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