(IHSG), Jumlah Uang Beredar (JUB)

Jurnal Saintech Vol. 06 - No.04-Desember 2014 ISSN No. 2086-9681
ANALISIS KOINTEGRASI ANTARA INDEKS HARGA SAHAM GABUNGAN
(IHSG), JUMLAH UANG BEREDAR (JUB), DAN INDEKS HARGA PEDAGANG
BESAR (IHPB) DI INDONESIA PERIODE TAHUN 2007 - 2013
Oleh:
Drs. Bonaraja Purba, M.Si*)
*) Dosen Universitas Negeri Medan
Abstract
This study aims to examine the relationship of short-term and cointegration (long-term balance)
between the stock price index (JCI), the money supply (JUB), and the index of wholesale prices (WPI).
This study uses secondary data in the form of monthly time series data obtained from BPS and Bank
Indonesia from 2007: 1 to 2013: 11. Methods of data analysis using the Granger Causality Test,
Johansen Cointegration Test with Vector Error Correction Model (VECM). Data processing using
software Eviews 7. Based on the analysis of data in the short term found a one-way relationship
between JUB and JCI, and WPI and JCI; and in the long term is found cointegration between JCI,
JUB, and IPHB in Indonesia.
Keywords: JCI, JUB, WPI, VECM
I. Pendahuluan
Berdasarkan laporan tahunan Bank
Indonesia (2013) dalam kurun waktu tahun
2007-2012 diperoleh bahwa, rata-rata tingkat
inflasi sebesar 9,26%, rata-rata jumlah uang
beredar sebesar Rp 651177.56 M, dan ratarata PDB Riil sebesar Rp 2125521.15 M (BI,
2013). Pertumbuhan jumlah uang beredar
cenderung mengalami peningkatan dari tahun
ke tahun. Pada tahun 2009, terjadi peningkatan
yang sangat signifikan hingga mencapai nilai
Rp. 1.033.523 milyar. Sementara itu pada
tahun 2010 jumlah uang beredar mengalami
penurunan hingga mencapai Rp. 267.712,08
milyar. Peningkatan jumlah uang beredar yang
melambat pada tahun 2010-2012 sejalan
dengan upaya otoritas moneter untuk
memelihara kestabilan nilai mata uang rupiah.
Hal ini terkait dengan jumlah uang beredar di
masyarakat yang cukup besar pada tahun 2009.
Menurut Edi Susianto (2002) bahwa
kebijakan moneter memberikan manfaat,
antara lain: (1) mudah dipahami oleh
masyarakat, karena masyarakat hanya akan
16
melihat
ukuran
keberhasilannya
pada
pencapaian laju inflasi, (2) dapat menciptakan
ekspektasi yang rendah terhadap inflasi
sehingga pada akhirnya dapat menghasilkan
tingkat inflasi aktual sesuai dengan yang
diinginkan,
(3)
dapat
menghindari
kemungkinan munculnya kebijakan-kebijakan
yang dapat menimbulkan deviasi terhadap
pencapaian target inflasi.
Jumlah uang beredar merupakan salah satu
indikator makroekonomi yang
dapat
mempengaruhi harga saham. Ketika jumlah
uang beredar di masyarakat mengalami
peningkatan maka orang akan cenderung
berinvestasi
pada
saham,
karena
menguntungkan sesuai harapan mereka. Jika
mereka menginvestasikan uangnya di Bank,
maka keuntungan yang diperoleh tidak sesuai
dengan harapan mereka sebab suku bunga bank
akan mengalami penurunan yang signifikan.
Perkembangan pasar modal di Indonesia
sangat dipengaruhi oleh krisis ekonomi global
yang dialami oleh USA, yang menyebabkan
terjadinya perubahan nilai tukar rupiah dan
indeks harga saham gabungan (IHSG)
Jurnal Saintech Vol. 06 - No.04-Desember 2014 ISSN No. 2086-9681
berfluktuasi. Pergerakan IHSG dipengaruhi
oleh berbagai faktor internal dan eksternal.
Pengaruh eksternal diantaranya adalah tingkat
suku bunga luar negeri dan indeks harga saham
luar negeri, yang dipercaya sebagai faktor
penentu dalam mempengaruhi IHSG. Faktor
internal diantaranya adalah peristiwa-peristiwa
dalam negeri seperti perubahan nilai tukar
rupiah terhadap USD, tingkat inflasi, suku
bunga deposito, suku bunga SBI, dan jumlah
uang beredar.
Memelihara kestabilan harga disamping
untuk menunjang proses pertumbuhan
ekonomi merupakan salah satu tugas penting
kebijakan moneter. Untuk itu diperlukan
pertumbuhan uang beredar yang jumlahnya
sesuai dengan laju pertumbuhan sektor riil
dimana hal-hal lainnya dianggap tetap (cateris
paribus). Terjadinya perubahan jumlah uang
beredar
sebagai
akibat
meningkatnya
penawaran uang yang dilakukan dalam rangka
kebijakan moneter akan menyebabkan
turunnya tingkat bunga.
Dalam
teori
ekspektasi
rasional
disebutkan bahwa masyarakat melakukan
kesalahan dalam mengekspektasi jumlah uang
beredar sehingga menciptakan keterkaitan
antara perubahan tingkat inflasi dan
perubahan tingkat pendapatan riil. Studi
empiris yang telah dilakukan Barro (1977,
1978) memberikan dukungan yang kuat pada
hipotesa ekspektasi rasional tersebut, bahwa
hanya pertumbuhan jumlah uang beredar yang
mempunyai pengaruh pada variabel riil
(pendapatan riil dan pengangguran) atau
dengan kata lain, adanya pertumbuhan jumlah
uang beredar akan menyebabkan tingkat
pendapatan riil dan pengangguran akan
berfluktuasi dari tingkat alamiahnya sedangkan
untuk tingkat harga (IHSG) dipengaruhi
pertumbuhan jumlah uang beredar.
Sepanjang tahun 2007 kondisi dan
kinerja pasar saham relatif baik, tetapi
menjelang akhir tahun 2008 terjadi krisis
ekonomi global, yang berdampak terhadap
perekonomian Indonesia yang menimbulkan
gejolak di pasar modal dan pasar uang. Pada
bulan Desember 2008, IHSG ditutup pada
level Rp. 1.355,41 dan bila dibandingkan
dengan IHSG Desember 2007 sebesar Rp.
2.745,83
mengalami penurunan sangat
drastis. Berdasarkan uraian yang telah
dikemukakan sebelumnya, penelitian tentang
hubungan jangka pendek dan hubungan
keseimbangan jangka panjang antara
variabel ketiga variabel yakni IHSG, JUB,
dan IHPB di Indonesia penting dilakukan.
Masalah pokok dalam penelitian ini
dirumuskan sebagai berikut : “Apakah
terdapat
kointegrasi
(hubungan
keseimbangan jangka panjang) antara
variabel IHSG, JUB, dan IHPB di Indonesia
pada periode tahun 2007 – 2013 ?”
II. Kajian Teori dan Penelitian yang
Relevan
1. Kajian Teori
Menurut Samsul (2006), IHSG merupakan
indeks gabungan dari seluruh jenis saham yang
tercatat di Bursa Efek, dan diterbitkan oleh
Bursa Efek. Pihak di luar bursa efek tidak
tertarik menerbitkan IHSG karena masih kalah
manfaatnya dengan indeks harga parsial,
seperti untuk keperluan hedging. Menurut
publikasi Bursa Efek Indonesia (2010), ada
lima fungsi indeks harga saham di pasar modal
yaitu: (1) sebagai indikator trend pasar, (2)
sebagai indikator tingkat bunga, (3) sebagai
tolak ukur kinerja portofolio, (4) memfasilitasi
pembentukan portofolio dengan strategi pasif,
dan (5) memfasilitasi berkembangnya produk
derivatif.
Jumlah uang beredar adalah uang yang
berada di tangan masyarakat. Namun definisi
ini terus berkembang, seiring dengan
perkembangan perekonomian suatu negara.
Cakupan definisi jumlah uang beredar di
negara maju umumnya lebih luas dan
kompleks dibandingkan negara sedang
berkembang (NSB). Pengertian paling sempit
atau biasa dikenal dengan istilah narrow
money adalah daya beli yang langsung bisa
digunakan untuk pembayaran atau dapat
diperluas mencakup alat-alat pembayaran yang
mendekati “uang” (deposito berjangka dan
tabungan). Narrow money yang biasanya
disimbolkan dengan M1 terdiri dari uang
tunai/kartal (currency) dan uang giral (Demand
Deposit). Uang kartal merupakan uang kertas
dan uang logam yang ada di tangan masyarakat
umum, sedangkan uang giral mencakup saldo
rekening koran/giro milik masyarakat yang
disimpan di bank.
Dalam perekonomian modern digunakan
sistem standart kertas dan sebagai sumber
17
Jurnal Saintech Vol. 06 - No.04-Desember 2014 ISSN No. 2086-9681
terciptanya uang beredar adalah otorita
moneter (pemerintah dan bank sentral) dan
lembaga keuangan. Otorita moneter sebagai
sumber penawaran uang inti dan lembaga
keuangan sebagai sumber penawaran uang
sekunder. JUB merupakan proses pasar,
artinya hasil interaksi anatara permintaan dan
penawaran, dan bukan ahanya pencetakan
uang atau merupakan keputusan pemerintah
saja. Apabila suatu waktu permintaan uang inti
tidak sesuai dengan penawaran uang inti, maka
para pelaku dalam pasar uang masing-masing
akan melakukan “penyesuaian” berupa
tindakan-tindakan
(mengubah
struktur/komposisi dari kekayaan) di sub-pasar
uang inti sehingga terjadi keseimbangan antara
permintaan dan penawaran. Demikian juga jika
terjadi ketidakseimbangan di pasar uang
sekunder. Kedua sub-pasar ini harus mencapai
keseimbangan secara bersama-sama.
Pembangunan ekonomi suatu negara
memiliki tujuan meningkatkan kapasitas
produksi baik dalam jangka pendek maupun
yang berpengaruh pada pertumbuhan ekonomi
yang berkelanjutan dalam jangka panjang.
Dalam melaksanakan berbagai pembangunan,
kondisi stabilitas ekonomi merupakan hal yang
mutlak harus diwujudkan. Pemerintah harus
berupaya membuat formulasi kebijakan yang
tepat untuk mempertahankan stabilitas
perekonomian dan menghindari fluktuasi dan
inflasi. Unsur yang sangat penting dalam
menjaga
kestabilan
ekonomi
adalah
pengendalian inflasi dalam tingkat yang
rendah, kondisi seperti inilah yang menjadi
tujuan implementasi kebijakan moneter.
Dalam penelitian ini sebagai proksi dari
inflasi digunakan Indeks Harga Perdagangan
Besar (IHPB).
2. Penelitian yang Relevan
Menurut hasil penelitian Samsul (2006)
bahwa inflasi (IHPB) berpengaruh signifikan
terhadap pergerakan IHSG di Bursa Efek
Indonesia, temuan ini sejalan dengan teori yang
menyatakan bahwa inflasi yang tinggi dapat
menjatuhkan harga saham perusahaan, dan
inflasi yang rendah mengakibatkan pertumbuhan
ekonomi menjadi sangat lamban, yang
selanjutnya harga saham juga akan bergerak
dengan lamban.
Menurut hasil penelitian Hardanti, Y.R, dkk,
18
( 2005) diperoleh tingkat inflasi (IHPB), APBN
(pengeluaran pemerintah (G)), cadangan devisa
(CDS) mempengaruhi JUB secara positif dalam
jangka pendek. Dalam jangka pendek Produk
Domestik Bruto rill (PDB riil) berpengaruh
positif terhadap JUB tetapi tidak signifikan
secara statistik. Hal ini menunjukkan bahwa
PDB riil tidak terlalu efektif dalam
mempengaruhi JUB.
Selanjutnya Pangidoan, E.S (2009),
menemukan bahwa terdapat hubungan negatif
antara Interest Rate (IR), indeks harga (IHSG),
dummy (DUM) terhadap permintaan uang.
Sedangkan pendapatan domestik bruto (PDB)
memiliki hubungan yang positif terhadap
permintaan uang.
Model diatas juga
menghasilkan bahwa hanya pendapatan
domestik bruto (PDB) memiliki pengaruh
signifikan terhadap permintaan uang, sedangkan
variabel-variabel bebas lainnya tidak memiliki
pengaruh signifikan.
3. Hipotesis Penelitian
Dalam penelitian ini dirumuskan hipotesis:
“Terdapat kointegrasi (hubungan keseimbangan
jangka panjang) antara variabel IHSG, JUB, dan
IHPB di Indonesia pada peride tahun 2007 2013.”
III. Metodologi Penelitian
1. Data dan Spesifikasi Model.
Penelitian ini menggunakan data time
series bulanan dalam kurun waktu 2007:1
sampai dengan 2013:11. Data IHSG, JUB, dan
IHPB dipilih dari publikasi dan database Bank
Indonesia dan Badan Pusat Statistik serta
instansi-instansi lain yang berhubungan
dengan penelitian.
Persamaan (1) menggambarkan IHSG
sebagai fungsi dari JUB dan IHPB yang akan
digunakan dalam penelitian ini.
IHSG𝑡𝑡 = 𝛽𝛽0 + 𝛽𝛽1 JUB𝑡𝑡 + 𝛽𝛽2 IHPB𝑡𝑡 + ∈𝑡𝑡
.......(1)
adalah konstanta dan
dimana
𝛽𝛽0
𝛽𝛽1 … … . … 𝛽𝛽2 adalah koefisien dari model,
serta ∈𝑡𝑡 adalah error term
2. Prosedur Penelitian
Untuk menganalisis masalah penelitian di
atas digunakan model Vector Error Correction
Jurnal Saintech Vol. 06 - No.04-Desember 2014 ISSN No. 2086-9681
Model (VECM). Model ini digunakan untuk
mengetahui tingkah laku jangka pendek dari
suatu variabel terhadap jangka panjangnya,
akibat adanya shock yang permanen (Kostov
dan Lingard dalam Shohrul R.Ajija, dkk.
2011). Asumsi yang harus dipenuhi dalam
analisis VECM adalah semua variabel
independen harus bersifat stasioner. Hal ini
ditandai dengan semua sisaan bersifat white
noise, yaitu rataan nol, ragam konstan, dan di
antara variabel tak bebas tidak ada korelasi.
Langkah pertama yang dilakukan adalah
menguji kestasioneran data. Hal ini
dimaksudkan untuk menghindari kesalahan
estimasi. Menurut Walter Enders (1995),
terdapat sejumlah pengujian yang dapat
dilakukan untuk mengetahui apakah suatu data
stasioner atau tidak. Pengolahan data dalam
penelitian ini menggunakan Software EViews
Versi 7. Sebagai proses awal pengujian
kestasioneran data digunakan Augment Dickey
Fuller Unit Root Test (ADF test) terhadap
variabel IHSG. Seterusnya dilakukan proses
yang sama terhadap variable JUB dan variabel
IHPB. Jika nilai probabilitasnya pada level
dasar < α = 5% maka tidak terjadi unit root.
Sebaliknya jika nilai probabilitasnya > α = 5%
maka terjadi unit root. Jika terjadi unit root
maka dilakukan tes kedua yaitu tes derajat
integrasi.
Langkah kedua adalah menentukan lag
length yang bertujuan untuk melihat sejauh
mana model tersebut fit terhadap aktual
datanya. Penentuan lag length ini dilakukan
dalam analisis Vector Auto Reggression
(VAR) yaitu metode analisis yang biasa
digunakan untuk memproyeksikan system
variabel-variabel runtun waktu dan untuk
menganalisis dampak dinamis dari faktor
gangguan yang terdapat dalam system variabel
tersebut (Hadi, 2003). Kemudian lag length
tersebut digunakan dalam uji kausalitas
Granger Uji ini bermaksud untuk mengetahui
apakah terjadi hubungan satu arah atau dua
arah di antara variabel dalam model VECM.
Langkah ketiga adalah melakukan uji
kointegrasi yang bertujuan untuk melihat
adanya kemungkinan keseimbangan jangka
panjang antara variabel terkait. Pendekatan
yang dilakukan adalah metode Johansen
Cointegration Test, kemudian dilakukan
estimasi VECM dengan order lag p=1, p=2,
dan p=3 yang bertujuan memperoleh order
optimal untuk model VECM bagi data ini.
Langkah selanjutnya adalah melakukan uji
diagnostik dengan VEC Residual Portmanteau
Tests for Autocorrelation. Langkah terakhir
adalah melihat karakteristik model VECM
yang telah diperoleh pada analisis terdahulu,
yaitu
melalui
Analisis
Variance
Decomposition.
IV. Hasil Penelitian dan Pembahasan
1. Hasil Uji Stasioneritas Data
Hasil uji akar unit pada tingkat first
difference terhadap data variabel IHSG
menunjukkan bahwa nilai mutlak ADF test
statistic (7.536112) > nilai mutlak t-statistical
Test Critical Value 5% (2.897678), dan nilai
probabilitas (0.0000) < 0,05, maka dapat
disimpulkan bahwa data IHSG telah stasioner
pada first difference.
Hasil uji akar unit pada tingkat second
difference terhadap data variabel JUB
menunjukkan bahwa nilai mutlak ADF test
statistic (6.758058) > nilai mutlak t-statistical
Test Critical Value 5% (2.903566), dan nilai
probabilitas (0.0000) < 0,05, maka dapat
disimpulkan bahwa data JUB telah stasioner
pada second difference.
Hasil uji akar unit pada tingkat first
difference terhadap data variabel IHPB
menunjukkan bahwa nilai mutlak ADF test
statistic (5.128493) > nilai mutlak t-statistical
Test Critical Value 5% (2.897678), dan nilai
probabilitas (0.0000) < 0,05, maka dapat
disimpulkan bahwa data IHPB telah stasioner
pada first difference.
Berdasarkan hasil uji stasioneritas data
dengan ADF Test diperoleh bahwa data
variabel IHSG dan IHPB sudah stasioner pada
tingkat first difference, sedangkan data JUB
sudah stasioner pada tingkat second difference.
Dengan demikian ketiga variabel tersebut telah
dapat digunakan dalam analisis data statistika
lebih lanjut.
2. Hasil Uji Kausalitas Granger
 Untuk Variabel Dependen IHSG
Ho : IHSG tidak mempengaruhi JUB dan
IHPB ⟹ Nilai Prob. > α = 0.05
H1 : IHSG mempengaruhi JUB dan IHPB
⟹ Nilai Prob. < α = 0.05
Dari hasil uji kausalitas terhadap variabel
independen
JUB
diperoleh
Nilai
19
Jurnal Saintech Vol. 06 - No.04-Desember 2014 ISSN No. 2086-9681
Probabilitas F-statistic (0.3846)> α = 0.05
maka terima Ho, artinya IHSG tidak
mempengaruhi JUB. Selanjutnya dari hasil
uji kausalitas terhadap variabel independen
IHPB diperoleh Nilai Probabilitas Fstatistic (0.7368) > α = 0.05 maka terima
Ho, artinya IHSG tidak mempengaruhi
IHPB.
 Untuk Variabel Dependen JUB
Ho : JUB tidak mempengaruhi IHSG dan
IHPB ⟹ Nilai Prob. > α = 0.05
H1 : JUB mempengaruhi IHSG dan IHPB
⟹ Nilai Prob. < α = 0.05
Dari hasil uji kausalitas terhadap variabel
independen
IHSG
diperoleh
Nilai
Probabilitas F-statistic (0.0238) < α = 0.05
maka tolak
Ho, artinya JUB
mempengaruhi IHSG. Selanjutnya dari
hasil uji kausalitas terhadap variabel
independen
IHPB
diperoleh
Nilai
Probabilitas F-statistic (0.9551) > α = 0.05
maka terima Ho, artinya JUB tidak
mempengaruhi IHPB.
 Untuk Variabel Dependen IHPB
Ho : IHPB tidak mempengaruhi IHSG dan
JUB ⟹ Nilai Prob. > α = 0.05
H1 : IHPB mempengaruhi IHSG dan JUB
⟹ Nilai Prob. < α = 0.05
Dari hasil uji kausalitas terhadap variabel
independen
IHPB
diperoleh
Nilai
Probabilitas F-statistic (0.0013) < α = 0.05
maka
tolak
Ho,
artinya
IHPB
mempengaruhi IHSG. Selanjutnya dari
hasil uji kausalitas terhadap variabel
independen
JUB
diperoleh
Nilai
Probabilitas F-statistic (0.6291)> α = 0.05
maka terima Ho, artinya IHPB tidak
mempengaruhi IHPB.
Dari hasil analisis uji kausalitas Granger
ditemukan hubungan satu arah antara variabel
JBU dan IHSG yakni JUB mempengaruhi
IHSG. Juga ditemukan hubungan satu arah
antara variabel IHPB dan IHSG, yakni IHPB
mempengaruhi IHSG. Selanjutnya adalah
melakukan uji kointegrasi untuk melihat
hubungan keseimbangan jangka panjang antara
ketiga variabel tersebut.
3. Hasil Uji Kointegrasi
Berdasarkan hasil analisis uji kointegrasi
dengan menggunakan Johansen Cointegration
Test ditemukan bahwa: (1) Nilai Trace
Statistic (52.18014) > Nilai Critical Value
20
(29.79707), maka hal ini mengindikasikan
adanya kointegrasi (hubungan keseimbangan
antar variabel dalam jangka panjang), (2) Dari
Uji Trace Statistic terindikasi ketiga variabel
IHSG, JUB, dan IHPB terkointegrasi. (3) Nilai
Max-Eigenvalue Statistic (26.8506) > Nilai
Critical Value (21.13162), maka hal ini
merupakan indikasi adanya kointegrasi, dan
(4) Juga dari Uji Max-Eigenvalue Statistic
mengindikasikan ketiga variabel yakni IHSG,
JUB, dan IHPB terkointegrasi. Karena terdapat
kointegrasi antar ketiga variabel penelitian
yakni IHSG, JUB, dan IHPB, maka data ini
lebih akurat diolah dengan menggunakan
VECM.
Bentuk vektor residual dari kedua
persamaan kointegrasi adalah :
ε1t = IHSGt + 113.0434 IHPBt dan ε2t =
JUBt + 74776.63 IHPBt
4. Hasil Uji Vector Error Correction Estimates
Selanjutnya untuk mengestimasi bentuk
persamaan VECM di antara variabel IHSG,
JUB, dan IHPB, dilakukan dengan analisis uji
Vector Error Estimates yang menghasilkan dua
persamaan kointegrasi seperti di atas. Kedua
bentuk persamaan kointegrasi dinyatakan
dengan vektor residual hasil relasi kointegrasi,
diberikan pada kolom CointEq1 dan CointEq2
di kanan Cointegration Eq. Sedangkan vektor
konstanta hasil estimasi model VECM yang
terbentuk diberikan pada tiga kolom di kanan
Error Correction. Selanjutnya diperoleh
persamaan VECM(1) untuk IHSG berbentuk :
∆IHSGt = φ1 + λ1 . e1,t−1 + λ2 . e2,t−1 +
γ11 .∆IHSGt−1 + ω1 .∆JUBt−1 + ω2 .∆IHPBt−1
∆IHSGt = 38.64870 – 0.101438. e1,t−1 +
0.000108. e2,t−1 +
0.068449.∆IHSGt−1 – 0.000433.
∆JUBt−1 + 4.660782.∆IHPBt−1
Pada langkah pertama di atas digunakan
lag p=1 untuk maksimal order diferensi dari
variabel endogen dalam model. Untuk memilih
nilai optimal dari p dapat dibandingkan nilainilai AIC / SIC dari model-model VECM(1),
VECM(2), dan VECM(3). Output hasil
estimasi dirangkum dalam tabel di bawah ini
yang menunjukkan order p=1 memberikan
nilai AIC dan SIC yang minimal, sehingga
Jurnal Saintech Vol. 06 - No.04-Desember 2014 ISSN No. 2086-9681
merupakan order optimal untuk model VECM
bagi data ini.
Tabel Rangkuman Nilai AIC dan SIC untuk VECM(p)
p=1
Akaike Information Criteria (AIC)
45.11066
Schwarz Information Criteria SIC)
45.82012
5. Hasil Uji Diagnostik Portmanteau
Tahap akhir dalam analisis ini adalah
melakukan uji diagnostik terhadap model
VECM(1)
yakni
menggunakan
uji
Portmanteau (output analisis terlampir).
Berdasarkan output uji diagnostik Portmanteau
diperoleh nilai Probability-value untuk Qstatistic lebih besar dari 5%, sehingga dapat
disimpulkan
bahwa
model
VECM(1)
merupakan model yang baik untuk data (IHSG,
JUB, dan IHPB) hasil analisis di atas.
6. Hasil Analisis Variance Decomposition
Analisis variance decomposition bertujuan
mendekomposisi variasi kesalahan prediksi
atau menyatakan suatu proporsi dari rangkaian
perubahan disebabkan adanya kejutan atas
variabel satu terhadap kejutan variabel yang
lain. Analisis variance decomposition ini
dibagi menjadi dua periode yaitu periode
jangka pendek pada tahun ke 5, dan periode
jangka panjang pada tahun ke 15.
• Variance Decomposition of IHSG
Dalam periode jangka pendek, perkiraan
error variance dijelaskan oleh IHSG
sebesar 94.73 persen, JUB sebesar 3.08
persen, dan IHPB sebesar 2.19 persen.
Dalam periode jangka panjang, perkiraan
error variance dijelaskan oleh IHSG
sebesar 91.11 persen, JUB sebesar 3.71
persen, dan IHPB sebesar 5.18 persen.
Ternyata pada periode jangka pendek dan
jangka panjang, IHSG secara dominan
berubah oleh IHSG itu sendiri.
• Variance Decomposition of JUB
Dalam periode jangka pendek, perkiraan
error variance dijelaskan oleh IHSG
sebesar 3.51 persen, JUB sebesar 95.81
persen, dan IHPB sebesar 0.67 persen.
Dalam periode jangka panjang, perkiraan
error variance dijelaskan oleh IHSG
sebesar 3.16 persen, JUB sebesar 95.83
persen, dan IHPB sebesar 1.00 persen.
Ternyata pada periode jangka pendek dan
p=2
45.17846
46.16105
p=3
45.33443
46.41418
jangka panjang, JUB secara dominan
berubah oleh JUB itu sendiri.
• Variance Decomposition of IHPB
Dalam periode jangka pendek, perkiraan
error variance dijelaskan oleh IHSG
sebesar 6.16 persen, JUB sebesar 1.75
persen, dan IHPB sebesar 92.09 persen.
Dalam periode jangka panjang, perkiraan
error variance dijelaskan oleh IHSG
sebesar 64.54 persen, JUB sebesar 10.87
persen, dan IHPB sebesar 24.58 persen.
Ternyata pada periode jangka pendek dan
jangka panjang, variabel IHPB secara
dominan berubah oleh IHSG. Hal ini
berarti bahwa kejutan dari variabel IHSG
memiliki kemampuan yang besar terhadap
pertumbuhan IHPB.
V. Kesimpulan
Berdasakan hasil penelitian dapat diambil
kesimpulan sebagai berikut :
1. Dengan uji kausalitas Granger ditemukan
adanya hubungan satu arah antara variabel
JUB dengan
IHSG yakni JUB
mempengaruhi IHSG, juga ditemukan
hubungan satu arah antara variabel IHPB
dengan IHSG, yakni IHPB mempengaruhi
IHSG.
2. Dengan uji Johansen Cointegration Test
ditemukan adanya kointegrasi antar ketiga
variabel IHSG, JUB, dan IHPB.
3. Dengan analisis variance decomposition
ditemukan bahwa pada periode jangka
pendek dan jangka panjang variabel IHSG
secara dominan berubah oleh IHSG itu
sendiri, dan JUB secara dominan berubah
oleh JUB itu sendiri, serta IPHB secara
dominan berubah oleh IHSG.
Daftar Pustaka
Bank
Indonesia.
Keuangan
Terbitan.
Statistik Ekonomi dan
Indonesia.
Berbagai
21
Jurnal Saintech Vol. 06 - No.04-Desember 2014 ISSN No. 2086-9681
________. Laporan Tahunan Bank Indonesia.
Berbagai Terbitan
________. Laporan Bulanan Bank Indonesia.
Berbagai Terbitan
Barro, Robert J, 1977. " Unanticipated
Money Growth and Unemployment in
the United States", The American
Economic Review, V o l 67, No. 2.
Barro, Robert J, 1978, " Unanticipated
Money, Output, and the Price Level
in
the United States", Journal of
Political Economy. V o l 86. No. 41
Boediono, 1982. Pengantar Ilmu Ekonomi
Makro. Yogyakarta: BPFE
Edi Susianto, 2002. "Menyikapi Inflation
Targeting dalam Proses Pemulihan
Ekonomi: Suatu Tinjauan Teori",
Buletin Ekonomi
Moneter dan
Perbankan. Vol 5, No. 2.
Gujarati, Damodar, 1995.
Jakarta : Erlangga
Ekonometrika.
Hadi, S. Yonathan. 2003. Analisis Vector Auto
Reggression
(VAR)
Terhadap
Korelasi Antara Pendapatan Nasional
dan Investasi Pemerintah di Indonesia
1983/1984 –
1999/2000.
Jurnal
Keuangan dan Moneter,
Volume 6
Nomor 2, 2003.
Rosadi, Dedi, 2012. Ekonometrika dan
Analisis Runtun Waktu Terapan
dengan Eviews. Yogyakarta : Andi
Samsul, Muhammad, 2006. Pasar Modal dan
Manajemen Portofolio. Jakarta :
Erlangga
Shochrul R.Ajija, dkk, 2011. Cara Cerdas
Menguasai Eviews. Jakarta : Salemba
Empat
Winarno, Wing Wahyu, 2009. Analisis
Ekonometrika dan Statistika dengan
Eviews. Yogyakarta : UPP STIM
YKPN
22