ANALISIS PENGARUH INFLASI, JUMLAH UANG BEREDAR, EXCHANGE RATE DAN INTEREST RATE TERHADAP INDEX JII (JAKARTA

ISLAMIC INDEX) PADA TAHUN 2002-2005

SKRIPSI Diajukan Untuk Memenuhi Syarat Guna Memperoleh Gelar Sarjana Program Studi Manajemen Syariah Pada Jurusan Ekonomi Islam STAIN Surakarta

Disusun oleh :

MUH FAHRUDIN Z
NIM. 30.02.1.5.024

Program Studi MANAJEMEN SYARIAH

JURUSAN EKONOMI ISLAM SEKOLAH TINGGI AGAMA ISLAM NEGERI (STAIN) SURAKARTA 2006

ABSTRACT

Macro economiy variable influenced capital market in Indonesia, include Syaria Capital market (JII index). This research is purposed to know the influence of Inflation, money circulation, Exchange rate and interest rate to JII index. This research using Auto Regressive Distributed Lag which transform to log model as the best model between Auto Regressive / AR(1) D.L and General Multiple Regression model whitout Lag aspect. The research result showed that inflation give positive influence in t period and t-1 period. Money circulation give positive influence and negative influence 0,119 point in lag 1. Exchange rate give negative influence 2,16 point and positive influence 2,38 point in lag 1. Interest rate give negative influence 0,710 point and positive influence 0,503 point in lag 1. Last , JII index in lag 1 give positive influence 0,846 point to JII Index t period. Keyword : Inflation, money circulation, Exchange rate, Interest Rate, JII index

DAFTAR ISI

HALAMAN JUDUL.. i HALAMAN PENGESAHAN SKRIPSI . ii HALAMAN PENGESAHAN MUNAQOSYAH HALAMAN PERSEMBAHAN HALAMAN MOTTO ABSTRAKSI . .. iii

. . iv

. vi

KATA PENGANTAR .. vii DAFTAR ISI viii

DAFTAR TABEL .. xi DAFTAR GAMBAR .. .. xii DAFTAR LAMPIRAN .. xiii BAB I PENDAHULUAN 1

A. Latar Belakang ..

B. Identifikasi Masalah 4 C. Batasan Masalah .. ... 6 D. Perumusan Masalah . 6 E. Tujuan Penelitian . . 6

F. Manfaat Penelitian . 6 G. Sistematika Penulisan . . BAB II LANDASAN TEORI A. Definisi Investasi . . 8 7

B. Definisi Pasar Modal 8 C. Struktur Pasar Modal Indonesia . .. 9

D. Inflasi .. E. Jumlah Uang Beredar .. F. Exchage Rate G. Interest Rate H. Sejarah Singkat Industri Syariah . I.

13 14 16 17 17

Beberapa Instrumen Dan Akad Syirkah Dalam Pasar Modal Syariah.. 19

J. Investasi Syariah Di Pasar Modal Indonesia .. 20 K. Jakarta Islamic Index .. 27 L. Perkembangan Obligasi Syariah .. 30 M. Perkembangan Reksa Dana Syariah 32 N. Penelitian Yang Relevan 35 O. Kerangaka Berpikir .. 36 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian 38 B. Variabel Penelitian . 38 C. Definisi Operasional Variabel 38

D. Populasi Dan Sampel .. 39 E. Data Dan Sumber Data 39 F. Metode Analisis Data 40 BAB IV ANALISA DAN PEMBAHASAN A. Analisa Persamaan Model Regresi I 44 B. Goodness Fit Beberapa Model Alternatif 45 C. Analisa Dengan Menggunakan Model Regresi Terbaik 49 D. Interpretasi Secara Ekonomi .. 54

E. Inflasi, JUB,Exchange Rate, Interest Rate Dari Sudut Pandang Pemikir Islam 58

F. Pasar Modal Dalam Pandangan Islam 59 BAB V PENUTUP Kesimpulan . 63 Saran-Saran 64 DAFTAR PUSTAKA

DAFTAR TABEL

Tabel 1 Tabel 2 Tabel 3 Tabel 4 Tabel 5 Tabel 6

: Anggota JII periode Januari s/d Juni 2005 .... 29 : Perkembangan transaksi saham syaroah 2003-2004.. 30 : Perkembangan obligasi syariah sampai dengan Desember 2004... 31 : Penerbit reksa dana syariah s/ d Desember 2004 . 33 : Perbandingan nilai statistik tiga model 49 : Kesimpulan nilai DW test .. 53

DAFTAR GAMBAR Gambar 1 Gambar 2 Gambar 3 Gambar 4 Gambar 5 Gambar 6 Gambar 7 : Struktur pasar modal indonesia 10 : Kerangka pemikiran .. 37 : print out persm regresi 1 .. 44 : ACF dan PACF JII . 46 : Nilai t hitung model terbaik .. 50 : Nilai F hitung model terbaik .. 50 : Print out persamaan regresi 3 .. 55

BAB IV ANALISA DAN PEMBAHASAN

A. Analisa Persamaan Regresi Pertama Persamaan regresi yang digunakan dalam penelitian ini adalah

persamaan regresi berganda (multiple regression) seperti yang disebutkan pada bab sebelumnya. Dan pengolahan data dengan menggunakan bantuan program MINITAB 14 menghasilkan persamaan sebagai berikut : Gambar 3 Print out Persamaan regresi 1
The regression equation is jii = - 301 - 1,52 inflasi + 0,000331 JUB + 0,0149 kurs - 3,88 sbi Durbin-Watson statistic = 0,557545

Sebelum menganalisa lebih lanjut persamaan tersebut (persamaan 1), perlu dilakukan beberapa uji statistik dan uji asumsi klasik terlebih dahulu untuk mendapatkan bentuk persamaan yang BLUE (best, linier, unbias, estimated). Model persamaan pertama tersebut terbebas dari masalah Normalitas, yaitu dengan adanya nilai Kolmogorov-Smirnov (KS) sebesar 0,111 , dimana nilai tersebut lebih kecil dari 0,196 yang merupakan nilai KS tabel dengan alpha 0,05 dan n sejumlah 48. disamping itu model tersebut juga terbebas dari masalah Multikolinieritas, hal itu dapat dilihat dari koefisien korelasi Pearson pada print out hasil regresi, dimana tidak ada koefisien korelasi yang berada pada angka 0,8 atau diatas 0,8. Bila koefisien korelasi melebihi angka 0,8 berarti Multikolinieritas merupakan masalah yang serius dan harus ditangani ( Gujarati : 1995).

Bila diamati lebih lanjut, persamaan tersebut mempunyai masalah Autokorelasi, hal tersebut dapat dengan mudah terdeteksi ketika melihat nilai Durbin-Watson (DW-test) yang berada pada interval 0 - 1,10 yaitu dengan nilai 0,56 yang menandakan bahwa terdapat Autokorelasi pada model tersebut. Dengan adanya masalah Autokorelasi pada persamaan tersebut, maka dapat dipastikan predictor-nya tidak BLUE, meskipun model regresi itu sudah sesuai dengan teori ekonomi secara umum. Jika kita mempertahankan untuk melanjutkan proses analisa pada model pertama tersebut, maka akan terjadi beberapa hal sebagai berikut : 1. Predictor-nya tetap tidak efisien (bila dibandingkan dengan BLUE), sehingga selang kepercayaan (level signifikan) menjadi lebar secara tidak perlu dan pengujian signifikansi kurang akurat. 2. Nilai residual akan menaksir terlalu rendah dari nilai sebenarnya. 3. Pengujian arti t (T- test) dan uji F tidak lagi sah dan jika terapkan akan memberikan kesimpulan yang menyesatkan secara serius mengenai arti statistik dari koefisien regresi yang ditaksir (Gujarati : 1995). B. Goodness Fit Beberapa Model Regresi Alternatif Disamping adanya masalah Autokorelasi, adanya beberapa satuan varian yang berbeda nilainya secara signifikan menjadikan peluang terjadinya

Heterokedastisitas lebih besar, sehingga dibutuhkan model yang lebih tepat untuk mengatasi masalah-masalah tersebut. Model yang akan digunakan adalah model kombinasi antara Distributed Lag dan Autoregressive. Model Autoregressive adalah suatu model yang meregreskan nilai Y(t-n
periode)

kepada Y sebagai variabel dependent-nya. Sedangkan model Distributed

Lag adalah model regresi dimana variabel bebasnya terdiri dari beberapa variabel bebas pada periode t-1. Untuk menentukan tingkat / orde suatu model Autoregressive (AR) digunakan plot ACF dan PACF. Berdasarkan print out berikut ini dapat dilihat bahwa nilai T untuk ACF dan PACF bagi variabel JII selalu menurun pada Lag pertama. Penurunan nilai tersebut merupakan indikasi bahwa model tersebut berada pada orde pertama atau AR (1). Demikian juga untuk variabel bebasnya, secara keseluruhan nilai T pada ACF dan PACF juga turun setelah lag pertama.

Gambar 4 ACF dan PACF JII Autocorrelation Function: jii

Lag 1 2 3 4 5 6 7 8 9 10 11 12 ACF 0,936561 0,886027 0,831706 0,784313 0,726691 0,663205 0,596730 0,540973 0,482104 0,409474 0,336584 0,263479 T 6,49 3,70 2,77 2,27 1,91 1,63 1,39 1,21 1,05 0,87 0,70 0,55 LBQ 44,79 85,75 122,64 156,20 185,67 210,80 231,65 249,21 263,51 274,10 281,45 286,08

Partial Autocorrelation Function: jii

Lag 1 2 3 4 5 6 7 8 9 10 11 12 PACF 0,936561 0,072288 -0,047687 0,022251 -0,099863 -0,098836 -0,068803 0,036711 -0,045119 -0,156167 -0,062433 -0,064857 T 6,49 0,50 -0,33 0,15 -0,69 -0,68 -0,48 0,25 -0,31 -1,08 -0,43 -0,45

Penggabungan model AR adalah sebagai berikut :

(n)

dan Distributed Lag menjadi model AR

(n)

D.L

Yt = a + b1 X1 + b2 X2 + .....+ Y (t-1) +e

Yt = a + b1 X1 + b2 X1 (t-1) +....+bn Xn(t-1) +e

Auto Regressive / AR (1)

Distributed Lag

Yt = a + b1 X1 + b2 X1 (t-1) + b3 X2 + b4 X2 (t-1)+ b5 X3 + b6 X3 (t-1) + b7X4 +....+ Y (t-1) +e

Auto Regressive / AR (1)Distributed Lag

Sedangkan model Auto Regessive Distributed Lag (AR (1) D.L) yang di-Log-kan digunakan untuk memperkecil perbedaan nilai varian sehingga menjadi sejajar, disamping memperkecil kemungkinan terjadinya Heterokedastisitas. Untuk menentukan suatu model estimasi mana yang terbaik diantara beberapa model tersebut diatas yaitu model umum (meskipun terdapat Autokorelasi), model AR (1) DL dan model AR (1) DL yang di-Log-kan dilakukan dengan menggunakan nilai- nilai statistik yang meliputi nilai R-Square, nilai Adjst R-Square, dan nilai S (standar deviasi). Ketiga model tersebut adalah sebagai berikut :

Model 1 (model secara umum) JII = + 1 INFLASI + 2 JUB + 3 KURS + 4 SBI + e

Model 2 (menggunakan Lag 1) JII = + 1 INFLASI + 2 INFLASI(t-1) + 3 JUB + 4 JUB KURS(t-1) + 7 SBI + 8 SBI(t-1) + 9 JII(t-1)
(t-1)

+ 5 kurs + 6

Model 3 menggunakan Lag 1 yang di-LOG-kan) LogJII = + 1 LogINFLASI + 2 LogINFLASI(t-1) + 3 LogJUB + 4 LogJUB
(t-1)

+ 5 Logkurs + 6 LogKURS(t-1) + 7 Log SBI + 8 LogSBI(t-1) + 9 LogJII(t-1)

Model regresi pertama yang sudah dibahas diawal merupakan model estimasi secara umum yang paling sering digunakan tanpa memperhatikan pengaruh waktu (Lag) maupun perbedaan besaran (rentang) nilai suatu variabel. Berbeda dengan model pertama, model kedua ini sudah

mempertimbangkan adanya pengaruh waktu (Lag) yang mempengaruhi nilai Ynya. Lag sendiri dapat diartikan suatu rentang waktu yang dibutuhkan untuk melihat pengaruh suatu variabel pada suatu periode yang lalu (t-1) atas variabel yang sama dan atau variabel yang lain dalam suatu periode t. Model kedua ini sangat banyak digunakan dalam penelitian ekonomi, terutama dalam data time series. Selain itu fungsi utama model kedua ini adalah untuk mengetahui faktor pertumbuhan variabel Y itu sendiri apabila diasumsikan variabel predictor-nya sama dengan nol, meskipun secara teori hal semacam itu mustahil. Model regresi bentuk ketiga inilah yang dirasa paling baik dari segi fungsi, karena selain sudah memperhitungkan adanya pengaruh waktu, model ketiga ini juga akan memperkecil perbedaan nilai varian yang terlalu jauh. Mengecilnya perbedaan satuan dengan adanya transformasi data menjadi Log akan memperkecil kemungkinan terjadinya Heterokedastisitas (Gujarati ;1995). Uraian diatas adalah kelebihan dari model estimasi dari segi fungsi dan tingkat keakuratan. Berikut ini adalah beberapa nilai yang mendukung model ketiga sebagai model yang terbaik.

Tabel 5 Perbandingan Nilai Statistik Tiga Model

Nilai Statistik S R2 (%) Adjs R2 (%)

Model I 15,34 89,7 88,7

Model II 6,19 98,5 98,1

Model III 0,022 98,8 98,4

Berdasarkan perbandingan nilai statistik diatas, model ketiga mempunyai nilai R2 dan nilai Adjs R2 yang paling tinggi serta nilai standar deviasi yang paling rendah. Dimana nilai R2 dan Adjs R2 nerupakan ukuran goodness fit atau

kecukupan model dan nilai S adalah nilai perbedaan antara nilai prediksi dengan nilai sesungguhnya sehingga model ketiga itulah model yang terbaik dan layak dianalisa

C. Analisa Dengan Menggunakan Model Regresi Terbaik 1. Uji parsial (t test) Merupakan uji statistik yang dilakukan untuk mengetahui apakah koefisien resgresi suatu model itu signifikan atau tidak secara individual (Sritua : 1993) pada level keyakinan tertentu terhadap variabel dependen. Apabila nilai t hitung lebih besar dari nilai t tabel dengan alpha 0,05 dan df = 43, maka dapat dikatakan bahwa koefisien regresi tersebut signifikan pada level 0,05

Gambar.5 Nilai T test

Predictor Constant Log_INFL LLog_INFL logJUB LLOGJUB logkurs LLOGKURS logSBI LLOGSBI LLOGjii Coef -3,549 0,014663 0,006806 0,6554 -0,1188 -2,1613 2,3805 -0,7105 0,5032 0,84616 SE Coef 1,886 0,009817 0,009364 0,9082 0,8929 0,5228 0,5377 0,4635 0,4833 0,07182 T -1,88 1,49 0,73 0,72 -0,13 -4,13 4,43 -1,53 1,04 11,78

Dengan nilai t tabel adalah 2,021 (dengan n = 40) maka dapat disimpulkan bahwa hanya ada tiga predictor variabel yang berpengaruh secara signifikan pada level 5 % yaitu variabel LOGKURS, LLOGKURS, dan LLOGJII. Artinya ketiga predictor tersebut mempunyai pengaruh yang signifikan secara individual terhadap variabel Y (indeks JIIt ) sedangkan variabel lain sebenarnya juga berpengaruh tapi tidak signifikan.

2. Uji Simultan (F test) Merupakan uji statistik yang dilakukan untuk mengetahui apakah koefisien regresi suatu model berpengaruh signifikan atau tidak secara keseluruhan (simultan atau bersama-sama) terhadap variabel dependen / respon. Apabila nilai F hitung lebih besar dari nilai F tabel dengan alpha 0,05 dan df1 = 9 df2 = 37 maka dapat disimpulkan bahwa variabel bebas tersebut berpengaruh secara simultan terhadap variabel dependen. Gambar 6 Nilai T test
Analysis of Variance Source DF SS Regression 9 1,05403 Residual Error 27 0,01279 Total 36 1,06682 MS 0,11711 0,00047 F 247,25 P 0,000

Dengan melihat F tabel sebesar 2,21dimana nilai F hitung lebih besar dari F tabel maka dapat dipastikan bahwa seluruh variabel predictor berpengaruh secara simultan kepada variabel JII(t) . 3. Uji normalitas Test kenormalan atas residual / error term dalam penelitian ini menggunakan uji kolmogorov-smirnov / KS test dengan ketentuan sebagai berikut : Bila nilai KS hitung lebih besar dari pada nilai KS tabel berarti residual pada model tersebut tidak mengikuti distribusi normal atau dengan kata lain terdapat masalah Normalitas. Bila nilai KS hitung lebih kecil dari nilai KS tabel berarti residual pada model tersebut telah mengikuti distribusi normal. Pada plot Normality Test diketahui bahwa nilai KS hitung sebesar 0,105, sedangkan KS tabel dengan alpha 5 % sebesar 0,196. Jadi KS hitung lebih kecil dari pada KS tabel sehingga dapat disimpulkan bahwa residual pada model tersebut diatas telah berdistribusi normal atau terbebas dari masalah normalitas.

4. Uji multikolinieritas. Dengan melihat Pearson Correlation pada print out hasil regresi pada

lampiran regresi model ketiga dapat dilihat bahwa tidak terdapat korelasi antar variabel bebas yang berada pada nilai 0,8 atau melebihinya, sehingga dapat disimpulkan bahwa model ketiga ini tidak terdapat masalah Multikolinieritas yang serius yang perlu ditangani, meskipun ada beberapa predictor berkolinieritas diatas 0,5. yang

5. Uji Heterokedastisitas. Heterokedastisitas merupakan suatu asumsi adanya Hetero atau

ketidaksamaan dan Scedastisitas atau penyebaran dengan kata lain adanya ketidaksama rataan penyebaran disturbance term (Gujarati :2001). Uji heterokedastisitas dalam penelitian ini menggunakan uji Lagrange Multiplier atau LM Test yaitu dengan meregresikan model ketiga seperti biasa, lalu diperoleh nilai residiual dan Y predicted dari hasil regresi tersebut. Kemudian nilai residual dikuadratkan dan dijadikan variabel dependen sementara variabel independennya adalah Y predicted yang dikuadratkan. Dari hasil regresi antara Ypredicted dan residual kuadrat tersebut didapatkan nilai R square. Lalu R square dikalikan dengan jumlah n . Apabila hasil perkalian tersebut lebih besar dari nilai Chi Square pada df = 9 berarti ada masalah Heterokedastisitas. Dari test regresi didapat nilai R Square dikalikan dengan n adalah 0,672 dimana nilai tersebut lebih kecil dari nilai Chi Square pada df = 9 yaitu

sebesar 16,919, sehingga dapat disimpulkan bahwa tidak ada masalah Heterokedastisitas pada model ketiga tersebut.

6. Uji Autokorelasi. Istilah Autokorelasi dapat didefisinikan sebaga korelasi antar anggota serangkaian observasi yang diurutkan menurut waktu (Gujarati : 2001). Durbin Watson Test merupakan salah satu alat yang digunakan dalam mendeteksi keberadaan Autokorelasi pada suatu model regresi, yaitu dengan ketentuan sebagai berikut :

Tabel 6 Tabel kesimpulan DW Test Nilai DW Test < 1, 10 1,11 1,54 1,56 2,46 2,47 2,90 > 2,91 Kesimpulan Ada Autokorelasi Tanpa kesimpulan Tidak ada autokorelasi Tanpa kesimpulan Ada Autokorelasi

Sumber : Buku Ekonometrika Suatu Pengantar

Pada hasil print out komputer diketehui bahwa nilai DW test adalah 1, 84, dimana nilai tersebut berada pada 1,56 2,46 dengan kesimpulan tidak ada Autokorelasi. Uji Durbin-Watson sebenarnya hanya diperbolehkan untuk model dimana predictor variabel-nya tidak mengandung unsur Lag. Untuk itulah uji Autokorelasi yang sesungguhnya hanya dapat dilakukan dengan

menggunakan uji Durbin h (Gujarati : 2001 ) yaitu dengan rumus sebagai berikut : Durbin h =

n 1 n(Var ( 2 )

Dimana, n = ukuran sampel Var (2) = varian koefisien dari Lag Y(t-1) atau (SE)2 = taksiran serial korelasi derajat pertama atau sama dengan 1- DW test.

 = 1-1/2 (1,84) = 1- 0,92 = 0,08

h = 0,08

48 1 48(0, ,0547) 2 48 1 48(0,00299)

48 1 0,1436 48 0,8564

= 0,08

= 0,08

= 0,08

= 0,08

56,0486

= 0,08 X 7,48666 = 0,599

Bila

h hitung lebih kecil dari h tabel dengan = 5 % maka tidak ada

Autokorelasi. Pada perhitungan diatas 0,599 lebih kecil dari nilai h tabel sebesar 1,645 maka dapat disimpulkan tidak ada masalah Autokorelasi. Interpretasi Secara Ekonomi. Berdasarkan uji T (parsial ) bahwa variabel predictor LogKurs dan Log Kurs(t-1) serta LogJII(t-1) berpengaruh signifikan secara individual terhadap indeks JII(t) meskipun predictor yang lain juga mempengaruhi indeks JII(t), tapi tidak terlalu signifikan pada level 5 %. Meskipun demikian seluruh variabel predictor atau variabel bebas berpengaruh secara signifikan pada level 5 %, signifikansi

D.

tersebut terlihat jelas pada uji F (simultan) pada uraian diatas. Dengan demikian hipotesa nol yang menyatakan tidak ada pengaruh antara variabel Inflasi, Jumlah Uang Beredar, Exchange Rate dan Interest Rate terhadap Indeks JII dapat ditolak. Hasil taksiran parameter yang dihasilkan adalah sebagai berikut :

Gambar 7 Print out persamaan regresi ketiga

The regression equation is logJII = - 3,55 + 0,0147 Log_INFL + 0,00681 LLog_INFL + 0,655 logJUB - 0,119 LLOGJUB - 2,16 logkurs + 2,38 LLOGKURS - 0,710 logSBI + 0,503 LLOGSBI + 0,846 LLOGjii

Dengan nilai R2 98,8 %, artinya 98,8 % variabel predictor didalam model tersebut sudah dapat menjelaskan variabel yang mempengaruhi indek JII, sedangkan 1,2 % lainnya merupakan variabel lain yang belum dimasukkan kedalam model tersebut. Sementara itu R2 Adjs sebesar 98,4 %, bila dibandingkan dengan R2 Adjs pada model sebelumnya, nilai R2 Adjs pada model ketiga ini mengalami peningkatan, hal itu menunjukkan penambahan dan perubahan transformasi Log sudah sesuai dan tepat. 1. Inflasi. Hasil regresi menunjukkan bahwa beta untuk variabel logInflasi dan LlogInflasi pada periode t-1 masing-masing adalah 0,0147 dan 0,00681. Angka tersebut mempunyai arti jika inflasi naik satu persen akan menyebabkan indeks JII
(t)

meningkat sebesar 0,0147 . Dan inflasi pada periode t-1 mempunyai dampak positif sebesar 0,00681. Hal ini memberikan pengertian bahwa inflasi secara keseluruhan mempunyai dampak positif bagi indek JII(t) dan sesuai dengan

penelitian terdahulu yang dilakukan oleh Daryono (2003), bahwa inflasi berpengaruh positif bagi IHSG. Dengan adanya inflasi yang diikuti kenaikan jumlah uang yang beredar secara proposional, menunjukkan suatu kinerja perekonomian yang baik (Daryono : 2003), apalagi berkaitan dengan industri syariah yang menggunakan instrumen bagi hasil, sehingga pertambahan rupiah akan mengikuti

pertumbuhan sektor riil, tidak sekedar bertambah begitu saja (Al-Maqrizi). 2. Jumlah Uang Beredar Beta untuk variabel LogJUB menunjukkan tanda positiif sebesar 0,655. angka tersebut berarti tiap peningkatan satu milyar variabel LogJUB akan memberikan peningkatan bagi indeks JII
(t)

sebesar 0,655 . Sedangkan beta

untuk variabel LogJUB(t-1) bertanda negatif sebesar 0,119, nilai beta LogJUB(t-1) tersebut berart tiap kenaikan satu milyar variabel LogJUB(t-1) akan

menyebakan menurunnya nilai variabel indeks JII(t). Hal ini sesuai dengan penelitian oleh Daryono (2003) yang menyatakan bahwa JUB memberikan pengaruh positif bagi IHSG. Disamping itu Model ketiga ini juga menangkap pengaruh waktu, LogJUB(t-1) berdampak negatif pada indek JII(t).. 3. Exchange rate Beta untuk variabel LogKurs bertanda negatif 2,16, artinya setiap peningkatan satu persen variabel Logkurs akan menurunkan nilai indek JII(t) sebesar 2,16 point, tapi LogKurs(t-1) justru memberikan dampak yang sebaliknya (positif) sebesar 2,38 kepada indek JII(t). Hasil ini sesuai dengan penelitian Akhmad Sakhowi (2001) yang menyatakan bahwa nilai tukar berpengaruh positif pada

indek saham dan nilai tukar pada periode t-1 berpengaruh negatif terhadap indek saham. Fluktuasi rupiah yang ternyata berpengaruh negatif , tapi disusul pengaruh positif nilai tukar rupiah pada periode t-1 disebabkan masih banyaknya sektor perdagangan , khususnya yang tergabung dalam indek JII menggunakan mata uang domestik sebagai dasar pembayaran. 4. Interest rate Beta untuk variabel LogSBI bertanda negatif sebesar 0,710, berarti tiap peningkatan satu persen variabel LogSBI akan menaikkan nilai Indek JII(t) sebesar 0,710 point. Sedangkan untuk LogSBI pada periode t-1 akan memberikan pengaruh positif sebesar 0,503 pada indek JII pada periode t. Hasil ini sama dengan penelitian terdahulu yang mayoritas menyatakan bahwa suku bunga SBI berdampak negatif pada indek saham. Persamaan disebabkan pada penelitian terdahulu juga menggunakan ini masih

variabel

keterlambata waktu (Lag). Selain itu juga karena objek penelitian (JII dan indek LQ-45 misalnya) merupakan dua hal yang secara langsung atau tidak langsung dipengaruhi oleh interest (bunga).

5. LogJII(t-1) Ternyata sesuai dugaan bahwa variabel JII(t) juga dipengaruhi oleh variabel JII(t-1), hal itu terlihat dari LogJII pada t-1 yang mempunyai beta positif sebesar 0,85. Nilai tersebut dapat diartikan bahwa kenaikan nilai Indek JII(t) selain dipengaruhi oleh inflasi, JUB, interest rate dan exchange rate juga dipengaruhi oleh variabel JII sendiri pada periode t-1 sebesar 0,85 .

E. Inflasi, Jumlah Uang Beredar, Exchange Rate dan Interest Rate Dari Sudut Pandang Syariah 1. Inflasi Menurut Al-Maqrizi. Al- Maqrizi membagi inflasi menjadi dua, pertama inflasi akibat kekurangan pesediaan barang (natural inflation), dan inflasi akibat kesalahan manusia. Inflasi akibat kesalahan manusia itu sendiri menurut Al-Maqrizi disebabkan oleh administasi yang buruk, adanya korupsi, pajak berlebihan bagi petani, jumlah fullus (uang) yang berlebihan atau yang oleh Milton Friedman disebut inflation is just monetary phenomenon. Jelaslah bahwa teori inflasi Friedman hanyalah sebagian kecil dari teori inflasi-nya Al-Maqrizi. Dalam pengamatan Al-Maqrizi, ternyata kenaikan harga-harga (inflasi) yang terjadi adalah bentuk jumlah fullus-nya, sehingga ia menyarankan agar jumlah fulus dibatasi hanya pada tingkat minimal yang dibutuhkan untuk transaksi pecahan kecil. 2. Riba (interest) menurut Imam Fahruddin Al-Razi. Dalam formula Imam Al-Baihaqi dikatakan bahawa riba baru dikenakan pada saat peminjam tidak mampu melunasi utangnya dan meminta perpanjangan waktu , sedangkan bila si peminjam mampu melunasi pada saat jatuh tempo maka tidak ada riba. Jadi riba baru baru dikenakan bila ada perpanjangan waktu. Sementara itu Imam Al-Razi menjelaskan alasan mengapa riba dilarang. Pertama, karena riba berarti mengambil harta orang lain secara tidak adil. Kedua, dengan riba , seseorang akan malas bekerja, menantikan uangnya berbunga. Imam Al-Razi mengatakan bahwa kegiatan produksi dan perdagangan akan lesu. Ketiga, riba akan merendahkan martabat manusia. Dan yang keempat adalah karena jelas-jelas riba dilarang dalam Al-Quran dan sunnah.

3. Uang menurut Ibnu Khaldun. Lima ratus tahun sebelum Adam Smith menulis bukunya The Wealth of Nation, Abdurrahman Ibnu Khaldun telah menjelaskan tentang apa itu uang. Ibnu Khaldun menegaskan bahwa kekayaan suatu negara tidak ditentukan oleh banyaknya uang di negara itu, tapi ditentukan oleh tingkat produksi negara tersebut dan neraca pembayaran yang positif. Bisa saja suatu negara mencetak uang sebanyak-banyaknya tapi bila hal itu tidak mencerminkan pesatnya pertumbuhan sektor produksi, uang yang melimpah itu tidak ada nilainya. Pendapat ini menunjukkan bahwa pola perdagangan internasional telah menjadi bahasan utama para ulama ketika itu. Negara yang telah mengekspor berarti mempunyai kemampuan berproduksi lebih besar dari pada kebutuhan domestiknya sekaligus menunjukkan bahwa negara tersebut lebih efisien dalam produksinya (Ibnu Khaldun). 4. Nilai Tukar Jual beli mata uang asing telah dikenal dalam kajian fikh klasik dengan akad syarf . ulama fikh sepakat bahwa jual beli mata uang harus memenuhi dua syarat yaitu mata uang yang berbeda dan dilakukan dengan tunai. Dalam ekonomi islam, kurs tetap merupakan hasil mekanisme ekonomi dan bukan merupakan cara. Sistem kurs mengambang yang dikelola dengan baik akan menghasilkan kurs tetap (Adhiwarman : 2001). F. Pasar Modal Dalam Pandangan Islam Dalam ajaran Islam, bahwa kegiatan berinvestasi dapat dikategorikan sebagai kegiatan ekonomi yang sekaligus kegiatan tersebut termasuk kegiatan muamalah yaitu suatu kegiatan yang mengartur hubungan antar manusia.

Sementara itu berdasarkan kaidah Fikih, bahwa hukum asal dari kegiatan muamalah itu adalah mubah (boleh) yaitu semua kegiatan dalam pola hubungan antar manusia adalah mubah (boleh) kecuali yang jelas ada larangannya (haram). Ini berarti ketika suatu kegiatan muamalah yang kegiatan tersebut baru muncul dan belum dikenal sebelumnya dalam ajaran Islam maka kegiatan tersebut dianggap dapat diterima kecuali terdapat implikasi dari Al Quran dan Hadist yang melarangnya secara implisit maupun eksplisit. Dalam beberapa literatur Islam klasik memang tidak ditemukan adanya terminologi investasi maupun pasar modal, akan tetapi sebagai suatu kegiatan ekonomi, kegiatan tersebut dapat diketegorikan sebagai kegiatan jual beli (al Bay). Oleh karena itu untuk mengetahui apakah kegiatan investasi di pasar

modal merupakan sesuatu yang dibolehkan atau tidak menurut ajaran Islam, kita perlu mengetahui hal-hal yang dilarang/ diharamkan oleh ajaran Islam dalam hubungan jual beli.

Hai orang-orang yang beriman, janganlah kamu saling memakan harta sesamamu dengan jalan yang bathil, kecuali dengan jalan perniagaan yang berlaku dengan suka sama suka diantara kamu. Dan janganlah kamu membunuh dirimu, sesungguhnya Alloh adalah Maha Penyayang kepadamu. (Q.S. An-Nisa : 29)

Secara umum, penerapan prinsip syariah dalam industri pasar modal khususnya pada instrumen saham dilakukan berdasarkan penilaian atas saham yang diterbitkan oleh masing-masing perusahaan, karena instrumen saham secara natural telah sesuai dengan prinsip syariah mengingat sifat saham

dimaksud bersifat penyertaan. Para ahli fiqih berpendapat bahwa suatu saham dapat dikatergorikan memenuhi prinsip syariah apabila kegiatan perusahaan yang menerbitkan saham tersebut tidak tercakup pada hal-hal yang dilarang dalam syariah islam. Menurut tinjauan syara saham dapat dibagi menjadi tiga bagian : 1. Saham saham perusahaan yang konsisten terhadap islam, seperti bank dan asuransi syariah, islam tentu saja memperbolehkan pembelian saham perusahaan tersebut. 2. Saham-saham perusahaan yang dasar aktivitasnya diharamkam, seperti Alkohol, perjudian, produksi yang bahan bakunya berasal dari babi,

pornografi, jasa keuangan yang bersifat konvensional, asuransi yang bersifat konvensional, haram hukumnya membeli saham perusahaan tersebut. 3. Saham-saham perusahaan yang dasar aktivitasnya halal, seperti perusahaan pertambangan atau elektronik.

Perbedaan pendapat muncul pada saham jenis ketiga ini, ada ulama yang mengharamkan dan ada juga yang memperbolehkan. Ulama yang

mengharamkan, didasari anggapan bahwa sangat besar kemungkinannya perusahaan tersebut bercampur dengan unsur ribawi melalui permodalan atau jalan lainnya. Sedangkan ulama yang memperbolehkan dengan syarat syarat sebagai berikut : 1. Prosentase kekayaan atas utang perusahaan tidak boleh lebih dari 50 %. 2. Prosentase piutang perusahaan atas utang perusahaan yang berbunga tidak lebih dari 30 %.

3. Adanya pengawasan terhadap perusahaan tersebut agar terbebas dari unsur riba dan sejenisnya (Qaradhawi :2002). Sesungguhnya islam tidak menghalangi kerja sama modal dan pengetahuan atau antara uang dan pekerjaan, sebagaimana dibenarkan oleh fiqh islam. Tapi kerja sama ini harus dilandasi dengan planning yang baik. Kalau pihak pemilik modal sudah menyerahkan uangnya untuk syirkah maka ia harus berani menerima resiko (Qaradawi : 2001). Lain halnya dengan perdagangan atau kerja sama yang tergolong gharar yang sudah jelas dilarang, sebagaimana disebutkan dalam suatu riwayat bahwa suatu ketika ada seorang laki-laki yang menyerahkan sejumlah uang untuk membeli kurma, ternyata pada tahun tersebut kurma tersebut tidak berbuah. Rasulullah bersabda : Janganlah memberi uang terlebih dahulu sebelum terlihat kebaikannya , ditambah lagi rekayasa harga pasar yang akan menimbulkan naiknya harga barang (inflasi) (Ibnu Qayyim).

BAB V PENUTUP

Kesimpulan Setelah melakukan pembahasan terhadap hasil sebagaimana diuraikan sebelumnya, maka dapat ditarik kesimpulan sebagai berikut : 1. Seluruh variabel predictor berpengaruh pada variabel dependent. 2. Tingkat pengaruh masing-masing variabel predictor sebagai berikut : a. Bahwa variabel inflasi berpengaruh pada indek JII meskipun tidak signifikan pada level 5 %. Naiknya inflasi tiap satu persen akan menaikkan indeks JII sebesar 0,0147, sedangkan inflasi pada periode t-1 juga akan menaikkan indeks JII sebesar 0,00681. b. Jumlah uang beredar juga berpengaruh positif pada indek JII, sedangkan JUB pada periode t-1 akan memberikan pengaruh sebaliknya dengan negatif 0,119. c. Exchange rate juga memberikan pengaruh negatif 2, 16 point tiap kenaikan satu rupiah kurs terhadap indek JII, sedangkan kurs pada periode t-1 akan memberikan pengaruh sebaliknya sebesar positif 2, 38. d. Interest rate atau suku bunga SBI berpengaruh negatif 0,710 persen terhadap JII tiap kenaikan satu persen SBI, tapi suku bunga SBI pada periode t-1 akan memberikan pengaruh yang sebaliknya yaitu positif 0,503 e. Ternyata indeks JII pada periode t-1 juga ikut mempengaruhi indek JII pada periode t sebesar 0,846 point dengan tanda positif. f. Pembelian surat berharga (saham) diperbolehkan apabila beberapa persyaratan secara syari dan ekonomi. memenuhi

Keterbatasan Penelitian. Beberapa keterbatasan sekaligus kelemahan dalam penelitian ini antara lain : 1. Masih sedikitnya teori-teori yang dikemukakan, terutama dari sudut pandang islam. 2. Masih terbatasnya pembahasan mengenai variabel bebas yang berkaitan dengan aspek syariah dikarenakan terbatasnya literatur tentang ekonomi moneter islami yang digunakan. 3. Adanya keterbatasan dalam menjelaskan ACF dan PACF. 4. Adanya beberapa pengujian secara statistik yang belum sistematis.

Saran-saran. Sesuai dengan keterbatasan penelitian tersebut diatas, maka untuk penelitian berikutnya disarankan untuk lebih menambah literatur tentang ekonomi moneter islami dan pembahasannya. Dan yang kedua adalah saran untuk langsung menggunakan model persamaan dalam model AR (n) karena data berbentuk time series serta lebih meningkatkan tingkat atau orde model Auto Regressive-nya.

DAFTAR PUSTAKA

Adiwarman, Sejarah Pemikiran Ekonomi Islam, IIIT Press, Jakarta, 2003 _________, Bank Islam Analisis Fiqh dan Keuangan, IIIT Press, Jakarta, 2003 _________, Ekonomi Islam Suatu Kajian Kontemporer, Gema Insani, Jakarta, 2001 Ahmad, Sakhowi, Analisis Pengaruh Nilai Tukar Rupiah, Inflasi Dan Tingkat Bunga Terhadap Kinerja Di BEJ, Jurnal Ekonomi Dan Bisnis, Vol .2, No.1, 2004 Algifari, Analisis Regresi, ed 2, BPFE, Yogyakarta, 2000 Boediono, Ekonomi Internasional ed.1, BPFE, Yogayakarta, 1997 Cryer,. J.D., 1986. Time Series Analysis. PWS Publisher, Massachutetts Daryono, Soebagyo, Analisis Faktor Faktor Yang Mempengaruhi IHSG, Jurnal Ekonomi Pembangunan, Vol. 4 No. 2, 1999 Hafidhudin, Didin, Islam Aplikatif, Gema Insani Press, Jakarta, 2003 Hamid, Luthfi, Jejak Jejak Ekonomi Syariah, Senayan Publishing, Jakarta, 2003 Hamilton, Adam,. Stock and inflation,. 2005 Hasan, Fuad, Investasi Di Pasar Modal Indonesi, Kelola, No.7/III, 1994 Ibnu, Qoyyim Al- jauziyah, " I'lamul Muwaqi'in Panduan Hukum Islam, Pustaka Azzam , Jakarta, 2000 Iswardono, Suku Bunga Diturunkan, investasi Akan Meningkat ?, Ekonomi dan Bisnis Indonesia, Vol. 14, No.2, 1999 Jurnal

Lantara, I Wayan N, Perubahan Tingkat Suku Bunga Dan Kinerja Pasar Modal Indonesia Pada Tingkat Pasar Dan Tingkat Industri, Jurnal Ekonomi Dan Bisnis Indonesia Vol 19 No 2, 2004, hal 120-132 Muhammad, Metodologi Penelitian Ekonomi Islam, UPFE, Yogyakarta, 2005 Manan, Abdul, Teori dan Praktek Ekonomi Islam, PT. Dana Bhakti Wakaf,

Yogyakarta, 2001 Nopirin, Ekonomi Moneter/ Cet. 10, BPFE, Yogyakarta, 2000 Nur, Iriawan dan Septin Puji A, Mengolah Data Statistic Dengan Mudah Menggunakan Minitab 14. , Penerbit Andi, Yogyakarta Qaradhawi, Yusuf, Fatwa-Fatwa Kontemporer, Jld 3, Gema Insani Press, Jakarta, 2002 ________, Halal Haram Dalam Islam, PT. Bina Ilmu, Surabaya, 2003 Sukirno Sadono, Ekonomi Pembangunan, Lembaga Penerbit FE UI, Jakarta, 1985 Suryanto, Estimasi JUB (M2) Di Indonesia Dengan Pendekatan Box- Jensin, Kompak, No.7, 2003 Tandelilin, Analisis Investasi Dan Manajemen Portofolio, BPFE, Yogyakarta, 2001 Vinod, Prof. H. D., Distributed Lag and Autoregressive DL Models. . Wei, william. W.s.., 1990. Time Series Analysis. Addison-wesley Publishing Company. ,10 Model Penelitian Dan Pengolahan Dengan SPSS 10.01,

Yogyakarta, 2005

Lampiran 1 Hasil regresi Multiple regression 31/07/2006 4:12:16

Welcome to Minitab, press F1 for help. Retrieving project from file: 'G:\SKRIPS~1\NORMAL DATA.MPJ'

Regression Analysis: jii versus inflasi; JUB; kurs; sbi

The regression equation is jii = - 301 - 1,52 inflasi + 0,000331 JUB + 0,0149 kurs - 3,88 sbi

Predictor Constant inflasi JUB kurs sbi

Coef -301,25 -1,516 0,00033115 0,014910 -3,885

SE Coef 39,08 4,285 0,00003640 0,006165 1,049

T -7,71 -0,35 9,10 2,42 -3,70

P 0,000 0,725 0,000 0,020 0,001

S = 15,3554

R-Sq = 89,7%

R-Sq(adj) = 88,7%

PRESS = 12832,2

R-Sq(pred) = 86,91%

Analysis of Variance Source Regression Residual Error Total DF 4 43 47 SS 87870 10139 98009 MS 21968 236 F 93,17 P 0,000

Source inflasi JUB kurs sbi

DF 1 1 1 1

Seq SS 166 84470 0 3234

Unusual Observations Obs 1 48 inflasi 1,99 -0,04 jii 64,64 198,85 Fit 68,78 190,50 SE Fit 8,73 11,13 Residual -4,14 8,36 St Resid -0,33 X 0,79 X

X denotes an observation whose X value gives it large influence.

Durbin-Watson statistic = 0,557545

Lampiran 2 Coefisien correlation Multiple regression

Correlations: inflasi, JUB, sbi, kurs

JUB inflasi 0.045 0.759 0.089 0.547 0.273 0.061 JUB sbi

sbi

-0.448 0.001 0.466 0.001 0.315 0.029

kurs

Cell Contents: Pearson correlation P-Value

Lampiran 3 Residual Normality Plot Multiple regression

NORMALITY TEST
Normal
99 Mean StDev N KS P-Value 7,638334E-14 14,69 48 0,111 0,143

95 90 80

Percent

70 60 50 40 30 20 10 5

-40

-30

-20

-10

0 RESI1

10

20

30

40

Lampiran 4 ACF dan PACF JII

Autocorrelation Function: jii

Lag 1 2 3 4 5 6 7 8 9 10 11 12 ACF 0,936561 0,886027 0,831706 0,784313 0,726691 0,663205 0,596730 0,540973 0,482104 0,409474 0,336584 0,263479 T 6,49 3,70 2,77 2,27 1,91 1,63 1,39 1,21 1,05 0,87 0,70 0,55 LBQ 44,79 85,75 122,64 156,20 185,67 210,80 231,65 249,21 263,51 274,10 281,45 286,08

Autocorrelation for jii

Partial Autocorrelation Function: jii

Lag 1 2 3 4 5 6 7 8 9 10 11 12 PACF 0,936561 0,072288 -0,047687 0,022251 -0,099863 -0,098836 -0,068803 0,036711 -0,045119 -0,156167 -0,062433 -0,064857 T 6,49 0,50 -0,33 0,15 -0,69 -0,68 -0,48 0,25 -0,31 -1,08 -0,43 -0,45

Partial Autocorrelation for jii

Lampiran 5 ACF dan PACF INFLASI

Autocorrelation Function: inflasi

Lag 1 2 3 4 5 6 7 8 9 10 11 12 ACF 0,137116 -0,067348 -0,178229 -0,077744 -0,126485 -0,060449 -0,113224 -0,045743 -0,059776 0,206914 0,201187 0,130652 T 0,95 -0,46 -1,21 -0,51 -0,83 -0,39 -0,73 -0,29 -0,38 1,31 1,23 0,77 LBQ 0,96 1,20 2,89 3,22 4,11 4,32 5,07 5,20 5,42 8,12 10,75 11,89

Autocorrelation for inflasi

Partial Autocorrelation Function: inflasi

Lag 1 2 3 4 5 6 7 8 9 10 11 12 PACF 0,137116 -0,087799 -0,160374 -0,037932 -0,140967 -0,067861 -0,146654 -0,084665 -0,120315 0,153262 0,106115 0,071164 T 0,95 -0,61 -1,11 -0,26 -0,98 -0,47 -1,02 -0,59 -0,83 1,06 0,74 0,49

Partial Autocorrelation for inflasi

Lampiran 6 ACF dan PACF SBI

Autocorrelation Function: sbi

Lag 1 2 3 4 5 6 7 8 9 10 11 12 ACF 0,892026 0,815753 0,755391 0,667182 0,602359 0,531672 0,459473 0,383509 0,317897 0,257052 0,189699 0,121281 T 6,18 3,51 2,64 2,05 1,71 1,43 1,18 0,96 0,78 0,62 0,46 0,29 LBQ 40,63 75,35 105,78 130,06 150,32 166,47 178,83 187,65 193,87 198,04 200,38 201,36

Autocorrelation for sbi

Partial Autocorrelation Function: sbi

Lag 1 2 3 4 5 6 7 8 9 10 11 12 PACF 0,892026 0,098107 0,057299 -0,147931 0,037565 -0,062902 -0,031584 -0,093023 0,004588 -0,022501 -0,059395 -0,081914 T 6,18 0,68 0,40 -1,02 0,26 -0,44 -0,22 -0,64 0,03 -0,16 -0,41 -0,57

Partial Autocorrelation for sbi

Lampiran 7 ACF dan PACF KURS

Autocorrelation Function: kurs

Lag 1 2 3 4 5 6 7 8 9 10 11 12 ACF 0,871890 0,713392 0,562581 0,429698 0,344344 0,317411 0,270029 0,226395 0,177634 0,121725 0,061738 0,017807 T 6,04 3,11 2,07 1,46 1,12 1,01 0,84 0,69 0,54 0,37 0,19 0,05 LBQ 38,82 65,37 82,25 92,32 98,94 104,70 108,97 112,04 113,98 114,92 115,17 115,19

Autocorrelation for kurs

Partial Autocorrelation Function: kurs

Lag 1 2 3 4 5 6 7 8 9 10 11 12 PACF 0,871890 -0,195156 -0,046169 -0,027422 0,098368 0,145929 -0,166783 0,016539 -0,038468 -0,016910 -0,054503 -0,018726 T 6,04 -1,35 -0,32 -0,19 0,68 1,01 -1,16 0,11 -0,27 -0,12 -0,38 -0,13

Partial Autocorrelation for kurs

Lampiran 8 ACF dan PACF JUB

Autocorrelation Function: JUB

Lag 1 2 3 4 5 6 7 8 9 10 11 12 ACF 0,908549 0,827901 0,739832 0,652521 0,578811 0,516820 0,457748 0,410910 0,363206 0,324650 0,287777 0,249361 T 6,29 3,52 2,56 2,00 1,64 1,39 1,18 1,03 0,89 0,79 0,69 0,59 LBQ 42,15 77,91 107,10 130,33 149,03 164,29 176,56 186,69 194,81 201,46 206,83 210,98

Autocorrelation for JUB

Partial Autocorrelation Function: JUB

Lag 1 2 3 4 5 6 7 8 9 10 11 12 PACF 0,908549 0,013973 -0,083333 -0,050693 0,027501 0,029102 -0,023766 0,024641 -0,030200 0,019298 -0,011431 -0,033426 T 6,29 0,10 -0,58 -0,35 0,19 0,20 -0,16 0,17 -0,21 0,13 -0,08 -0,23

Partial Autocorrelation for JUB

Lampiran 9 Print out hasil regresi model AR (1) Distributed Lag. Regression Analysis: jii versus inflasi; LAG_INFLASI; ...
The regression equation is jii = - 9,6 + 1,18 inflasi + 0,86 LAG_INFLASI + 0,000014 JUB + 0,000016 LAG_JUB - 0,0248 kurs + 0,0260 LAG_KURS + 1,36 sbi - 2,92 LAG_SBI + 0,894 LAG_JII

47 cases used, 1 cases contain missing values

Predictor Constant inflasi LAG_INFLASI JUB LAG_JUB kurs LAG_KURS sbi LAG_SBI LAG_JII

Coef -9,61 1,175 0,864 0,00001355 0,0000163 -0,024825 0,025962 1,356 -2,922 0,89377

SE Coef 29,79 1,858 1,803 0,00009457 0,0001000 0,006438 0,006095 1,702 1,904 0,06502

T -0,32 0,63 0,48 0,14 0,16 -3,86 4,26 0,80 -1,53 13,75

P 0,749 0,531 0,635 0,887 0,871 0,000 0,000 0,431 0,134 0,000

VIF 1,1 1,2 105,3 104,9 14,8 14,3 32,9 42,9 10,1

S = 6,19087

R-Sq = 98,5%

R-Sq(adj) = 98,1%

Analysis of Variance Source Regression Residual Error Total DF 9 37 46 SS 93812 1418 95230 MS 10424 38 F 271,96 P 0,000

Source inflasi LAG_INFLASI JUB LAG_JUB kurs LAG_KURS sbi LAG_SBI LAG_JII

DF 1 1 1 1 1 1 1 1 1

Seq SS 1221 556 80135 1252 29 44 3148 184 7243

Unusual Observations Obs 4 42 47 48 inflasi -0,24 0,50 1,31 -0,04 jii 84,798 185,394 180,548 198,854 Fit 82,887 168,638 191,058 190,356 SE Fit 5,030 2,231 3,688 4,863 Residual 1,911 16,756 -10,510 8,498 St Resid 0,53 X 2,90R -2,11R 2,22R

R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.

Durbin-Watson statistic = 1,97150

Lampiran 10 Koefisien korelasi model AR (1) D.L

Correlations: inflasi; sbi; kurs; JUB; LAG_JII; LAG_INFLASI; LAG_SBI; ...

inflasi LAG_JII sbi 0,089 0,547 0,273 0,061 0,045 0,759 0,124 0,407 0,151 0,310 0,538 LAG_SBI -0,645 0,000 LAG_KURS 0,403 0,005 LAG_JUB 0,928 0,000 0,115 0,440 -0,436 0,002 0,550 0,000 0,994 0,000 0,092 0,539 0,400 0,005 0,938 0,000 0,433 0,002 -0,035 0,813 0,967 0,000 0,117 0,432 -0,588 0,000 0,315 0,029 -0,448 0,001 -0,513 0,000 0,181 0,223 0,466 0,001 0,546 0,000 0,332 0,023 0,924 0,000 0,123 0,410 sbi kurs JUB

kurs

JUB

LAG_JII

LAG_INFLASI 0,092

LAG_SBI

LAG_INFLASI 0,138 0,355 0,316 0,030 0,120 0,421

LAG_SBI

LAG_KURS

LAG_KURS

0,283 0,054 -0,598 0,000 0,434 0,002

LAG_JUB

Cell Contents: Pearson correlation P-Value

Lampiran 11 Residual Normality Plot AR (1) D.L

NORMALITY TEST
Normal
99 Mean StDev N KS P-Value -1,17617E-13 5,552 47 0,081 >0,150

95 90 80

Percent

70 60 50 40 30 20 10 5

-10

-5

5 RESI2

10

15

20

Lampiran 12 Print out hasil regresi model AR (1) Distributed Lag Log Transform 15/08/2006 12:31:29
Welcome to Minitab, press F1 for help. Retrieving project from file: 'G:\SKRIPS~2\LAG OKE.MPJ'

Regression Analysis: logJII versus Log_INFL; LLog_INFL; ...

The regression equation is logJII = - 3,55 + 0,0147 Log_INFL + 0,00681 LLog_INFL + 0,655 logJUB - 0,119 LLOGJUB - 2,16 logkurs + 2,38 LLOGKURS - 0,710 logSBI + 0,503 LLOGSBI + 0,846 LLOGjii

37 cases used, 11 cases contain missing values

Predictor Constant Log_INFL LLog_INFL logJUB LLOGJUB logkurs LLOGKURS logSBI LLOGSBI LLOGjii

Coef -3,549 0,014663 0,006806 0,6554 -0,1188 -2,1613 2,3805 -0,7105 0,5032 0,84616

SE Coef 1,886 0,009817 0,009364 0,9082 0,8929 0,5228 0,5377 0,4635 0,4833 0,07182

T -1,88 1,49 0,73 0,72 -0,13 -4,13 4,43 -1,53 1,04 11,78

P 0,071 0,147 0,474 0,477 0,895 0,000 0,000 0,137 0,307 0,000

VIF 1,4 1,3 108,7 97,8 13,1 13,0 212,1 244,8 11,2

S = 0,0217638

R-Sq = 98,8%

R-Sq(adj) = 98,4%

Analysis of Variance Source Regression Residual Error Total DF 9 27 36 SS 1,05403 0,01279 1,06682 MS 0,11711 0,00047 F 247,25 P 0,000

Source Log_INFL LLog_INFL logJUB LLOGJUB logkurs LLOGKURS logSBI LLOGSBI LLOGjii

DF 1 1 1 1 1 1 1 1 1

Seq SS 0,00544 0,00036 0,91041 0,00374 0,00876 0,00065 0,05875 0,00017 0,06574

Unusual Observations Obs 2 10 Log_INFL 0,18 -0,27 logJII 1,84456 1,76012 Fit 1,81343 1,80526 SE Fit 0,01695 0,00829 Residual 0,03113 -0,04514 St Resid 2,28R -2,24R

R denotes an observation with a large standardized residual. Durbin-Watson statistic = 1,82526

lampiran 13 Koefisien korelasi model AR (1) D.L - Log Transform

Correlations: Log_INFL, LLog_INFL, logJUB, LLOGJUB, logkurs, LLOGKURS, ...

Log_INFL LLOGKURS LLog_INFL 0.427 0.008 0.077 0.630 0.124 0.438 0.345 0.025 0.259 0.103 0.201 0.202 0.011 LLOGSBI 0.248 0.092 LLOGjii 0.327 0.025 0.138 0.388 0.079 0.617 0.905 0.000 0.909 0.000 0.466 0.001 0.092 0.569 0.201 0.202 -0.611 0.000 -0.619 0.000 0.085 0.569 0.076 0.634 0.077 0.630 0.335 0.030 0.345 0.025 0.253 0.107 0.994 0.000 0.437 0.002 0.401 0.005 -0.486 0.000 0.521 0.000 0.404 0.005 -0.473 0.001 0.937 0.000 0.280 0.054 LLog_INFL logJUB LLOGJUB logkurs

logJUB

LLOGJUB

logkurs

LLOGKURS

logSBI 0.369

LLOGSBI

logSBI 0.976 0.000 -0.598 0.000

LLOGSBI

LLOGjii

-0.715 0.000

Cell Contents: Pearson correlation P-Value

Lampiran 14 Residual Normality Plot AR (1) D.L Log Transform

NORMALITY TEST
Normal
99 Mean StDev N KS P-Value -2.55115E-15 0.01943 47 0.105 >0.150

95 90 80

Percent

70 60 50 40 30 20 10 5

-0.050

-0.025

0.000 RESI4

0.025

0.050

Lampiran 15

Data penelitian
jii inflasi 64.643 1.99 69.913 1.5 74.809 -0.02 84.798 -0.24 83.942 0.8 81.973 0.36 74.438 0.82 70.771 0.29 65.678 0.53 57.56 0.54 59.46 1.85 65.031 1.2 63.597 0.8 64.017 0.2 62.807 -0.23 70.13 0.15 76.73 0.21 81.371 0.09 82.362 0.03 81.221 0.84 93.854 0.36 103.645 0.55 101.767 1.01 110.619 0.94 127.786 0.57 129.638 -0.02 124.673 0.36 134.228 0.97 119.669 0.88 116.625 0.48 127.791 0.39 125.102 0.09 133.111 0.02 139.224 0.56 153.642 0.89 160.847 1.04 171.821 1.43 174.25 -0.17 175.918 1.91 170.674 0.34 167.834 0.21 185.394 0.5 192.628 0.78 sbi 17.22 16.9 15.04 16.67 15.03 15.15 14.88 14.64 13.64 13.08 13.08 13.01 12.83 12.5 11.58 11.24 10.71 9.9 9.2 8.99 8.74 8.53 8.47 8.39 8.05 7.64 7.42 7.34 7.32 7.34 7.37 7.37 7.39 7.41 7.42 7.43 7.42 7.43 7.44 7.62 7.88 8.1 8.48 kurs 10894 10737 10414 9986 9615 9189 9465 9428 9454 9575 9575 9407 9397 9395 9430 9311 8934 8729 8836 9003 8962 8941 8996 8988 8895 8925 9068 9108 9465 9882 9537 9735 9683 9596 9531 9723 9745 9745 9871 10039 9977 10117 10299 JUB 838023 837160 831410 828278 833084 838635 852718 856835 859706 863010 870046 883908 873683 881215 877776 882808 893029 894213 901389 905498 911224 926325 944647 955692 947277 935745 935247 930831 952961 975166 975091 980223 986806 995935 1000338 1033527 1015874 1012144 1020693 1044253 1046192 1073746 1088376

187.687 178.476 185.315 180.548 198.854

0.55 0.69 0.94 1.31 -0.04

8.84 10 11 12.25 15.75

10486 10733 10593 10541 10357

1115874 1150451 1165741 1168267 1203215