Melalui tabel 4.2 dapat diketahui bahwa ternyata kebijakan moneter oleh Bank Sentral melalui instrumen diskonto penetapan suku bunga acuan tidak
mempunyai pengaruh terhadap return di pasar saham, dimana koefisien tersebut bernilai positif atau lebih besar dari tingkat krisis 5 0,870,05. Hal ini
memberikan hasil bahwa volatilitas return dipasar saham secara indeks tidak dipengaruh oleh suku bunga. Dari hasil ini bisa dikatakan bahwa pengendalian
volatilitas return di pasar saham ternyata tidak dapat dikendalikan oleh Bank Indonesia sebagai bank sentral melalui kebijakan moneter dengan instrumen
diskonto pada tahun 2007 hingga 2012. Dari tabel 4.2 juga diketahui bahwa pasar modal Indonesia ternyata sudah
semakin berkembang hal ini dikarenakan bahwa secara teori suku bunga acuan BI rate dapat mempengaruhi volatilitas pasar modal. Namun karena pasar modal
yang semakin maju maka semakin banyak faktor yang mempengaruhinya sehingga kekuatan suatu variabel untuk mempengaruhinya semakin kecil.
4.3.2. Model GARCH Indeks Saham per Sektor
Berdasarkan hasil pemodelan sebelumnya yaitu pengaruh kebijakan moneter melalui instrumen diskonto diketahui bahwa penetapan kebijakan
moneter oleh bank sentral melalui perubahan suku bunga ternyata tidak mempunyai pengaruh terhadap volatilitas return. Namun secara lebih spesifik kita
tidak mengetahui apakah suku bunga memiliki pengaruh terhadap volatilitas return saham di tiap sektor. Melihat penelitian sebelumnya diketahui bahwa tiap
sektor dalam saham ternyata mempunyai tanggapan atau perilaku yang berbeda terhadap perubahan suku bunga, namun untuk mengetahui bagaimana pengaruh
Universitas Sumatera Utara
perubahan suku bunga acuan terhadap masing-masing sektor saham akan terlihat pada penggunaan model GARCH. Sama seperti pada pemodelan sebelumnya,
pada awal pengujian kita akan melakukan pemilihan model terbaik dari beberapa model yang dibentuk, pemilihan model didasarkan pada nilai AIC dan SBC.
Untuk memilih model yang terbaik dilihat dari nilai SBC yang bernilai minimum. Hasil estimasi data return indeks saham sektoral model GARCH akan
disajikan dalam Lampiran 2 Adapun rangkuman statistik deskriptif return indeks saham sektoral akan ditampilkan pada Tabel 4.3.
Tabel 4.3 Nilai AIC dan SBC Model GARCH pada saham Sektoral
Sumber: Lampiran 1 Catatan: Penggunaan nilai SBC terkecil dikarenakan bahwa SBC merupakan
acuan terbaik dalam sample yang besar Saham tiap sektor
GARCH 1,0
GARCH1,1 GARCH
1,2 GARCH
2,1 AIC
SBC AIC SBC
AIC SBC AIC
SBC Aneka Industri
- 1.65
- 1.53
- 1.74
-1.58 -
1.67 -
1.48 -
1.73 -
1.54 Industri Dasar
- 1.96
- 1.83
- 2.08
-1.92 -
2.05 -
1.86 -
2.05 -
1.86 Infrastruktur
- 2.58
- 2.46
- 2.55
-2.39 -
2.65 -
2.45 -
2.56 -
2.37 Keuangan
- 2.18
- 2.05
- 2.25
-2.09 -
2.22 -
2.03 -
2.22 -
2.03 Konsumsi
- 2.85
- 2.72
- 2.84
-2.68 -
2.82 -
2.63 -
2.88 -
2.68 Manufaktur
- 2.36
- 2.22
- 2.44
-2.28 -
2.41 -
2.22 -
2.45 -
2.26 Perdagangan dan
Jasa -
2.10 -
1.98 -
2.18
-2.02
- 2.15
- 1.95
- 2.15
- 1.96
Pertambangan -
1.16 -
1.03 -
1.34
-1.18
- 1.32
- 1.13
- 1.34
- 1.15
Pertanian -
1.57 -
1.44 -
1.51 -1.35
- 1.74
- 1.55
- 1.43
- 1.24
Properti -
2.01 -
1.89 -
2.11
-1.95
- 2.08
- 1.89
- 2.05
- 1.86
Universitas Sumatera Utara
Nilai yang tertera pada Tabel 4.3 akan menunjukan model yang terbaik yang digunakan pada tiap sektor di pasar saham. Ada beberapa menunjukan
penggunaan model yang berbeda, tetapi ada beberapa juga yang sama. Berdasarkan nilai SBC terkecil, pada sektor infrastruktur dan konsumsi terlihat
bahwa model yang digunakan adalah GARCH 1,0. Pada saham sektor aneka industri, industri dasar, keuangan, manufaktur, perdagangan dan jasa,
pertambangan dan properti terlihat bahwa model yang dipilih adalah GARCH 1,1. Sedangkan pada sektor pertanian adalah GARCH 1,2.
Untuk melihat apakah pemilihan model sudah tepat atau belum kita akan melakukan pengujian autokorelasi deret, uji heterokendasititas dengan ARCH LM
Test dan uji asumsi kenormalan dengan uji Jarque-Bera. Pada lampiran 4 ditunjukan pengujian deret autokorelasi terhadap model
GARCH dari tiap sektor di pasar saham. Dari hasil pengujian deret autokorelasi model dari tiap sektor pasar saham yang dipilih menunjukan bahwa GARCH 1,0
untuk sektor keuangan dan pertanian tidak signifikan secara statistik, GARCH 1,2 untuk sektor industri barang konsumsi, perdagangan, dan pertambangan
tidak signifikan, dan GARCH 1,1 untuk sektor aneka industri, industri dasar, dan properti juga menunjukan hasil yang tidak signifikan secara statistik.
Selanjutnya dilakukan pemeriksaan pada residual model. Untuk menunjukan model yang masih mengandung efek ARCH atau tidak, dilakukan
pengujian LM test untuk tiap model dari return indeks saham sektoral. Tabel 4.4 akan menunjukkan hasil pengujian ARCH LM pada model yang dipilih untuk
tiap-tiap sektor saham.
Universitas Sumatera Utara
Tabel 4.4 Hasil ARCH LM Test pada tiap Model GARCH
Indeks Saham Sektoral Probabilitas
Uji Kebebasan Galat Aneka Industri
0,83 Tidak Signifikan
Industri Dasar 0,88
Tidak Signifikan Infrastruktur
0,31 Tidak Signifikan
Keuangan 0,81
Tidak Signifikan Konsumsi
0,27 Tidak Signifikan
Manufaktur 0,80
Tidak Signifikan Perdagangan dan Jasa
0,84 Tidak Signifikan
Pertambangan 0,34
Tidak Signifikan Pertanian
0,46 Tidak Signifikan
Properti 0,70
Tidak Signifikan Sumber :Lampiran 3
Catatan : Nilai-nilai probabilitas p-value yang lebih besar dari tingkat kritis 0,05 5 menunjukan hasil pengujian tidak signifikan yang berarti tolak hipotesis.
Hasil pengujian ARCH LM yang diperlihatkan pada Tabel 4.4 menunjukan bahwa tiap model memiliki hasil yang tidak signifikan yaitu
memiliki nilai probabilitas yang l ebih besar dari nilai α = 0,05. Maka dapat
disimpulkan keseluruhan model sudah tidak mengandung efek ARCH yang berarti model sudah baik.
Pada uji asumsi kenormalan yang diuji dengan uji Jarque-Bera dapat dilihat pada lampiran 2 yang akan dirangkum pada tabel 4.5. Tabel 4.5
memberikan informasi tentang kemenjuluran skewness dan kerunjingan kurtosis. Koefisien kemenjuluran skewness yang merupakan ukuran
kemiringan adalah lebih besar dari nol menunjukan data memiliki distribusi yang miring ke kanan, artinya data cenderung menumpuk pada nilai yang rendah.
Sedangkan, koefisien yang lebih kecil dari nol menunjukan data memiliki
Universitas Sumatera Utara
distribusi yang miring ke kiri, artinya data cenderung menumpuk pada nilai yang tinggi. Nilai kurtosis digunakan untuk mengukur tingkat kepadatan sebaran.
Tabel 4.5 Stastistika Deskriptif Data Return Indeks Tiap Sektor
Sumber : Lampiran 2 Catatan : Nilai-nilai probabilitas p-value yang lebih besar dari tingkat kritis 0,05
5 bahwa error term telah mengikuti distribusi normal.
Berdasarkan pada Tabel 4.5 dapat diamati bahwa pada indeks saham sektoral dimana koefisien kemenjuluran skewness semua sektor bernilai negatif.
Hal ini menunjukan bahwa sebaran menjulur ke kiri yang artinya memiliki distribusi yang miring ke kiri sehingga data cenderung menumpuk pada nilai yang
tinggi. Dari hasil pengamatan pada Tabel 4.1 terlihat juga bahwa nilai kurtosis dari beberapa indeks saham sektoral lebih besar dari 3, yaitu saham sektor
infrastruktur sebesar 5,291639 dan perdagangan dan jasa sebesar 4,059943. Hal ini merupakan gejala awal adanya heteroskedastisitas.
Indeks saham skewness
kurtosis Jarque
bera-test Prob
Indeks Aneka Industri -0,227966
2,609973 1,064987
0,587139 Indeks Industri Dasar
-0,105991 2,719182
0,366266 0,832674
Indeks Infrastruktur -0,951345
5,291639 26,24585
0,000002
Indeks Keuangan -0,166827
2,990730 0,329589
0,848068 Indeks Konsumsi
-0,057994 3,928882
2,592311 0,273582
Indeks Manufaktur -0,106450
3,177776 0,227587
0,892442 Indeks Perdagangan dan
jasa -0,667599
4,059943 8,597596
0,013585
Indeks Pertambangan -0,247521
3,504903 1,479148
0,477317 Indeks Pertanian
-0,083920 3.262141
0,286626 0,866483
Indeks Properti -0,305917
2,471788 1,932824
0,380446
Universitas Sumatera Utara
Pada uji asumsi kenormalan yang diuji dengan uji Jarque-Bera juga terlihat bahwa ternyata tidak semua sektor memiliki nilai probabilitas lebih besar
dari alpa 5 atau error term belum berdistribusi normal. Pada Tabel 4.5 terlihat bahwa sektor infrastruktur mempunyai probabilitas sebesar 0,000002, serta sektor
perdagangan dan jasa sebesar 0,013585. Hal ini berarti pada kedua sektor tersebut data belum terdistribusi secara normal. Untuk mengatasi masalah tersebut dapat
dilakukan dengan menggunakan model ARCH –M yaitu dengan memasukkan standar deviasi atau varian sebagai varian bebas kedalam model, tetapi model
varian error nya tetap menggunakan GARCH terbaik pada tiap sektor.
Tabel 4.6 Stastistika Deskriptif Data Return Indeks Tiap Sektor
Sumber: Lampiran 2 Catatan: Dengan menggunakan alpa 5 terlihat bahwa error term telah mengikuti
distribusi normal
Pada Tabel 4.6 terlihat bahwa nilai kurtosis sudah berada pada kisaran 3 dan berdasarkan uji Jarque-Bera didapat nilai probabilitas sebesar 0,051134 pada
sektor industri dan 0,399863 pada sektor perdagangan dan jasa. Dengan menggunakan alpa 5 terlihat bahwa error term telah mengikuti distribusi
normal. Indeks saham
Skewness kurtosis
Jarque bera-test
Prob Indeks Infrastruktur
0,611019 3,718853
5,946626 0,051134
Indeks Perdagangan dan jasa
0,269847 2,426914
1,833268 0,399863
Universitas Sumatera Utara
Tabel 4.7 Koefisien GARCH, Model Estimasi dari Return Saham Tiap Sektor 2007-2012
Indeks tiap Sektor Mean Equation
Ko ef.
AI ID
Inf Keu
Kon s
Man DJ
Perd Pert
Prop
C 0.01
0.02 0.25
0.01 0.11
0.04 6
0.17 -0.22
-0.19 0.12
0.86 0.76
0.93 0.83
0.05 0.44
0.00 0.01
0.01 0.00
Variance equation
Ko ef.
AI ID
Inf Keu
Kons Man DJ
Perd Pert
Prop K
0.01 0.00
2 -0.00
0.00 2
0.00 0.00
-0.00 0.00
-9.19 0.00
0.11 0.33
0.77 0.33
0.42 0.08
0.62 0.09
0.48 0.19
�
1
0.55 0.55
0.37 0.53
-0.03 0.26
0.26 -0.12
0.01 0.04
0.05 0.01
0.07 0.02
0.07 0.18
�
2
-0.32 0.02
�
1
-0.06 0.27
0,87 0.34
0.91 0.10
1.05 0.65
1.08 1.06
0.88 0.48
0.06 0.49
0.00 0.68
0.00 0.00
0.00 0.00
��
����
0.002 0.00
-0.01 0.00
-0.01 -0.003
-0.02 0.035
0.03 -0.01
0.81 0.92
0.20 0.90
0.11 0.74
0.00 0.002
0.00 3
0.00
Sumber : Lampiran 1 Catatan : Angka dalam kurung merupakan nilai probabilitas p-value. Bintang
satu mengindikasikan bahwa koefisien signifikan secara statistik pada tingkat kritis 5.
Dari tabel 4.7 terlihat bahwa Koefisien variabel tersebut memperlihatkan hasil yang berbeda pada tiap sektor di pasar saham. Pada sektor perdagangan dan
jasa, sektor pertambangan, sektor pertanian dan sektor properti koefisien BI rate menunjukan hasil yang signifikan dengan nilai probabilitas yang lebih kecil dari
titik kritis α yaitu 0,05. Hal ini menunjukan bahwa volatilitas return saham pada sektor-sektor tersebut mempunyai hubungan atau dipengaruhi oleh penetapan
suku bunga acuan BI rate. Pada sektor aneka industri, sektor industri dasar, sektor infrastruktur, sektor keuangan, sektor konsumsi dan sektor manufaktur
terlihat bahwa koefisien dari sektor tersebut yaitu BI rate yang tidak signifikan
Universitas Sumatera Utara
secara statistik, dimana nilai probabilitas dari koefisien tersebut lebih besar dari titik kritis α = 0.05. Artinya volatilitas return pada sektor-sektor tersebut tidak
dipengaruhi oleh suku bunga acuan. Dari hasil pembentukan model secara keseluruhan dapat diamati bahwa
pengumuman penetapan kebijakan moneter oleh bank sentral melalui penetapan suku bunga acuan BI rate ternyara hanya mempunyai pengaruh terhadap lima
sektor saja di pasar saham yaitu sektor saham infrastruktur, sektor perdagangan dan jasa, sektor pertambangan, sektor pertanian dan sektor properti. Sedangkan
sektor lainnya tidak dipengaruhi oleh penetapan suku bunga acuan BI rate pada tahun 2007 hingga tahun 2012.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
