Deskriptif Statistik Data TRANSMISI

IV. TRANSMISI

YIELD OBLIGASI NEGARA DI ANTARA NEGARA-NEGARA ASEAN+6: PENDEKATAN VAR

4.1. Deskriptif Statistik Data

Pada Tabel 4.1 disajikan ringkasan statistik data yield harian obligasi untuk setiap negara-negara ASEAN+6 yaitu means, standard deviation, skewness, kurtosis , Jarque-Bera statistic dan p-value untuk data yield harian obligasi negara- negara ASEAN+6 dilampirkan. Rataan yield tertinggi adalah Indonesia 11.845 persen dan Filipina 8.467 persen sedangkan yang terendah adalah Jepang 1.093 persen dan Cina 2.347 persen. Yield obligasi negara harian ini juga terlihat lebih tinggi pada lima negara-negara ASEAN 6.461 persen dibandingkan dengan lima negara non-ASEAN 4.007 persen. Hal ini menjelaskan bahwa negara-negara ASEAN memiliki tingkat risiko yang tinggi maka negara-negara ASEAN menawarkan tingkat yield yang lebih tinggi untuk mengkompensasi tingkat risiko yang dimilikinya yang salah satu indikatornya adalah tingkat perekonomiaannya relatif tidak stabil agar para investor tertarik untuk berinvestasi pada negara ASEAN sedangkan bagi negara maju, tingkat yield yang ditawarkan rendah karena tingkat risiko yang dimiliki relatif rendah yang salah satu penyebabnya bahwa keadaan perekonomiannya relatif stabil. Sebagai antisipasi, volatilitas yang diukur dengan standar deviasi juga lebih tinggi pada negara-negara ASEAN-5 dibandingkan dengan negara-negara non-ASEAN. Tingginya volatilitas yield pada negara-negara ASEAN-5 menjelaskan bahwa risiko dari return yang diharapkan oleh para investor pada periode berikutnya tinggi sedangkan rendahnya volatilitas pada negara-negara non ASEAN menjelaskan bahwa risiko dari return yang diharapkan oleh para investor pada periode berikutnya rendah. Pada negara-negara non-ASEAN volatilitasnya berdasarkan peringkat dimulai dari 0.2241 persen Selandia Baru hingga 0.4742 persen Cina. Volatilitas diantara negara-negara non-ASEAN adalah 0.2979 persen. Standar deviasi dari kelima negara-negara ASEAN berdasarkan peringkat dimulai dari 0.2881 persen Singapura hingga 1.761 persen Filipina. Pada negara-negara ASEAN, Singapura dan Malaysia merupakan negara-negara yang volatilitasnya paling rendah sedangkan Filipina dan Indonesia merupakan negara yang volatilitasnya tinggi. Volatilitas di antara negara-negara ASEAN adalah sebesar 0.8922 persen. Distribusi data yield obligasi negara terlihat tidak normal. Beberapa negara memiliki nilai skewness yang negatif dan positif. Nilai skewness yang positif menjelaskan bahwa data menjulur ke kanan, data cenderung menumpuk pada nilai rendah sedangkan nilai skewness yang negatif menjelaskan bahwa data menjulur ke kiri, data cenderung menumpuk pada nilai tinggi. Negara-negara yang memiliki nilai skewness yang positif antara lain Selandia Baru, Cina, Korea Selatan, Indonesia, Malaysia, dan Filipina sedangkan negara-negara yang memiliki nilai skewness yang negatif antara lain Australia, Jepang, Thailand, dan Singapura. Bila dilihat secara umum, negara-negara ASEAN memiliki nilai skewness negatif sedangkan negara-negara non-ASEAN memiliki nilai skewness yang positif. Haung dan Yang, Tay dan Zhu dalam Worthington dan Higgs 2004, telah meneliti positif atau negatif skewness pada return saham-saham Asia. Nilai kurtosis merupakan ukuran keruncingan distribusi data, derajat atau ukuran tinggi rendahnya puncak suatu distribusi data terhadap distribusi normalnya data. Nilai kurtosis yang lebih besar dari 3 disebut leptokurtosis distribusi data yang puncaknya relatif tinggi, nilai kurtosis yang lebih kecil dari 3 disebut platikurtis distribusi data yang puncaknya terlalu rendah sedangkan nilai kurtosis sama dengan 3 disebut mesokurtis normal. Secara umum negara- negara ASEAN memiliki nilai kurtosis kurang dari 3 yang artinya data tersebut merupakan distribusi platikurtis. Sedangkan secara umum negara-negara non- ASEAN memiliki nilai kurtosis yang lebih besar dari 3 yang artinya merupakan distribusi leptokurtosis. Selain itu nilai kurtosis yang lebih dari 3 berarti bahwa data yield obligasi negara memiliki heavy tails dibandingkan dengan sebaran normal standar. Nilai kurtosis yang lebih besar dari 3 merupakan gejala awal dari adanya heteroskedastisitas. Bekaert dan Harvey dalam Worthington dan Higgs 2004 telah meneliti mengenai excess kurtosis pada return saham. Statistik terakhir pada Tabel 4.1 adalah perhitungan statistik Jarque-Bera dan p-value yang digunakan untuk menguji hipotesis nol bahwa distribusi data yield obligasi terdistribusi normal. Secara umum data-data negara ASEAN dan non-ASEAN lebih kecil dari 0.1 maka tolak hipotesis nol yang berarti data tidak menyebar normal. Akan tetapi untuk Korea Selatan terlihat bahwa p-value yang dimiliki negara tersebut lebih besar dari 0.1 yang berarti bahwa data yield kedua negara tersebut telah terdistribusi normal. Sebelum melakukan pengolahan data dengan model VARVECM, terdapat beberapa hal yang terlebih dahulu harus dilakukan. Hal tersebut berupa pengujian- pengujian pra-estimasi yang meliputi uji akar unit, unit root test, pengujian stabilitas VAR, penentuan lag optimal, dan uji kointegrasi. Kegiatan pengujian ini penting karena sebagian besar data time series mengandung akar unit yang dapat mengakibatkan kurang baiknya model yang diestimasi misalnya hasil estimasi menjadi palsu dan tidak valid Gujarati, 2003. Tabel 4.1. Ringkasan Statistik Data Yield Harian Obligasi Negara-negara ASEAN+6 Mean Std. Dev Skewness Kurtosis JB-Stat p-Value AUS 5.588880 0.306087 -0.171032 1.649759 35.00370 0.00000 SB 6.033072 0.224118 0.096140 1.905989 22.26038 0.000015 CHN 2.347460 0.474230 1.825024 17.83080 4208.679 0.00000 JPG 1.093303 0.257871 -0.604763 2.245906 36.65361 0.00000 KOR 4.971709 0.226990 0.233582 2.902133 4.110266 0.128076 Non- ASEAN 4.0068688 0.2978592 0.2757902 5.3069174 861.341 0.0256182 IND 11.84514 1.613882 0.109231 2.235562 11.40397 0.003339 MAL 3.839594 0.357463 0.667135 2.723054 33.40397 0.000000 PHI 8.467112 1.760718 0.002564 1.680731 31.40146 0.000000 THA 5.114875 0.440735 -0.256708 2.989882 4.757545 0.092664 SNG 3.037575 0.288178 -1.214900 3.761209 116.9708 0.000000 ASEAN- 5 6.4608592 0.8921952 -0.1385356 2.6780876 39.607349 0.0192006

4.2. Unit Root Test