Rusiadi : Analisis Pasar Keuangan Global Dan Indeks Harga Saham Gabungan Di Bursa Efek Indonesia, 2009
Pada baris pertama menunjukkan penolakan terhadap Ho yang mengatakan tidak ada kointegrasi karena nilai likelihood ratio-nya lebih besar dari nilai critical
value-nya, dengan kata lain Ho ditolak. Pada baris kedua Ho mengatakan ada kointegrasi maksimal 1 persamaan, namun hipotesis ini juga ditolak karena nilai
likelihood ratio-nya juga lebih besar. Kemudian pada baris selanjutnya hipotesis nol. Ho mengatakan ada persamaan kointegrasi maksimal 2, namun hanya pada
g = 5 sehingga hipotesis ini bisa ditolak. Dari uji ini diketahui bahwa ada 2 persamaan
kointegrasi seperti keterangan di bagian bawah tabel pada 5 dan 1 levels yang berarti asumsi adanya hubungan jangka panjang antar variabel terbukti. Berdasarkan
hasil uji kointegrasi diketahui bahwa ternyata ada persamaan yang memiliki kointegrasi dalam jangka panjang sehingga hasil kausalitas yang menyatakan
hubungan jangka pendek dapat digantikan dengan asumsi yang menyatakan hubungan jangka menengah dan jangka panjang terbukti. Jadi semua variabel
dinyatakan memiliki kontribusi dalam jangka panjang sehingga analisa Vector Autoregression dapat digunakan untuk pengujian selanjutnya.
4.5. Vector Autoregression
Setelah terjadi hubungan timbal balik dalam uji kausalitas, maka langkah selanjutnya adalah dengan menggunakan VAR. Estimasi VAR didukung dengan
penggunaan lag, di mana nilai Akaike Information AIC dan Schwarz Information Criterion SIC yang paling kecil diantara lag sebagai pedoman penentuan panjang
lag. Berdasarkan penentuan panjang lag diketahui bahwa pada lag dasar atau lag 1
Rusiadi : Analisis Pasar Keuangan Global Dan Indeks Harga Saham Gabungan Di Bursa Efek Indonesia, 2009
nilai AIC dan nilai SIC merupakan nilai yang paling baik sehingga dikatakan lag 1 yang terbaik dibandingkan dengan model-model yang lainnya dan penelitian ini
menggunakan lag 1. Asumsi penggunaan lag 1 ditentukan oleh stabilitas lag structur dengan menggunakan Invesrse Roots of AR Characteristic Polynomial dan prinsip
Parsimony. Di mana nilai lag structur pada lag 1 sudah stabil maka ditentukan lag 1. Berikut hasil analisa VAR pada lag 1:
Tabel 4.11. Hasil Estimasi VAR dengan Dasar Lag 1
Vector Autoregression Estimates Date: 071009 Time: 13:50
Sample adjusted: 2004M02 2008M10 Included observations: 57 after adjustments
Standard errors in t-statistics in [ ] LOGDJ
LOGHS LOGIHSG LOGINFL LOGKURS
LOGDJ-1 1.087905 0.922164
0.992485 -1.505462
-0.129788 0.15876 0.28963 0.31085 0.67595 0.08851
[ 6.85231] [
3.18391
] [
3.19285
] [-2.22717] [-1.46645] LOGHS-1 -0.052917 0.609686 0.106977 0.662143 -0.025394
0.09090 0.16582 0.17797 0.38700 0.05067 [-0.58216]
[ 3.67671] [
0.60110] [ 1.71095] [-0.50114]
LOGIHSG-1 -0.004045 0.014982 0.690207 -0.096589 0.041401 0.04857 0.08861 0.09510 0.20681 0.02708
[-0.08328] [
0.16907] [
7.25750] [-0.46705] [
1.52895
] LOGINFL-1 -0.028627 0.010784 0.025389 0.647186 -0.007678
0.02743 0.05004 0.05371 0.11679 0.01529 [-1.04362]
[ 0.21551] [ 0.47274]
[ 5.54165] [-0.50215] LOGKURS-1 0.022912 0.339147 0.490710 1.192485 0.827438
0.14311 0.26108 0.28020 0.60931 0.07978 [ 0.16009]
[ 1.29902] [ 1.75128]
[
1.95710
] [ 10.3715]
C -0.582683 -7.988412 -12.57554 -2.683135 2.778007
1.88746 3.44327 3.69547 8.03601 1.05219 [-0.30871]
[-2.32000] [-3.40296] [-0.33389] [
2.64022] LOGSBI
0.071674 -0.020293 -0.009093 0.395348 -0.010361 0.05224 0.09529 0.10227 0.22240 0.02912
[
1.37212
] [-0.21295] [-0.08891] [ 1.77765] [-0.35579]
Rusiadi : Analisis Pasar Keuangan Global Dan Indeks Harga Saham Gabungan Di Bursa Efek Indonesia, 2009
R-squared 0.893239 0.943614 0.975203 0.868163 0.758949
Adj. R-squared 0.880428 0.936848 0.972227 0.852342 0.730023
Sum sq.
resids 0.061992 0.206311 0.237640 1.123726 0.019265 S.E. equation
0.035211 0.064236 0.068940 0.149915 0.019629
F-statistic 69.72260 139.4583 327.7250 54.87600 26.23749
Log likelihood 113.5988 79.33097 75.30198 31.02295 146.9074
Akaike AIC
-3.740308 -2.537929 -2.396561 -0.842911 -4.909032 Schwarz SC
-3.489407 -2.287028 -2.145659 -0.592010 -4.658131
Mean dependent 9.340961 9.762703 7.262560 2.150590 9.133340
S.D. dependent 0.101828 0.255613 0.413679 0.390137 0.037778
Determinant resid covariance dof adj.
2.90389
Determinant resid covariance
1.50819
Log likelihood
502.6230
Akaike information criterion
-16.40782
Schwarz criterion
-15.15332
Sumber : Data diolah dengan Eviews
Dari hasil peramalan KURS, SBI, INF, DJ, HS dan IHSG ditunjukkan pada Lampiran 8, di mana data periode dari tahun 2004:1 sampai tahun 2008:10. Model
VAR dari KURS, SBI, INF, DJ, HS dan IHSG masing-masing adalah: Berdasarkan hasil penelitian yang ditunjukkan pada Tabel 4.11 dengan menggunakan dasar lag = 1
terlihat bahwa adanya hubungan antara KURS, SBI, INF, DJ, HS dan IHSG dengan lag 1, hal ini dapat disimpulkan bahwa dengan mengamati t-statistik dari masing-
masing koefisien, hubungan timbal balik antara variabel KURS, SBI, INF, DJ, HS dan IHSG secara statistik signifikan.
1. Variabel KURS.
Kontribusi yang paling besar dan positif terhadap kurs adalah kurs t-1 sebesar 10,37 kemudian disusul oleh IHSG t-1 sebesar 1,53. Sedangkan Hang Seng, Dow
Jones dan Inflasi memiliki kontribusi yang rendah terhadap kurs.
Lanjutan Tabel 4.11
Rusiadi : Analisis Pasar Keuangan Global Dan Indeks Harga Saham Gabungan Di Bursa Efek Indonesia, 2009
2. Variabel Inflasi INF
Kontribusi yang paling besar dan positif terhadap inflasi adalah inflasi t-1 sebesar 5,54 kemudian disusul oleh kurs t-1 1,96, indeks Dow Jones dan indeks
Hang Seng memiliki kontribusi yang rendah terhadap inflasi. 3.
Variabel Indeks Dow Jones DJ Kontribusi yang paling besar dan positif terhadap indeks Dow Jones adalah
Dow Jones t-1 sebesar 6,85 kemudian disusul oleh SBI sebesar 1,37. Sedangkan IHSG, indeks Hang Seng, kurs dan inflasi memiliki kontribusi yang rendah
terhadap indeks Dow Jones. 4.
Variabel Indeks Hang Seng HS Kontribusi yang paling besar dan positif terhadap indeks Hang Seng adalah
indeks Hang Seng t-1 sebesar 3,68 kemudian disusul oleh Dow Jones t-1 sebesar 3,18. Sedangkan inflasi, kurs dan Dow Jones memiliki kontribusi yang rendah
terhadap indeks Hang Seng. 5.
Variabel Indeks Harga Saham Gabungan IHSG Kontribusi yang paling besar dan positif terhadap IHSG adalah IHSG 1 tahun
sebelumnya sebesar 7,26 kemudian disusul oleh indeks Dow Jones t-1 sebesar 3,19. Sedangkan inflasi, kurs dan indeks Hang Seng memiliki kontribusi yang
rendah terhadap IHSG. Berdasarkan hasil analisa Vector Autoregression diketahui bahwa variabel
sebelumnya juga mempengaruhi. Di mana dapat ditunjukkan pada Lampiran 8 bahwa variabel masa lalu t-1 berpengaruh signifikan terhadap dirinya sendiri
Rusiadi : Analisis Pasar Keuangan Global Dan Indeks Harga Saham Gabungan Di Bursa Efek Indonesia, 2009
dan variabel lain. Dari hasil estimasi tersebut di atas beserta uraiannya ternyata hubungan timbal balik antara variabel Kurs, SBI, Inflasi, Dow Jones, Hang Seng
dan IHSG menjadi semakin jelas dan dengan demikian hipotesa adanya hubungan timbal balik antara Kurs, SBI, Inflasi, Dow Jones, Hang Seng dan IHSG sebagai
variabel yang diamati dalam penelitian ini terbukti. Model VAR sesuai dengan ekspetasi perekonomian Indonesia di masa mendatang, hal tersebut dapat
ditunjukkan pada trend beberapa variabel yang berfluktuasi. Berdasarkan hasil penjelasan Vector Autoregression kemudian didukung
dengan gambar stabilitas berikut:
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5 Inverse Roots of AR Characteristic Polynomial
Sumber: Data diolah dengan Eviews Gambar 4.7. Stabilitas Struktur Model
Rusiadi : Analisis Pasar Keuangan Global Dan Indeks Harga Saham Gabungan Di Bursa Efek Indonesia, 2009
Berdasarkan Gambar 4.7 diketahui bahwa spesifikasi model yang terbentuk dengan menggunakan Roots of Characteristic Polynomial dan Inverse Roots of AR
Characteristic Polynomial diperoleh hasil stabil, hal ini dapat ditunjukkan bahwa semua unit roots berada dalam lingkaran gambar Inverse Roots of AR Characteristic
Polynomial. Ini disimpukan bahwa spesifikasi model penelitian menjadi stabil.
4.6. Impulse Response Function IRF
