Hasil dan Pembahasan ANALISIS DAN PEMBAHASAN

73 c. Uji stasioneritas data pada variabel Kurs Null Hypothesis: DKURS has a unit root Exogenous: Constant Lag Length: 1 Automatic based on SIC, MAXLAG=10 t-Statistic Prob. Augmented Dickey-Fuller test statistic -6.597469 0.0000 Test critical values: 1 level -3.550396 5 level -2.913549 10 level -2.594521 MacKinnon 1996 one-sided p-values. Hasil dari Augmented Dickey Fuller ADF statistic diatas dapat terlihat probabilitasnya 0.0000 menunjukkan lebih kecil dari α=1 sehingga data sudah stasioner atau dengan melihat nilai statistic ADF untuk variabel Kurs adalah sebesar -6.597469 lebih besar dari nilai kritis MacKinnon yaitu pada α = 1 sebesar -3.550396 , α = 5 sebesar - 2.913549 dan α =10 sebesar -2.594521, dengan panjang kelambanan berdasarkan kriteria SIC Schwarz Info Criterion. Dengan demikian hipotesis Ho ditolak, sehingga dapat disimpulkan bahwa variabel Kurs sudah stasioner pada tingkat tingkat diferensi pertama, oleh karena itu tidak perlu dilakukan transformasi data. 74 d. Uji stasioneritas data pada variabel tingkat suku bunga BI Null Hypothesis: DBIRATE has a unit root Exogenous: Constant Lag Length: 0 Automatic based on SIC, MAXLAG=10 t-Statistic Prob. Augmented Dickey-Fuller test statistic -5.390209 0.0000 Test critical values: 1 level -3.548208 5 level -2.912631 10 level -2.594027 MacKinnon 1996 one-sided p-values. Hasil dari Augmented Dickey Fuller ADF statistic diatas dapat terlihat probabilitasnya 0.0000 menunjukkan lebih kecil dari α=1 sehingga data sudah stasioner atau dengan melihat nilai statistic ADF untuk variabel Birate adalah sebesar -5.390209 lebih besar dari nilai kritis MacKinnon yaitu pada α = 1 sebesar -3.548208 , α = 5 sebesar - 2.912631 dan α =10 sebesar -2.594027 , dengan panjang kelambanan berdasarkan kriteria SIC Schwarz Info Criterion. Dengan demikian hipotesis Ho ditolak, sehingga dapat disimpulkan bahwa variabel Birate sudah stasioner pada tingkat diferensi pertama, oleh karena itu tidak perlu dilakukan transformasi data. 75 e. Uji stasioneritas pada variabel Dow Jones Null Hypothesis: DDJIA has a unit root Exogenous: Constant Lag Length: 2 Automatic based on SIC, MAXLAG=10 t-Statistic Prob. Augmented Dickey-Fuller test statistic -3.061907 0.0354 Test critical values: 1 level -3.552666 5 level -2.914517 10 level -2.595033 MacKinnon 1996 one-sided p-values. Hasil dari Augmented Dickey Fuller ADF statistic diatas dapat terlihat probabilitasnya 0.0354 menunjukkan lebih kecil dari α=5 sehingga data sudah stasioner atau dengan melihat nilai statistic ADF untuk variabel IHSG sebesar -3.061907 lebih besar dari nilai kritis MacKinnon yaitu pada α = 5 sebesar -2.914517 dan α =10 sebesar - 2.595033 , dengan panjang kelambanan berdasarkan kriteria SIC Schwarz Info Criterion . Dengan demikian hipotesis Ho ditolak, sehingga dapat disimpulkan bahwa variabel IHSG sudah stasioner pada tingkat tingkat diferensi pertama, oleh karena itu tidak perlu dilakukan transformasi data. 76 f. Uji stasioneritas data pada variabel IHSG Null Hypothesis: DIHSG has a unit root Exogenous: Constant Lag Length: 0 Automatic based on SIC, MAXLAG=10 t-Statistic Prob. Augmented Dickey-Fuller test statistic -5.822207 0.0000 Test critical values: 1 level -3.548208 5 level -2.912631 10 level -2.594027 MacKinnon 1996 one-sided p-values. Hasil dari Augmented Dickey Fuller ADF statistic diatas dapat terlihat probabilitasnya 0.0000 menunjukkan lebih kecil dari α=1 sehingga data sudah stasioner atau dengan melihat nilai statistic ADF untuk variabel IHSG sebesar -5.822207 lebih besar dari nilai kritis MacKinnon yaitu pada α = 1 sebesar -3.548208 , α = 5 sebesar - 2.912631 dan α =10 sebesar -2.594027 , dengan panjang kelambanan berdasarkan kriteria SIC Schwarz Info Criterion. Dengan demikian hipotesis Ho ditolak, sehingga dapat disimpulkan bahwa variabel IHSG sudah stasioner pada tingkat tingkat diferensi pertama, oleh karena itu tidak perlu dilakukan transformasi data. 77 2. Uji ARCHGARCH Setelah dilakukan uji stasioneritas data pada seluruh variabel dan diyakini bahwa seluruh variabel tersebut sudah stasioner, maka langkah selanjutnya adalah melakukan uji GARCH untuk menjelaskan pengaruh variabel-variabel yang digunakan dalam penelitian ini dan berapa besar pengaruhnya. Untuk memilih model yang paling layak, maka dilakukan proses trial dan error atau mencoba beberapa kemungkinan model, sehingga menghasilkan model yang terbaik Nachrowi dan Usman, 2007:424. Ada beberapa cara yang dapat digunakan untuk memilih model yang terbaik, yaitu memilih model yang terbaik R-squared yang lebih tinggi dan melihat Aikake Info Criterion AIC dan Schwarz Info Criterion SIC yang lebih rendah, masukan nilai kedalam persamaan Wing Wahyu, 2008:8.21. Penulis mencoba beberapa model diantaranya: GARCH 0,1 0,2 1,1 1,2 dan TARCH 0,1 0,2 1,1 1,2. Berikut ini akan dijelaskan hasil outputnya sebagai berikut : 78 Dibawah ini hasil output Uji GARCH 0,1 sebagai berikut : Tabel 4.7 Uji GARCH 0,1 Dependent Variable: IHSG Method: ML - ARCH Marquardt - Normal distribution Date: 090611 Time: 22:31 Sample: 2006M01 2010M12 Included observations: 60 Convergence achieved after 35 iterations GARCH = C7 + C8GARCH-1 Coefficient Std. Error z-Statistic Prob. C 238.9853 1369.450 0.174512 0.8615 EMAS 2.069845 0.312735 6.618522 0.0000 INFLASI 12457.70 20616.86 0.604248 0.5457 KURS -0.107670 0.060301 -1.785537 0.0742 BIRATE -130221.5 69910.06 -1.862701 0.0625 DJIA 0.179736 0.023962 7.500831 0.0000 Variance Equation C 453.0374 2227.177 0.203413 0.8388 GARCH-1 0.990555 0.114313 8.665302 0.0000 R-squared 0.951997 Mean dependent var 2170.142 Adjusted R-squared 0.945535 S.D. dependent var 664.7567 S.E. of regression 155.1396 Akaike info criterion 13.01565 Sum squared resid 1251552. Schwarz criterion 13.29490 Log likelihood -382.4695 F-statistic 147.3225 Durbin-Watson stat 0.866425 ProbF-statistic 0.000000 79 Berdasarkan tabel 4.7 variabel Harga Emas dan DJIA mempunyai pengaruh yang signifikan yaitu probablitasnya lebih kecil dari α=5, sedangkan variabel Inflasi, Kurs dan BI rate menunjukan pengaruh yang tidak signifikan karena nilai probabilitasnya jauh lebih besar dari α=5 Wing Wahyu, 2007:8.8. Model GARCH 0.1 memiliki nilai R 2 sebesar 94,55 yang artinya variasi variabel Harga Emas Dunia, variabel makroekonomi inflasi, kurs, BI rate dan Indeks Dow Jones dalam menjelaskan variasi variabel IHSG sebesar 94,55, sedangkan sisanya sebesar 5,45 di jelaskan oleh faktor lain yang tidak diteliti. Selain itu nilai AIC Aikake Info Criterion dan SIC Schwarz Info Criterion masing- masing sebesar 13,01 dan 13,29 karena untuk menghasilkan model GARCH yang paling layak adalah memiliki nilai R 2 yang paling tinggi, nilai AIC dan SIC yang paling rendah Wing Wahyu, 2008:8.23. Maka akan di coba model berikutnya hingga dihasilkan model yang paling layak. Tabel 4.8 UJI GARCH 0,2 Dependent Variable: IHSG Method: ML - ARCH Marquardt - Normal distribution Date: 090611 Time: 22:35 Sample: 2006M01 2010M12 Included observations: 60 Convergence achieved after 35 iterations GARCH = C7 + C8GARCH-1 + C9GARCH-2 Coefficient Std. Error z-Statistic Prob. C 210.5461 1356.854 0.155172 0.8767 EMAS 2.087866 0.308770 6.761870 0.0000 INFLASI 13113.75 20749.17 0.632013 0.5274 KURS -0.108046 0.059346 -1.820610 0.0687 BIRATE -129879.7 69975.01 -1.856087 0.0634 DJIA 0.180713 0.023752 7.608312 0.0000 Variance Equation 80 C 1109.854 4951.305 0.224154 0.8226 GARCH-1 -0.076585 0.086535 -0.885014 0.3761 GARCH-2 1.047944 0.189931 5.517513 0.0000 R-squared 0.952036 Mean dependent var 2170.142 Adjusted R-squared 0.944512 S.D. dependent var 664.7567 S.E. of regression 156.5898 Akaike info criterion 13.04490 Sum squared resid 1250539. Schwarz criterion 13.35905 Log likelihood -382.3470 F-statistic 126.5358 Durbin-Watson stat 0.872727 ProbF-statistic 0.000000 Berdasarkan tabel 4.8 variabel Harga Emas dan DJIA mempunyai pengaruh yang signifikan yaitu probabilitasnya lebih kecil dari α=5, sedangkan variabel Inflasi, Kurs dan BI rate menunjukan pengaruh yang tidak signifikan karena nilai probabilitasnya jauh lebih besar dari α=5. Model GARCH 0,2 tidak lebih baik dari model GARCH 0,1 karena memiliki nilai R 2 lebih kecil dari model sebelumnya sebesar 94,45 yang artinya variasi variabel Harga Emas Dunia, variabel Makroekonomi Inflasi, Kurs, BI rate dan Indeks Dow Jones dalam menjelaskan variasi variabel IHSG sebesar 94,45 sedangkan sisanya sebesar 5,55 di jelaskan oleh faktor lain yang tidak diteliti. Selain itu nilai AIC Aikake Info Criterion dan SIC Schwarz Info Criterion sebesar 13,04 dan 13,35 Maka akan di coba model berikutnya hingga dihasilkan model yang paling tepat. 81 Tabel 4.9 UJI GARCH 1,1 Dependent Variable: IHSG Method: ML - ARCH Marquardt - Normal distribution Date: 090611 Time: 22:30 Sample: 2006M01 2010M12 Included observations: 60 Failure to improve Likelihood after 23 iterations GARCH = C7 + C8RESID-12 + C9GARCH-1 Coefficient Std. Error z-Statistic Prob. C 124.6928 948.8957 0.131408 0.8955 EMAS 2.112034 0.222149 9.507278 0.0000 INFLASI 10254.23 16324.06 0.628167 0.5299 KURS -0.103805 0.045177 -2.297734 0.0216 BIRATE -131038.3 49632.13 -2.640191 0.0083 DJIA 0.185969 0.019312 9.629687 0.0000 Variance Equation C 15672.95 9417.227 1.664285 0.0961 RESID-12 0.518076 0.338170 1.531998 0.1255 GARCH-1 -0.269705 0.298105 -0.904730 0.3656 R-squared 0.951984 Mean dependent var 2170.142 Adjusted R-squared 0.944452 S.D. dependent var 664.7567 S.E. of regression 156.6746 Akaike info criterion 13.00444 Sum squared resid 1251894. Schwarz criterion 13.31859 Log likelihood -381.1333 F-statistic 126.3920 Durbin-Watson stat 0.870661 ProbF-statistic 0.000000 Berdasarkan tabel 4.9 GARCH 1.1 sudah menunjukan model yang cukup baik dari model sebelumnya. Variabel Harga Emas, kurs, BI rate dan DJIA mempunyai pengaruh yang signifikan yaitu probabi litasnya lebih kecil dari α=5, 82 sedangkan variabel inflasi menunjukan pengaruh yang tidak signifikan karena nilai probabilitasnya jauh lebih besar dari α=5 Wing Wahyu, 2007:8.8. Model GARCH 1.1 memiliki nilai R 2 lebih rendah dari model sebelumnya yaitu sebesar 94,44 yang artinya variasi variabel Harga Emas Dunia, variabel Makroekonomi Inflasi, Kurs, BI rate dan Indeks Dow Jones dalam menjelaskan variasi variabel IHSG sebesar 94,44, sedangkan sisanya sebesar 5,56 di jelaskan oleh faktor lain yang tidak diteliti. Selain itu nilai AIC Aikake Info Criterion dan SIC Schwarz Info Criterion masing-masing sebesar 13,00 dan 13,31. Berikutnya akan dicoba model GARCH 1,2, dengan hasil output sebagai berikut: Tabel 4.10 UJI GARCH 1,2 Dependent Variable: IHSG Method: ML - ARCH Marquardt - Normal distribution Date: 090611 Time: 22:37 Sample: 2006M01 2010M12 Included observations: 60 Failure to improve Likelihood after 20 iterations Variance backcast: ON GARCH = C7 + C8RESID-12 + C9GARCH-1 + C10 GARCH-2 Coefficient Std. Error z-Statistic Prob. C 282.8013 185.1886 1.527099 0.1267 EMAS 2.157265 0.118052 18.27382 0.0000 INFLASI 10914.27 14856.93 0.734625 0.4626 KURS -0.118668 0.018383 -6.455343 0.0000 BIRATE -130775.5 33481.82 -3.905867 0.0001 DJIA 0.180006 0.012981 13.86710 0.0000 Variance Equation 83 C 13434.73 13584.89 0.988947 0.3227 RESID-12 0.579008 0.361402 1.602117 0.1091 GARCH-1 -0.355275 0.323090 -1.099618 0.2715 GARCH-2 0.251513 0.271402 0.926718 0.3541 R-squared 0.951748 Mean dependent var 2170.142 Adjusted R-squared 0.943063 S.D. dependent var 664.7567 S.E. of regression 158.6205 Akaike info criterion 13.02586 Sum squared resid 1258023. Schwarz criterion 13.37492 Log likelihood -380.7759 F-statistic 109.5818 Durbin-Watson stat 0.895605 ProbF-statistic 0.000000 Berdasarkan tabel 4.10 variabel Harga Emas, kurs, BI rate dan DJIA mempunyai pengaruh yang signifikan yaitu probablitasnya lebih kecil da ri α=5, sedangkan variabel inflasi menunjukan pengaruh yang tidak signifikan karena nilai probabilitasnya jauh lebih besar dari α=5 Wing Wahyu, 2007:8.8. Model GARCH 1.2 memiliki nilai R 2 lebih rendah dari GARCH 1,1, 0,1 dan 0,2 yaitu sebesar 94,30 yang artinya variasi variabel Harga Emas Dunia, variabel Makroekonomi Inflasi, Kurs, BI rate dan Indeks Dow Jones dalam menjelaskan variasi variabel IHSG sebesar 94,30, sedangkan sisanya sebesar 5,70 di jelaskan oleh faktor lain yang tidak diteliti. Selain itu nilai AIC Aikake Info Criterion dan SIC Schwarz Info Criterion masing-masing sebesar 13,02 dan 13,37. Berikutnya akan dicoba model TARCH 0,1, dengan hasil output sebagai berikut: 84 Tabel 4.11 UJI TARCH 0,1 Dependent Variable: IHSG Method: ML - ARCH Marquardt - Normal distribution Date: 090611 Time: 22:42 Sample: 2006M01 2010M12 Included observations: 60 Convergence achieved after 427 iterations Bollerslev-Wooldrige robust standard errors covariance GARCH = C8 + C9GARCH-1 Coefficient Std. Error z-Statistic Prob. SQRTGARCH 105.9955 300.4165 0.352829 0.7242 C -15259.49 43071.17 -0.354286 0.7231 EMAS 2.204570 0.449397 4.905614 0.0000 INFLASI 6876.263 13977.76 0.491943 0.6228 KURS -0.053778 0.043003 -1.250579 0.2111 BIRATE -158524.3 43161.82 -3.672791 0.0002 DJIA 0.202810 0.023693 8.560079 0.0000 Variance Equation C 2524.300 450.7883 5.599746 0.0000 GARCH-1 0.870538 0.002427 358.6875 0.0000 R-squared 0.956349 Mean dependent var 2170.142 Adjusted R-squared 0.949502 S.D. dependent var 664.7567 S.E. of regression 149.3829 Akaike info criterion 12.99256 Sum squared resid 1138077. Schwarz criterion 13.30671 Log likelihood -380.7769 F-statistic 139.6697 Durbin-Watson stat 0.937463 ProbF-statistic 0.000000 Berdasarkan tabel 4.11 variabel Harga Emas, BI rate dan DJIA mempunyai pengaruh yang signifikan yaitu probablitasnya lebih kecil dari α=5, sedangkan variabel Inflasi dan Kurs menunjukan pengaruh yang tidak signifikan karena nilai probabilitasnya jauh lebih besar dari α=5 Wing Wahyu, 2007:8.8. Model 85 TARCH 0.1 memiliki nilai R 2 lebih tinggi dari model GARCH 0,1, 0,2, 1,1 dan 1,2 yaitu sebesar 94,95 yang artinya variasi variabel Harga Emas Dunia, variabel Makroekonomi Inflasi, Kurs, BI rate dan Indeks Dow Jones dalam menjelaskan variasi variabel IHSG sebesar 94,95, sedangkan sisanya sebesar 5,05 di jelaskan oleh faktor lain yang tidak diteliti. Selain itu nilai AIC Aikake Info Criterion dan SIC Schwarz Info Criterion masing-masing sebesar 12,99 dan 13,30. Berikutnya akan dicoba model TARCH 0,2 agar didapatkan model yang tepat dengan hasil output sebagai berikut: Tabel 4.12 Uji TARCH 0,2 Dependent Variable: IHSG Method: ML - ARCH Marquardt - Normal distribution Date: 090611 Time: 22:44 Sample: 2006M01 2010M12 Included observations: 60 Convergence achieved after 72 iterations Bollerslev-Wooldrige robust standard errors covariance GARCH = C8 + C9GARCH-1 + C10GARCH-2 Coefficient Std. Error z-Statistic Prob. SQRTGARCH -9.193425 9.656851 -0.952011 0.3411 C 1612.452 1576.357 1.022898 0.3064 EMAS 2.090764 0.212058 9.859418 0.0000 INFLASI 12199.46 10272.66 1.187565 0.2350 KURS -0.116173 0.041973 -2.767801 0.0056 BIRATE -133997.8 36081.50 -3.713753 0.0002 DJIA 0.178676 0.022778 7.844292 0.0000 Variance Equation 86 C 15289.45 1113.999 13.72483 0.0000 GARCH-1 1.226154 0.018278 67.08194 0.0000 GARCH-2 -1.021087 0.007312 -139.6500 0.0000 R-squared 0.959178 Mean dependent var 2170.142 Adjusted R-squared 0.951830 S.D. dependent var 664.7567 S.E. of regression 145.8981 Akaike info criterion 12.95812 Sum squared resid 1064313. Schwarz criterion 13.30718 Log likelihood -378.7437 F-statistic 130.5373 Durbin-Watson stat 0.925429 ProbF-statistic 0.000000 Berdasarkan tabel 4.12 variabel Harga Emas, Kurs, BI rate dan DJIA mempunyai pengaruh yang signifikan yaitu probablitasnya lebih kecil dari α=5, sedangkan variabel Inflasi menunjukan pengaruh yang tidak signifikan karena nilai probabilitasnya jauh lebih besar dari α=5 Wing Wahyu, 2007:8.8. Model TARCH 0.2 memiliki nilai R 2 lebih tinggi dari GARCH 0,1, 0,2, 1,1, 1,2 dan TARCH 0,1 yaitu sebesar 95,18 yang artinya variasi variabel Harga Emas Dunia, variabel Makroekonomi Inflasi, Kurs, BI rate dan Indeks Dow Jones dalam menjelaskan variasi variabel IHSG sebesar 95,18, sedangkan sisanya sebesar 4,82 di jelaskan oleh faktor lain yang tidak diteliti. Selain itu nilai AIC Aikake Info Criterion dan SIC Schwarz Info Criterion masing-masing sebesar 12,95 dan 13,30. Berikutnya akan dicoba model TARCH 1,1 agar didapatkan model yang tepat dengan hasil output sebagai berikut: 87 Tabel 4.13 UJI TARCH 1,1 Dependent Variable: IHSG Method: ML - ARCH Marquardt - Normal distribution Date: 090611 Time: 22:47 Sample: 2006M01 2010M12 Included observations: 60 Convergence achieved after 25 iterations GARCH = C8 + C9RESID-12 + C10GARCH-1 Coefficient Std. Error z-Statistic Prob. SQRTGARCH -8.496134 1.104277 -7.693843 0.0000 C 770.5128 59.61538 12.92473 0.0000 EMAS 2.184574 0.128165 17.04505 0.0000 INFLASI 11605.55 15565.04 0.745616 0.4559 KURS -0.053202 0.019576 -2.717749 0.0066 BIRATE -131663.8 31582.41 -4.168896 0.0000 DJIA 0.196211 0.006673 29.40536 0.0000 Variance Equation C 13379.39 4283.231 3.123668 0.0018 RESID-12 0.195213 0.040018 4.878159 0.0000 GARCH-1 0.269408 0.149436 1.802837 0.0714 R-squared 0.961713 Mean dependent var 2170.142 Adjusted R-squared 0.954821 S.D. dependent var 664.7567 S.E. of regression 141.2960 Akaike info criterion 12.95024 Sum squared resid 998227.4 Schwarz criterion 13.29930 Log likelihood -378.5072 F-statistic 139.5471 Durbin-Watson stat 1.389923 ProbF-statistic 0.000000 Berdasarkan hasil estimasi uji TARCH 1,1 Menunjukan bahwa dari kelima variabel bebas yakni Harga Emas, Inflasi, Kurs, BI rate dan Indeks Dow Jones hanya satu variabel yang tidak signifikan yaitu Inflasi. Titik c intercept mempunyai pengaruh yang signifikan dengan probabilitasnya lebih kecil dari α=5 Wing Wahyu, 2008,8.16. dengan hasil analisis tersebut, nilai Threshold 88 ARCH atau yang dikenal dengan TARCH 1,1 adalah model yang relatif paling layak di buktikan dengan variabel hampir semua variabel yang digunakan seperti Harga Emas, Kurs, BI rate dan Dow Jones signifikan pada probabilitas lebih kecil dari α=5. Selain itu pemilihan model TARCH 1,1 merupakan model yang paling layak dibuktikan dengan R 2 95,48 yang dapat diartikan, bahwa model tersebut mampu menjelaskan hubungan antar variabel independen terhadap variabel dependen, adapun untuk nilai AIC Aikake Info Criterion dan SIC Schwarz Info Criterion pada model TARCH 1,1 menunjukan AIC sebesar 12,95 sedangkan SIC sebesar 13,29. Dengan model persamaan uji TARCH 1,1 sebagai berikut: IHSG = 770,5128 + 2,184574 EMAS + 11605,55 INFLASI - 0,053202 KURS -131663,8 BIRATE + 0,196211 DJIA -8,496134 σ t Hasil ini juga dibuktikan dengan hasil pengujian sebelumnya dilakukan dengan menggunakan TARCH 1,1 adalah model yang relatif lebih baik dibandingkan dengan model sebelumnya. Untuk memastikan model TARCH 1,1 adalah model yang paling layak maka akan dilakukan Uji TARCH 1,2 sebagai pembanding dengan hasil yang telah diperoleh pada model TARCH 1,1. Hasil output Uji TARCH 1,2 : 89 Tabel 4.14 UJI TARCH 1,2 Dependent Variable: IHSG Method: ML - ARCH Marquardt - Normal distribution Date: 090611 Time: 22:49 Sample: 2006M01 2010M12 Included observations: 60 Convergence achieved after 16 iterations GARCH = C8 + C9RESID-12 + C10GARCH-1 + C11 GARCH-2 Coefficient Std. Error z-Statistic Prob. SQRTGARCH -9.559483 0.037575 -254.4135 0.0000 C 887.3448 100.6189 8.818867 0.0000 EMAS 2.210004 0.105344 20.97902 0.0000 INFLASI 11581.00 17803.32 0.650496 0.5154 KURS -0.053079 0.002544 -20.86526 0.0000 BIRATE -131673.7 37834.99 -3.480210 0.0005 DJIA 0.199170 0.010031 19.85555 0.0000 Variance Equation C 13181.74 3889.717 3.388869 0.0007 RESID-12 0.140727 0.062889 2.237699 0.0252 GARCH-1 0.263075 0.122883 2.140852 0.0323 GARCH-2 0.067183 0.117739 0.570605 0.5683 R-squared 0.961191 Mean dependent var 2170.142 Adjusted R-squared 0.953271 S.D. dependent var 664.7567 S.E. of regression 143.6997 Akaike info criterion 12.98979 Sum squared resid 1011830. Schwarz criterion 13.37375 Log likelihood -378.6937 F-statistic 121.3600 Durbin-Watson stat 1.289421 ProbF-statistic 0.000000 90 Berdasarkan tabel 4.14 variabel Harga Emas, kurs, BI rate dan DJIA mempunyai pengaruh yang signifikan yaitu probablitasnya leb ih kecil dari α=5, sedangkan variabel Inflasi menunjukan pengaruh yang tidak signifikan karena nilai probabilitasnya jauh lebih besar dari α=5 Wing Wahyu, 2007:8.8. Model TARCH 1,2 memiliki nilai R 2 lebih rendah dari TARCH 1,1 yaitu sebesar 95,32 yang artinya variasi variabel Harga Emas Dunia, variabel makroekonomi Inflasi, kurs, Birate dan Indeks Dow Jones dalam menjelaskan variasi variabel IHSG sebesar 95,32, sedangkan sisanya sebesar 4,68 di jelaskan oleh faktor lain yang tidak diteliti. Selain itu nilai AIC Aikake Info Criterion dan SIC Schwarz Info Criterion masing-masing sebesar 12,98 dan 13,37. Tabel 4.15 Tabel Hasil Dari Beberapa Alternatif Model Model R 2 Aikake Schwarz Garch 0,1 94,55 13,01 13,29 Garch 0,2 94,45 13,04 13,35 Garch 1,1 94,44 13,00 13,31 Garch 1,2 94,30 13,02 13,37 Tarch 0,1 94,95 12,99 13,30 Tarch 0,2 95,18 12,95 13,30 Tarch 1,1 95,48 12,95 13,29 Tarch 1,2 95,32 12,98 13,37 Dari beberapa alternatif model di atas didapatkan model yang dinyatakan relatif paling layak yaitu model TARCH 1,1 karena mempunyai nilai R-squared paling tinggi, Aikake Info Criterion AIC dan Schwarz Criterion SIC paling rendah Wing Wahyu,2008:8.21. Dari tabel tersebut terlihat model TARCH 1,1 91 memenuhi kriteria tersebut, dibuktikan dengan nilai R 2 sebesar 95,48 nilai AIC 12,95 dan SIC sebesar 13,29. Berdasarkan pembahasan pada bab-bab sebelumnya dengan hasil penelitian Model TARCH 1,1 merupakan model yang paling layak dibuktikan dengan variabel yang digunakan dalam penelitian yang terdiri dari variabel independen harga emas dunia, inflasi, kurs, suku bunga BI dan variabel dependen IHSG. Hanya satu variabel yang tidak signifikan yaitu inflasi karena probabilitas lebih besar dar i α= 5. Selain itu, model TARCH 1,1 memiliki nilai R 2 adjusted lebih tinggi dibandingkan dengan model yang sebelumnya yaitu 95,48 yang artinya variasi variabel Harga Emas Dunia, variabel Makroekonomi inflasi, kurs, Birate dan Indeks Dow Jones dalam menjelaskan variasi variabel IHSG sebesar 95,48 dan sisanya sebesar 4,52 dijelaskan oleh faktor lainya yang tidak diteliti. Model TARCH 1,1 juga memiliki nilai AIC 12,95 dan SIC sebesar 13,29. Model persamaan TARCH 1,1 sebagai berikut : IHSG = 770,5128 + 2,184574 EMAS + 11605,55 INFLASI -0,053202 KURS -131663,8 BIRATE + 0,196211 DJIA -8,496134 σ t Dengan penjelasan sebagai berikut : Nilai konstanta sebesar 770,5128 menyatakan bahwa apabila tidak terdapat variabel Harga Emas Dunia, Inflasi, Kurs, BI rate dan Indeks Dow Jones maka IHSG sebesar 770,5128. 1. Variabel Harga Emas Dunia memiliki coefficient positif dan berpengaruh signifikan terhadap IHSG dengan probabilitas lebih kecil dari α =5. Besarnya koefisien harga emas dunia sebesar 2,184574 yang artinya 92 apabila terjadi kenaikan harga emas dunia sebanyak satu dollar maka akan mengakibatkan kenaikan IHSG sebesar 2,184574. Hasil ini tidak sesuai dengan penelitian yang dilakukan oleh Graham Smith 2001 Harga emas dunia memliki pengaruh yang negatif terhadap indeks harga saham di Amerika Serikat. Penelitian ini sesuai dengan yang dilakukan oleh Ardian Agung Witjaksono 2010:122 harga emas mempunyai pengaruh yang signifikan disebabkan selama periode pengamatan perekonomian dunia senantiasa mengalami pertumbuhan tiap tahunnya. Peningkatan pertumbuhan ekonomi ini tentunya akan meningkatkan pendapatan rata- rata masyarakat. Di Indonesia sendiri selama tahun 2002-2007, pendapatan per kapita masyarakat Indonesia mengalami kenaikan antara 7-12 pertahunnya bappenas.go.id. dapat diartikan bahwa tingkat kesejahteraan masyarakat Indonesia secara umum meningkat Peningkatan kesejahteraan ini mengakibatkan masyarakat memiliki kesempatan untuk melakukan diversifikasi investasi untuk mengurangi resiko. Salah satu keunggulan dari berinvestasi pada emas adalah nilainya yang cenderung naik, selain itu pemilik emas dapat dengan mudah menjualnya kapan saja ia membutuhkan dana tanpa mengalami kerugian yang besar. Hasil penelitian ini mendukung penelitian yang dilakukan oleh Gary Twite 2002 bahwa kenaikan harga emas akan mendorong kenaikan indeks harga saham. 2. Variabel Inflasi memiliki pengaruh tidak signifikan terhadap IHSG dengan probabilita s lebih besar dari α =5. Sesuai dengan penelitian Sirait dan 93 siagian 2002 mengemukakan bahwa kenaikan inflasi dapat menurunkan capital gain yang menyebabkan berkurangnya keuntungan yang diperoleh investor. Disisi perusahaan terjadi peningkatan inflasi, dimana peningkatannya tidak dapat dibebankan kepada konsumen, dapat menurunkan tingkat pendapatan perusahaan. Hal ini berarti resiko yang akan dihadapi perusahaan akan lebih besar untuk tetap berinvestasi dalam bentuk saham, sehingga permintaan terhadap saham akan turun. Inflasi dapat menurunkan keuntungan suatu perusahaan sehingga sekuritas dipasar modal menjadi komoditi yang kurang menarik hal ini berarti inflasi berhubungan tidak signifikan dengan return saham. Hasil penelitian ini juga mendukung penelitian yang dilakukan oleh Pananda Pasaribu dkk 2009 hasil penelitiannya menunjukan inflasi tidak signifikan terhadap tingkat pengembalian saham. Tetapi, hasil penelitin ini tidak sesui dengan penelitian yang dilakukan oleh Titman dan warga 1989 dalam Zainal Arifin 2007:155 yang menyatakan adanya hubungan yang positif antara return saham dan tingkat inflasi dimasa yang akan datang. Temuan ini menunjukkan bahwa return telah memprediksi perubahan tingkat harga di masa yang akan datang atau dengan kata lain naik turunnya harga saham merupakan prediksi tinggi dan rendahnya tingkat inflasi. 3. Variabel Kurs memiliki coefficient yang negatif dan berpengaruh signifikan dengan nilai probabilitas lebih kecil dari α=5. Besarnya koefisien kurs sebesar -0,053202, menunjukkan bahwa apabila terjadi kenaikan pada kurs sebesar satu Rpdollar, maka akan terjadi penurunan 94 pada IHSG sebesar 0,053202. Tidak sesuai dengan penelitian yang dilakukan oleh Sirait dan siagian 2002 Pengaruh nilai tukar Rp terhadap USD dapat menjadi positif terhadap IHSG. Jika rupiah mengalami penguatan apresiasi maka akan menurunkan kemampuan domestik dalam persaingan diperdagangan dunia karena mata uang domestik menjadi relatif lebih mahal. Hal ini berlaku jika sebagian saham yang tercatat di BEI adalah saham-saham yang berorientasi ekspor dan mempunyai aset dalam mata uang asing maka akan berpengaruh IHSG turun. Tetapi, hasil penelitian ini sesuai dengan penelitian Nachrowi dan Usman 2007 pengaruh negatif dari nilai tukar terhadap IHSG dapat dijelaskan sebagai berikut, pada saat rupiah terpuruk terutama investor asing cendrung memilih memegang dollar sehingga mereka segera melepas sahamnya di pasar modal untuk dialihkan ke valuta asing. Akibatnya, terjadi panic selling di Bursa Efek sehingga IHSG cendrung turun. Sependapat dengan penelitian yang dilakukan oleh Budi Frensidy 2009 pendekatan tradisional menyatakan pergerakan nilai kurs tukar akan mempengaruhi daya saing internasional dan neraca pembayaran. Pengaruh ini akan berimbas pada aliran kas perusahaan dan harga sahamnya. 4. Variabel BI rate memiliki coefficient yang negatif dan berpengaruh signifikan dengan nilai probabilitas lebih kecil dari α=5. Hasil estimasi menunjukan hubungan BI rate dengan IHSG adalah negatif dan signifikan dengan nilai koefisien sebesar. Dimana setiap kenaikan 1 akan 95 menyebabkan penurunan IHSG sebesar 131663,8 poin. Signifikannya hubungan antara BI rate dan IHSG menunjukan bahwa investor memperhatikan BI rate jika hendak berinvestasi di pasar modal. Hal ini mengindikasikan tidak ada hubungan subtistusi antara sektor perbankan dengan pasar modal, tetapi merupakan komplementer dari perbankan. Hal ini terjadi karena masing-masing memiliki karakteristik tersendiri. Sehingga pasar modal dan perbankan dapat berjalan beriringan tanpa ada persaingan yang cukup berarti Ishomudin, 2010:165. Hasil estimasi ini sesuai dengan penelitian yang dilakukan Pananda Pasaribu Dkk 2009:5 mengenai tingkat pengembalian pasar saham terhadap variabel makroekonomi dimana salah satu variabelnya tingkat bunga. Hasil penelitian menunjukan bahwa umumnya mempunyai hubungan yang negatif dengan bursa saham. Bila pemerintah mengumumkan tingkat bunga yang lebih tinggi maka investor akan menjual sahamnya dan mengganti pada instrumen berpendapatan tetap yang memberikan tingkat bunga yang lebih tinggi. 5. Variabel Dow Jones memiliki coefficient yang positif dan berpengaruh signifikan dengan nilai prob abilitas lebih kecil dari α=5. Hasil penelitian ini sesuai dengan penelitian Nachrowi dan Usman 2007 koefisien pada variabel Dow Jones positif, yang berarti hubungan antara Indeks Dow Jones terhadap IHSG searah. Pengaruh Dow Jones terhadap IHSG secara tidak langsung memberikan gambaran betapa kuatnya pengaruh kinerja Dow Jones terhadap Indonesia. Dengan koefisien sebesar 0,196211 96 memberi arti bahwa pada setiap kenaikan 100 poin Indeks Dow Jones akan mengakibatkan IHSG naik hampir 1,96 poin. 97

BAB V KESIMPULAN DAN IMPLIKASI

A. Kesimpulan

Berdasarkan hasil analisis dan pembahasan yang telah dijelaskan pada bab sebelumnya, maka penelitian ini dapat diambil kesimpulan sebagai berikut : 1. Model yang layak menggambarkan pengaruh variabel independen Harga Emas Dunia, variabel Makroekonomi Inflasi, Kurs, BI rate dan Indeks Dow Jones terhadap IHSG adalah model TARCH 1,1. Hasil pengujian model TARCH 1,1 menunjukan variabel independen Harga Emas Dunia, Kurs, BI rate mempunyai pengaruh yang signifikan terhadap IHSG sedangkan variabel inflasi memiliki pengaruh yang tidak signifikan. 2. Model TARCH 1,1 adalah model yang paling layak menjelaskan pengaruh variabel independen Harga Emas Dunia, Inflasi, Kurs, BI rate dan indeks Dow Jones terhadap variabel dependen IHSG, dibuktikan dengan nilai R 2 yang paling tinggi dibandingkan dengan model yang telah dilakukan sebelumnya sebesar 95,48, yang artinya variabel Harga Emas Dunia, Inflasi, Kurs, BI rate dan indeks Dow Jones dalam menjelaskan variasi variabel IHSG sebesar 95,48, sedangkan sisanya dijelaskan oleh faktor lain yang telah diteliti, nilai AIC Aikake Info Criterion sebesar 12,95 dan SIC Schwarz Info Criterion sebesar 13,29. Karena model yang paling layak adalah model yang memiliki R 2 yang paling tinggi, nilai AIC dan SIC yang paling rendah. 98

B. Implikasi.

Bagi Akademisi Perlu diadakan penelitian selanjutnya mengenai pengaruh-pengaruh faktor makroekonomi terhadap Indeks Harga Saham Gabungan IHSG dengan menambah periode penelitian dan faktor-faktor makro lainnya serta dapat ditambahkan pula indeks regional lainnya sebagai proxy serta konseptualisasi model yang berbeda. Bagi Investor Sebaiknya investor melakukan analisis yang lebih mendalam dan memiliki informasi yang cukup dalam melakukan investasi sehingga tidak salah dalam menentukan dan menerapkan strategi dalam berinvestasi dipasar modal. 99 DAFTAR PUSTAKA Abi, Anwar, Muhammad.”Analisis Variabel-Variabel yang Mempengaruhi Harga Emas di Indonesia dengan Error Correction Model Periode 1999.1 – 2007. 6”, Tesis FEUI, depok, 2008. Agung, Wijaksono Ardian. “Analisis Pengaruh Suku Bunga SBI, Kurs Rupiah dan Dow Jones Terhadap IHSG ”. Skripsi UNDIP, Jakarta, 2010. Anoraga, Panji dan Piji Pakarti .”Pengantar Pasar Modal”, Jakarta: Rineka Cipta, 2008. Anoraga, Panji .”Pengantar Pasar Modal”, Jakarta:Rineka Cipta, 2006. Bank Indonesia, “Statistik Ekonomi dan Keuangan Indonesia”, beberapa tahun terbitan. , “Statistik Ekonomi dan Perbankan Indonesia”, beberapa tahun terbitan Bepa, Saputra, Handika . “Analisis pengaruh Fluktuasi Harga Minyak Mentah Dunia, Kurs, dan Inflasi Terhadap Perdagangan Saham di Pasar Modal SyariahJII dan Pasar Modal KonvensionalIHSG”, Skripsi Ekonomi UIN Syahid, Jakarta, 2010. Chairunnisa. “Analisis Pengaruh Inflasi, Suku Bunga SBI, Suku Bunga Deposito, Kurs Valas dan Harga Emas terhadap Indeks Harga Saham GabunganIHSG, Jakarta Islamic IndeksJII dan Indeks LQ- 45”, Skripsi Ekonomi UIN Syahid, Jakarta, 2010. Ciner, Cetin .”Hadges and Safe Heaven-An Eximination of Stock, Bond, Oil, Gold and Dolla r”. School of Business, Trinity Collage, Durbin, 2010 Darmawi, Hermawan. “Pasar Financial dan Lembaga-Lembaga Finansial”. Jakarta: PT. Bumi Aksara, 2006 Dipraja, Sholeh .”siapa bilang INVESTASI EMAS butuh modal gede, Jakarta:Tangga Pustaka, 2011 Frensidy, Budi.”Analisis Pengaruh Aksi Jual-Beli Asing, Kurs, Indeks Hangseng Terhadap IHSG di BEJ model GARCH, 2009. Gujarati, N Demodar.”Dasar-dasar Ekonometrika”,Penerbit Erlangga, 2006. Hadi, Hamdy. “Manajemen Keuangan Internasional”, Jakarta: Mitra Wacana Media, 2008 100 Hartono, Jogyanto.”Teori Portofolio dan Analisis Investasi Edisi 6”. Yogyakarta: BPFE , 2009. Husnan, Suad. “Dasar-dasar Teori Portofolio dan Analisis Sekuritas, Yogyakarta, 2004 Indah, Dewi indriani. “Analisis Pengaruh variabel makroekonomi Terhadap IHSG di BEJ periode 1999.1-2007.7 , Skripsi UNDIP, Semarang, 2008. Irsan, M. Nasarudin, Surya Indra, Yustiavandana, Ivan, Nefi, Ahmad dan Adiwarman.” Aspek Hukum Pasar Modal Indonesia”. Edisi 1 kencana,Jakarta, 2008. Ishomuddin. “Analisis Pengaruh Variabel Makro Ekonomi Dalam dan Luar Negeri Terhadap IHSG menggunakan ARCHGARCH periode 1999.1- 2009.12”, Skripsi FE UNDIP, Semarang, 2010 Kuncoro, Mudrajad.”Manajemen Keuangan Internasional Pengantar Ekonomi dan Global Edisi 2”. Yogyakarta: BPFE, 2001. Levin, Eric J and Wright, Robert E .”Short Run and Long Run Determinants of The Price of Gold”. London: WGCWord Gold Council, 2006. Mansur, Moh. ”Pengaruh Tingkat Suku Bunga BI dan Kurs Dollar AS terhadap IHSG di BEJ Periode Tahun 2000-2002 ”. Jurnal 2009 Manurung, Adler Haymans ,” Kepemilikan Asing Mempengaruhi Volatilitas Kurs Dollar”. Jurnal ABFI Institute Perbanas, Juli 2010. Mishikin, Fredric,S. “Ekonomi, Uang, Perbankan, dan Pasar Keuangan”, Jakarta: Salemba Empat, 2008. Murni, Asfia. “Ekonomika Makro”, Bandung: PT Refika Aditama, 2006. Nachrowi, N.D, dan Hardius Usman .”Pendekatan Populer dan Praktis Ekonometrika Untuk Analisis Ekonomi dan Keuangan”. Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, 2006 Nachrowi, N.D, dan Hardius Usman.”Prediksi IHSG dengan Model ARCH dan Model ARIMA ”. Jurnal Ekonomi dan Pengembangan Indonesia, 2007. Oktavia, Ana.”Analisis Pengaruh Nilai Tukar RupiahUSD dan Tingkat Suku Bunga BI Terhadap IHSG di BEJ ”. Skripsi Universitas Negeri Semarang, 2007. Pasaribu, Pananda dkk.”Pengaruh Variabel Makro Ekonomi Terhadap IHSG”,2009