46847694 Jurnal Bisnis Dan Ekonomi

Jurnal Bisnis dan Ekonomi – Vol.11 – No.2 – September 2004

JURNAL BISNIS DAN EKONOMI, SEPTEMBER 2004

PASAR MODAL DAN PERTUMBUHAN
EKONOMI DI
INDONESIA : PENGUJIAN KAUSALITAS
Oleh : Suyanto dan Ch. Ruth Elisabeth
Fakultas Ekonomi Universitas Surabaya
Abstract
This study examines the causality relations between money markets, from the perspective of
stock market, and economic growth in Indonesia. Using time series data from the first quartal of 1993
to the first quartal of 2004, the results show that the appropriate model for the data series is log-linear
model. By applying Granger and Sims causalities, the authors found that the "growth-lead finance"
hypothesis was applied for the Indonesian economy on the period examined. To test the dynamic
behaviour of the series, the authors apply unit root tests and cointegration test. Data series on the
period of before the economic crisis (first quartal of 1993 to second quartal of 1997) are integrated on
first difference both for both stock market performance and economic growth. Since the data series are
not stationary, regression using ordinary least squared (OLS) would result in spurious regression. The
Engle-Granger error correction model (EG-ECM) is applied to overcome this problem. The result from
EG-ECM shows that the short run disequilibrium would converce to long run equilibrium by low speed.

Keywords : Pasar modal, pertumbuhan ekonomi, kausalitas, growth-lead finance hypothesis, error
correction models.
PENDAHULUAN
Hubungan kausalitas antara perkembangan pasar keuangan dan pembangunan ekonomi
merupakan sebuah isu yang kontroversial. Perdebatan mendasar dalam hubungan ini adalah apakah
perkembangan pasar keuangan yang mendorong pertumbuhan ekonomi ataukah sebaliknya,
pertumbuhan ekonomi yang mendorong perkembangan pasar keuangan (Patrick, 1966; Samuel,
1996; Levine dan Zernos, 1996). Perdebatan kontroversial ini semakin dipertajam lagi oleh adanya
pendapat bahwa hubungan antara pasar keuangan dan pertumbuhan ekonomi bersifat dinamis
(Choong, et. al., 2001). Sampai saat ini belum ada konsensus yang jelas tentang bagaimana
hubungan kedua variabel tersebut, sehingga belum ada dasar yang pasti bagi pembuat kebijakan
tentang apakah perkembangan pasar keuangan yang mendorong pertumbuhan ekonomi (finance-lead
growth) ataukah pertumbuhan ekonomi yang mendorong perkembangan pasar keuangan (growth-lead
finance).
Studi tentang hubungan perkembangan pasar keuangan dan pertumbuhan ekonomi di
Indonesia pernah dilakukan oleh Kuncoro (1993) dengan memfokuskan pada pasar uang (money
market). Di negara berkembang lainnya, studi yang berkaitan dengan hubungan ini juga lebih
memfokuskan pada pasar uang (Choong, et. al., 2001). Penulis menemukan bahwa belum banyak
studi tentang hubungan pasar keuangan dan pertumbuhan ekonomi yang mengambil perspektif pasar
modal sebagai perwakilan pasar keuangan.Oleh karena itu, pada tulisan ini penulis akan

menggunakan perspektif pasar modal untuk menguji hubungan antara perkembangan pasar keuangan
dan pertumbuhan ekonomi di Indonesia.
Pasar modal merupakan institusi ekonomi yang mempromosikan efisiensi pembentukan dan
alokasi modal (Osinubi, 2001). Pasar modal memungkinkan pemerintah dan industri untuk
meningkatkan modal jangka panjang guna membiayai proyek-proyek baru. Apabila sumberdaya modal
tidak tersedia dalam sebuah perekonomian, khususnya di sektor industri yang memiliki kemampuan
untuk meningkatkan produksi dan produktivitas apabila permintaan agregat meningkat, maka tingkat
ekspansi perekonomian akan tidak bisa dilakukan karena sektor industri tidak memiliki kemampuan
untuk menambah modal dalam jangka panjang. Kemampuan pasar modal untuk menyediakan modal
pembiayaan jangka panjang memungkinkan perusahaan untuk berkembang dan meningkatkan
produksi. Secara agregat, kemampuan untuk memperluas usaha akan mendorong peningkatan
pendapatan nasional perekonomian.
Di Indonesia, pasar modal didirikan pada 1912 oleh pemerintah kolonial Belanda. Namun
demikian kegiatan pasar modal ini terhenti pada tahun 1942 ketika invasi Jepang ke Indonesia. Pasar
modal Indonesia baru mulai dibentuk kembali pada 10 Agustus 1977 dengan dibentuknya Bapepam
(Badan Pelaksana Pasar Modal).

Meskipun pasar modal mulai dibentuk kembali pertengahan 1977, hanya 11 perusahaan
yang listing di pasar sampai tahun 1987. Pasar modal Indonesia baru mulai aktif kembali pada akhir
tahun 1987 dengan harga pasar yang hampir selaluovervalued. Pasar sekunder dibuka pada tahun

1989 dengan transaksi yang minimal. Kemudian, pada awal tahun 1990 terjadi market crash, karena
itu data tentang indeks saham tidak tersedia. Data time series berkesinambungan dapat diperoleh
mulai tahun 1993. Data sejak tahun 1993 inilah yang akan dipergunakan oleh penulis dalam studi ini.
Pasar modal merupakan pasar yang kompleks dikarenakan semakin mengglobalnya
perekonomian dan semakin banyaknya instrumen yang diperdagangkan. Instumen-instrumen baru
pasar modal mencakup opsi, berbagai bentuk derivatif, index futures, dan lain sebagainya. Namun
demikian, sasaran utama pasar modal di seluruh dunia adalah untuk mempertahankan efektifitas
pasar guna mencapai manfaat bagi pertumbuhan ekonomi (Caporale, et. al., 2003).
Dikarenakan sasaran utama pasar modal adalah untuk meningkatkan pertumbuhan ekonomi,
tulisan ini berusaha mengkaji apakah benar perkembangan pasar modal yang menyebabkan
pertumbuhan ekonomi di Indonesia ataukah sebaliknya pertumbuhan ekonomi yang baik yang
menyebabkan berkembangnya pasar modal.
Tulisan ini diorganisasikan sebagai berikut. Bagian kedua akan me-review landasan teori dan
studi-studi terdahulu yang telah dilakukan tentang hubungan antara pasar modal dan pertumbuhan
ekonomi.. Data dan metodologi akan dibahas pada bagian ketiga. Bagian keempat akan menyajikan
hasil pengolahan data dan interpretasi. Sebagai penutup, bagian kelima menyimpulkan hasil penelitian
dan memberikan implikasi kebijakan.
LANDASAN TEORI DAN REVIEW STUDI-STUDI TERDAHULU YANG PERNAH DILAKUKAN
Hipotesis finance-led growth memperlihatkan hubungan "sisi penawaran" antara perkembangan pasar
keuangan dan pembangunan ekonomi. Hipotesis ini menyatakan bahwa keberadaan sektor keuangan,

sebagai perantara keuangan yang berfungsi baik dalam menyalurkan sumberdaya yang terbatas dari
pihak yang kelebihan dana kepada pihak yang kekurangan dana, akan menyediakan alokasi
sumberdaya yang efisien yang akan mendorong pertumbuhan sektor-sektor ekonomi lainnya, dan
selanjutnya akan memacu pertumbuhan ekonomi agregat. Studi-studi yang mendukung hipotesis ini
adalah studi yang dilakukan oleh Schumpeter (1912) dan Levine (1997).
Sebaliknya, hipotesis growth-led finance menunjukkan bahwa pertumbuhan ekonomi yang tinggi akan
menciptakan permintaan terhadap instrumen-instrumen pasar keuangan, yang selanjutnya akan
mendorong semakin berkembangnya sektor keuangan. Hipotesis ini dikenal sebagai hubungan "sisi
permintaan". Robinson (1952) dan Romer (1990) dalam studi-studinya menghasilkan kesimpulan yang
mendukung hipotesis ini.
Selain kedua hipotesis di atas, terdapat lagi satu hipotesis yang menunjukan adanya hubungan
kausalitas dua arah antara perkembangan sektor keuangan dan kinerja perekonomian. Hipotesis ini
diberi nama hipotesis feedback. Dalam hipotesis ini, sektor keuangan yang baik dalam suatu negara
akan mendorong ekspansi ekonomi melalui perubahan teknologi, produk, dan inovasi. Pada
gilirannya, pertumbuhan ekonomi yang tinggi cenderung menciptakan permintaan terhadap instrumeninstrumen sektor keuangan. Karena itu, hipotesis ini menyimpulkan bahwa pertumbuhan ekonomi dan
perkembangan sektor keuangan merupakan dua hal yang saling independen dan dapat saling
berpengaruh satu sama lainnya. Studi yang mendukung hipotesis ini adalah studi yang dilakukan oleh
Luintel dan Khan (1999).
Dari review tentang hubungan pertumbuhan ekonomi dan perkembangan sektor keuangan, penulis
berdua menemukan bahwa sektor keuangan seringkali hanya ditinjau dari pasar uangnya saja. Belum

banyak studi tentang hubungan ini yang mengambil perspektif pasar modal. Hal ini dikarenakan masih
relatif barunya pasar modal dibandingkan dengan pasar uang. Namun demikian, semakin
berkembangnya pasar modal di negara maju dan negara berkembang, peran pasar modal dalam
perekonomian tidak dapat diabaikan lagi. Diperlukan adanya studi dari perspektif pasar modal untuk
mengkaji hubungan sektor keuangan dan pertumbuhan ekonomi.
Dekade belakangan ini, studi-studi yang mengambil perspektif pasar modal sebagian besar dilakukan
di negara maju, antara lain Levine dan Jervos (1998), Demirquc-Kuhn dan Levine (1996), Rousseau
dan Wachtel (1998). Hasil studi Levine dan Jervon (1998) terhadap 41 negara memperlihatkan bahwa
pasar modal yang berfungsi secara efisien tidak hanya akan meningkatkan akumulasi modal dan
diversifikasi risiko antar pelaku pasar, tetapi juga memberikan pelayanan keuangan yang berbeda
dibandingkan yang diberikan oleh perbankan. Pelayanan keuangan yang diberikan pasar modal,
menurut Levine dan Jervon (1998), pada gilirannya akan meningkatkan pertumbuhan ekonomi. Hasil
yang sama juga ditunjukan oleh Demirquc-Kuhn dan Levine (1996) dalam studinya dengan

menggunakan berbagai ukuran kinerja pasar modal, antara lain: ukuran pasar modal, indeks pasar
modal, likuiditas pasar modal, jumlah transaksi di pasar modal, dan integrasi pasar modal terhadap
semua pasar modal di dunia.
Di Malaysia, studi hubungan antara pasar modal dan pertumbuhan ekonomi pernah dilakukan
oleh Choong et. al. (2001), dengan hasil yang mendukung hipotesisfinance-led growth. Dengan
menggunakan bound test dan pengujian kausalitas Granger dalam rerangka Vector Error Correction

Models (VECM), mereka menyimpulkan adanya hubungan kausalitas satu arah dari perkembangan
pasar modal terhadap pertumbuhan ekonomi.
Usaha yang dilakukan oleh Kuncoro (1993) untuk mengkaji hubungan sektor keuangan dan
pertumbuhan ekonomi di Indonesia, dengan menggunakan perspektif pasar uang perbankan, patut
mendapatkan perhatian. Kuncoro memperlihatkan bahwa pasar keuangan yang memberikan
pengaruh kausal terhadap pertumbuhan ekonomi Indonesia berdasarkan data 1968 sampai 1990.
Kuncoro berargumen bahwa terdapat hubungan satu arah antara pertumbuhan ekonomi dengan rasio
monetisasi tingkat bunga riil dan tabungan, sementara hubungan kausalitas dua arah ditemukan untuk
rasio mata uang. Sektor keuangan hanya memberikan peran secara pasif dan permisif dalam proses
pembangunan.
DATA DAN METODOLOGI
Deskripsi Data
Studi ini menggunakan data Indonesia untuk periode kuartal pertama 1993 sampai kuartal
pertama 2004. Kinerja pasar modal diproksi dari Indeks Harga Saham Gabungan (IHSG) dan
pertumbuhan ekonomi diproksi dari Pendapatan Domestik Bruto Riil (PDBR) dengan harga konstan
1993. PDBR dipergunakan karena data pertumbuhan ini telah menghilangkan dampak inflasi yang
terjadi di perekonomian. Pertumbuhan ekonomi yang dicerminkan oleh PDBR lebih mewakili
pertumbuhan ekonomi nyata karena menggunakan harga pada tahun dasar tententu.
IHSG dipergunakan sebagai ukuran kinerja dengan pertimbangan bahwa indeks ini merupakan
indikator likuiditas dan volume pasar modal. Bukanlah pekerjaan yang gampang untuk memproksi

perkembangan pasar modal (Gursoy dan Muslumov, 1998). Telah banyak peneliti yang menggunakan
berbagai indikator, seperti volume transaksi (Osinubi, 2001), turnover index (Choong, 2001), dan total
kapitalisasi modal (Gursoy dan Muslumov, 1998). Namun demikian, indikator yang dianggap terbaik
untuk mengukur kinerja pasar modal adalah indeks saham (Choong, 2001).
Data IHSG dan data PDBR diperoleh dari data yang dipublikasikan oleh Bank Indonesia di
situsnya: www.bi.go.id. Periode pengamatan dimulai dari tahun 1993 dikarenakan data IHSG runtut
waktu (time series) yang berkesinambungan baru tersedia sejak 1993.
Tabel 1 memperlihatkan statistik sampel untuk data yang dipergunakan dalam tulisan ini.
Tabel 1 Statistik Sampel

IHSG
PDBR
LIHSG
LPDBR
Mean
499.2673
105685.5
6.189494
11.52927
Median

492.3730
100535.7
6.199237
11.51827
Maximum
735.6700
403964.2
6.600782
12.90908
Minimum
276.1500
78529.70
5.620944
11.27123
Std. Dev.
109.3880
46304.01
0.221278
0.228970
Observations

45
45
45
45
Tabel di atas memperlihatkan statistik sampel untuk variabel dengan nilai awal dan variabel dalam
logaritma. Tujuan memperlihatkan kedua kelompok data ini adalah untuk mendeskripsikan sifat dari
kedua kelompok data tersebut. Secara informal dapat dikatakan bahwa variabel logaritma akan
memiliki fluktuasi dan standar deviasi yang lebih kecil. Namun secara formal belum bisa dikatakan
bahwa data logaritma akan memberikan hasil estimasi ordinary least squared (OLS) yang lebih baik
daripada data awal. Pengujian secara formal akan dilakukan dengan menggunakan pengujian
serumpun (nested test) untuk menentukan apakah model logaritma akan lebih baik daripada model
linear biasa atau sebaliknya.
Nilai IHSG tertinggi terjadi pada awal tahun 1997 dan awal tahun 2004 (sekitar 730 poin). Ini
menunjukan bahwa sebelum terjadinya krisis ekonomi pada pertengahan 1997 pasar saham
Indonesia relatif bergairah. Namun demikian, milai IHSG terendah setahun kemudian (sekitar 270
poin) dikarenakan paniknya investor di pasar modal Indonesia. Karena sebagian besar investor di
pasar saham Indonesia adalah investor jangka pendek (atau disebut spekulator) maka krisis mata

uang pada pertengahan 1997 ditanggapi dengan aksi menjual besar-besaran, yang menyebabkan
penurunan IHSG menjadi hanya sepertiga dari nilai tertingginya. Mulainya recovery ekonomi pada

akhir tahun 2003 ditanggapi positif oleh pelaku pasar modal (yang ditunjukan oleh mulai kembalinya
IHSG ke posisi yang tinggi).
Nilai mean PDBR Indonesia pada periode pengamatan adalah sekitar Rp105 trilyun, dengan nilai
tertinggi pada kuartal pertama 2004 (sekitar Rp403 trilyun) dan nilai terendah pada kuartal pertama
1993 (sekitar Rp78 trilyun). Untuk nilai kuartal pertama 2004 yang melonjak sangat tinggi
dibandingkan kuartal keempat 2003, penulis belum menemukan sebab perbedaan yang sangat besar
tersebut. Data yang dipublikasikan oleh Bank Indonesia memperlihatkan bahwa pertumbuhan ekonomi
riil pada kuartal pertama 2004 sangat tinggi, mencapai 269,57%. Ini merupakan angka yang sangat
tinggi dan kurang begitu masuk akal. Meskipun perekonomian Indonesia sudah mulairecovery pada
2003, masih belum begitu jelas bagi penulis tentang sangat tingginya pertumbuhan ekonomi kuartal
pertama 2004 ini.
Dengan menggunakan nilai logaritma, LIHSG bernilai mean sekitar 6,18, dengan nilai tertinggi sekitar
6,6 dan nilai terendah sekitar 5,6. Sementara LPDBR bernilai tengah 11,5, dengan nilai tertinggi 12,9
dan nilai terendah 11,3.
Metodologi
Metodologi yang dipergunakan dalam studi ini adalah metodologi kausalitas Sims (1972),
berdasarkan pada definisi kausalitas yang dikemukakan oleh Granger (1969). Namun demikian,
sebelum metodologi ini dilakukan, penulis akan melakukan pemilihan model dahulu untuk menentukan
apakah model logaritma atau model linear yang lebih baik. Kemudian setelah itu, untuk mengkaji
apakah data time series yang dipergunakan berperilaku stasioner dan tidak melanggar asumsi dasar

Gauss-Markov untuk Ordinary Least Squared (OLS), penulis menggunakan uji akar unit (unit roots
test) dan uji kointegrasi (cointegration test). Uji akar unit digunakan untuk melihat apakah variabel
yang dipergunakan pada tulisan ini stasioner pada level atau padafirst-difference. Apabila kedua
variabel stasioner pada level maka OLS bisa langsung digunakan dengan menggunakan model
regresi linear. Apabila kedua variabel berintegrasi pada first-difference, perlu diuji apakah kedua
variabel tersebut memiliki kemungkinan kombinasi linear (linear combination) atau tidak dengan
menggunakan uji kointegrasi. Apabila terdapat kombinasi linear antar variabel dengan tingkat integrasi
yang sama, model koreksi kesalahan dapat digunakan untuk menunjukan hubungan jangka pendek
dan jangka panjang. Peran pengujian kausalitas pada tulisan ini adalah untuk menentukan mana dari
kedua variabel yang akan menjadi variabel independent dan variabel dependen.
Pendekatan Sims dapat dituliskan sebagai berikut:
Xt = ã1,1Xt-1 + ã1,2Xt-2 + … + ã1,tXt-ñ + ã2,1Yt-1 + ã2,2Yt-2 + … + ã2,ñYt-ñ + î1,t (1)
Yt = ã2,1Yt-1 + ã2,2Yt-2 + … + ã2,ñYt-ñ + ã1,1Xt-1 + ã1,2Xt-2 + … + ã1,tXt-ñ + î2,t (2)
Xt = ã1,1Xt-1 + ã1,2Xt-2 + … + ã1,tXt-ñ + î1,t (3)
Yt = ã2,1Yt-1 + ã2,2Yt-2 + … + ã2,ñYt-ñ + î2,t (4)
Persamaan (1) dan (2) dinamakan persamaan unrestricted, sedangkan persamaan (3) dan (4)
dinamakan persamaan restricted.
Dengan didasarkan pada hipotesis kausalitas Granger, hubungan kausalitas berikut akan muncul:
Y tidak memberikan pengaruh kausal terhadap X apabila ã2,1 = ã2,2 = … = ã2,ñ = 0 (5)
X tidak memberikan pengaruh kausal terhadap Y apabila ã1,1 = ã1,2 = … = ã1,t = 0 (6)
Untuk memutuskan apakah hipotesis kausalitas pada persamaan (5) dan (6) terpenuhi atau tidak, Sim
menggunakan statistik-F untuk membandingkan persamaan (1) dan (2) secara relatif terhadap
persamaan (3) dan (4):
F = [(R2UR – R2R) / m] / [(1-R2UR) / (n-2m-1)] (7)
untuk R2UR adalah koefisien determinasi untuk persamaan unrestricted, R2R adalah koefisien
determinasi untuk persamaan restricted, n adalah jumlah observasi, dan m adalah jumlah periode lag.
Dengan Sims test, hubungan kausalitas dapat dituliskan sebagai berikut:
Kemungkinan
Hasil Statistik-F
Hubungan Kausalitas
1
Persamaan (5) terpenuhi tetapi
X memberikan pengaruh kausal
persamaan (6) tidak terpenuhi
terhadap Y (X?Y)
2
Persamaan (5) tidak terpenuhi tetapi Y memberikan pengaruh kausal
persamaan (6) terpenuhi
terhadap X (Y?X)
3
Persamaan (5) dan persamaan (6)
Hubungan kausalitas dua arah
terpenuhi
antara X dan Y (X?Y)

4

Persamaan (5) dan persamaan (6)
tidak terpenuhi

Tidak ada hubungan kausal
antara X dan Y, atau X dan Y
independen

ANALISIS DAN INTERPRETASI
Pada bagian ini akan dilakukan pengujian terhadap data yang meliputi pemilihan model dengan
membandingkan antara model linear dan model logaritma, pengujian kausalitas, pengujian
stasionaritas data (meliputi uji akar-akar unit dan uji kointegrasi), regresi OLS apabila data series yang
dipergunakan stasioner atau berintegrasi pada level, atau pengujian model jangka pendek koreksi
kesalahan apabila antar variabel yang diamati memiliki hubungan linear pada tingkat integrasi first
differences atausecond differences.
Pemilihan Model antara Linear dan Log-linear
Sebelum melakukan pengujian kausalitas untuk variabel PDBR dan IHSG, penulis melakukan terlebih
dahulu pemilihan model antara model linear dan model log-linear untuk menentukan model mana yang
lebih baik untuk mewakili periode pengamatan. Pemilihan antara model linear dan model log-linear
dapat dilakukan dengan menggunakan metode pemilihan model berdasarkan
kriteria fit dan parsimony, yaituAkaike Information Criteria (AIC) dan Schwarz-Bayesian Criteria (SBC)
(Verbeek, 2001), dan uji serumpun (nested tests). Kedua metode ini akan dilakukan dalam studi ini.
Uji serumpun yang dipergunakan dalam studi ini adalah uji MWD (MacKinnon, White, dan
Davidson, 1983, hal. 53-70). Hipotesis yang dimunculkan dalam uji ini adalah:
H0 : Model Linear : Y adalah fungsi linear dari regresor X
H1: Model Log-linear : lnY adalah fungsi linear dari regresor lnX
Tahapan pengujian MWD dapat dilakukan sebagai berikut:
1.
Estimasi model linear dan dapatkan nilai Y estimasian. Beri nama Y estimasian dengan
Yf (atau Y).
2.
Estimasi model log-linear dan dapatkan nilai lnY estimasian. Beri nama lnY estimasian
dengan lnf
3.
Dapatkan variabel baru Z1 = (ln Yf – lnf)
4.
Regres Y terhadap X dan Z1 yang diperoleh pada tahap 3. Tolak H0 apabila koefisien
Z1 secara statistik signifikan dilihat dari uji t.
5.
Dapatkan variabel baru Z2 = (antilog dari lnf – Yf)
6.
Regres lnY terhadap lnX dan Z2. Tolak H1 apabila koefisien Z2 secara statistic
signifikan dilihat dari uji t.
Akaike Information Criteria dan Schwarz-Bayesian Criteria
Software pengolahan data Eviews memberikan fasilitas untuk kedua kriteria ini. Dengan cara
melakukan regresi Ordinary Least Squared (OLS), hubungan fungsional antar variabel dan kriteria fit
dan parsimony bisa didapatkan. Tabel 2 dan 3 memperlihatkan hasil regresi OLS untuk model linear
dan model log-linear secara berurutan.
Tabel 2. Hasil Regresi OLS untuk Model Linear

Dependent Variable: PDBR
Method: Least Squares
Date: 07/26/04 Time: 13:36
Sample: 1993:1 2004:1
Included observations: 45
Variable
Coefficien Std. Error t-Statistic
Prob.
t
C
25706.23 30524.17 0.842160 0.4044
IHSG
160.1933 59.75174 2.680981 0.0104
R-squared
0.143216 Mean dependent var 105685.5
Adjusted R-squared
0.123290 S.D. dependent var 46304.01
S.E. of regression
43355.73 Akaike info criterion 24.23569
Sum squared resid
8.08E+10 Schwarz criterion
24.31599
Log likelihood
-543.3031 F-statistic
7.187657
Durbin-Watson stat
1.134787 Prob(F-statistic)
0.010368

Tabel 3. Hasil Regresi OLS untuk Model Log-linear

Dependent Variable: LPDBR
Method: Least Squares
Date: 07/26/04 Time: 09:52
Sample: 1993:1 2004:1
Included observations: 45
Variable
Coefficien Std. Error t-Statistic
Prob.
t
C
9.067328 0.902224 10.04997
0.0000
LIHSG
0.397762 0.145676 2.730455
0.0091
R-squared
0.147762 Mean dependent var
11.52927
Adjusted R-squared
0.127942 S.D. dependent var
0.228970
S.E. of regression
0.213822 Akaike info criterion
-0.203922
Sum squared resid
1.965949 Schwarz criterion
-0.123625
Log likelihood
6.588234 F-statistic
7.455385
Durbin-Watson stat
0.989900 Prob(F-statistic)
0.009132
Baik Tabel 2 maupun Tabel 3 memperlihatkan bahwa variabel IHSG dan variabel PBDR
memiliki hubungan fungsional yang positif signifikan (lihat probabilitas statistik-t yang
menunjukan signifikansi pada á=5%). Namun demikian, konstanta (C) yang dihasilkan
pada model linear tidak signifikan secara statistik pada á=5%, sementara pada model
log-linear signifikan secara statistik. Dengan statistik-t sebenarnya sudah terlihat bahwa
model log-linear lebih mewakili periode pengamatan pada studi ini. Untuk memperkuat
argumentasi pemilihan model log-linear, penulis membandingkan AIC dan SBC pada kedua
model. Pengambilan keputusan pada kedua kriteria ini adalah nilai yang lebih kecil menunjukan model
yang lebih fit dan parsimony. Dari kedua model, terlihat secara jelas bahwa nilai AIC dan SBC pada
model log-linear lebih baik daripada pada model linear. Dengan demikian dapat disimpulkan bahwa
model log-linear lebih mewakili periode data yang dipergunakan.
Pengujian MWD
Hasil pengujian MWD berdasarkan tahapan yang telah disebutkan di atas dapat dilihat pada
Tabel 4 untuk model linear dan Tabel 5 untuk model log-linear. Berdasarkan pengujian
MWD terlihat bahwa koefisien Z1 signifikan secara statistik pada á=5%, sedangkan Z2
tidak signifikan secara statistic pada á=5%. Dengan demikian dapat disimpulkan bahwa
hipotesis nol untuk pengujian MWD ditolak. Kesimpulan yang dihasilkan oleh pengujian MWD ini sama
dengan kesimpulan yang dihasilkan dengan menggunakan AIC dan SBC, yaitu model log-linear lebih
tepat dipergunakan untuk periode data pengamatan.
Tabel 4. Hasil Pengujian MWD untuk Model Linear

Dependent Variable: PDBR
Method: Least Squares
Date: 09/12/04 Time: 09:22
Sample: 1993:1 2004:1
Included observations: 45
Variable
Coefficien Std. Error t-Statistic
t
C
734386.8 315145.1 2.330314
IHSG
-1409.711 697.4692 -2.021180
Z1
-19.89776 8.810417 -2.258436
R-squared
0.235997 Mean dependent var
Adjusted R-squared
0.199616 S.D. dependent var
S.E. of regression
41425.50 Akaike info criterion
Sum squared resid
7.21E+10 Schwarz criterion
Log likelihood
-540.7242 F-statistic
Durbin-Watson stat
1.285538 Prob(F-statistic)

Prob.
0.0247
0.0497
0.0292
105685.5
46304.01
24.16552
24.28597
6.486807
0.003507

Tabel 5. Pengujian MWD untuk Model Log-linear

Dependent Variable: LPDBR
Method: Least Squares
Date: 09/12/04 Time: 09:22
Sample: 1993:1 2004:1
Included observations: 45
Variable
Coefficient Std. Error t-Statistic
Prob.
C
28.58146 11.17069 2.558612
0.0142
LIHSG
-2.792743 1.826235 -1.529235
0.1337
Z2
9.126300 5.207986 1.752367
0.0870
R-squared
0.205827 Mean dependent var
11.52927
Adjusted R-squared
0.168009 S.D. dependent var
0.228970
S.E. of regression
0.208852 Akaike info criterion
-0.230042
Sum squared resid
1.832004 Schwarz criterion
-0.109598
Log likelihood
8.175940 F-statistic
5.442605
Durbin-Watson stat
1.051977 Prob(F-statistic)
0.007911
Pengujian Kausalitas Granger dan Sims
Karena model yang lebih cocok untuk data pengamatan dalam studi ini adalah model log-linear
maka pada pengujian-pengujian selanjutnya akan dipergunakan model log-linear. Model linear tidak
ditampilkan dalam studi ini.
Hasil pengujian kausalitas Granger dapat dilihat pada Tabel 6 dan hasil pengujian kausalitas
Sims dapat dilihat pada Tabel 7. Terlihat bahwa pada kedua pengujian arah kausalitas berasal dari
LPDBR ke LIHSG. Dengan demikian dapat disimpulkan bahwa untuk kasus Indonesia dengan periode
pengamatan dari kuartal pertama tahun 1993 sampai kuartal pertama tahun 2004, hipotesis growthlead financeyang berlaku. Dalam hal ini, pertumbuhan ekonomi Indonesia mendorong terciptanya
permintaan di pasar keuangan. Hasil temuan ini dapat dijelaskan dengan argumen belum efisiennya
pasar modal Indonesia. Temuan yang dihasilkan oleh Susianto (1997) memperlihatkan bahwa
efisiensi pasar modal Indonesia masih dalam bentuk lemah. Hasil pengujian ini mendukung hasil studi
yang dilakukan oleh Kuncoro (1993) dengan mengambil perspektif pasar keuangan dari sisi sektor
perbankan.
Tabel 6. Hasil Pengujian Kausalitas Granger

Pairwise Granger Causality Tests
Date: 07/26/04 Time: 13:56
Sample: 1993:1 2004:1
Lags: 2
Null Hypothesis:
Obs F-Statistic Probability
LPDBR does not Granger Cause
43 5.22717 0.00988
LIHSG
LIHSG does not Granger Cause LPDBR
1.09567 0.34465
Tabel 7. Hasil Pengujian Kausalitas Sims

Null Hypothesis
LPDBR does not Granger
Cause LIHSG
LIHSG does not Granger
Cause LPDBR

R2UR

R2R

Statistik
Kesimpulan
F
0,4682 0,1719 11,1433 LPDBR ? LIHSG
0,2948 0,2543

1,1486

Catatan: nilai F-tabel untuk jumlah observasi 45 dan á=5% adalah 4,08

Pengujian Stasioneritas
Pengujian stasioneritas dipergunakan untuk melihat perilaku data. Penerapan regresi OLS
secara langsung kepada data series mengasumsikan bahwa data yang dipergunakan berintegrasi
pada level (derajat nol). Apabila asumsi ini dilanggar maka regresi yang dihasilkan akan bersifat
lancung (spurious regression) (Granger dan Newbold, 1974). Berdasarkan studi yang dilakukan oleh
Nelson dan Plosser (1984), data series makroekonomi sebagian besar berintegrasi pada derajat satu

(first differences). Karena itu, penerapan secara langsung regresi OLS menyebabkan uji-t tidak
berdistribusi normal sehingga asumsi dasar OLS tidak terpenuhi. Hasil pengujian dengan regresi OLS
untuk data series yang berintegrasi pada derajat yang lebih tinggi daripada nol akan menyebabkan
bias estimasi.
Untuk menghindari regresi lancung, penulis melakukan pengujian sifat data dengan
menggunakan uji akar-akar unit (unit roots test) dan uji kointegrasi (cointegration). Pengujian akar-akar
unit yang dipergunakan pada studi ini adalah uji Augmented Dickey-Fuller (ADF) dan uji Philips-Perron
(PP). Hasil ADF dan PP untuk kedua variabel dapat dilihat pada Tabel 8 dan Tabel 9 secara
berurutan. Secara umum, hasil pengujian kedua cara memberikan hasil yang sama.
Tabel 8. Hasil Pengujian ADF (dengan Lag 1)
Level

First Difference

Second Differences

Kesimpulan

Data Keseluruhan (1993.1 – 2004.1)

•

LIHSG

•

LPDBR

-2,9585**

I(0)

0,9557

-1,0259

-2,0588

-1,6445

-3,3545***

I(1)

-1,6572

-6,2436***

I(1)

-2,5559

-3,7341***

I(1)

1,4138

-o,5014

Data Sebelum Krisis (1993.1 – 1997.2)

•

LIHSG

•

LPDBR

Data Setelah Krisis (1997.3 – 2004.1)

•

LIHSG

•

LPDBR

-1,6317

Catatan: * adalah signifikan pada 10%, ** adalah signifikan pada 5%, dan *** adalah signifikan pada 1%
Tabel 9. Hasil Pengujian PP (dengan Newey-West Truncation Lags 3)
Level

First Difference

Second Differences

Kesimpulan

Data Keseluruhan (1993.1 – 2004.1)

•

LIHSG

•

LPDBR

-3,4270**

I(0)

-0,1847

-2,8029

-2,5503

-1,9531

-4,1371***

I(1)

-2,7153

-4,2414***

I(1)

Data Sebelum Krisis (1993.1 – 1997.2)

•

LIHSG

•

LPDBR

Data Setelah Krisis (1997.3 – 2004.1)

•

LIHSG

•

LPDBR

-3,0018**
1,0059

I(0)
-1,6976

-1,9675

Dikarenakan adanya structural break berupa krisis ekonomi yang dimulai dengan krisis keuangan
pada semester kedua tahun 1997, penulis mempertimbangkan untuk memisahkan antara data series
sebelum dan setelah krisis untuk melihat perilaku data. Dari pengujian ADF dan PP pada Tabel 8 dan
9 terlihat bahwa apabila data series yang dipergunakan adalah data dari kuartal pertama 1993 sampai
dengan kuartal pertama 2004. Data series LIHSG berintegrasi pada derajat nol sementara data series
LPDBR berintegrasi pada derajat yang sangat tinggi (melebihi derajat dua). Hal ini menunjukan bahwa
apabila metode yang dipergunakan adalah metode regresi linear OLS maka hasil pengujiannya akan
lancung.
Dengan dibaginya data series menjadi dua bagian: sebelum dan setelah krisis, terlihat bahwa perilaku
data sebelum terjadinya krisis ekonomi menunjukan fluktuasi yang normal dan kedua variabel (LIHSG
dan LPDBR) berintegrasi pada derajat yang sama, yaitu derajat satu (I(1)). Sementara, data series
setelah krisis tidak memiliki random walk dan berintegrasi pada derajat yang berbeda, LIHSG
berintegrasi pada derajat nol dan LPDBR berintegrasi pada derajat yang sangat tinggi.
Dari pengujian akar-akar unit ini dapat disimpulkan bahwa data sejak terjadinya krisis berperilaku tidak
menentu dan mengandung inertia. Karena itu, data setelah krisis tidak bisa dipergunakan untuk
analisis time series pada studi ini.

Dengan menggunakan data sebelum krisis periode kuartal pertama 1993 sampai dengan kuartal
kedua 1997, uji kointegrasi dapat dilakukan karena kedua data series memiliki derajat integrasi yang
sama.
Uji kointegrasi berusaha menguji apakah terdapat kombinasi linear antar kedua variabel. Salah satu
cara untuk menguji keberadaan kointegrasi adalah dengan menggunakan pengujian stasionaritas
terhadap residual. Engle dan Granger (1987) menyatakan bahwa apabila residual dari model jangka
panjang stasioner maka terdapat kemungkinan adanya kombinasi linear antara variabel.
Model jangka panjang hubungan fungsional antara LIHSG dan LPDBR dapat dilihat pada Tabel 10.
Terlihat bahwa dalam jangka panjang pertumbuhan ekonomi (LPDBR) memberikan pengaruh yang
positif signifikan terhadap kinerja pasar modal (LIHSG).
Tabel 10. Model Jangka Panjang Hubungan Pasar Modal
dan Pertumbuhan Ekonomi

Dependent Variable: LIHSG
Method: Least Squares
Date: 09/13/04 Time: 12:34
Sample: 1993:1 1997:2
Included observations: 18
Variable
Coefficien Std. Error t-Statistic
Prob.
t
C
-14.61970 3.264051 -4.479005 0.0004
LPDBR
1.821126 0.285132 6.386950 0.0000
R-squared
0.718276 Mean dependent var 6.226890
Adjusted R0.700668 S.D. dependent var 0.213380
squared
S.E. of regression 0.116743 Akaike info criterion
1.353250
Sum squared
0.218062 Schwarz criterion
resid
1.254319
Log likelihood
14.17925 F-statistic
40.79313
Durbin-Watson
1.163751 Prob(F-statistic)
0.000009
stat
Residual yang diperoleh dari model jangka panjang ini dapat dilihat pada Gambar 1. Pada Gambar terlihat
bahwa secara informal terdapat kemungkinan stasionaritas data residual. Pengujian secara formal yang
dipergunakan adalah uji ADF dan PP terhadap residual model jangka panjang. Tabel 11 memperlihatkan hasil
pengujian ADF dan PP.
Gambar 1. Residual Model Jangka Panjang

Tabel 11. Pengujian Kointegrasi: Pengujian Stasioneritas Residual

ADF

PP

Tanpa Konstan
Dengan Konstan
Dengan Konstan dan
Trend

-2,5828**
-2,4804
-2,4535

-2,9044***
-2,4804
-2,4535

Catatan: ** adalah signifikan pada á=5% dan *** adalah signifikan pada á=1%

Dari pengujian kointegrasi terhadap stasioneritas residual terlihat bahwa untuk pengujian tanpa
konstan, uji ADF dan uji PP menunjukan adanya kointegrasi. Menurut Enders (1995), apabila
pengujian ADF dan PP memperlihatkan adanya stasioneritas pada salah satu model, baik tanpa
konstan, dengan konstan, maupun dengan konstan dan time trend, sudahlah dapat disimpulkan
bahwa data series bersangkutan memiliki tingkat integrasi pada level (stasioner). Engle dan Granger
(1987) berargumen bahwa apabila sekelompok data series memiliki kombinasi linear maka model
koreksi kesalahan (error correction models - ECM) dapat dipergunakan untuk mengestimasi data
series yang ada. Pada studi ini, ECM yang akan dipergunakan adalah prosedur dua langkah Engle
dan Granger (1987).
Tabel 12 memperlihatkan hasil pengujian ECM untuk Engle-Granger (EG). Model ECM yang
dipergunakan pada studi ini tidak memasukan konstanta karena dari hasil pengujian kointegrasi
terhadap residual terlihat bahwa data series residual stasioner pada model tanpa konstan. Hasil
pengujian model ECM memperlihatkan bahwa error correction term (ECT) yang ditunjukan oleh RES(1) memiliki tanda negatif sesuai yang diharapkan dengan tingkat signifikansi secara statistik pada
á=1%. Hal ini menunjukan bahwa disekuilibrium jangka pendek akan mengarah (converse)
ke ekuilibrium jangka panjang dengan kecepatan penyesuaian (speed of adjustment) yang rendah.
Koefisien pertumbuhan ekonomi (DLPDBR) signifikan pada lag ketiga. Dengan demikian dapat
diartikan bahwa pertumbuhan ekonomi pada kuartal t akan memberikan pengaruh pada kinerja pasar
modal (DLIHSG) pada kuartal t+3.
Table 12. Engle-Granger Error Correction Model
(Dependent variable: ∆ LIHSG)
Dependent Variable: DLIHSG
Method: Least Squares
Date: 09/15/04 Time: 12:15
Sample(adjusted): 1994:1 1997:2
Included observations: 14 after adjusting endpoints
Variable
Coefficien Std. Error t-Statistic
Prob.
t
DLIHSG(-1)
0.283617 0.186126 1.523790
0.1714
DLIHSG(-2)
-0.096606 0.157922 -0.611733
0.5600
DLIHSG(-3)
0.279872 0.122713 2.280703
0.0566
DLPDBR(-1)
-0.537668 0.612091 -0.878411
0.4089
DLPDBR(-2)
-0.668037 0.650470 -1.027008
0.3386
DLPDBR(-3)
1.168714 0.586476 1.992774
0.0865
RES(-1)
-0.833553 0.205623 -4.053795
0.0048
R-squared
0.864551 Mean dependent var
0.014823
Adjusted R-squared
0.748452 S.D. dependent var
0.093498
S.E. of regression
0.046893 Akaike info criterion
-2.975025
Sum squared resid
0.015393 Schwarz criterion
-2.655497
Log likelihood
27.82518 F-statistic
7.446664
Durbin-Watson stat
2.079307 Prob(F-statistic)
0.009065
KESIMPULAN DAN IMPLIKASI KEBIJAKAN
Hasil analisis data menunjukkan bahwa untuk kasus di Indonesia selama tahun 1993-2004, terbukti
bahwa pertumbuhan ekonomi yang menggerakkan pertumbuhan sektor finansial (yang dalam hal ini diwakili
oleh pasar modal). Pengujian ECM untuk Engle-Granger Model pada kuartal pertama 1993 hingga kuartal
kedua 1997 menunjukkan bahwa respon pelaku pasar modal terhadap pertumbuhan ekonomi baru terlihat
setelah melewati 3 kuartal. Hal ini menunjukkan bahwa pelaku pasar modal bersifat menunggu terhadap
publikasi dari pertumbuhan ekonomi pada kuartal sebelumnya. Respon ini terjadi dalam hitungan satu tahunan.
Namun untuk periode kwartal kedua 1997 hingga kuartal pertama 2004, terdapat structural break berupa krisis

ekonomi yang menyebabkan data berperilaku tidak menentu dan inertia. Dalam kondisi ini sulit untuk
menentukan respon pelaku pasar modal terhadap pertumbuhan. Kondisi krisis pada sektor keuangan
mendorong aksi jual besar-besaran ditambah lagi menurunnya kepercayaan pelaku pasar terhadap keamanan
dan kebijakan nasional pasca turunnya Soeharto.
Ketergantungan sektor finansial pada sektor riil memberikan implikasi pentingnya peranan kebijakankebijakan pemerintah yang mendukung pengembangan sektor riil, khususnya sektor-sektor yang memiliki
kontribusi dan potensi yang cukup besar terhadap pertumbuhan ekonomi.

Daftar Pustaka
Caporale, G. M., P. G. A. Howells, dan A. M. Soliman (2003), "Endogenous Growth Models and Stock
Market Development: Evidence from Four Countries", The Working Paper Series No. 03/02
February 2003, School of Economics, Faculty of Humanities, Languages and Social Sciences
University of the West of England, Frenchay Campus, Bristol, BS16 1QY
Choong, Chee Keong, Zulkornain Yusop, Siong Hook Law, dan Venus Liew Khim Sen (2001),
"Financial Development and Economic Growth in Malaysia: the Stock Market
Perspective", Economics Working Paper Archive at
WUSTL,http://econwpa.wustl.edu:80/eps/mac/papers/0307/0307010.pdf, di-download pada 27
Juli 2004.
Demirguc-Kuhn, Asli dan Ross Levine (1996), "Stock Market Development and Financial
Intermediaries: Stylized Facts", The World Bank Economic Review, Vol. 10, No. 2., hal. 291321.
Enders, W. (1995), Applied Econometric Time Series, New York: John Wiley.
Engle, R. E. and C. W. J. Granger (1987), ‘Cointegration and error correction: representation, estimation, and
testing’, Econometrica 55, 251-276.
Granger, C. W. J. (1969), "Investigating Causal Relations by Econometric Models and Cross Spectral
Methods", Econometica, Vol. 37, hal. 424-438.
Granger, C. W. J. dan P. Newbold (1974), "Spurious Regressions in Econometrics", Journal of Econometrics,
Vol. 2, hal. 111-120.
Gursay, C. T. dan A. Muslumov (1998), "Stock Markets and Economic Growth: A Causality
Test", http://www1.dogus.edu.tr/dogustru/journal/sayi_2/m00030.pdf, di-download pada 27 Juli 2004.
Kuncoro, Mudrajat (1993), "Financial Liberalization in Chile and Indonesia : A Comparative
Study",Unpublished Master thesis, University of Birmingham, Birmingham.
Levine, Ross (1997), "Finanacial Development and Economic Growth: Views and Agenda", Journal of
Economic Literature, 35, hal. 688-726.
Levine, Ross dan Sara Zevos (1996), "Stock Market Development and Long-Run Economic
Growth", The World Bank Review, Vol. 10, no. 2.
Levine, Ross dan Sara Zervos (1998), "Stock Markets, Banks and Economic Growth",American
Economic Review, 88, hal. 537-558.
Luintel, K. B. dan M. Khan (1999), "A Quantitative Reassessment of the Finance-Growth Nexus:
Evidence from a Multivariate VAR", Journal of Development Economics, 60, hal. 381-405.
MacKinnon, J., H. White, dan R. Davidson (1983), "Tests for Model Specification in the Presence of Alternative
Hypothesis: Some Further Results", Journal of Econometrics, Vol. 21, hal. 53-70
Nelson, C. R. dan C. I. Plosser (1982), "Trends and Random Walks in Macroeconomic Time Series", Journal of
Monetary Economics, Vol. 10, hal. 139-162.
Osinubi, Tokunbo Simbowale (2001), "Does Stock Market Promote Economic Growth in
Nigeria?",http://www.uwi.tt/.../session%202/does%20the%20stock%20market%20promote
%20economic%20growth%20in%20Nigeria.pdf, di-download pada 26 Juli 2004.
Patrick, H. T. (1966), "Financial Development and Economic Growth in Underdeveloped
Countries", Economic Development and Cultural Change, 14, hal. 174-189.
Robinson, Joan (1952), The Generalization of the General Theory, in The Rate of Interest and Other
Essays, MacMillan, London.
Romer, P. M. (1990), "Endogenous Technological Change", Journal of Political Economy, 98, hal. S71S102.
Rousseau, Peter L. dan Paul Wachtel (1998), "Financial Intermediation and Economic Performance:
Historical Evidence from Five Industrial Countries", Journal of Money, Credit, and Banking,
30(4), hal. 657-678.
Samuel, Chevian (1996), "Stock Market and Investment: the Governance Role of the Market", The
World Bank Review, Vol. 10, No. 2.

Schumpeter, Joseph (1912), Theorie der Wirtschafhichen, Entwickwing (the Theory of Economic
Development), Leipzig: Dunker and Humblot, translated by Redevers Opie (Cambridge,
Massachesetts, Harvard University Press, 1934).
Sims, G. (1972), "Money, Income and Causality", American Economic Review, Vol. 62, hal. 540-552.
Susiyanto, M. F. (1997), Pengujian Efisiensi Pasar Modal Indonesia: Bentuk Lemah dan Bentuk
Setengah Kuat pada Periode 1994-1996, Laporan Internship MM-UGM (tidak dipublikasikan)
Verbeek, M. (2001), A Guide to Modern Econometrics, New York: John Wiley.