(jsx), london (ftse), tokyo (nikkei)
TRANSCRIPT
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
1
ANALISA HUBUNGAN INDEX HARGA SAHAM GABUNGAN
(IHSG) JAKARTA (JSX), LONDON (FTSE), TOKYO (NIKKEI) DAN SINGAPURA (SSI)
Pendekatan Model Ekonometri – Autocorrelation Condition Heteroscedasticity
(ARCH) / Generalized Autocorrelation Condition Heteroscedasticity (GARCH) Dan Vector Autoregression (VAR) - Suatu studi
empiris tahun 2000 – 2005
LUDOVICUS SENSI WONDABIO Program Doctoral – Program Ilmu akuntansi
Fakultas Ekonomi Universitas Indonesia
ABSTRACT: The objective of this research is to analyze the relationship between Jakarta’s Stock Price Index (JSX) and London Stock Price Index (FTSE), Tokyo Stock Price Index (NIKKEI) and Singapore Stock Price Index (SSI) using Econometric Model of Autocorrelation Condition Heteroscedasticity (ARCH) / Generalized Autocorrelation Condition Heteroscedasticity (GARCH) and Vector Autoregression (VAR) for the years 2001 - 2005. Based on the result of this research, the pattern of relationship between JSX and FTSE, NIKKEI and SSI has a difference pattern and unique characteristics. FTSE and NIKKEI have a significant impact to JSX but JSX did not have impact to FTSE and NIKKEI. This condition has approved that the developed countries has a significant impact to the economy of developing country. The relationship between JSX and SSI has a negative impact to JSX
K
ey words: Stock Price Index, Capital Market, ARCH/GARCH and VAR
Data availability: Data used in this research are derived from publicly available.
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
2
1. PENDAHULUAN
Dalam abad ke 21 ini, dunia mengalami dampak globalisasi serta revolusi dalam
informasi dan teknologi. Pengaruh kejadian pada belahan dunia yang satu dapat cepat
berpengaruh terhadap belahan dunia lain. Dampak globalisasi dibidang ekonomi diikuti oleh
adanya liberalisasi dalam bidang perekonomian. Artinya dalam pasar global saat ini, setiap
investor dapat berinvestasi dimanapun dia berada (capital does not carry any flag).
Salah satu indikator keberhasilan ekonomi makro suatu negara adalah Index Harga
Saham (IHSG) selain faktor tingkat bunga (interest rate), nilai tukar (exchange rate) dan
GNP. Telah terbukti secara empiris bahwa variabel ekonomi makro berpengaruh signifikan
terhadap return saham pada emiten yang terdaftar di BEJ (Lestari Murti, 2005). Bila kondisi
ekonomi suatu negara baik maka IHSG tentunya juga menunjukkan adanya trend yang
meningkat tetapi jika kondisi ekonomi suatu negara dalam keadaan turun maka akan
berpengaruh juga terhadap IHSG tersebut. Dengan adanya revolusi informasi, investor
dimanapun dapat mengamati IHSG pada waktu yang bersamaan. Ketika kondisi suatu negara
dalam keadaan menurun maka IHSG juga akan mengalami penurunan yang berakibat
investor akan keluar dari pasar (Anoraga Panji dan Pakarti Piji, 2006)
Banyak penelitian dan pendapat dari para ahli yang mengatakan bahwa
perekonomian suatu negara banyak dipengaruhi oleh perkembangan perekonomian negara
lain. Ekonomi negara yang lebih kuat mempunyai kecenderungan untuk mendominasi negara
yang perekonomiannya lebih lemah. Berdasarkan kajian ini maka diperkirakan negara yang
kuat selalu menang dalam persaingan, sehingga negara yang lemah akan cenderung
mengalami kerugian. Hal ini dapat diartikan juga bahwa ketergantungan negara yang lemah
terhadap negara yang kuat akan semakin nyata. Sebagaimana telah dijelaskan diatas bahwa
IHSG adalah salah satu variabel ekonomi makro, sehingga IHSG suatu negara yang kuat akan
berpengaruh terhadap IHSG dari negara yang lemah.
Penulisan paper ini ditujukan untuk melihat pengaruh negara-negara kuat tersebut
terhadap kondisi pasar modal di Indonesia yang tercermin dalam IHSG. Berdasarkan
penjelasan tersebut diatas maka penulis mencoba menganalisa dampak dari IHSG negara lain
yang penulis percaya dapat mempengaruhi IHSG pada Bursa Efek Jakarta (BEJ). Penulis
menggunakan analisa dari pergerakan tiga bursa didunia yang mungkin dapat mempengaruhi
IHSG Bursa Efek Jakarta, seperti IHSG dari London Stock Exchange – FTSE, IHSG dari
Tokyo Stock Exchange – NIKKEI dan IHSG dari Singapore Stock Exchange – SSI.
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
3
Untuk penulisan penelitian ini akan dilihat pengaruh IHSG di Singapura, Jepang dan
London terhadap IHSG di Jakarta. Alasan pemilihan IHSG Singapura dikarenakan Singapura
merupakan negara maju yang terdekat dengan Indonesia (satu region). Sedangkan IHSG
NIKKEI dipilih karena Jepang merupakan negara maju di Asia yang memiliki investasi
besar di Indonesia. Selanjutnya IHSG London, merupakan wakil dari negara barat yang maju
(developed country). Tujuan penelitian adalah untuk melihat pola hubungan antara IHSG
Jakarta dengan IHSG Singapore (SSI), Tokyo (NIKKEI) dan London (FTSE) dan
membentuk model ekonometri yang tepat untuk pola hubungan tersebut.
2. LANDASAN TEORI
2.1. Contagion Effect Theory
Para ahli berpendapat bahwa kondisi perekonomian suatu negara akan berpengaruh
terhadap kondisi perekonomian negara. Kondisi krisis negara-negara Asia tahun 1997
menurut penelitian Bank Dunia terutama disebabkan oleh adanya contagion effect (domino
effect) dari negara lain (Tan, Jose Antonio, 1998). Belajar dari krisis tahun 1997, Indonesia
sebagai salah satu negara berkembang ternyata hingga saat ini masih sangat tergantung pada
kondisi perekonomian luar negri terutama yang berkaitan dengan investasi. Akibatnya,
kondisi pasar modal di Indonesia diduga dipengaruhi oleh kondisi luar negeri terutama
kondisi pasar modal yang ada pada negara-negara maju.
2.2. Teori pasar kuat terhadap pasar yang lebih lemah
Menurut para ahli, liberalisasi dalam bidang perekonomian cenderung
menguntungkan perekonomian negara maju dan berdampak merugikan terhadap
perekonomian negara yang sedang berkembang akibat lemahnya pondasi perekonomian yang
dimilikinya. Pola pengembangan perekonomian antara negara-negara maju (developed
countries) ternyata memiliki perbedaan dengan negara-negara yang sedang berkembang
(developing countries). Dalam perekonomian dunia saat ini, suatu negara yang memiliki
capital yang kuat pasti unggul dalam setiap transaksi perekonomian (Hatten, Marry Louise,
1986).
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
4
3. METODOLOGI PENELITIAN
3.1. Rancangan Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah kurs efek bulanan yang disediakan oleh
Pusat Data Informasi di Bursa Efek Jakarta untuk masing-masing negara yang dijadikan
penelitian. Data yang digunakan adalah dari bulan Januari 2000 sampai dengan Juni 2005
(66 Bulan).
3.2. Metode Analisis
Dalam penelitian ini akan dipergunakan berbagai metode analisis yang ada dalam
ekonometri, yaitu :
a. Test Granger Causality
Merupakan metode untuk melihat bentuk hubungan antar variabel (searah atau simultan).
b. Model VAR
Merupakan model yang menggambarkan hubungan simultan antar variabel. Persamaan
model VAR dapat dilihat dibawah ini:
11
11
−=
−=
∑+∑+=Υ tjj
ti
p
Jt yγχβα
11
11
−=
−=
∑+∑+= tj
p
jtj
p
jt yCaX χβ
Penjelasan:
Yt dan Xt = Variabel yang diamati pada waktu ke t sedangkan P = order/lag
Yt-1 dan Xt-1 = Variabel yang diamati pada waktu ke t-1
α1, βi, ∂1,a, Bj, Cj adalah koefisien regresi
c. Model Regresi
Merupakan model yang menggambarkan hubungan searah antara variabel bebas (variabel
yang mempengaruhi) dengan variabel terikat (variabel yang dipengaruhi). Persamaan
model regresi adalah sebagai berikut:
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
5
Yt = α + β1 χ1 + β2 χ2 + ….. + βk χ3
Penjelasan:
Yt = Variable terikat
χt = Variable bebas
α1, β1, β2, βk = koefisien regresi
d. Model Regresi Terkointegrasi
Merupakan model regresi yang mengandung auto korelasi tetapi mempunyai error yang
stasioner sehingga sekalipun melanggar asumsi tetapi masih dapat dipergunakan sebagai
pemodelan yang bersifat jangka panjang.
e. Model ARCH (GARCH)
Merupakan model untuk mengatasi masalah heteroskedastisitas pada model regresi yang
dibuat. Persamaan Model ARCH/GARCH adalah sebagai berikut:
Model ARCH
ARCH (P)
kkt XXXY ββββ .....22110 +++=
dengan varian :
PtPttt −−− ++++= lll αααασ .....221102
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
6
Model GARCH
ARCH (P.2)
kkt XXXY ββββ .....22110 +++=
dengan varian :
222
222
21122110
2 ........... −−−−−− ++++++++= tttPtPttt τλτλτλαααασ lll
Berdasarkan penjelasan tersebut diatas maka untuk mempermudah proses pembentukan
model dapat dilihat dalam Gambar 1 (lihat Lampiran - 1 )
4. HASIL DAN PEMBAHASAN
Sebagaimana telah dijelaskan dalam pembahasan sebelumnya, bahwa pembentukan
model akan diawali dengan melakukan test kausalitas granger. Tahapan proses pembentukan
model adalah sebagai berikut:
4.1. Tahap I – Tes Kausalitas Granger
Tes Kausalitas Granger adalah suatu pengujian untuk melihat hubungan kausalitas
antar variabel. Untuk melihat hubungan kausalitas antar varibel IHSG antara JSX terhadap
SSI, NIKKEI dan FTSI, maka penulis melakukan pengujian secara sendiri-sendiri untuk
masing-masing variabel IHSG sebagai berikut :
4.1.1. Analisa hubungan IHSG JSX dan FTSE
Dari hasil test kausalitas granger (granger causality test) diatas dapat disimpulkan
bahwa FTSE mempunyai pengaruh terhadap JSX pada α = 5 %. Dari output eviews dibawah
ini dapat disimpulkan bahwa hubungan antara FTSE dan JSX adalah searah dan tidak
simultan. Dengan demikian pemodelan yang akan digunakan untuk menunjukkan hubungan
tersebut adalah model regresi. Sebagai catatan, dalam analisis granger kausalitas digunakan
lag-1 karena penulis mempertimbangkan bahwa semakin dekat jarak waktu antar variable
maka korelasinya semakin kuat.
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
7
Pairwise Granger Causality Tests
Date: 05/23/06 Time: 13:59
Sample: 2000:01 2005:06
Lags: 1
Null Hypothesis: Obs F-Statistic Probability
FTSE does not Granger Cause JSX 65 5.45286 0.02279
JSX does not Granger Cause FTSE 0.42167 0.51850
4.1.2 Analisa hubungan IHSG JSX dan NIKKEI
Dari output eview yang tersaji dibawah ini, dapat terlihat bahwa IHSG Nikkei
mempengaruhi IHSG JSX pada α = 5%, yang berarti dapat disimpulkan bahwa IHSG Nikkei
mempengaruhi JSX sedangkan JSX tidak mempengaruhi IHSG Nikkei. Sehingga dapat
dikatakan bahwa hubungan kedua IHSG tersebut adalah searah dan bukan hubungan dua arah
(simultan). Sebagaimana halnya dengan hubungan antara JSX dan FTSE maka pemodelan
untuk menunjukkan hubungan antara JSX dan NIKKEI juga menggunakan model regresi. Pairwise Granger Causality Tests
Date: 05/23/06 Time: 14:48
Sample: 2000:01 2005:06
Lags: 1
Null Hypothesis: Obs F-Statistic Probability
NIKKEI does not Granger Cause JSX 65 8.79261 0.00429
JSX does not Granger Cause NIKKEI 0.77514 0.38203
4.1.3. Analisa hubungan IHSG JSX dan SSI
Pairwise Granger Causality Tests
Date: 05/23/06 Time: 14:59
Sample: 2000:01 2005:06
Lags: 1
Null Hypothesis: Obs F-Statistic Probability
SSI does not Granger Cause JSX 65 5.18901 0.02619
JSX does not Granger Cause SSI 5.07669 0.02780
Dari hasil ouput eviews tersebut diatas dapat kita lihat bahwa IHSG JSX dan SSI
keduanya saling mempengaruhi (simultan). Kondisi ini menunjukkan perbedaan pola
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
8
hubungan antara JSX dengan FTSE serta NIKKEI. Oleh karena itu, pemodelan untuk JSX
dan SSI harus dibuat dengan pendekatan Model Vector Autoregression (VAR).
3.2. Tahap II – Pemodelan
Berdasarkan pengujian kausalitas granger tersebut diatas (Tahap -1) dapat kita tarik
kesimpulan bahwa hubungan antar pasar saham antar negara ternyata tidak saling
mempengaruhi, kecuali untuk SSI dengan JSX yang saling mempengaruhi (dua arah).
Berdasarkan kondisi ini khusus untuk SSI dan JSX dibuat dengan pendekatan model VAR
(Vector Auto Regression) sedangkan untuk hubungan JSX dengan FTSE dan NIKKEI
digunakan pendekatan model regresi. Hasil output model regresi untuk semua variabel dapat
dilihat sebagai berikut : Dependent Variable: JSX
Method: Least Squares
Date: 05/23/06 Time: 15:18
Sample(adjusted): 2000:02 2005:06
Included observations: 65 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
JSX(-1) 1.010698 0.061975 16.30816 0.0000
FTSE(-1) 0.002348 0.015471 0.151791 0.8799
NIKKEI(-1) -0.007347 0.004001 -1.836430 0.0712
SSI(-1) 0.027493 0.061522 0.446878 0.6566
C 27.87124 37.72954 0.738711 0.4630
R-squared 0.968739 Mean dependent var 576.1697
Adjusted R-squared 0.966655 S.D. dependent var 209.2814
S.E. of regression 38.21601 Akaike info criterion 10.19819
Sum squared resid 87627.81 Schwarz criterion 10.36545
Log likelihood -326.4412 F-statistic 464.8336
Durbin-Watson stat 1.986944 Prob(F-statistic) 0.000000
Berdasarkan hasil output eviews tersebut diatas, dapat disimpulkan hanya JSX t-1
yang signfikan secara statistik sedangkan variabel independen lain tidak signifikan. Dengan
banyaknya jumlah variabel independen yang tidak signifikan mengindikasikan telah
terjadinya multikolinearitas. Selanjutnya dengan menggunakan pengujian korelasi, maka
dapat diperoleh bahwa NIKKEI, FTSI dan SSI saling berkorelasi. Ini membuktikan bahwa
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
9
variabel bebas tersebut saling berkorelasi atau terjadi multikolinearitas ini (Test Correlation
Matrix)
Melihat kondisi seperti ini maka untuk melihat pengaruh ketiga stock exchange
tersebut terhadap JSX maka model akan dibuat per masing-masing stock exchange.
4.2. Pemodelan Antara JSX Dan FTSE
Model regresi antara JSX dan FTSE menginformasikan bahwa FTSE t-1 mempunyai
pengaruh yang signifikan terhadap JSX (lihat uji t). Akan tetapi model tersebut masih
mempunyai R-square yang rendah dan ternyata nilai Durbin Watson (DW) sangat kecil,
sehingga dapat disimpulkan masih mengandung otokorelasi.
Dependent Variable: JSX
Method: Least Squares
Date: 05/23/06 Time: 14:40
Sample(adjusted): 2000:02 2005:06
Included observations: 65 after adjusting endpoints
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable Coefficient Std. Error t-Statistic Prob.
FTSE(-1) -0.052950 0.019874 -2.664258 0.0098
C 839.3853 113.5898 7.389616 0.0000
R-squared 0.049016 Mean dependent var 576.1697
Adjusted R-squared 0.033921 S.D. dependent var 209.2814
S.E. of regression 205.7013 Akaike info criterion 13.52101
Sum squared resid 2665720. Schwarz criterion 13.58792
Log likelihood -437.4329 F-statistic 3.247172
Durbin-Watson stat 0.046443 Prob(F-statistic) 0.076331
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
10
Disamping permasalahan diatas, ternyata berdasarkan white heteroskedasitas test
menunujukkan bahwa variance error masih heteroskedastis (lihat hasil output dibawah). White Heteroskedasticity Test:
F-statistic 4.773324 Probability 0.011800
Obs*R-squared 8.673113 Probability 0.013081
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/23/06 Time: 14:41
Sample: 2000:02 2005:06
Included observations: 65
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable Coefficient Std. Error t-Statistic Prob.
C -614720.1 309571.4 -1.985714 0.0515
FTSE(-1) 277.1796 125.5151 2.208336 0.0309
FTSE(-1)^2 -0.028358 0.012141 -2.335735 0.0228
R-squared 0.133433 Mean dependent var 41011.08
Adjusted R-squared 0.105479 S.D. dependent var 63652.31
S.E. of regression 60201.80 Akaike info criterion 24.89385
Sum squared resid 2.25E+11 Schwarz criterion 24.99420
Log likelihood -806.0500 F-statistic 4.773324
Durbin-Watson stat 0.143364 Prob(F-statistic) 0.011800
Melihat kondisi regresi yang dibuat dimana asumsi bebas otokorelasi dan
homoskedastisitas masih dilanggar maka pemodelan dilakukan dengan ARCH/GARCH.
Dalam menemukan model ARCH/GARCH yang paling tepat, harus dilakukan dengan coba-
coba (trial and error). Pada langkah pertama akan dicoba model ARCH (1) yang merupakan
model yang paling sederhana. Setelah dilakukan pengolahan data maka didapat output
sebagai berikut :
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
11
Dependent Variable: JSX
Method: ML – ARCH
Date: 05/23/06 Time: 14:42
Sample(adjusted): 2000:02 2005:06
Included observations: 65 after adjusting endpoints
Convergence not achieved after 500 iterations
Bollerslev-Wooldrige robust standard errors & covariance
Coefficient Std. Error z-Statistic Prob.
FTSE(-1) 0.002890 0.004359 0.663021 0.5073
C 421.5514 23.05385 18.28551 0.0000
Variance Equation
C 2402.095 834.7844 2.877504 0.0040
ARCH(1) 0.902455 0.109241 8.261130 0.0000
R-squared -0.461623 Mean dependent var 576.1697
Adjusted R-squared -0.533506 S.D. dependent var 209.2814
S.E. of regression 259.1632 Akaike info criterion 12.25321
Sum squared resid 4097100. Schwarz criterion 12.38702
Log likelihood -394.2294 Durbin-Watson stat 0.025029
Berdasarkan output eviews diatas, ternyta model ARCH (1) masih belum baik karena
pada model regresinya, variabel FTSE pada t-1 mempunyai koefisien yang tidak signifikan
secara statistik pada α = 5%, yang berarti FTSE t-1 tidak mempunyai pengaruh terhadap JSX.
Hal ini tentunya bertentangan dengan hasil uji kausalitas granger. Disamping itu terlihat
bahwa nilai R-square adalah negatif. Hal ini tentunya adalah tidak benar karena R-square
adalah nilai kuadrat sehingga tidak mungkin negatif
Oleh karena model tersebut belum baik maka selanjutnya dibuat model GARCH
(1,1). Hasil dari model tersebut menunjukkan model masih belum baik karena FTSE t-1
masih belum signifikan dan R-square masih bertanda negatif. Lihat output dibawah ini
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
12
Dependent Variable: JSX
Method: ML – ARCH
Date: 05/23/06 Time: 14:44
Sample(adjusted): 2000:02 2005:06
Included observations: 65 after adjusting endpoints
Convergence achieved after 263 iterations
Coefficient Std. Error z-Statistic Prob.
FTSE(-1) -0.013324 0.012685 -1.050421 0.2935
C 514.7021 70.26185 7.325484 0.0000
Variance Equation
C 11256.34 4091.953 2.750847 0.0059
ARCH(1) 2.104070 0.349407 6.021831 0.0000
GARCH(1) -0.787796 0.059555 -13.22806 0.0000
R-squared -0.356595 Mean dependent var 576.1697
Adjusted R-squared -0.447035 S.D. dependent var 209.2814
S.E. of regression 251.7504 Akaike info criterion 12.36577
Sum squared resid 3802696. Schwarz criterion 12.53303
Log likelihood -396.8876 Durbin-Watson stat 0.027770
Setelah dicoba beberapa model dengan variabel bebas yang sama yaitu FTSE t-1,
ternyata memberikan hasil yang sama, terutama permasalahan R-square yang negatif. Oleh
karena itu, dalam model selanjutnya dicoba untuk memasukkan independen variabel JSX(-1).
Dengan memasukkan independen variabel JSX t-1 dan dibentuk model ARCH (1) ternyata
memberikan model yang sudah baik. Kedua independen variabel ternyata mempunyai
koefisien yang signifikan secara statistik pada α = 5%, yang berarti baik FTSE t-1 maupun
JSX t-1 mempunyai pengaruh terhadap JSX. Hal ini sesuai dengan uji kausalitas granger.
Disamping itu berdasarkan output yang didapat terlihat bahwa R-square sudah positip dan
mempunyai nilai yang tinggi (lihat output eviews dibawah ini)
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
13
Dependent Variable: JSX
Method: ML – ARCH
Date: 05/23/06 Time: 14:45
Sample(adjusted): 2000:02 2005:06
Included observations: 65 after adjusting endpoints
Convergence not achieved after 500 iterations
Bollerslev-Wooldrige robust standard errors & covariance
Coefficient Std. Error z-Statistic Prob.
FTSE(-1) -0.013008 0.005109 -2.546145 0.0109
JSX(-1) 1.017986 0.021799 46.69913 0.0000
C 59.77046 30.26504 1.974901 0.0483
Variance Equation
C 1381.157 331.1189 4.171182 0.0000
ARCH(1) -0.078915 0.028305 -2.788064 0.0053
R-squared 0.966852 Mean dependent var 576.1697
Adjusted R-squared 0.964642 S.D. dependent var 209.2814
S.E. of regression 39.35287 Akaike info criterion 10.22961
Sum squared resid 92918.89 Schwarz criterion 10.39687
Log likelihood -327.4624 F-statistic 437.5104
Durbin-Watson stat 1.857465 Prob(F-statistic) 0.000000
Dengan demikian model yang didapat adalah sebagai berikut :
JSX t = 59,77046 + 1,017986 JSX t-1 – 0,013008 FTSE t-1
s.e (30,26504) (0,021799) (0,005109)
Dengan persamaan varian :
σ2t = 1381,157 – 0,078915 e t-1
s.e (331,1189) (0,028305)
Berdasarkan model diatas terlihat bahwa hubungan antara FTSE t-1 dengan JSX
adalah hubungan terbalik dimana saat FTSE t-1 meningkat maka JSX akan mengalami
penurunan. Adapun setiap peningkatan 1 point FTSE bulan yang lalu akan mengakibatkan
turunnya JSX pada bulan ini sebesar 0,013008 point.
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
14
4.4. Pemodelan Antara JSX Dan NIKKEI
Model regresi antara JSX dan NIKKEI menunjukkan bahwa NIKKEI t-1 mempunyai
pengaruh yang signifikan terhadap JSX (lihat uji t). Akan tetapi model tersebut masih
mempunyai R-square yang rendah dan ternyata nilai Durbin Watson (DW) sangat kecil,
sehingga dapat disimpulkan masih mengandung otokorelasi.
Dependent Variable: JSX
Method: Least Squares
Date: 05/23/06 Time: 14:50
Sample(adjusted): 2000:02 2005:06
Included observations: 65 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
NIKKEI(-1) -0.004993 0.009121 -0.547417 0.5860
C 635.2410 111.0210 5.721810 0.0000
R-squared 0.004734 Mean dependent var 576.1697
Adjusted R-squared -0.011064 S.D. dependent var 209.2814
S.E. of regression 210.4360 Akaike info criterion 13.56653
Sum squared resid 2789847. Schwarz criterion 13.63343
Log likelihood -438.9121 F-statistic 0.299666
Durbin-Watson stat 0.037729 Prob(F-statistic) 0.586026
Disamping permasalahan diatas, ternyata berdasarkan pengujian white
heteroskedasitas menunujukkan bahwa variance error masih heteroskedastis (lihat hasil
output dibawah).
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
15
White Heteroskedasticity Test:
F-statistic 2.571279 Probability 0.084568
Obs*R-squared 4.978456 Probability 0.082974
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/23/06 Time: 14:51
Sample: 2000:02 2005:06
Included observations: 65
Variable Coefficient Std. Error t-Statistic Prob.
C -173718.0 136819.3 -1.269690 0.2089
NIKKEI(-1) 36.60382 20.92363 1.749401 0.0852
NIKKEI(-1)^2 -0.001461 0.000760 -1.920964 0.0593
R-squared 0.076592 Mean dependent var 42920.73
Adjusted R-squared 0.046804 S.D. dependent var 63797.26
S.E. of regression 62286.37 Akaike info criterion 24.96193
Sum squared resid 2.41E+11 Schwarz criterion 25.06228
Log likelihood -808.2627 F-statistic 2.571279
Durbin-Watson stat 0.099720 Prob(F-statistic) 0.084568
Melihat kondisi regresi yang dibuat dimana asumsi bebas otokorelasi dan
homoskedastisitas masih dilanggar maka pemodelan dilakukan dengan ARCH/GARCH.
Sebagaimana langkah pemodelan yang dilakukan sebelumnya, maka pada langkah pertama
juga akan dicoba model ARCH (1) yang merupakan model yang paling sederhana. Setelah
dilakukan pengolahan data maka didapat output sebagai berikut :
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
16
Dependent Variable: JSX Method: ML – ARCH
Date: 05/23/06 Time: 14:53
Sample(adjusted): 2000:02 2005:06
Included observations: 65 after adjusting endpoints
Convergence not achieved after 500 iterations
Coefficient Std. Error z-Statistic Prob.
NIKKEI(-1) 0.002387 0.015402 0.154962 0.8769
C 453.9505 186.1678 2.438395 0.0148
Variance Equation
C 28109.88 11480.68 2.448450 0.0143
ARCH(1) 0.668672 1.000076 0.668621 0.5037
R-squared -0.210427 Mean dependent var 576.1697
Adjusted R-squared -0.269957 S.D. dependent var 209.2814
S.E. of regression 235.8442 Akaike info criterion 13.13607
Sum squared resid 3392970. Schwarz criterion 13.26988
Log likelihood -422.9223 Durbin-Watson stat 0.030196
Berdasarkan output diatas, terlihat bahwa koefisien NIKKEI t-1 tidak signifikan
secara statistik pada α = 5% sehingga model tersebut menunjukkan bahwa NIKKEI t-1 tidak
mempunyai pengaruh terhadap JSX. Hal ini tentunya tidak sesuai dengan uji kausalitas
granger. Disamping itu, berdsarkan output juga terlihat bahwa nilai R-square negatif
(seperti JSX VS FTSE). Berdasarkan pengalaman dalam membuat model sebelumnya, dalam
pemodelan ini juga akan dicoba untuk memasukkan variabel bebas JSX t-1. Setelah
memasukkan variabel bebas tersebut kedalam model ARCH (1) ternyata hasilnya masih
belum baik, karena koefisien ARCH (1) masih belum signifikan secara statistik pada α = 5%.
Oleh karena itu perlu dicari alternatif model lain.
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
17
Dependent Variable: JSX
Method: ML – ARCH
Date: 05/23/06 Time: 14:55
Sample(adjusted): 2000:02 2005:06
Included observations: 65 after adjusting endpoints
Convergence achieved after 278 iterations
Coefficient Std. Error z-Statistic Prob.
JSX(-1) 1.026836 0.020150 50.95890 0.0000
NIKKEI(-1) -0.004907 0.001712 -2.865479 0.0042
C 47.94450 25.54277 1.877028 0.0605
Variance Equation
C 1316.892 207.0904 6.359018 0.0000
ARCH(1) -0.078027 0.069693 -1.119584 0.2629
R-squared 0.968393 Mean dependent var 576.1697
Adjusted R-squared 0.966285 S.D. dependent var 209.2814
S.E. of regression 38.42727 Akaike info criterion 10.17269
Sum squared resid 88599.30 Schwarz criterion 10.33996
Log likelihood -325.6126 F-statistic 459.5722
Durbin-Watson stat 1.930192 Prob(F-statistic) 0.000000
Setelah dicoba untuk membentuk model GARCH (1,1), ternyata hasilnya
menunjukkan bahwa kedua variabel independen telah signifikan secara statistik pada α = 5%
dan koefisien dari ARCH (1) dan GARCH (1) juga telah signifikan secara stattistik pada α =
5%. Disamping itu terlihat bahwa R-square juga telah memliki nilai yang tinggi. Dengan
demikian dapat dinyatakan bahwa model telah baik.
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
18
Dependent Variable: JSX
Method: ML – ARCH
Date: 05/23/06 Time: 14:56
Sample(adjusted): 2000:02 2005:06
Included observations: 65 after adjusting endpoints
Convergence achieved after 108 iterations
Coefficient Std. Error z-Statistic Prob.
JSX(-1) 1.028767 0.019488 52.78898 0.0000
NIKKEI(-1) -0.005390 0.001982 -2.720135 0.0065
C 51.47839 30.39002 1.693924 0.0903
Variance Equation
C 362.8059 73.86664 4.911633 0.0000
ARCH(1) -0.144046 0.018554 -7.763520 0.0000
GARCH(1) 0.875210 0.036255 24.14069 0.0000
R-squared 0.968233 Mean dependent var 576.1697
Adjusted R-squared 0.965541 S.D. dependent var 209.2814
S.E. of regression 38.84943 Akaike info criterion 10.14096
Sum squared resid 89047.41 Schwarz criterion 10.34167
Log likelihood -323.5811 F-statistic 359.6514
Durbin-Watson stat 1.919523 Prob(F-statistic) 0.000000
Berdasarkan output diatas model yang didapat adalah sebagai berikut :
JSX t = 51,47839 + 1,028767 JSX t-1 – 0,005390 NIKKEI t-1
s.e (30,39002) (0,019488) (0,001982)
Dengan persamaan varian :
σ2t = 362,8059 – 0,144046 e t-1 + 0,875210 σ2
t-1
s.e (73,86664) (0,018554) (0,036255)
Dari model diatas dapat dinyatakan bahwa antara JSX dan NIKKEI juga mempunyai
hubungan terbalik, dimana jika pada bulan sebelumnya NIKKEI naik 1 point maka JSX akan
turun sebesar 0,005390 point.
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
19
4.5. Pemodelan Antara JSX Dan SSI
Sebagaimana telah dibuktikan dalam uji kausalitas granger bahwa antara JSX dan SSI
mempunyai hubungan dua arah atau simultan maka model yang akan digunakan untuk
menggambarkan hubungan kedua pasar modal tersebut adalah menggunkan model VAR.
Setelah dilakukan pengolahan data diadapat output yang menunjukkan adanya pengaruh
signifikan dari JSX terhadap SSI dan begitu pulan sebaliknya (lihat output). Adapun model
yang didapat adalah :
JSX = 54.531403 + 1.0713459 JSX t-1 - 0.0502697 SSI t-1
s.e (32.1921) (0.03004) (0.02207)
SSI = 189.789025 + 0.183608 JSX t-1 + 0.831646 SSI t-1
s.e (87.3294) (0.08149) (0.05987)
Terlihat bahwa jika index di Singapore bulan lalu naik sebesar 1 point ternyata akan
mengakibatkan index di Jakarta turun sebesar 0,0502697 point. Akan tetapi ketika index di
Jakarta bulan lalu naik sebesar 1 point, index di Singapore justru naik sebesar 0,183608 point.
Hal ini menunjukkan bahwa peningkatan Index di Singapore berakibat buruk terhadap
Indonesia. Hal ini dimungkinkan terjadi akibat peralihan investasi dari Jakarta ke Singapore.
Sebaliknya ketika index di Jakarta menguat di Singapore juga ikut menguat. Hal ini diduga
akibat terjadinya perbaikan ekonomi secara regional. Dengan demikian terlihat bahwa
pengaruh Indonesia terhadap Singapore bersifat positip dalam pengertian Indonesia bukan
merupakan ancaman bagi Singapore. Sebaliknya, pengaruh pasar Singapore terhadap Jakarta
bersifat negatif, dimana Singapore mempunyai kemampuan untuk menekan pasar Indonesia.
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
20
Date: 05/23/06 Time: 15:01
Sample(adjusted): 2000:02 2005:06
Included observations: 65 after adjusting
Endpoints
Standard errors & t-statistics in parentheses
JSX SSI
JSX(-1) 1.071346 0.183608
(0.03004) (0.08149)
(35.6648) (2.25315)
SSI(-1) -0.050270 0.831646
(0.02207) (0.05987)
(-2.27794) (13.8919)
C 54.53140 189.7890
(32.1921) (87.3294)
(1.69394) (2.17325)
R-squared 0.966792 0.852638
Adj. R-squared 0.965721 0.847884
Sum sq. resids 93086.19 685026.9
S.E. equation 38.74778 105.1134
F-statistic 902.5073 179.3662
Log likelihood -328.4051 -393.2729
Akaike AIC 10.19708 12.19301
Schwarz SC 10.29743 12.29337
Mean dependent 576.1697 1753.321
S.D. dependent 209.2814 269.5075
Determinant Residual Covariance 11838825
Log Likelihood -713.7861
Akaike Information Criteria 22.14726
Schwarz Criteria 22.34798
Padang, 23-26 Agustus 2006 K-AKPM 07
SIMPOSIUM NASIONAL AKUNT
Padang, 23-26 Agustus 2006
ANSI 9 PADANG
21
5. KESIMPULAN PENELITIAN DAN SARAN UNTUK PENELITIAN
SELANJUTNYA
5.1. Kesimpulan Penelitian
Berdasarkan pembahasan pada bab-bab sebelumnya berikut adalah beberapa
kesimpulan yang dapat ditarik dalam penelitian ini.
a. Pola hubungan antara JSX dan FTSE, NIKEI dan SSI ternyata memiliki hubungan yang
berbeda-beda.
b. FTSE dan NIKKEI ternyata mempunyai pengaruh terhadap JSX, tetapi JSX tidak
mempunyai pengaruh terhadap FTSE dan NIKKEI. Ini menunjukkan bahwa kondisi
perekonomian negara maju akan berpengaruh terhadap perekonomian negara
berkembang.
c. Hubungan FTSE dan NIKKEI terhadap JSX adalah negatif atau berbalik dimana jika
FTSE / NIKKEI naik maka JSX turun. Ini menandakan bahwa kenaikan FTSE dan
NIKKEI justru menekan JSX. Hal ini dapat diduga adanya pengalihan investasi oleh para
investor.
d. JSX dan SSI berhubungan simultan tetapi JSX mempengaruhi SSI secara positif
sedangkan SSI mempengaruhi JSX secara negatif. Artinya jika JSX naik maka SSI naik.
Sedangkan jika SSI naik maka JSX malah turun.
5.2. Saran untuk Penelitian yang Akan Datang
Penelitian ini dibuat dengan menggunakan perbandingan IHSG dari tiga negara yang
penulis duga memiliki pengaruh terhadap IHSG Jakarta (JSX) dan menggunakan kurun
waktu penelitian tahun 2000 – 2005 (66 bulan). Penelitian lain dapat mencoba membuat
model dalam kurun waktu berbeda. Peneltian lain juga dapat menggunakan pasar modal yang
lain selain FTSE, NIKKEI dan SSI.
K-AKPM 07
ANSI 9 PADANG
22
PROSES PEMBENTUKAN MODEL – GAMBAR – 1 Lampiran - 1
INPUT DATA
TEST GRANGER
APAKAH HUBUNGAN DUA ARAH ?
MODEL VAR
HETERO
SKEDASTIS
REGRESI
INPUT DATA
TEST GRANGER
APAKAH HUBUNGAN DUA ARAH ?
MODEL VAR
HETERO
SKEDASTIS
INPUT DATA
TEST GRANGER
APAKAH HUBUNGAN DUA ARAH ?
REGRESI
HETERO
SKEDASTIS
Ya
Ya
Ya
Tidak
Tidak
TRANS FORMASI
PEM BEDAAN
TidakTER
KOINTEGRASI
ARCH/ GARCH
OTO
KORELASI
SIMPOSIUM NASIONAL AKUNT
Padang, 23-26 Agustus 2006
REGRESI
HETERO
SKEDASTIS
Tidak
APAKAH HUBUNGAN DUA ARAH ?
MODEL VA
TEST GRANGER
INPUT DATA
R
K-AKPM 07
SIMPOSIUM NASIONAL AKUNTANSI 9 PADANG
23
DAFTAR PUSTAKA
Anoraga Pandji, Pakarti Piji, Pengantar Pasar Modal, Cetakan kelima, 2006, Rineka Cipta.
Gujarati, Damodar N, 2003, Basic Econometrics, 4th edition, McGraw-Hill, Inc, New
York. Hatter Mary Louise, Macroeconomics for Management, 2nd edition, Prentice-Hall,
Englewood Cliffs, New Jersey, 1996. Lestari Murti, Pengaruh variabel makro terhadap return saham di Bursa Efek Jakarta
Pendekatan beberapa model, Paper Seminar Nasional Akuntansi VIII, 2005 Roberts S Pindyck and Daniel, L Rubinfeld, 1998, Econometric Models and
Economic Forecast, 4th edition, Irwin Mcgraw-hill, New York. Novita Mila, Nachrowi Djalal, Dynamic Analysis of the Stock Price Index and the
Exchange Rate Using Vector Autoregression (VAR) (an Empirical Study of the Jakarta Stock exchange, 2001-2004, keywords: Stock Price Index, Indonesia, Capital Market, Exchange Rate.
Nahrowi Djalal, Hardius Eko, Memahami Model ARCH dan GARCH, Bahan Kuliah
Ekonometri 2, Program Ilmu Akuntansi, FEUI. Tan, Jose Antonio R, Contagion Effects During the Asian Financial Crisis: Some
Evidence from Stock Price Data (Pacific Basin Working Paper Series, Center for Pacific Basin Monetary and Economic Studies Economic Research Department Federal Reserve Bank of San Francisco, 1998.
Wing Winarno, Memahahi pengolahan data dengan Eviews, 2006
Padang, 23-26 Agustus 2006 K-AKPM 07