskedastisitas masih dilanggar maka pemodelan dilakukan
dengan ARCH/GARCH. Sebagaimana langkah pemodelan yang
dilakukan sebelumnya, maka pada langkah pertama juga akan
76
dicoba model ARCH (1). Setelah dilakukan pengolahan data
maka didapat output sebagai berikut :
Tabel 4.31
ARCH (1) untuk IHSG dan FTSE
Dependent Variable: D(IHSG)
Method: ML - ARCH (Marquardt)
Date: 02/21/10 Time: 16:02
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Convergence achieved after 15 iterations
Variance backcast: ON
Coefficient
Std. Error
z-Statistic
D(FTSE)
0.086989
0.023326
3.729325
C
11.41762
4.553910
2.507213
Variance Equation
C
2241.987
553.2954
4.052061
ARCH(1)
1.025703
0.272098
3.769606
R-squared
0.138570 Mean dependent var
Adjusted R-squared
0.118222 S.D. dependent var
S.E. of regression
96.78385 Akaike info criterion
Sum squared resid
1189623. Schwarz criterion
Log likelihood
-748.5921 F-statistic
Durbin-Watson stat
1.401238 Prob(F-statistic)
Prob.
0.0002
0.0122
0.0001
0.0002
16.20176
103.0678
11.48996
11.57775
6.809776
0.000271
Sumber : Data diolah
Berdasarkan output diatas, terlihat bahwa koefisien
perubahan FTSE sudah signifikan secara statistik pada
sehingga
model
tersebut
menunjukan
bahwa
= 5%
persentase
perubahan FTSE mempunyai pengaruh terhadap perubahan
IHSG. Hal ini tentunya sudah sesuai dengan uji Kausalitas
Granger. Disamping itu dari hasil estimasi yang dilakukan
model ARCH signifikan secara statistic yang berarti bahwa
kesalahan prediksi (residual) indeks harga saham dipengaruhi
oleh residual periode sebelumnya. dari hasil uji Kolegram
77
Residualnya metode ARCH (1) tidak mengandung otokorelasi ,
serta dari histogramnya menunjukan nilai Jorque Bera yang
lebih besar dari
= 5% (lampiran 14). Tetapi dari nilai R² yang
dihasilkan model ARCH (1) lebih kecil dari model sebelumnya,
hal ini disebabkan oleh adanya koreksi terhadap heteros
kedastisitasyang menyebabkan R² mengalami penurunan. Selain
menggunakan R² untuk menentukan apakah model yang
dihasilkan sudah baik atau belum ada kriteria lain yang dapat
digunakan yaitu kriteria AIC dan SIC, menurut kriteria AIC dan
SIC model yang baik adalah apabila nilai AIC adan SIC yang
dihasilan lebih kecil dari model sebelumnya. Dari hasil model
ARCH (1) terlihat bahwa nilai AIC dan SIC lebih kecil dari
model regresi sebelumnya, ini berarti model ARCH (1) lebih
baik dari model sebelumnya.
Dapat disimpukan berdasarkan output dari ARCH (1)
diatas hasil dari model yang didapat adalah sebagai berikut :
D(IHSG) = 0.0869892066*D(FTSE) + 11.41762447
Dari model diatas dapat disimpulkan bahwa persentase
perubahan FTSE dapat mempengaruhi perubahan IHSG
0.0869892066 poin. Persentase perubahan FTSE mempunyai
hubungan positif
terhadap persentase perubahan IHSG. Ini
berarti jika pada hari perdagangan tertentu STI naik maka
perubahan IHSG juga akan naik, begitu juga sebaliknya.
78
5) Model regresi untuk IHSG dan ASX
Model regresi antara IHSG dan ASX menginformasikan
bahwa perubahan ASX mempunyai pengaruh yang signifikan
terhadap persentase perubahan IHSG. Berdasarkan tabel uji LM
menunjukan bahwa tidak terjadi outokorelasi, ini terlihat dari
nilai Chi square lebih besar dari α = 5%.
Tabel 4.32
Output regresi untuk IHSG dan ASX
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 02/21/10 Time: 16:05
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
D(ASX)
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Coefficient
0.373083
10.53744
0.376192
0.371356
81.71948
861471.6
-761.7045
1.712205
Std. Error
t-Statistic
0.042299
8.820104
7.168688
1.469926
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
Prob.
0.0000
0.1440
16.20176
103.0678
11.65961
11.70351
77.79423
0.000000
Sumber : Data diolah
Tabel 4.33
Uji Lagrange Multiplier
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared
1.426351
2.877907
Probability
Probability
0.244005
0.237176
Sumber : Data diolah
79
Berdasarkan white heteroskedastisitas test menunjukan
bahwa variance error masih heteroskedastisitas (lihat hasil
output dibawah).
Tabel 4.34
Uji White Heteroscedatisitas
White Heteroskedasticity Test:
F-statistic
Obs*R-squared
19.59205
30.70338
Probability
Probability
0.000000
0.000000
Sumber : Data diolah
Melihat kondisi regresi yang dibuat dimana asumsi bebas
heteroskedastisitas masih dilanggar maka pemodelan dilanjutkan
dengan menggunakan model ARCH/GARCH. Sebagaimana
pemodelan yang dilakukan yang sebelumnya, maka pada
langkah pertama juga akan dicoba model ARCH (1). Setelah
dilakukan pengolahan maka didapat output sebagai berikut :
80
Tabel 4.35
ARCH (1) untuk IHSG dan ASX
Dependent Variable: D(IHSG)
Method: ML - ARCH (Marquardt)
Date: 02/21/10 Time: 16:10
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Convergence achieved after 20 iterations
Variance backcast: ON
Coefficient
Std. Error
z-Statistic
D(ASX)
0.246347
0.034196
7.204014
C
1.745686
4.659690
0.374636
Variance Equation
C
2211.452
493.9220
4.477330
ARCH(1)
1.020511
0.236085
4.322632
R-squared
0.321888 Mean dependent var
Adjusted R-squared
0.305870 S.D. dependent var
S.E. of regression
85.87044 Akaike info criterion
Sum squared resid
936464.1 Schwarz criterion
Log likelihood
-744.0325 F-statistic
Durbin-Watson stat
1.544842 Prob(F-statistic)
Prob.
0.0000
0.7079
0.0000
0.0000
16.20176
103.0678
11.42034
11.50814
20.09489
0.000000
Sumber : Data diolah
Berdasarkan output diatas, terlihat bahwa koefisien ASX
sudah signifikan secara statistik pada
= 5% sehingga model
tersebut menunjukan bahwa ASX mempunyai pengaruh
terhadap IHSG. Hal ini sudah sesuai dengan uji Kausalitas
Granger. Dan berdasarkan hasil estimasi model ARCH (1)
secara statistic signifikan yang artinya kesalahan prediksi
(residual) indeks harga saham dipenagruhi oleh residual periode
sebelumnya. Disamping itu, berdasarkan output menunjukan
nilai Durbin Watson yang tinggi, dan dari hasil uji kolegram
residual nilai Q-statistik dan nilai Jorque Bera lebih tinggi dari
nilai signifikan pada
= 5% (lampiran 16). Tetapi dari nilai R²
81
yang dihasilkan model ARCH (1) lebih kecil dari model
sebelumnya, hal ini disebabkan oleh adanya koreksi terhadap
heteroskedastisitas. Berdasarkan kriteria AIC dan SIC dari hasil
model ARCH (1) terlihat bahwa nilai AIC dan SIC lebih kecil
dari model regresi sebelumnya, ini berarti model ARCH (1)
lebih baik dari model sebelumnya.
Dengan demikian hasil dari model yang didapat adalah
sebagai berikut:
D(IHSG) = 0.246347163*D(ASX) + 1.745686025
Dari hasil model ARCH (1) dapat disimpulkan bahwa
perubahan ASX mempengaruhi perubahan IHSG adalah positif
sebesar 0.246347163 poin. Hal ini menunjukan bahwa jika
persentase perubahan ASX naik sebesar 1 poin maka persentase
perubahan IHSG juga naik sebesar 0.246347163 poin, begitu
juga sebaliknya.
6) Model regresi IHSG dan KSE
Model regresi antara IHSG dan KSE menunjukan bahwa
perubahan KSE memunyai pengaruh yang signifikan terhadap
perubahan IHSG pada
= 10%. Berdasarkan tabel uji Lagrange
Multipier mununjukan bahwa nilai Chi square lebih besar dari α
= 5% hal ini berarti tidak ada masalah outokorelasi pada model
regresi IHSG dan KSE.
82
Tabel 4.36
Output Regresi IHSG dan KSE
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 03/10/10 Time: 20:26
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
D(KSE)
0.023528
0.014185
1.658693
C
14.67759
8.992104
1.632275
R-squared
0.020882 Mean dependent var
Adjusted R-squared
0.013292 S.D. dependent var
S.E. of regression
102.3805 Akaike info criterion
Sum squared resid
1352149. Schwarz criterion
Log likelihood
-791.2325 F-statistic
Durbin-Watson stat
1.451519 Prob(F-statistic)
Prob.
0.0996
0.1051
16.20176
103.0678
12.11042
12.15432
2.751261
0.099607
Sumber : Data diolah
Tabel 4.37
Uji Lagrange Multiplier
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared
2.033057
11.81955
Probability
Probability
0.066170
0.066118
Sumber : Data diolah
Tabel 4.38
Uji white Heteroskedastisitas
White Heteroskedasticity Test:
F-statistic
0.391098
Probability
0.677119
Obs*R-squared
Probability
0.671774
0.795666
Sumber: Data diolah
Berdasarkan uji white menunjukan model regresi IHSG
dan KSE diatas tidak terjadi masalah Heteroskedastisitas yang
berarti bahwa varians error sudah homokedastisitas. Dengan
demikian dapat dinyatakan bahwa model tersebut telah baik.
83
Berdasarkan output dari Regresi diatas maka model yang
didapat adalah sebagai berikut:
D(IHSG) = 0.02352795144*D(KSE) + 14.67758629
Dari model diatas dapat dinyatakan bahwa perubahan
KSE mempengaruhi perubahan IHSG sebesar 0.02352795144
poin. Koefisien perubahan KSE mempengaruhi IHSG adalah
positif. Hal ini menunjukan bahwa jika persentase perubahan
KSE naik sebesar 1 poin maka persentase IHSG juka ikut naik
sebesar 0.02352795144 poin, begitu juga sebaliknya. Jika
persentase perubaha KSE turun maka persentase perubahan
IHSG juga ikut turun.
7) Model regresi KLCI dan IHSG
Model regresi antara KLSE dan IHSG menunjukan
bahwa perubahan IHSG mempunyai pengaruh yang signifikan
terhadap perubahan IHSG. Disamping itu dari tabel uji Lagrange
Multiplier menunjukan nilai Chi square lebih besar dari α = 5%.
Hal ini menunjukan bahwa tidak terjadi masalah otokorelasi
pada model regresi KLCI dengan IHSG.
84
Tabel 4.39
Output Regresi KSLE dan IHSG
Dependent Variable: D(KLCI)
Method: Least Squares
Date: 02/21/10 Time: 16:19
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
D(IHSG)
0.288363
0.033774
8.538134
C
0.529158
3.510562
0.150733
R-squared
0.361069 Mean dependent var
Adjusted R-squared
0.356116 S.D. dependent var
S.E. of regression
39.68912 Akaike info criterion
Sum squared resid
203204.2 Schwarz criterion
Log likelihood
-667.0943 F-statistic
Durbin-Watson stat
1.972603 Prob(F-statistic)
Prob.
0.0000
0.8804
5.201145
49.46154
10.21518
10.25908
72.89972
0.000000
Sumber : Data diolah
Tabel 4.40
Uji Lagrange Multiplier
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared
0.200089
0.411485
Probability
Probability
0.818916
0.814043
Sumber : Data diolah
Tabel 4.41
Uji White Heteroskedasticity
White Heteroskedasticity Test:
F-statistic
Obs*R-squared
0.607352
1.231486
Probability
Probability
0.546354
0.540239
Sumber : Data diolah
Disamping itu berdasarkan uji white heteroskedastisitas
test diatas menunjukan bahwa model tersebut tidak mengalami
heteroskedastisitas,
artinya
varians
error
bersifat
85
homoskedastisitas. Dengan demikian dapat dinyatakan bahwa
model telah baik.
Berdasarkan output dari Regresi diatas maka model yang
didapat adalah sebagai berikut:
D(KLCI) = 0.2883630214*D(IHSG) + 0.5291578049
Dari model diatas dapat dinyatakan bahwa perubahan
IHSG mempengaruhi perubahan KLCI sebesar 0.2883630214
poin. Koefisien perubahan IHSG mempengaruhi KLCI adalah
positif. Hal ini menunjukan bahwa jika persentase perubahan
IHSG naik maka persentase KLCI juga ikut naik, begitu juga
sebaliknya. Jika persentase perubahan IHSG turun maka
persentase perubahan KLCI juga ikut turun.
8) Model untuk IHSG dan Hang Seng
Sebagaiman telah dibuktikan dalam uji kausalitas
granger bahwa hubungan antara IHSG dan Hang Seng
mempunyai hubungan dua arah atau simultan maka model yang
akan digunakan untuk menggambarkan hubungan kedua pasar
modal tersebut adalah menggunakan model VAR.
86
Tabel 4.42
VAR untuk IHSG dan Hang Seng
Vector Autoregression Estimates
Date: 02/21/10 Time: 16:15
Sample(adjusted): 1999:04 2009:12
Included observations: 129 after adjusting
• Endpoints
Standard errors in ( ) & t-statistics in [ ]
IHSG
HANGSENG
IHSG(-1)
1.141254
-0.630545
(0.11058)
(1.34899)
[ 10.3211]
[-0.46742]
IHSG(-2)
-0.149918
(0.16648)
[-0.90050]
3.487013
(2.03104)
[ 1.71686]
IHSG(-3)
0.046117
(0.10703)
[ 0.43085]
-2.096556
(1.30580)
[-1.60557]
HANGSENG(-1)
0.015357
(0.00901)
[ 1.70401]
1.095986
(0.10995)
[ 9.96839]
HANGSENG(-2)
-0.005101
(0.01247)
[-0.40898]
-0.214356
(0.15217)
[-1.40863]
HANGSENG(-3)
-0.017734
(0.00912)
[-1.94417]
-0.031503
(0.11128)
[-0.28309]
85.86100
(41.8274)
[ 2.05275]
R-squared
0.983215
Adj. R-squared
0.982389
Sum sq. resids
1144037.
S.E. equation
96.83673
F-statistic
1191.045
Log likelihood
-769.3649
Akaike AIC
12.03667
Schwarz SC
12.19185
Mean dependent
1113.318
S.D. dependent
729.7107
Determinant Residual
Covariance
Log Likelihood (d.f. adjusted)
Akaike Information Criteria
Schwarz Criteria
1521.399
(510.283)
[ 2.98148]
0.938451
0.935424
1.70E+08
1181.383
310.0279
-1092.047
17.03949
17.19468
15470.29
4648.960
8.49E+09
C
-1840.697
28.75499
29.06536
Sumber : data diolah
87
Berdasarkan output dari VAR diatas, maka didapat
kesimpulan sebagai berikut:
IHSG = 1.141254239*IHSG(-1) - 0.1499178211*IHSG(-2) +
0.04611653421*IHSG(-3) + 0.01535683076*HANGSENG(-1) 0.005101379528*HANGSENG(-2) 0.01773447188*HANGSENG(-3) + 85.86099775
HANGSENG = - 0.6305445244*IHSG(-1) +
3.487012734*IHSG(-2) - 2.096556266*IHSG(-3) +
1.095986078*HANGSENG(-1) - 0.2143564525*HANGSENG(2) - 0.03150309976*HANGSENG(-3) + 1521.399109
Kesimpulan dari model VAR diatas adalah setiap
kenaikan 1 poin Hang Seng t-3 maka akan mengakibatkan
penurunan pada IHSG sebesar -0,01773447188,
sedangkan
setiap kenaikan 1 poin IHSG t-2 maka akan mengakibatkan
kenaikan pada Hang Seng sebesar 3,487012734.
C. Interpretasi
Berdasarkan hasil dari pengujian Kausalitas Granger menunjukan
bahwa tidak semua indeks dari negara yang diuji saling mempengaruhi, dari
sembilan indeks global yang di jadikan objek penelitian hanya terdapat lima
indeks yang memiliki pengaruh satu arah terhadap IHSG, yaitu : Nikkei, STI,
KOSPI, FTSE, dan ASX yang mempunyai pengaruh terhadap IHSG tetapi
IHSG tidak mempunyai pengaruh terhadap Nikkei, STI, KOSPI, FTSE dan
88
ASX. Untuk hubungan KLCI dengan IHSG menunjukan bahwa IHSG
mempengaruhi KLCI, tetapi KLCI tidak mempunyai pengaruh terhadap
IHSG. Untuk hubungan IHSG Dengan NASDAQ menunjukan bahwa tidak
ada hubungan antara kedua indeks tersebut. Sedangkan untuk hubungan IHSG
dan Hang Seng berdasarkan uji Kausalitas Granger menunjukan hubungan
yang saling mempengarui (timbal balik).
Setelah pengujian Kausalitas Granger selanjutnya dilakukan uji regresi
untuk masing-masing indeks yang mempunyai hubungan satu arah yang
kemudian akan dilakukan uji White Heteroskedasticity untuk melihat
heteroskedastisitas data dari hasil regresi yang didapat. Jika data mengalami
heteroskedastisitas digunakan pemodelan ARCH/GARCH.
Berdasarkan uji Regresi dan ARCH/GARCH menunjukan bahwa
hubungan Nikkei, STI, KOSPI, FTSE dan ASX terhadap IHSG adalah positif
dimana jika Nikkei, STI, KOSPI, FTSE dan ASX naik maka IHSG akan naik,
begitu juga sebaliknya. Jika Nikkei, STI, KOSPI, FTSE dan ASX turun maka
IHSG juga akan mengalami penurunan. IHSG mempengaruhi KLCI adalah
positif, jika IHSG naik maka KLCI naik dan jika IHSG turun KLCI juga
turun.
Selanjutnya pemodelan untuk IHSG dengan Hang Seng dilakukan
menggunakan metode VAR karena IHSG dengan Hang Seng memilki
hubungan simultan (dua arah). Berdasarkan hasil uji VAR menunjukan bahwa
arah pengaruh IHSG positif terhadap Hang Seng ini berarti setiap kenaikan
IHSG akan mengakibatkan kenaikan pula terhadap Hang Seng, sedangkan
89
arah pengaruh Hang Seng terhadap IHSG negatif yang berarti setiap kenaikan
pada Hang Seng akan menyebabkan penurunan terhadap IHSG.
Dari hasil penelitian ini menunjukan bahwa perkembangan pasar
saham Indonesia yang diwakili oleh IHSG tidak terlepas dari pengaruh indeks
regional dan global. Menurut analisis Perum Pegadaian Deni Hamzah “ Indeks
harga saham gabungan (IHSG) di Bursa Efek Indonesia pada perdagangan
Rabu, 3 Desember 2008 akan mengikuti pergerakan pasar regional, bila indeks
regional dibuka menguat diperkirakan IHSG bakal menguat. Apalagi, jika
Wall Street ditutup naik lagi pada Selasa sore waktu AS,” VIVAnews
(Desember 2008). Namun dalam penelitian ini di temukan bahwa bursa saham
Amerika yang diwakili oleh NASDAQ tidak mempunyai hubungan terhadap
IHSG. Hal ini sesuai dengan penelitian yang dilakukan Noer Azam Achsani
(2000) dalam Moh. Mansur (2005) tentang bagaimana bursa merespon
terhadap shock dari bursa lain, apabila terjadi shock di Amerika Serikat maka
bursa-bursa regional tidak akan terlalu meresponnya. Hanya di Singapore,
Hong Kong, Jepang, dan Taiwan dan New Zealand yang akan lansung
merespon. Sebaliknya jika shock di Singapore, Australia dan Hong Kong
secara cepat shock tersebut ditransmisikan ke hampir semua bursa saham di
Asia Pasifik, termasuk bursa saham Indonesia BEI.
Menurut penelitian beberapa para ahli berpendapat bahwa pergerakan
indeks sangat dipengaruhi oleh ekspetasi investor atas kondisi fundamental
negara maupun global. Adanya informasi baru akan berpengaruh pada
ekspetasi investor yang akirnya berpengaruh pada IHSG. Seperti halnya
90
flukstuasi pergerakan indeks regional dan global dengan ternd positif
cendrung mengalami peningkatan terhadap IHSG. Sentiment positif ini
muncul sebagai akibat masuknya dana asing yang tertarik melakukan investasi
di Indonesia. Akibatnya, indeks mengalami apresiasi. Perbaikan kondisi
makro ekonomi suatu negara menjadi faktor fundamental asing dalam
melakukan investasi. Sebaliknya jika pergerakan indeks regional dan global
dengan ternd negatif cendrung mengalami penurunan terhadap IHSG.
Sentimen negatif ini di mungkinkan terjadi akibat melemahnya pertumbuhan
ekonomi regional dan global.
Sedangkan untuk hubungan yang terjadi antara Hang Seng dengan
IHSG menunjukan bahwa IHSG mempunyai pengaruh positif terhadap Hang
Seng sedangkan Hang Seng mempunyai pengaruh negatif terhadap IHSG. Hal
ini diduga akibat terjadinya perbaikan ekonomi secara regional. Dengan
demikian terlihat bahwa pengaruh Indonesia terhadap China bersifat positif
dalam pengertian Indonesia bukan merupakan ancaman bagi China.
Sebaliknya, pengaruh pasar saham China terhadap Indonesia bersifat negatif,
dimana China mempunyai kemampuan untuk menekan pasar saham
Indonesia.
91
BAB V
KESIMPULAN
A. KESIMPULAN
Berdasarkan hasil penemuan dan pembahasan maka kesimpulan dari
penelitian ini adalah sebagai berikut:
1. Berdasarkan uji kausalitas dengan menggunakan uji Granger Causality
dapat diketahui hubungan yang terjadi antar indeks di Negara-Negara yang
diteliti dalam penelitian ini tidak semuanya saling mempengaruhi kecuali
IHSG dengan HANGSENG. Hubungan yang terjadi antara IHSG dengan
HANGSENG adalah hubungan dua arah (timbal balik). Sedangkan untuk
hubungan IHSG dengan NIKKEI, IHSG dengan STI, IHSG dengan
KOSPI, IHSG dengan FTSE dengan ASX dan IHSG dengan KLCI adalah
hubungan satu arah dimana NIKKEI, STI, KOSPI. FTSE, dan ASX
mempengaruhi IHSG, namun IHSG tidak memiliki pengaruh terhadap
NIKKEI, STI, KOSPI, FTSE, dan ASX. Untuk hubungan IHSG dengan
KLCI dari uji kausalitas granger menunjukan bahwa IHSG mempengaruhi
KLCI, sedangkan KLCI tidak mempengaruhi IHSG. Penelitian dengan
menggunakan uji Granger Causality menunjukkan bahwa tidak semua
indeks yang diteliti mempunyai hubungan terhadap IHSG. Untuk hubungan
IHSG dengan NASDAQ berdasarkan uji kausalitas granger menunjukan
bahwa tidak ada hubungan baik satu arah maupun dua arah diantara indeks
tersebut.
92
2. Berdasarkan uji regresi, ARCH/GARCH, dan VAR bisa dilihat besarnya
pengaruh dari tiap variabel terhadap IHSG. Jika pada hari perdagangan
tertentu indeks NIKKEI naik sebesar 1 poin maka persentase perubahan
IHSG naik sebesar 0.02264576035 poin. Jika pada hari perdagangan
tertentu indeks STI naik sebesar 1 poin maka persentase perubahan IHSG
naik sebesar 0.2547684572 poin. Jika pada hari perdagangan tertentu
indeks KOSPI naik sebesar 1 poin maka persentase perubahan IHSG naik
sebesar 0.3638466619 poin. Jika pada hari perdagangan tertentu indeks
FTSE naik sebesar 1 poin maka persentase perubahan IHSG naik sebesar
0.0869892066 poin. Jika pada hari perdagangan tertentu indeks ASX naik
sebesar 1 poin
maka persentase perubahan IHSG naik sebesar
0.246347163 poin. Jika pada hari perdagangan tertetu indeks KSE naik
sebesar 1 poin maka persentase perubahan IHSG naik sebesar
0.02352795144 poin. Jika pada hari perdagangan tertentu IHSG naik 1 poin
maka persentase perubahan KLCI naik sebesar 0.2883630214 poin.
Berdasarkan uji VAR, menunjukan bahwa setiap kenaikan 3 poin Hang
Seng t-3 maka akan mengakibatkan penurunan pada IHSG sebesar 0,01773447188, sedangkan setiap kenaikan 2 poin IHSG t-2 maka akan
mengakibatkan kenaikan pada Hang Seng sebesar 3,487012734.
93
B. IMPLIKASI
1. Bagi akademis
Hasil penelitian ini diharapkan akan menambah wawasan pustaka bagi ilmu
pengetahuan khususnya dalam bidang nilai tukar valuta asing, investasi,
dan diversivikasi, serta dapat di gunakan sebagai bahan pertimbangan dan
tambahan informasi dalam melakukan penelitian selanjutnya.
2. Bagi Investor
Hasil penelitian ini diharapkan dapat membantu para investor dalam
pengambilan keputusan investasi yang tepat, terutama jika investor ingin
berinvestasi di beberapa Negara yang berbeda.
C. SARAN
Penelitian ini dibuat dengan membandingkan IHSG dari Sembilan
negara yang penulis duga memiliki pengaruh terhadap IHSG Jakarta dan
menggunakan kurun waktu penelitian Januari 1999 sampai dengan Desember
2009 (132 bulan). Penelitian lain dapat mencoba membuat model dalam kurun
waktu berbeda.
94
DAFTAR PUSTAKA
Anoraga Pandji, Pakarti Piji, “Pengantar Pasar Modal”, Cetakan kelima, 2006,
Rineka Cipta.
Alwi, Iskandar Z. “Pasar Modal Teori dan Aplikasi” Cetakan Pertama, Yayasan
Pancur Siwah. 2003.
Atish Kumar Dash and Hrushikesh Mallick, “Contagion Effect of Global Financial
Crisis on Stock Market in India”, Journal.
Atmadja, Adwin Surya. “Are The Five ASEAN Stock Price Indicis Dynamically
Interacted?” Jurnal Akuntansi & Keuangan, Vol. 7, No. 1, Mei 2005 : 43-60.
Amalia, Siti. “Analisis Perubahan Nilai Tukar, Tingkat Suku Bunga, dan Pasar
Saham pada Lima Negara Asia, Indonesia, Singapore, Jepang, Hong Kong,
Korea”. Skripsi Fakultas Ekonomi dan Bisnis, UIN Syarif Hidayatullah,
2009.
Bodie, Kane, Marcus. Investment”, Edisi keenam. Terjemahan, Salemba Empat.
2006.
Ester Laura Kartini dan Sugiharso Safuan. “Determinan Investasi Portofolio
Internasional Negara-Negara ASEAN, Amerika Serikat dan Jepang”. Jurnal.
2007.
Gujarati, D, N, “Basic Econometric”, 4th Edition; McGraw Hil, Inc., 2003
Husnan, Suad. “Dasar-dasar Teori Pertofolio dan Analisis sekuritas”, Edisi Ketiga,
Yogyakarta, Unit Penerbit dan percetakan AMP YKPN, 1998.
Hasibuan. A Fikri. “Pengaruh Nilai Tukar Mata Uang Dan Indeks Harga Saham
Global Terhadap Pergerakan IHSG”. Universitas Sumatra Utara. 2009.
Ludovicius Wondabio, “Analisis Hubungan Index Harga Saham Gabungan (IHSG)
Jakarta, London (FTSE), Tokyo (NIKKEI), dan Singapura (SSI)”, K-AKPM,
2006.
Mobius, J. Mark, “Prospek Investasi di Pasar-Pasar Baru”, PT. Elex Media
Komputindo. Jakarta. 1998.
95
Moh. Mansur, “Pengaruh Indeks Global Terhadap Indeks Harga Saham Gabungan
(IHSG) pada Bursa Efek Jakarta (BEJ) Periode Tahun 2000-2002”, Junal,
2005.
Nachrowi dan Hardianus Usman. “Pendekatan popular dan praktis Ekonometrika
untuk Analisis Ekonomi dan Keuangan”, Lembaga Penerbit Fakultas
Ekonomi UI, Jakarta, 2006.
Nurdiansyah, Dian, “Analisis Hubungan Index Harga Saham Gabungan (IHSG)
Indonesia, Amerika (DJIA), Tokyo (NIKKEI), Hongkong (HSI), dan Korea
(KOPSI), Skripsi Fakultas Ekonomi dan Bisnis, UIN Syarif Hidayatullah,
2009.
Rodoni, Ahmad, “Modul Istitusi Depositori dan Pasar Modal”, FEB UIN Syarif
Hidayatullah, Jakarta, 2008.
Sekaran U. 2003. “Research Methode for Business: A Skill Building Appoarch”, John
Willey, New York.
Suad Husnan, “ Dasar-Dasar Teori Portofolio dan Analisa Sekuritas”, Edisi 3. UPP
AMP YKPN. Yokyakarta, 1998.
Supraptono. “ Prospek Pasar Modal Indonesia 2009”, Economic Review. No 213.
2008.
Sutrisno. “Manajemen Keuangan Teori, Konsep dan Aplikasi” Penerbit EKONISIA
UII Yogyakarta. 2000.
Siamat, Dahlan. “Menajemen Lembaga Keuangan”, Edisi Ketiga. FE UI. 2001.
Sharpe, William F., Gordon, J. Alexander dan V, Bailey, “Investment”, Prentice Hall,
New York, 1995.
Tandelilin, Eduardus. “ Portofolio dan Investasi”, FEB Univ Gajah Mada.
Yogyakarta. 2010.
Utama, Chandra. “ Pengaruh Pasar Saham Dunia terhadap Pasar Saham
Indonesia”, Jurnal. 2008.
Wing Wahyu Winarno, “ Analisis Ekonometrika dan Statistika dengan Eviews”,
Cetakan Pertama, Sekolah Tinggi Ilmu Manajemen YKPN, 2007.
---------, Invesment Starategi. Reliance Securutis, April 2009.
96
---------, IHSG Amati Perkembangan Bursa Regional. KB Finance, 24 Februari
2009.
---------, Dana Asing Masuk, Indeks Saham Tembus 2000. Bursa Efek Indonesia,
26 April 2009.
---------, Indonesia Siap Ambil Peluang Ekonomi Timtengah. Republika, 29 April
2008.
bisnisindonesia.com
VIVAnews.com
kontan.com
google.com
yahoofinance.com
97
TABEL
DATA-DATA VARIABEL
DATE
IHSG
STI
KLCI
NO
1
2
3
4
5
6
1/4/1999
2/1/1999
3/1/1999
4/1/1999
5/3/1999
6/1/1999
411.93
1428.14
591.43
396.09
1411.91
542.23
393.62
1518.31
502.82
495.22
1886.19
674.96
585.24
1903.86
743.04
662.03
2167.70
811.10
7
8
9
10
11
12
7/1/1999
8/2/1999
9/1/1999
10/1/1999
11/1/1999
12/1/1999
597.87
2145.77
768.69
567.03
2117.17
767.06
547.94
2021.93
675.45
593.87
2047.15
742.87
583.80
2237.13
734.66
676.92
2479.58
812.33
13
14
15
16
17
18
19
1/4/2000
2/1/2000
3/1/2000
4/3/2000
5/1/2000
6/1/2000
7/3/2000
636.37
2230.28
922.10
576.54
2120.50
982.24
583.28
2132.59
974.38
526.74
2164.11
898.35
454.33
1795.13
911.51
515.11
2037.97
833.37
492.19
2051.21
798.83
20
21
8/1/2000
9/1/2000
466.38
2147.77
795.84
421.34
1997.03
713.51
KOSPI
NIKKEI
HANGSENG
1682.77
1555.60
1580.69
1673.14
1591.85
1557.29
14499.25
14367.54
15836.59
16701.53
16111.65
17529.74
9506.90
9858.49
10942.20
13333.20
12147.12
13532.14
900.58
926.21
1056.75
1107.02
1222.00
1054.67
2893.80
2879.90
2967.20
3101.10
2900.20
2968.90
5896.0
6175.1
6295.3
6552.2
6226.2
6318.5
2505.89
2288.03
2461.40
2542.86
2470.52
2686.12
1390.07
1395.89
1369.36
1206.26
1063.03
1162.11
17861.86
17436.56
17605.46
17942.08
18558.23
18934.34
13186.86
13482.77
12733.24
13256.95
15377.19
16962.10
1251.79
1206.51
1199.29
1189.32
1247.40
1408.91
3019.90
2951.90
2881.10
2885.10
3044.00
3152.50
6231.9
6246.4
6029.8
6255.7
6597.2
6930.2
2638.49
2739.35
2746.16
2966.43
3336.16
4069.31
1124.47
1076.07
1113.06
1448.06
1474.24
1594.67
1674.92
19539.70
19959.52
20337.32
17973.70
16332.45
17411.05
15727.49
15532.34
17169.44
17406.54
15519.30
14713.86
16155.78
16840.98
1772.84
1930.61
1999.69
1901.07
1536.65
1520.73
1554.90
3096.00
3135.70
3133.30
3085.10
3040.60
3257.60
3213.60
6268.5
6232.6
6540.2
6327.4
6359.3
6312.7
6365.3
3940.35
4696.69
4572.83
3860.66
3400.91
3966.11
3766.99
1852.02
1825.47
16861.26
15747.26
17097.51
15648.98
1518.27
1564.78
3261.70
3246.10
6672.7
6294.2
4206.35
3672.82
KSE
ASX
FTSE
NASDAQ
95
22
23
24
25
10/2/2000
11/1/2000
12/1/2000
1/2/2001
405.35
1976.54
752.36
429.21
1952.23
729.95
416.32
1926.83
679.64
425.61
1991.29
727.73
26
27
28
29
30
31
2/1/2001
3/1/2001
4/2/2001
5/1/2001
6/1/2001
7/2/2001
428.30
1947.40
709.39
381.05
1674.19
647.48
358.23
1722.72
584.50
405.86
1657.05
572.88
437.62
1726.50
592.99
470.23
1666.03
659.40
32
33
34
35
36
37
8/1/2001
9/3/2001
10/1/2001
11/1/2001
12/3/2001
1/2/2002
443.19
1619.12
687.16
392.48
1319.53
615.34
383.73
1367.84
600.07
380.31
1478.54
638.02
392.04
1623.60
696.09
451.64
1786.89
718.82
38
39
40
41
42
43
2/1/2002
3/1/2002
4/2/2002
5/1/2002
6/3/2002
7/1/2002
453.25
1715.58
708.91
481.77
1803.22
756.10
534.06
1725.37
793.99
530.79
1671.84
741.76
505.01
1552.98
725.44
463.67
1508.36
721.59
44
45
46
47
48
49
8/1/2002
9/2/2002
10/1/2002
11/1/2002
12/2/2002
1/2/2003
443.67
1488.50
711.36
419.31
1352.30
638.01
369.04
1463.37
659.57
390.42
1391.53
629.22
424.95
1341.03
646.32
388.44
1291.44
664.77
1703.99
1711.62
1624.68
1897.13
14539.60
14648.51
13785.69
13843.55
14895.34
13984.39
15095.53
16102.35
1489.32
1276.05
1507.59
1461.60
3203.90
3222.00
3154.70
3291.50
6438.4
6142.2
6222.5
6297.5
3369.63
2597.93
2470.52
2772.73
1906.00
2064.85
1946.48
1873.24
1933.27
1743.60
12883.54
12999.70
13934.32
13262.14
12969.05
11860.77
14787.87
12760.64
13386.04
13174.41
13042.53
12316.69
1423.18
1324.41
1367.05
1377.61
1366.43
1228.89
3274.10
3096.90
3270.30
3317.20
3425.20
3270.80
5917.9
5633.7
5966.9
5796.1
5642.5
5529.1
2151.83
1840.26
2116.24
2110.49
2160.54
2027.13
1700.91
1542.24
1452.55
1417.34
1360.23
1434.46
10713.51
9774.68
10366.34
10697.44
10542.62
9997.80
11090.48
9950.70
10073.97
11279.25
11397.21
10725.30
1258.43
1133.43
1406.05
1358.16
1273.06
1620.18
3217.80
2988.00
3185.30
3276.90
3359.90
3404.00
5345
4903.4
5039.7
5203.6
5217.4
5164.8
1805.43
1498.80
1690.20
1930.58
1950.40
1934.03
1432.21
1364.55
1371.41
1352.74
1297.82
1295.15
10587.83
11024.94
11492.54
11763.70
10621.84
9877.94
10482.55
11032.92
11497.58
11301.94
10598.55
10267.36
1765.95
1868.11
1898.95
1663.34
1770.11
1787.59
3358.60
3363.30
3299.50
3325.10
3163.20
3032.60
5101
5271.8
5165.6
5085.1
4656.4
4246.2
1731.49
1845.35
1688.23
1615.73
1463.21
1328.26
1317.70
1419.73
1359.60
1371.59
1399.83
1379.37
9619.30
9383.29
8640.48
9215.56
8578.95
8339.94
10043.87
9072.21
9441.25
10069.87
9321.29
9258.95
1974.58
2018.75
2278.54
2285.87
2701.41
2545.07
3073.70
2928.30
2995.00
3025.20
2975.50
2935.40
4227.3
3721.8
4039.7
4169.4
3940.4
3567.4
1314.85
1172.06
1329.75
1478.78
1335.51
1320.91
96
50
51
52
53
2/3/2003
3/3/2003
4/1/2003
5/1/2003
399.22
1273.85
646.80
398.00
1267.82
635.72
450.86
1281.33
630.37
494.78
1349.00
671.46
54
55
56
57
58
59
6/2/2003
7/1/2003
8/1/2003
9/1/2003
10/1/2003
11/3/2003
505.50
1447.89
691.96
507.98
1558.87
720.56
529.67
1599.25
743.30
597.65
1630.80
733.45
625.55
1723.71
817.12
617.08
1714.00
779.28
60
61
62
63
64
65
12/1/2003
1/2/2004
2/2/2004
3/1/2004
4/1/2004
5/3/2004
691.90
1764.52
793.94
752.93
1848.36
818.94
761.08
1888.63
879.24
735.68
1858.92
901.85
783.41
1842.03
838.21
732.52
1788.66
810.67
66
67
68
69
70
71
6/1/2004
7/1/2004
8/2/2004
9/1/2004
10/1/2004
11/1/2004
732.40
1838.00
819.86
756.98
1891.71
833.98
754.70
1918.34
827.98
820.13
1984.74
849.96
860.49
1980.69
861.14
977.77
2027.66
917.19
72
73
74
75
76
77
12/1/2004
1/4/2005
2/1/2005
3/1/2005
4/1/2005
5/2/2005
1000.23
2066.14
907.43
1045.44
2096.32
916.27
1073.83
2119.40
907.38
1080.17
2141.43
871.35
1029.61
2125.25
878.96
1088.17
2161.77
860.73
1297.44
1158.11
1221.01
1083.33
8363.04
7972.71
7831.42
8424.51
9122.66
8634.45
8717.22
9487.38
2399.14
2715.71
2902.41
3099.04
2778.40
2848.60
2970.90
2979.80
3655.6
3613.3
3926
4048.1
1337.52
1341.17
1464.31
1595.91
1111.29
1008.16
970.21
911.30
965.68
1011.36
9083.11
9563.21
10343.55
10219.05
10559.59
10100.57
9577.12
10134.83
10908.99
11229.87
12190.10
12317.47
3402.47
3933.37
4461.47
4027.34
3781.03
4068.29
2998.90
3106.70
3202.90
3176.20
3282.40
3195.70
4031.2
4157
4161.1
4091.3
4287.6
4342.6
1622.80
1735.02
1810.45
1786.94
1932.21
1960.26
932.70
895.92
878.06
834.84
835.09
803.57
10676.64
10783.61
11041.92
11715.39
11761.79
11236.37
12575.94
13289.37
13907.03
12681.67
11942.96
12198.24
4471.60
4841.33
4840.37
5106.66
5430.43
5497.79
3306.00
3283.60
3372.50
3416.40
3407.70
3456.90
4476.9
4390.7
4492.2
4385.7
4489.7
4430.7
2003.37
2066.15
2029.82
1994.22
1920.15
1986.74
735.34
785.79
803.84
862.84
880.50
883.42
11858.87
11325.78
11081.79
10823.57
10771.42
10899.25
12285.75
12238.03
12850.28
13120.03
13054.66
14060.05
5279.18
5289.92
5346.15
5217.65
5332.24
5567.79
3530.30
3546.10
3561.90
3674.70
3786.30
3942.80
4464.1
4413.1
4459.3
4570.8
4624.2
4703.2
2047.79
1887.36
1838.10
1896.84
1974.99
2096.81
848.50
810.71
796.18
782.36
697.52
759.47
11488.76
11387.59
11740.60
11668.95
11008.90
11276.59
14230.14
13721.69
14195.35
13516.88
13908.97
13867.07
6218.40
6747.39
8260.06
7770.33
7104.65
6857.67
4053.10
4106.70
4156.50
4100.60
3943.10
4070.40
4814.3
4852.3
4968.5
4894.4
4801.7
4964
2175.44
2062.41
2051.72
1999.23
1921.65
2068.22
97
78
79
80
81
6/1/2005
7/1/2005
8/1/2005
9/1/2005
1122.38
2212.66
888.32
1182.30
2352.56
937.39
1050.09
2275.43
913.56
1079.28
2305.14
927.54
82
83
84
85
86
87
10/3/2005
11/1/2005
12/1/2005
1/3/2006
2/1/2006
3/1/2006
1066.22
2216.77
910.76
1096.64
2300.25
896.13
1162.64
2347.34
899.79
1232.32
2412.08
914.01
1230.66
2481.96
928.94
1322.97
2533.40
926.63
88
89
90
91
92
93
4/3/2006
5/1/2006
6/1/2006
7/3/2006
8/1/2006
9/1/2006
1464.41
2610.71
949.23
1330.00
2383.87
927.78
1310.26
2435.39
914.69
1351.65
2445.43
935.85
1431.26
2482.39
958.12
1534.61
2568.86
967.55
94
95
96
97
98
99
10/2/2006
11/1/2006
12/1/2006
1/2/2007
2/1/2007
3/1/2007
1582.63
2701.75
988.30
1718.96
2838.53
1080.66
1805.52
2985.83
1096.24
1757.26
3125.56
1189.35
1740.97
3104.15
1196.45
1830.92
3231.24
1246.87
100
101
102
103
104
105
4/2/2007
5/1/2007
6/1/2007
7/2/2007
8/1/2007
9/3/2007
1999.17
3361.29
1322.25
2084.32
3511.13
1346.89
2139.28
3548.20
1354.38
2348.67
3547.66
1373.71
2194.34
3392.91
1273.93
2359.21
3706.23
1336.30
713.52
669.93
633.42
599.35
11584.01
11899.60
12413.60
13574.30
14201.06
14880.98
14903.55
15428.52
7450.12
7178.93
7796.86
8225.66
4229.90
4346.70
4413.50
4592.60
5113.2
5282.3
5296.9
5477.7
2056.96
2184.83
2152.09
2151.69
535.70
575.43
591.86
627.55
724.80
658.92
13606.50
14872.15
16111.43
16649.82
16205.43
17059.66
14386.37
14937.14
14876.43
15753.14
15918.48
15805.04
8247.37
9026.59
9556.61
10523.37
11456.12
11485.90
4412.70
4583.60
4708.80
4880.20
4878.40
5087.20
5317.3
5423.2
5618.8
5760.3
5791.5
5964.6
2120.30
2232.82
2205.32
2305.82
2281.39
2339.79
646.42
736.40
717.99
742.72
796.40
842.34
16906.23
15467.33
15505.18
15456.81
16140.76
16127.58
16661.30
15857.89
16267.62
16971.34
17392.27
17543.05
11342.17
9800.69
9989.41
10497.66
10063.54
10512.52
5207.00
4972.30
5034.00
4957.10
5079.80
5113.00
6023.1
5723.8
5833.4
5928.3
5906.1
5960.8
2322.57
2178.88
2172.09
2091.47
2183.75
2258.43
895.58
819.99
748.07
693.70
643.89
537.81
16399.39
16274.33
17225.83
17383.42
17604.12
17287.65
18324.35
18960.48
19964.72
20106.42
19651.51
19800.93
11327.71
10619.47
10040.50
11272.33
11180.02
11271.59
5352.90
5461.60
5644.30
5757.70
5816.50
5978.80
6129.2
6048.8
6220.8
6203.1
6171.5
6308
2366.71
2431.77
2415.29
2463.93
2416.15
2421.64
479.68
545.11
541.55
595.13
612.16
577.36
17400.41
17875.75
18138.36
17248.89
16569.09
16785.69
20318.98
20634.47
21772.73
23184.94
23984.14
27142.47
12369.70
12961.14
13772.46
13739.53
12214.26
13353.68
6158.30
6341.80
6310.60
6187.50
6248.30
6580.90
6449.2
6621.4
6607.9
6360.1
6303.3
6466.8
2525.09
2604.52
2603.23
2546.27
2596.36
2701.50
98
106
107
108
109
10/1/2007
11/1/2007
12/3/2007
1/2/2008
2643.49
3805.70
1413.65
2688.33
3521.27
1396.98
2745.83
3482.30
1445.03
2627.25
2981.75
1393.25
110
111
112
113
114
115
2/1/2008
3/3/2008
4/1/2008
5/1/2008
6/2/2008
7/1/2008
2721.94
3026.45
1357.40
2447.30
3007.36
1247.52
2304.52
3147.79
1279.86
2444.35
3192.62
1276.10
2349.10
2947.54
1186.57
2304.51
2929.65
1163.09
116
117
118
119
120
121
8/1/2008
9/1/2008
10/1/2008
11/3/2008
12/1/2008
1/2/2009
2165.94
2739.95
1100.50
1832.51
2358.91
1018.68
1256.70
1794.20
863.61
1241.54
1732.57
866.14
1355.41
1761.56
876.75
1332.67
1746.47
884.45
122
123
124
125
126
127
2/2/2009
3/2/2009
4/1/2009
5/1/2009
6/1/2009
7/1/2009
1285.48
1594.87
890.67
1434.07
1699.99
872.55
1722.77
1920.28
990.74
1916.83
2329.08
1044.11
2026.78
2333.14
1075.24
2323.24
2659.20
1174.90
128
129
130
131
132
8/3/2009
9/1/2009
10/1/2009
11/2/2009
2341.54
2592.90
1174.27
2467.59
2672.57
1202.08
2367.70
2651.13
1243.23
2415.84
2732.12
12/1/2009
2534.36
2897.62
523.22
578.10
617.91
504.62
16737.63
15680.67
15307.78
13592.47
31352.58
28643.61
27812.65
23455.74
14321.39
13998.52
14077.16
14016.94
6779.10
6593.60
6421.00
5697.00
6721.6
6432.5
6456.9
5879.8
2859.12
2660.96
2652.28
2389.86
509.23
514.48
613.22
688.62
705.97
821.22
13603.02
12525.54
13849.99
14338.54
13481.38
13376.81
24331.67
22849.20
25755.35
24533.12
22102.01
22731.10
14934.30
15125.89
15122.47
12130.51
12289.03
10583.58
5674.70
5409.70
5657.00
5773.90
5332.90
5052.60
5884.3
5702.1
6087.3
6053.5
5625.9
5411.9
2271.48
2279.10
2412.80
2522.66
2292.98
2325.55
731.88
725.39
860.94
828.38
943.88
1028.07
13072.87
11259.86
8576.98
8512.27
8859.56
7994.05
21261.89
18016.21
13968.67
13888.24
14387.48
13278.21
9208.26
9179.68
9182.88
9187.10
5865.01
5377.42
5215.50
4631.30
3982.70
3672.70
3659.30
3478.10
5636.6
4902.5
4377.3
4288
4434.2
4149.6
2367.52
2091.88
1720.95
1535.57
1577.03
1476.42
996.66
833.51
836.18
937.88
969.72
883.00
7568.42
8109.53
8828.26
9522.50
9958.44
10356.83
12811.57
13576.02
15520.99
18171.00
18378.73
20573.33
5727.46
6860.22
7202.10
7276.61
7162.18
7720.93
3296.90
3532.30
3744.70
3813.30
3947.80
4249.50
3830.1
3926.1
4243.7
4417.9
4249.2
4608.4
1377.84
1528.59
1717.30
1774.33
1835.04
1978.50
1259.11
736.02
752.59
618.98
520.06
10492.53
10133.23
10034.74
9345.55
19724.19
20955.25
21752.87
21821.50
8675.67
9349.67
9159.18
9206.21
4484.10
4739.30
4646.90
4715.50
4908.9
5133.9
5044.5
5190.7
2009.06
2122.42
2045.11
2144.60
1272.78
571.43
10546.44
21872.50
9386.92
4882.70
5412.9
2269.15
Sumber : BEI dan Yahoo Finance
99
Lampiran 1
Residual Q-statistik ARCH (1) IHSG dan NIKKEI
Date: 02/21/10 Time: 15:09
Sample: 1999:02 2009:12
Included observations: 131
Autocorrelation
.|*
.|*
.|*
.|*
.|.
.|.
.|*
.|.
*|.
.|.
*|.
*|.
*|.
.|.
*|.
*|.
.|.
.|.
.|.
.|.
.|*
.|.
*|.
.|*
.|.
.|.
.|.
.|.
.|*
.|.
.|*
.|*
.|.
.|*
.|*
.|*
Partial Correlation
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.|*
.|*
.|*
.|*
.|.
.|.
.|*
.|.
*|.
.|.
*|.
*|.
.|.
.|.
.|.
*|.
.|*
.|.
.|.
.|.
.|*
.|.
**|.
.|.
.|.
.|*
.|.
.|.
.|*
.|.
.|*
.|*
.|.
.|.
.|*
.|*
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
AC
PAC
Q-Stat
Prob
0.104
0.100
0.111
0.153
0.039
0.006
0.128
0.013
-0.146
-0.040
-0.107
-0.123
-0.087
0.000
-0.098
-0.149
0.061
-0.005
0.000
-0.010
0.122
-0.007
-0.184
0.083
0.010
0.057
-0.001
0.017
0.073
-0.029
0.099
0.117
0.041
0.092
0.123
0.171
0.104
0.090
0.094
0.130
-0.002
-0.031
0.105
-0.027
-0.174
-0.033
-0.114
-0.088
-0.004
0.046
-0.056
-0.069
0.124
0.012
0.041
-0.008
0.067
-0.050
-0.213
0.050
-0.042
0.082
0.015
-0.019
0.098
0.040
0.087
0.084
0.024
0.016
0.074
0.124
1.4598
2.8145
4.4977
7.7302
7.9428
7.9478
10.255
10.280
13.311
13.546
15.216
17.434
18.559
18.559
20.009
23.353
23.913
23.916
23.916
23.932
26.292
26.299
31.757
32.888
32.905
33.444
33.445
33.495
34.418
34.568
36.272
38.693
38.985
40.519
43.254
48.631
0.227
0.245
0.212
0.102
0.159
0.242
0.175
0.246
0.149
0.195
0.173
0.134
0.137
0.182
0.172
0.105
0.122
0.158
0.199
0.245
0.196
0.239
0.105
0.106
0.133
0.150
0.183
0.218
0.224
0.259
0.236
0.193
0.218
0.205
0.160
0.078
Sumber : Data diolah
100
Lampiran 2
Uji Normalitas
24
Series: Standardized Residuals
Sample 1999:02 2009:12
Observations 131
20
16
12
8
4
0
-2
-1
0
1
2
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
0.151746
0.017473
3.564203
-2.531008
0.992216
0.325399
3.890304
Jarque-Bera
Probability
6.638315
0.036183
3
Grafik Histogram IHSG dan NIKKEI ARCH (1)
Sumber : Data diolah
101
Lampiran 3
Residual Q-statistik GARCH (1.1)
Date: 02/21/10 Time: 15:23
Sample: 1999:02 2009:12
Included observations: 131
Autocorrelation
Partial Correlation
.|*
.|.
.|.
.|.
.|.
.|.
.|*
.|.
*|.
.|.
*|.
*|.
.|.
.|.
*|.
*|.
.|.
.|.
.|.
*|.
.|*
.|.
**|.
.|.
.|.
.|.
.|.
.|.
.|.
*|.
.|*
.|*
.|.
.|.
.|*
.|*
.|*
.|.
.|.
.|.
.|.
.|.
.|*
.|.
*|.
.|.
*|.
*|.
.|.
.|.
*|.
*|.
.|*
.|.
.|.
*|.
.|*
.|.
**|.
.|*
*|.
.|.
.|.
*|.
.|*
.|.
.|*
.|.
.|.
.|.
.|*
.|*
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
AC
PAC
Q-Stat
Prob
0.147
0.012
0.042
0.062
-0.018
0.015
0.152
0.000
-0.144
-0.007
-0.082
-0.099
-0.002
0.056
-0.098
-0.153
0.065
0.041
-0.002
-0.060
0.121
0.003
-0.212
0.045
-0.029
-0.022
0.022
-0.023
0.035
-0.062
0.169
0.101
-0.040
0.063
0.133
0.138
0.147
-0.010
0.043
0.050
-0.035
0.022
0.146
-0.047
-0.142
0.026
-0.104
-0.059
0.040
0.029
-0.100
-0.083
0.100
0.028
0.029
-0.096
0.108
-0.001
-0.209
0.070
-0.086
0.011
0.042
-0.083
0.087
0.011
0.142
0.034
-0.016
0.028
0.083
0.128
2.8947
2.9127
3.1515
3.6715
3.7163
3.7466
6.9945
6.9945
9.9662
9.9733
10.953
12.383
12.383
12.855
14.310
17.852
18.507
18.770
18.771
19.332
21.668
21.670
28.911
29.237
29.379
29.457
29.542
29.634
29.842
30.513
35.462
37.244
37.535
38.253
41.440
44.916
0.089
0.233
0.369
0.452
0.591
0.711
0.429
0.537
0.353
0.443
0.447
0.415
0.496
0.538
0.502
0.333
0.358
0.406
0.472
0.500
0.419
0.480
0.183
0.211
0.248
0.291
0.335
0.381
0.422
0.440
0.266
0.240
0.269
0.282
0.210
0.146
Sumber : Data diolah
102
Lampiran 4
Uji Normalitas
24
Series: Standardized Residuals
Sample 1999:02 2009:12
Observations 131
20
16
12
8
4
0
-3
-2
-1
0
1
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
0.094298
0.017483
2.427599
-3.309906
0.997170
-0.188817
3.608890
Jarque-Bera
Probability
2.802057
0.246343
2
Grafik Histogram IHSG dan NIKKEI GARCH (1)
Sumber : Data diolah
103
Lampiran 5
Residual Q-statistik ARCH (1) IHGS dan STI
Date: 02/21/10 Time: 15:34
Sample: 1999:02 2009:12
Included observations: 131
Autocorrelation
Partial Correlation
.|*
.|.
.|*
.|*
.|.
*|.
.|*
.|.
*|.
.|.
*|.
*|.
.|.
.|*
*|.
*|.
.|*
.|.
.|.
.|.
.|*
.|.
*|.
.|.
.|.
.|.
.|.
.|.
.|*
.|.
.|*
.|*
.|.
.|.
.|*
.|*
.|*
.|.
.|**
.|*
.|.
*|.
.|*
*|.
*|.
.|.
*|.
.|.
.|.
.|*
*|.
*|.
.|*
.|.
.|*
.|.
.|*
.|.
*|.
.|.
.|.
.|.
.|.
.|.
.|*
.|.
.|*
.|.
.|.
.|.
.|*
.|.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
AC
PAC
Q-Stat
Prob
0.121
-0.017
0.194
0.187
-0.016
-0.071
0.123
-0.032
-0.166
-0.005
-0.107
-0.140
-0.030
0.073
-0.100
-0.137
0.106
0.044
0.049
-0.001
0.172
0.046
-0.087
0.039
0.013
-0.001
-0.029
0.031
0.068
-0.052
0.139
0.103
0.006
0.019
0.140
0.104
0.121
-0.032
0.203
0.144
-0.043
-0.098
0.083
-0.082
-0.119
0.015
-0.146
-0.057
0.051
0.097
-0.068
-0.069
0.072
0.015
0.140
-0.053
0.104
-0.036
-0.086
-0.028
-0.033
0.027
-0.024
0.054
0.092
0.028
0.152
0.062
0.008
-0.034
0.079
0.029
1.9466
1.9837
7.1217
11.905
11.939
12.651
14.790
14.932
18.854
18.857
20.525
23.375
23.512
24.306
25.819
28.682
30.400
30.698
31.079
31.079
35.779
36.116
37.345
37.593
37.621
37.621
37.761
37.920
38.716
39.187
42.553
44.428
44.434
44.499
48.048
50.050
0.163
0.371
0.068
0.018
0.036
0.049
0.039
0.060
0.026
0.042
0.039
0.025
0.036
0.042
0.040
0.026
0.024
0.031
0.040
0.054
0.023
0.030
0.030
0.038
0.050
0.066
0.082
0.100
0.107
0.122
0.081
0.071
0.088
0.107
0.070
0.060
Sumber : Data diolah
104
Lampiran 6
Uji Normalitas
24
Series: Standardized Residuals
Sample 1999:02 2009:12
Observations 131
20
16
12
8
4
0
-2.50
-1.25
0.00
1.25
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
0.129756
0.071756
3.373452
-3.163128
0.995358
0.087168
4.323670
Jarque-Bera
Probability
9.729451
0.007714
2.50
Grafik Histogram IHSG dan STI ARCH (1)
Sumber : Data diolah
105
Lampiran 7
Residual Q-statistik GARCH (1.1)
Date: 02/21/10 Time: 15:37
Sample: 1999:02 2009:12
Included observations: 131
Autocorrelation
Partial Correlation
.|*
*|.
.|*
.|*
.|.
*|.
.|*
.|.
*|.
.|.
*|.
*|.
.|.
.|*
*|.
*|.
.|.
.|.
.|.
*|.
.|*
.|.
*|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|*
.|*
*|.
.|.
.|*
.|.
.|*
*|.
.|*
.|*
.|.
*|.
.|*
.|.
*|.
.|.
*|.
.|.
.|*
.|*
*|.
.|.
.|.
.|.
.|*
*|.
.|*
.|.
*|.
.|.
*|.
*|.
.|.
.|.
.|.
.|*
.|.
.|*
.|.
.|.
.|*
.|.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
AC
PAC
Q-Stat
Prob
0.088
-0.071
0.069
0.100
-0.047
-0.110
0.165
0.047
-0.117
0.017
-0.086
-0.062
0.026
0.110
-0.098
-0.105
0.053
0.037
0.027
-0.069
0.178
0.044
-0.108
0.043
-0.046
-0.056
-0.036
0.015
0.023
-0.020
0.115
0.085
-0.071
0.007
0.158
0.044
0.088
-0.079
0.083
0.081
-0.054
-0.094
0.171
-0.002
-0.085
0.039
-0.153
-0.027
0.085
0.078
-0.134
-0.040
0.010
0.040
0.114
-0.109
0.134
0.002
-0.061
0.065
-0.094
-0.094
0.020
-0.009
0.012
0.093
0.045
0.073
-0.020
-0.003
0.123
0.022
1.0426
1.7207
2.3601
3.7261
4.0304
5.7128
9.5525
9.8681
11.832
11.874
12.942
13.511
13.613
15.425
16.880
18.556
18.980
19.194
19.304
20.052
25.079
25.383
27.258
27.566
27.913
28.438
28.650
28.688
28.776
28.845
31.169
32.427
33.317
33.325
37.860
38.208
0.307
0.423
0.501
0.444
0.545
0.456
0.215
0.274
0.223
0.294
0.297
0.333
0.402
0.350
0.326
0.292
0.330
0.380
0.438
0.455
0.244
0.279
0.245
0.279
0.312
0.337
0.378
0.428
0.477
0.526
0.458
0.446
0.452
0.501
0.340
0.369
Sumber : Data diolah
106
Lampiran 8
Uji Normalitas
20
Series: Standardized Residuals
Sample 1999:02 2009:12
Observations 131
16
12
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
0.097781
0.137039
2.416647
-2.639392
0.941514
-0.248370
3.423702
Jarque-Bera
Probability
2.326751
0.312430
4
0
-2
-1
0
1
2
Grafik Histogram IHSG dan STI GARCH (1)
Sumber : Data diolah
107
Lampiran 9
Residual Q-statistik ARCH (1) IHSG dan KOSPI
Date: 02/21/10 Time: 15:49
Sample: 1999:02 2009:12
Included observations: 131
Autocorrelation
Partial Correlation
.|*
.|.
.|*
.|*
.|.
.|.
.|*
.|.
*|.
.|.
*|.
*|.
*|.
.|.
*|.
*|.
.|.
.|.
.|.
.|.
.|*
.|.
*|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|*
.|.
.|.
.|.
.|*
.|*
.|*
.|.
.|*
.|*
.|.
.|.
.|.
*|.
*|.
.|.
*|.
*|.
.|.
.|.
.|.
*|.
.|*
.|.
.|*
*|.
.|*
.|.
**|.
.|.
*|.
.|.
.|.
.|.
.|*
.|*
.|*
.|.
.|.
.|.
.|.
.|*
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
AC
PAC
Q-Stat
Prob
0.149
0.010
0.123
0.155
0.020
0.023
0.088
-0.021
-0.102
0.007
-0.126
-0.153
-0.061
0.013
-0.101
-0.162
0.061
0.043
0.014
-0.050
0.125
0.005
-0.161
0.011
-0.018
-0.004
0.021
0.059
0.028
-0.002
0.119
0.055
0.010
0.043
0.127
0.161
0.149
-0.013
0.127
0.123
-0.018
0.013
0.054
-0.062
-0.097
0.016
-0.153
-0.093
-0.011
0.040
-0.045
-0.093
0.106
0.046
0.070
-0.071
0.110
-0.057
-0.190
-0.008
-0.088
0.047
0.017
0.064
0.071
0.078
0.095
0.009
0.047
-0.050
0.049
0.089
2.9610
2.9736
5.0434
8.3581
8.4139
8.4864
9.5672
9.6282
11.100
11.108
13.420
16.834
17.391
17.415
18.951
22.912
23.485
23.769
23.799
24.191
26.647
26.652
30.812
30.832
30.886
30.889
30.960
31.544
31.682
31.683
34.156
34.682
34.701
35.031
37.964
42.723
0.085
0.226
0.169
0.079
0.135
0.205
0.214
0.292
0.269
0.349
0.267
0.156
0.182
0.235
0.216
0.116
0.134
0.163
0.204
0.234
0.183
0.225
0.127
0.159
0.193
0.232
0.273
0.293
0.334
0.382
0.318
0.341
0.387
0.419
0.336
0.205
Sumber : Data diolah
108
Lampiran 10
Uji Normalitas
20
Series: Standardized Residuals
Sample 1999:02 2009:12
Observations 131
16
12
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
0.114491
0.075564
2.401502
-3.802975
0.997248
-0.529708
4.736210
Jarque-Bera
Probability
22.57998
0.000012
4
0
-4
-3
-2
-1
0
1
2
Grafik Histogram IHSG dan KOSPI ARCH (1)
Sumber : Data diolah
109
Lampiran 11
Residual Q-statistik GARCH (1.1) IHSG dan KOSPI
Date: 02/21/10 Time: 15:53
Sample: 1999:02 2009:12
Included observations: 131
Autocorrelation
Partial Correlation
.|*
*|.
.|*
.|*
*|.
.|.
.|*
.|.
.|.
.|.
*|.
*|.
.|.
.|.
*|.
*|.
.|.
.|*
.|.
*|.
.|*
.|.
**|.
.|.
*|.
.|.
.|.
.|.
.|.
.|.
.|*
.|.
*|.
.|.
.|*
.|*
.|*
*|.
.|*
.|.
*|.
.|.
.|*
.|.
.|.
.|.
*|.
.|.
.|.
.|.
*|.
*|.
.|*
.|*
.|.
*|.
.|*
.|.
*|.
.|.
*|.
.|.
.|.
.|.
.|.
.|.
.|*
.|.
.|.
.|.
.|*
.|*
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
AC
PAC
Q-Stat
Prob
0.151
-0.075
0.097
0.076
-0.079
0.020
0.128
0.027
-0.051
0.038
-0.090
-0.099
-0.010
0.054
-0.081
-0.134
0.053
0.083
-0.010
-0.080
0.145
0.011
-0.218
-0.004
-0.060
-0.040
0.007
0.031
0.000
-0.004
0.138
0.006
-0.074
0.049
0.124
0.135
0.151
-0.100
0.128
0.031
-0.080
0.050
0.094
0.008
-0.035
0.026
-0.129
-0.036
-0.010
0.044
-0.077
-0.107
0.069
0.080
0.036
-0.098
0.151
-0.050
-0.173
0.030
-0.151
0.060
-0.025
-0.006
0.044
0.060
0.125
-0.033
0.008
0.002
0.077
0.111
3.0519
3.8127
5.0842
5.8681
6.7336
6.7912
9.1045
9.2102
9.5772
9.7843
10.972
12.417
12.433
12.869
13.858
16.560
16.991
18.054
18.071
19.074
22.395
22.415
30.055
30.059
30.642
30.904
30.911
31.079
31.079
31.081
34.414
34.421
35.406
35.845
38.647
41.968
0.081
0.149
0.166
0.209
0.241
0.341
0.245
0.325
0.386
0.460
0.446
0.413
0.493
0.537
0.536
0.415
0.455
0.452
0.518
0.517
0.377
0.435
0.148
0.183
0.201
0.232
0.275
0.314
0.362
0.411
0.308
0.353
0.355
0.382
0.308
0.228
Sumber : Data diolah
110
Lampiran 12
Uji Normalitas
20
Series: Standardized Residuals
Sample 1999:02 2009:12
Observations 131
16
12
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
0.081151
0.145109
2.391693
-3.157025
0.999447
-0.340583
3.637702
Jarque-Bera
Probability
4.752308
0.092907
4
0
-3
-2
-1
0
1
2
Grafik Histogram IHSG dan KOSPI GARCH (1)
Sumber : Data diolah
111
Lampiran 13
Residual Q-statistik ARCH (1) IHSG dan FTSE
Date: 02/21/10 Time: 16:02
Sample: 1999:02 2009:12
Included observations: 131
Autocorrelation
Partial Correlation
.|*
.|*
.|*
.|*
.|*
.|.
.|*
.|.
*|.
.|.
*|.
*|.
*|.
.|.
*|.
*|.
.|.
.|.
.|.
.|.
.|*
.|.
*|.
.|*
.|.
.|.
.|.
.|.
.|*
.|.
.|*
.|*
.|.
.|*
.|*
.|*
.|*
.|.
.|*
.|*
.|.
*|.
.|*
.|.
*|.
.|.
*|.
.|.
.|.
.|*
*|.
*|.
.|*
.|.
.|*
.|.
.|.
.|.
*|.
.|*
*|.
.|*
.|.
.|.
.|.
.|.
.|*
.|.
.|.
.|.
.|.
.|*
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
AC
PAC
Q-Stat
Prob
0.131
0.066
0.174
0.126
0.077
-0.025
0.107
0.034
-0.141
-0.047
-0.086
-0.100
-0.074
0.005
-0.112
-0.188
0.048
0.014
0.009
-0.030
0.077
0.030
-0.187
0.081
0.000
0.030
0.000
0.008
0.075
0.000
0.128
0.135
0.013
0.068
0.100
0.138
0.131
0.050
0.162
0.086
0.041
-0.077
0.085
-0.012
-0.155
-0.043
-0.089
-0.056
-0.005
0.070
-0.097
-0.121
0.112
0.033
0.068
-0.034
0.044
-0.031
-0.178
0.077
-0.080
0.071
-0.017
0.025
0.055
0.061
0.119
0.053
0.009
-0.008
0.052
0.083
2.2997
2.8928
7.0186
9.1830
10.011
10.099
11.717
11.880
14.738
15.054
16.136
17.599
18.417
18.420
20.300
25.672
26.022
26.053
26.066
26.207
27.151
27.295
32.950
34.027
34.027
34.179
34.179
34.191
35.147
35.147
37.979
41.186
41.217
42.057
43.860
47.332
0.129
0.235
0.071
0.057
0.075
0.121
0.110
0.157
0.098
0.130
0.136
0.128
0.142
0.188
0.161
0.059
0.074
0.099
0.128
0.159
0.166
0.200
0.082
0.084
0.107
0.131
0.161
0.195
0.200
0.237
0.181
0.128
0.154
0.161
0.145
0.098
Sumber : Data diolah
112
Lampiran 14
Uji Normalitas
20
Series: Standardized Residuals
Sample 1999:02 2009:12
Observations 131
16
12
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
0.108453
0.014776
3.350516
-2.803769
0.997922
0.024878
4.015198
Jarque-Bera
Probability
5.639015
0.059635
4
0
-3
-2
-1
0
1
2
3
Grafik Histogram IHSG dan FTSE ARCH (1)
Sumber : Data diolah
113
Lampiran 15
Residual Q-statistik ARCH (1) IHSG dan ASX
Date: 02/21/10 Time: 16:10
Sample: 1999:02 2009:12
Included observations: 131
Autocorrelation
Partial Correlation
.|*
.|.
.|*
.|*
.|.
*|.
.|*
.|.
*|.
.|.
*|.
.|.
*|.
.|*
*|.
*|.
.|*
.|*
.|*
.|.
.|*
.|.
**|.
.|*
.|.
.|.
.|.
.|.
.|.
*|.
.|*
.|*
.|.
.|.
.|.
.|*
.|*
.|.
.|*
.|.
.|.
*|.
.|*
*|.
*|.
.|.
*|.
.|.
.|.
.|*
*|.
*|.
.|*
.|*
.|.
.|.
.|*
*|.
**|.
.|*
*|.
.|.
.|*
.|.
.|.
.|.
.|*
.|.
.|.
.|.
.|.
.|.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
AC
PAC
Q-Stat
Prob
0.096
0.049
0.109
0.084
0.045
-0.082
0.106
-0.050
-0.144
-0.043
-0.090
-0.029
-0.108
0.125
-0.060
-0.181
0.122
0.107
0.080
-0.030
0.147
0.033
-0.221
0.087
-0.031
-0.026
0.027
-0.034
0.047
-0.086
0.129
0.117
0.002
0.050
0.062
0.139
0.096
0.040
0.102
0.065
0.024
-0.106
0.108
-0.078
-0.132
-0.024
-0.075
0.005
-0.053
0.161
-0.084
-0.144
0.139
0.100
0.051
-0.035
0.089
-0.063
-0.200
0.088
-0.070
-0.019
0.135
-0.043
0.036
0.055
0.089
0.041
0.012
0.050
-0.009
0.055
1.2392
1.5664
3.1789
4.1531
4.4287
5.3578
6.9443
7.2959
10.270
10.531
11.712
11.838
13.561
15.896
16.431
21.410
23.683
25.458
26.452
26.597
30.024
30.194
38.088
39.310
39.463
39.574
39.700
39.893
40.273
41.553
44.471
46.886
46.887
47.338
48.042
51.578
0.266
0.457
0.365
0.386
0.489
0.499
0.435
0.505
0.329
0.395
0.386
0.459
0.405
0.320
0.354
0.163
0.128
0.113
0.118
0.147
0.091
0.114
0.025
0.025
0.033
0.043
0.055
0.068
0.080
0.078
0.056
0.043
0.055
0.064
0.070
0.045
Sumber : Data diolah
114
Lampiran 16
Uji Normalitas
24
Series: Standardized Residuals
Sample 1999:02 2009:12
Observations 131
20
16
12
8
4
0
-2.50
-1.25
0.00
1.25
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
0.185232
0.145831
3.073103
-3.448479
0.986468
-0.195825
4.519722
Jarque-Bera
Probability
13.44357
0.001204
2.50
Grafik Histogram IHSG dan ASX ARCH (1)
Sumber : Data diolah
115
Lampiran 17
Uji Unit Root Tingkat Level IHSG
Null Hypothesis: IHSG has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-0.412727
-3.481217
-2.883753
-2.578694
0.9025
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 02/01/10 Time: 19:24
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IHSG(-1)
D(IHSG(-1))
C
-0.005034
0.319049
17.02446
0.012198
0.085358
15.78973
-0.412727
3.737770
1.078198
0.6805
0.0003
0.2830
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.099187
0.085001
98.93444
1243079.
-780.2239
2.019956
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
16.44823
103.4278
12.04960
12.11577
6.991896
0.001316
Sumber : Data diolah
116
Lampiran 18
Uji Unit Root Tingkat Level Hang Seng
Null Hypothesis: HANGSENG has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.436751
-3.480818
-2.883579
-2.578601
0.5624
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(HANGSENG)
Method: Least Squares
Date: 02/01/10 Time: 19:27
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
HANGSENG(-1)
C
-0.032948
598.4432
0.022932
366.5454
-1.436751
1.632658
0.1532
0.1050
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.015750
0.008120
1215.430
1.91E+08
-1115.347
1.684814
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
94.39389
1220.395
17.05873
17.10263
2.064255
0.153210
Sumber : Data diolah
Lampiran 19
117
Uji Unit Root Tingkat Level FTSE
Null Hypothesis: FTSE has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.517670
-3.480818
-2.883579
-2.578601
0.5217
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(FTSE)
Method: Least Squares
Date: 02/01/10 Time: 19:28
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
FTSE(-1)
C
-0.033550
175.6384
0.022106
119.7662
-1.517670
1.466510
0.1315
0.1449
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.017542
0.009926
223.8263
6462667.
-893.6972
1.909344
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
-3.687786
224.9455
13.67477
13.71866
2.303322
0.131544
Sumber : Data diolah
Lampiran 20
Uji Unit Root Tingkat Level KLCI
118
Null Hypothesis: KLSE has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.489317
-3.481217
-2.883753
-2.578694
0.5360
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(KLSE)
Method: Least Squares
Date: 02/01/10 Time: 19:50
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
KLSE(-1)
D(KLSE(-1))
C
-0.028724
0.190281
30.37817
0.019286
0.086910
17.74963
-1.489317
2.189412
1.711482
0.1389
0.0304
0.0894
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.047196
0.032191
48.61760
300186.2
-687.8626
2.058698
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
5.619615
49.41954
10.62865
10.69483
3.145367
0.046424
Sumber : Data diolah
Lampiran 21
Uji Unit Root Tingkat Level KOSPI
119
Null Hypothesis: KOSPI has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-0.931661
-3.480818
-2.883579
-2.578601
0.7754
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(KOSPI)
Method: Least Squares
Date: 02/01/10 Time: 19:50
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
KOSPI(-1)
C
-0.016696
25.85764
0.017921
20.04147
-0.931661
1.290206
0.3533
0.1993
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.006684
-0.001016
84.02320
910726.8
-765.3464
1.839253
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
8.483511
83.98053
11.71521
11.75911
0.867993
0.353252
Sumber : Data diolah
Lampiran 22
Uji Unit Root Tingkat Level KSE
120
Null Hypothesis: KSE has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.051240
-3.480818
-2.883579
-2.578601
0.7334
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(KSE)
Method: Least Squares
Date: 02/01/10 Time: 19:51
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
KSE(-1)
C
-0.013441
144.3701
0.012786
93.74694
-1.051240
1.539998
0.2951
0.1260
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.008494
0.000808
632.7790
51652794
-1029.839
1.716639
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
64.78122
633.0347
15.75327
15.79717
1.105106
0.295114
Sumber : Data diolah
Lampiran 23
Uji Unit Root Tingkat Level NASDAQ
Null Hypothesis: NASDAQ has a unit root
121
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.853030
-3.480818
-2.883579
-2.578601
0.3536
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NASDAQ)
Method: Least Squares
Date: 02/01/10 Time: 20:43
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
NASDAQ(-1)
C
-0.051240
112.9902
0.027652
64.60640
-1.853030
1.748901
0.0662
0.0827
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.025928
0.018377
209.8116
5678695.
-885.2267
1.799029
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
-1.807176
211.7664
13.54545
13.58934
3.433720
0.066163
Sumber : Data diolah
Lampiran 24
Uji Unit Root Tingkat Level NIKKEI
Null Hypothesis: NIKKEI has a unit root
Exogenous: Constant
122
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.239377
-3.480818
-2.883579
-2.578601
0.6560
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NIKKEI)
Method: Least Squares
Date: 02/01/10 Time: 20:44
Sample(adjusted): 1999:02 2009:12
Included observations: 131 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
NIKKEI(-1)
C
-0.025005
297.2085
0.020175
272.2811
-1.239377
1.091550
0.2175
0.2771
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.011767
0.004107
755.8599
73700813
-1053.122
1.694767
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
-30.17412
757.4167
16.10874
16.15263
1.536055
0.217456
Sumber : Data diolah
Lampiran 25
Uji Unit Root Tingkat Level STI
Null Hypothesis: STI has a unit root
Exogenous: Constant
123
Lag Length: 2 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.851602
-3.481623
-2.883930
-2.578788
0.3543
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(STI)
Method: Least Squares
Date: 02/01/10 Time: 20:44
Sample(adjusted): 1999:04 2009:12
Included observations: 129 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
STI(-1)
D(STI(-1))
D(STI(-2))
C
-0.038777
0.150502
0.195281
91.44052
0.020942
0.087416
0.087901
46.94761
-1.851602
1.721677
2.221612
1.947714
0.0664
0.0876
0.0281
0.0537
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.081222
0.059172
141.3639
2497968.
-819.7339
1.934884
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
10.69233
145.7415
12.77107
12.85974
3.683449
0.013899
Sumber : Data diolah
Lampiran 26
Uji Unit Root tingkat level ASX
Null Hypothesis: ASX has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=12)
124
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.261373
-3.481217
-2.883753
-2.578694
0.6461
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(ASX)
Method: Least Squares
Date: 02/05/10 Time: 21:21
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
ASX(-1)
D(ASX(-1))
C
-0.016859
0.279487
78.98529
0.013366
0.085293
55.34711
-1.261373
3.276769
1.427090
0.2095
0.0014
0.1560
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.085347
0.070943
163.9345
3413066.
-845.8752
2.037543
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
15.40615
170.0785
13.05962
13.12579
5.925262
0.003466
Sumber : Data diolah
Lampiran 27
Uji Unit Root Tingkat First Different IHSG
Null Hypothesis: D(IHSG) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
125
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-8.142440
-3.481217
-2.883753
-2.578694
0.0000
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IHSG,2)
Method: Least Squares
Date: 01/16/10 Time: 21:46
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(IHSG(-1))
C
-0.685899
11.60647
0.084238
8.745888
-8.142440
1.327077
0.0000
0.1868
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.341223
0.336076
98.61329
1244746.
-780.3110
2.016989
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
1.033538
121.0253
12.03555
12.07967
66.29933
0.000000
Sumber : Data diolah
Lampiran 28
Uji Unit Root Tingkat First Different ASX
Null Hypothesis: D(ASX) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
126
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-8.525309
-3.481217
-2.883753
-2.578694
0.0000
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(ASX,2)
Method: Least Squares
Date: 01/16/10 Time: 21:53
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(ASX(-1))
C
-0.727355
11.58555
0.085317
14.46068
-8.525309
0.801177
0.0000
0.4245
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.362171
0.357188
164.3126
3455825.
-846.6844
2.031003
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
1.393077
204.9411
13.05668
13.10080
72.68089
0.000000
Sumber : Data diolah
Lampiran 29
Uji Unit Root Tingkat First Different FTSE
Null Hypothesis: D(FTSE) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
127
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-11.11293
-3.481217
-2.883753
-2.578694
0.0000
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(FTSE,2)
Method: Least Squares
Date: 01/16/10 Time: 21:56
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(FTSE(-1))
C
-0.979856
-5.753789
0.088173
19.76216
-11.11293
-0.291152
0.0000
0.7714
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.491048
0.487072
225.2573
6494827.
-887.6959
1.998257
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
-0.437692
314.5216
13.68763
13.73174
123.4971
0.000000
Sumber : Data diolah
Lampiran 30
Uji Unit Root Tingkat First Different Hang Seng
Null Hypothesis: D(HANGSENG) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
128
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-9.798283
-3.481217
-2.883753
-2.578694
0.0000
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(HANGSENG,2)
Method: Least Squares
Date: 01/16/10 Time: 21:59
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(HANGSENG(-1))
C
-0.857008
78.87016
0.087465
107.0625
-9.798283
0.736674
0.0000
0.4627
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.428588
0.424123
1217.040
1.90E+08
-1106.997
2.015191
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
-2.312231
1603.763
17.06150
17.10561
96.00636
0.000000
Sumber : Data diolah
Lampiran 31
Uji Unit Root Tingkat First Different KLCI
Null Hypothesis: D(KLSE) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
t-Statistic
Prob.*
-9.535010
-3.481217
0.0000
129
5% level
10% level
-2.883753
-2.578694
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(KLSE,2)
Method: Least Squares
Date: 01/16/10 Time: 22:00
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(KLSE(-1))
C
-0.826002
4.725964
0.086628
4.307327
-9.535010
1.097192
0.0000
0.2746
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.415302
0.410734
48.84838
305429.0
-688.9880
2.044462
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
0.483615
63.63477
10.63058
10.67470
90.91641
0.000000
Sumber : Data diolah
Lampiran 32
Uji Unit Root Tingkat First Different KOSPI
Null Hypothesis: D(KOSPI) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
t-Statistic
Prob.*
-10.56357
0.0000
130
Test critical values:
1% level
5% level
10% level
-3.481217
-2.883753
-2.578694
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(KOSPI,2)
Method: Least Squares
Date: 01/16/10 Time: 22:02
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(KOSPI(-1))
C
-0.937330
8.469478
0.088732
7.424331
-10.56357
1.140773
0.0000
0.2561
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.465752
0.461578
84.30319
909699.6
-759.9288
1.972873
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
1.373385
114.8901
11.72198
11.76610
111.5890
0.000000
Sumber : Data diolah
Lampiran 33
Uji Unit Root Tingkat First Different KSE
Null Hypothesis: D(KSE) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
t-Statistic
Prob.*
-9.851840
-3.481217
0.0000
131
5% level
10% level
-2.883753
-2.578694
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(KSE,2)
Method: Least Squares
Date: 01/16/10 Time: 22:05
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(KSE(-1))
C
-0.862634
56.30617
0.087561
55.70341
-9.851840
1.010821
0.0000
0.3140
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.431260
0.426816
631.9056
51110998
-1021.790
1.989524
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
1.192923
834.6517
15.75062
15.79474
97.05875
0.000000
Sumber : Data diolah
Lampiran 34
Uji Unit Root Tingkat First Different NASDAQ
Null Hypothesis: D(NASDAQ) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
t-Statistic
Prob.*
-10.54854
-3.481217
-2.883753
0.0000
132
10% level
-2.578694
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NASDAQ,2)
Method: Least Squares
Date: 01/16/10 Time: 22:07
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(NASDAQ(-1))
C
-0.927417
0.056489
0.087919
18.59419
-10.54854
0.003038
0.0000
0.9976
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.465043
0.460864
211.9880
5752183.
-879.8031
1.981235
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
2.633923
288.7102
13.56620
13.61032
111.2716
0.000000
Sumber : Data diolah
Lampiran 35
Uji Unit Root Tingkat First Different NIKKEI
Null Hypothesis: D(NIKKEI) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
t-Statistic
Prob.*
-9.781922
-3.481217
-2.883753
0.0000
133
10% level
-2.578694
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NIKKEI,2)
Method: Least Squares
Date: 01/16/10 Time: 22:09
Sample(adjusted): 1999:03 2009:12
Included observations: 130 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(NIKKEI(-1))
C
-0.865797
-24.07276
0.088510
66.44167
-9.781922
-0.362314
0.0000
0.7177
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.427769
0.423299
756.4944
73252328
-1045.185
1.959886
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
10.25077
996.1627
16.11053
16.15465
95.68599
0.000000
Sumber : Data diolah
Lampiran 36
Uji Unit Root Tingkat First Different STI
Null Hypothesis: D(STI) has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
t-Statistic
Prob.*
-6.047213
-3.481623
-2.883930
0.0000
134
10% level
-2.578788
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(STI,2)
Method: Least Squares
Date: 01/16/10 Time: 22:10
Sample(adjusted): 1999:04 2009:12
Included observations: 129 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(STI(-1))
D(STI(-1),2)
C
-0.689737
-0.174014
7.648183
0.114059
0.087983
12.61606
-6.047213
-1.977824
0.606226
0.0000
0.0501
0.5455
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.434248
0.425268
142.7196
2566480.
-821.4791
1.935729
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
0.458140
188.2570
12.78262
12.84913
48.35626
0.000000
Sumber : Data diolah
135