ANALISA HUBUNGAN INDEX HARGA SAHAM · PDF filesimposium nasional akuntansi 9 padang 1 analisa hubungan index harga saham gabungan (ihsg) jakarta (jsx), london (ftse), tokyo (nikkei)

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


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.



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).



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:



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



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.



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


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


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



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



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


Date: 05/23/06 Time: 14:40



White Heteroskedasticity-Consistent Standard Errors & Covariance


FTSE(-1) -0.052950 0.019874 -2.664258 0.0098

C 839.3853 113.5898 7.389616 0.0000




Sum squared resid 2665720. Schwarz criterion 13.58792





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


Date: 05/23/06 Time: 14:41

Sample: 2000:02 2005:06

Included observations: 65

White Heteroskedasticity-Consistent Standard Errors & Covariance


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




Sum squared resid 2.25E+11 Schwarz criterion 24.99420



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 :



11


Method: ML – ARCH

Date: 05/23/06 Time: 14:42



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



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



12


Method: ML – ARCH

Date: 05/23/06 Time: 14:44



Convergence achieved after 263 iterations


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






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)



13


Method: ML – ARCH

Date: 05/23/06 Time: 14:45




Bollerslev-Wooldrige robust standard errors & covariance


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







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.



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.



Date: 05/23/06 Time: 14:50




NIKKEI(-1) -0.004993 0.009121 -0.547417 0.5860

C 635.2410 111.0210 5.721810 0.0000







Disamping permasalahan diatas, ternyata berdasarkan pengujian white

heteroskedasitas menunujukkan bahwa variance error masih heteroskedastis (lihat hasil

output dibawah).



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


Date: 05/23/06 Time: 14:51

Sample: 2000:02 2005:06

Included observations: 65


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




Sum squared resid 2.41E+11 Schwarz criterion 25.06228



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 :



16

Dependent Variable: JSX Method: ML – ARCH

Date: 05/23/06 Time: 14:53





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






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.



17


Method: ML – ARCH

Date: 05/23/06 Time: 14:55





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







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.



18


Method: ML – ARCH

Date: 05/23/06 Time: 14:56





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







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.



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.



20

Date: 05/23/06 Time: 15:01


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


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


MODEL VAR

HETERO

SKEDASTIS

INPUT DATA

TEST GRANGER


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


MODEL VA

TEST GRANGER

INPUT DATA

R

K-AKPM 07


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


Documents

ANALISA HUBUNGAN INDEX HARGA SAHAM · PDF filesimposium nasional akuntansi 9 padang 1 analisa hubungan index harga saham gabungan (ihsg) jakarta (jsx), london (ftse), tokyo (nikkei)