Stasioneritas dan Korelasi Silang Setiap Indikator

menunjukan tingkat kerentanan setiap indikator, kerentanan yang semakin meningkat dan melebihi threshold yang ditentukan merupakan periode dimana sinyal krisis akan dihasilkan. Tabel4.6. Persamaan Ragam Hasil Estimasi GARCH untuk IMV Persamaan Ragam Variabel Coef Std.Erros Nilai-P IREER C ARCH1 0.001112 1.321573 9.60E-05 0.032607 0.0000 0.0000 IDC C ARCH1 0.005552 0.207974 0.000242 0.125189 0.0000 0.0967 IM2 C ARCH1 0.005996 0.180687 0.000421 0.164854 0.0000 0.2731 ICPI C ARCH1 0.003860 0.212853 0.009100 0.113900 0.9077 0.0000 IEQ C ARCH1 0.006973 0.074926 0.000626 0.123506 0.0000 0.5441 Berdasarkan tabel diatas, dengan tingkat kepercayaan 90 persen kerentanan setiap variabel yang akan dijadikan komposit tersebut menunjukan nilai probabilitas 0.0000 yang berarti threshold yang dihasilkan 90 persen adalah benar. Sedangkan untuk IREER dan IDC apabila sudah terjadi peningkatan kerentanan satu persen, kemungkinan besar kerentanan tersebut akan terus meningkat dibulan yang akan datang sebesar 1.32 persen dan 0.20 persen. Berdasarkan koefisien ARCH-nya secara berturut-turut variabel yang akan mudah terpengaruhi apabila terjadi guncangan atau volatil adalah REER, CPI, DC, M2, dan EQ dengan kenaikan kerentanan sebesar 1.32 persen, 0.21 persen, 0.20 persen, 0.18 persen dan 0.07. Kerentanan pada indikator pembentuk komposit IBV dipengaruhi oleh kerentanan pada bulan sebelumnya, hal ini mengindikasikan sekali saja terdapat peningkatan kerentanan maka kerentanan tersebut akan terus meningkat dibulan- bulan berikutnya. Berdasarkan koefisien ARCH-nya variabel yang reaktif terhadap guncangan adalah ER, LDR, FL, CPI, dan DC. Variabel yang peningkatannya paling besar atau yang volatilitasnya tinggi adalah ER dengan kenaikan sebesar 3.45 persen apabila kerentanan satu bulan sebelumnya meningkat satu persen. Tabel 4.7. Persamaan Ragam Hasil Estimasi GARCH untuk IBV Persamaan Ragam Variabel Coef Std.Erros Nilai-P ILDR C ARCH1 0.001122 3.193179 0.000143 0.562862 0.0000 0.0000 IFL C ARCH1 0.004385 0.471736 0.000380 0.107637 0.0000 0.0000 IDC C ARCH1 0.005552 0.207974 0.000242 0.125189 0.0000 0.0967 IER C ARCH1 0.000177 3.455911 4.36e-05 0.417914 0.0000 0.0000 ICPI C ARCH1 0.003860 0.212853 0.000281 0.090132 0.0000 0.0182

4.3.3. Kinerja Indikator dalam IMV Menghasilkan Sinyal

Setiap variabel yang akan digunakan untuk membentuk IMV dihitung tingkat pertumbuhannya dan mengalami proses filtering menggunakan HP., kemudian data distandarisasi dalam rata-rata dan ragamnya. Setelah melalui proses pengolahan tersebut, uji unit root perlu dilakukan agar memperoleh hasil regresi yang baik pada estimasi metode GARCH. Berdasarkan uji korelasi silang semua indikator yang dipilih dalam IMV merupakan leading indicator dan menurut kriteria NS Ratio setiap indikator memiliki persentase lebih dari satu, berarti indikator yang digunakan memiliki jumlah sinyal yang benar good signals lebih banyak dibandingkan dengan sinyal yang salah bad signals. Adapun kinerja indikator dengan akurasi sinyal terbaik untuk krisis nilai tukar adalah REER dengan kemungkinan memprediksi sebesar 67 persen hal ini menandakan nilai tukar negara lain sangat mempengaruhi nilai tukar Indonesia karena dengan semakin bebasnya pergerakan modal, apabila terjadi guncangan pada satu negara akan dengan mudah mempengaruhi yang negara lainnya. REER mengandung komponen perubahan nilai tukar 8 negara mitra dagang utama Indonesia, dengan kata lain sinyal terbaik bagi krisis nilai tukar di Indonesia adalah pergerakan nilai tukar mata uang negara lain tersebut. Tabel 4.8. Evaluasi Akurasi Sinyal Indikator IMV Indikator Type I Error Type II Error 1-Type II Error NS Ratio Pc Komposit CA+C BB+D AA+C [BB+DAA+C] AA+B REER 0.77 0.03 0.23 0.13 0.67 DC 0.81 0.03 0.19 0.15 0.63 M2 0.81 0.03 0.19 0.15 0.63 CPI 0.88 0.06 0.12 0.50 0.33 EQ 0.92 0.04 0.08 0.50 0.33 Indikator dengan kontribusi terbesar berikutnya untuk mendeteksi krisis nilai tukar adalah kredit domestik dan jumlah uang beredar M2, yang sinyalnya mampu memprediksi krisis nilai tukar sebanyak 63 persen. Indikator berikutnya adalah IHK dan IHSG dengan probabilitas sinyal yang dikeluarkanya menunjukan krisis hanya 33 persen. Tetapi kemungkinan sinyal yang diikeluarkan IHK salah yaitu 50 persen sedangkan untuk IHSG sebesar 80 persen maka IHSG merupakan indikator yang kinerjanya dinilai paling rendah. Hal ini sesuai dengan penelitian Dewati, et al. 2004 dimana ditemukan efek dua arah antara gejolak nilai tukar dan gejolak pasar modal adalah rendah, dan pasar modal merupakan bagian dari sistem keuangan yang relatif terisolir dari sektor keuangan lainnya.