Professional Documents
Culture Documents
Oleh :
Anjar Ningtias
(1110081000045)
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1435 H / 2014 M
ii
iii
iv
v
DAFTAR RIWAYAT HIDUP
IDENTITAS DIRI
Nama : Anjar Ningtias
Tempat / Tanggal Lahir : Jakarta / 4 Februari 1993
Agama : Islam
Alamat : Jl. Durian 2 Blok A No. 3 RT 005 RW 010,
Kebantenan, Jatiasih, Bekasi, 17423
Telp / HP : 021-82428943 / 082298425242
Email : anjar.ningtias@gmail.com
PENDIDIKAN FORMAL
2010 – 2014 : UIN Syarif Hidayatullah Jakarta
2007 – 2010 : SMA Negeri 48 Pinang Ranti, Jakarta
2004 – 2007 : SMP Negeri 230 Pondok Rangon, Jakarta
1998 – 2004 : SD Negeri Jatisampurna 06, Bekasi
vi
2010 : Peserta Seminar Nasional Kewirausahaan Golden
Generation Expo & Forum 2010, 24 – 27 Desember
2010
2010 : Kursus Komputer di LPIA
2008 : ESQ Leadership Training
2003 – 2009 : Kursus Bahasa Inggris di LPK Generasi Mandiri
PENGALAMAN ORGANISASI
2012 – 2013 : Bendahara Lab Pasar Modal Fakultas Ekonomi dan
Bisnis, UIN Syarif Hidayatullah
2011 – 2012 : Divisi Desain dan Kreatifitas Lab Pasar Modal Fakultas
Ekonomi dan Bisnis, UIN Syarif Hidayatullah
2005 – 2006 : Divisi Olahraga OSIS SMPN 230 Pondok Rangon,
Jakarta
PENGALAMAN BEKERJA
2013 – sekarang : Accounting di PT Rayyan Global Investama
2012 – 2013 : Guru Kursus Bahasa Inggris di LPK Generasi Mandiri
vii
ABSTRACT
This study examines the integration of Islamic and conventional stock
market of Indonesia with Islamic and conventional stock market of its trading
partners in three regions, namely Asian, Europe, and America. This
categorization is also based on the level of development and geographical factors
which may have a significant influence on the Indonesian stock market. Countries
of which being sampled in this study is Malaysia, Japan, United Kingdom (UK),
Canada, and United States of America (USA). This study applies the method of
Vector Autoregressive (VAR) / Vector Error Correction Model (VECM) and daily
closing indices data spanning from 2008 to 2013.
The results indicate there are causality relationships among all Islamic
and conventional stock markets in Malaysia, Japan, United Kingdom (UK),
Canada, and United States of America (USA) with Islamic and conventional stock
market of Indonesia. Then, based on cointegration analysis, only Islamic and
conventional stock markets of Malaysia have a long-term relationship with
Islamic and conventional stock markets of Indonesia. Furthermore, based on
Variance Decomposition (VD) analysis is looked that Islamic and conventional
stock market of Indonesia provide the greatest contribution to Islamic and
conventional stock market of Malaysia’s movement. Meanwhile, the greatest
contributor to Islamic and conventional stock markets of Indonesia’s movement
itself that is derived from Islamic and conventional stock market of USA.
viii
ABSTRAK
Penelitian ini menguji integrasi bursa saham syariah dan konvensional
Indonesia dengan bursa saham syariah dan konvensional mitra dagangnya di tiga
kawasan, yaitu Asia, Eropa, dan Amerika. Kategorisasi ini juga berdasarkan
tingkat perkembangan dan faktor geografis yang mungkin memiliki pengaruh
signifikan terhadap bursa saham Indonesia. Negara-negara yang menjadi sampel
dalam penelitian ini adalah Malaysia, Jepang, Inggris, Kanada, dan Amerika
Serikat. Penelitian ini menerapkan metode Vector Autoregressive (VAR) / Vector
Error Correction Model (VECM) dan data indeks penutupan harian mulai dari
2008 sampai 2013.
Hasil penelitian menunjukkan adanya hubungan kausalitas antara semua
bursa saham syariah dan konvensional di Malaysia, Jepang, Inggris, Kanada, dan
Amerika Serikat dengan bursa saham syariah dan konvensional Indonesia.
Kemudian berdasarkan analisis kointegrasi, hanya bursa saham syariah dan
konvensional Malaysia yang memiliki hubungan jangka panjang dengan bursa
saham syariah dan konvensional Indonesia. Selanjutnya, berdasarkan analisis
Variance Decomposition (VD) terlihat bursa saham syariah dan konvensional
Indonesia memberikan kontribusi terbesar terhadap pergerakan bursa saham
syariah dan konvensional Malaysia. Sementara itu, penyumbang kontribusi
terbesar terhadap pergerakan bursa saham syariah dan konvensional Indonesia
sendiri berasal dari bursa saham syariah dan konvensional Amerika Serikat.
ix
KATA PENGANTAR
Bismillaahirrahmaanirrahiim,
Segala puji dan syukur kepada Allah SWT atas limpahan dan kasih sayang
dan rahmat-Nya sehingga akhirnya penulis dapat menyelesaikan skripsi ini.
Shalawat serta salam untuk manusia paling mulia di muka bumi ini, Nabi
Muhammad SAW, juga keluarga dan para sahabat beliau yang telah membawa
banyak umat Islam menuju cahaya kemenangan.
Dalam penyusunan skripsi ini sebagai prasyarat memperoleh gelar Sarjana
Ekonomi, pastinya tidak akan terlepas dari hambatan ataupun kesulitan yang
dihadapi oleh penulis. Akan tetapi, banyaknya bantuan, dukungan, dan do’a dari
berbagai pihak serta atas seijin Allah SWT, akhirnya skripsi ini dapat
terselesaikan dengan baik. Oleh karena itu, penulis mengucapkan terima kasih
yang sebesar-besarnya kepada:
1. Kedua orang tua saya, Mama dan Papa tercinta yang senantiasa selalu berdo’a
dan memberikan semangat dalam penyusunan skripsi ini, terlebih ketika saya
sedang sakit, Mama dan Papa melakukan apapun untuk kesembuhan saya.
Semoga kelak saya bisa menjadi kebanggaan Mama dan Papa, baik di dunia
maupun di akhirat nanti.
2. Bapak Prof. Dr. Ahmad Rodoni selaku dosen pembimbing I dan Bapak Taridi
Kasbi Ridho, SE, MBA selaku dosen pembimbing II, yang telah bersedia
meluangkan waktunya untuk membagi ilmunya kepada saya dalam setiap
bimbingan skripsi hingga akhirnya skripsi ini dapat terselesaikan.
3. Bapak Prof. Dr. Abdul Hamid, MS selaku Dekan Fakultas Ekonomi dan
Bisnis UIN Syarif Hidayatullah Jakarta.
4. Ibu Dr. Muniaty Aisyah, Ir, MM selaku Ketua Jurusan Manajemen Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
5. Ibu Titi Dewi Warninda, M.Si selaku seketaris Jurusan Manajemen Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
6. Ibu Leis Suzanawaty, SE, M.Si selaku Dosen Pembimbing Akademik saya
selama menjadi mahasiswa.
x
7. Bapak Hepi Prayudiawan, SE, MM, Ak. selaku sekretaris Jurusan Akuntansi
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta dan
pembimbing untuk kepengurusan Lab Pasar Modal Fakultas Ekonomi dan
Bisnis UIN Syarif Hidayatullah Jakarta selama masa kepengurusan saya.
8. Seluruh civitas Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta
atas segalanya, baik itu ilmu dari para dosen maupun bantuan pelayanan dari
para staf dan karyawan.
9. Kakak saya tercinta sekaligus the best partner sepanjang hidup saya, Bernes
Lase, ”As sisters and friends, we're quite a pair. One soul, one mind is what
we share - Debbie A. Burrous.”
10. My lovely twin, Shelly Novianita, yang tiada hentinya memberikan dukungan
dan semangat saat suka maupun duka mulai dari awal menjadi mahasiswa
hingga saat ini dan selamanya our story will continue to grow with each
passing day. I will make sure I never lose you.
11. Mr. Rain, Reza Eka Nugraha, semoga selalu berada di dalam lindungan Allah
SWT. Allah knows what is the best for us.
12. Gadis-gadis yang kelak akan menjadi wanita-wanita hebat di Women
Generation, yaitu Shelly, Dini, Ida, Tiwi, Babay, Nisa, dan Ita. ”Friendship
consists in forgetting what one gives and remembering what one receives -
Alexander Dumas.”
13. Seluruh anak Manajemen Keuangan 2010, khususnya Aris (banyak bantuan
yang diberikan untuk satu angkatan 2010 bahkan mungkin satu Fakultas
Ekonomi dan Bisnis), Umi & Vae (asisten-asisten dospem I untuk
membimbing saya), Arifuddin (teman seperjuangan komprehensif dan sidang
skripsi), Deva, Nova, Ayu, Mar’atun, dll. Tidak lupa Rizma Yanika Chusna,
teman semasa bimbingan skripsi sekaligus temen masa SMA.
14. Seluruh anak Manajemen A 2010, khususnya Hafiz, Adit, Puput (Putera),
Malo, Indah, Fitri, Mia, Rachmad, Abi, Indra, Danial, Fajar, Derian, Fitra, dll.
Keep in touch wherever we are guys.
xi
15. Seluruh anak Manajemen 2010, Akuntansi 2010 (khususnya Ikhsan), dan
IESP 2010 (khususnya Agus) yang secara random memberikan dukungan
kepada saya.
16. Seluruh anggota Lab Pasar Modal dari awal periode kepengurusan saya
hingga saat ini. Semoga Lab Pasar Modal terus melangkah maju dan sukses ke
depannya.
17. Seluruh anak KKN AKSI 2010 (Icha, Mayda, Uki, Aulia, Bulan, Erna, Ebi,
Mulki, Angga, dll) serta partner KKN AKSI 2010, yaitu duo mahasiswa
Binus (Ryan dan Faris) dan mahasiswa-mahasiswa dari BSI yang telah
membantu dalam program-program KKN AKSI 2010 dengan lancar.
18. Mrs. Mathilda Sari Dewi, SE, MM selaku pendiri kursus Bahasa Inggris dan
Kindergarten Generasi Mandiri, yang menjadi guru saya dari kecil hingga saat
ini sekaligus teman sharing. Sukses untuk debut novelnya, ma’am. Guru-guru
lainnya di sana, yaitu Ms. Fida, Ms. Yuni, Ms. Ani, dll dan seluruh anak-anak
di LPK Generasi Mandiri. Tidak lupa Mba Shasha yang juga selalu menjadi
pelipur lara semasa di sana.
19. Seluruh crew dan staff di Siganture Coffee Slipi (Hilmi, Romi, Kak Ganesh)
dan Signature Coffee & Grill Kemang (Pak Gunawan, Kak Ikhsan, Mba
Shasha, Mba Rosita, Mba Wiwik, Mba Dewi, Mas Joe (terima kasih atas
design happy graduation untuk Women Generation)), dll. Keep in touch dan
semoga kita bisa mendapatkan yang lebih baik.
Akhir kata, sekali lagi saya mengucapkan terima kasih kepada semua
pihak di atas dan lainnya yang tidak dapat disebutkan satu persatu. Semoga segala
bentuk bantuan yang telah kalian berikan mendapatkan pahala yang berlipat dari
Allah SWT, aamiin.
Jakarta, 14 November 2014
Anjar Ningtias
xii
DAFTAR ISI
Halaman
HALAMAN JUDUL..................................................................................... i
ABSTRAK .................................................................................................... ix
xiii
4. Indeks Harga Saham ..................................................................... 22
D. Hipotesis............................................................................................ 51
2. Pembahsan .................................................................................. 86
3. Interpretasi................................................................................... 185
xiv
DAFTAR TABEL
xviii
DAFTAR GAMBAR
xx
DAFTAR LAMPIRAN
xxiii
BAB I
PENDAHULUAN
Sistem keuangan Islam merupakan bagian dari konsep yang lebih luas
tentang ekonomi Islam. Ilmu keuangan Islam ialah ilmu yang membahas
urusan dan keadaan uang berdasarkan nilai-nilai Islam terutama dari segi
Islam yang juga umum dikenal dengan sebutan ekonomi syariah, maka istilah
Sunnah, serta dari penafsiran terhadap sumber-sumber wahyu ini oleh para
sebuah peradaban Islam yang tidak berubah selama empat belas abad. Selama
tiga dasawarsa terakhir, struktur keuangan syariah telah tampil sebagai salah
satu implementasi modern dari sistem hukum Islam yang paling berhasil dan
sebagai uji coba bagi pembaruan dan perkembangan hukum Islam pada masa
hambatan psikologis bagi umat Islam untuk turut aktif dalam kegiatan
terbesar berada di wilayah Middle East and North Africa (MENA) sebesar
teluk yang kaya produksi minyak mentah, yaitu Bahrain, Kuwait, Qatar,
Oman, United Arab Emirates, dan Arab Saudi sebesar 34% serta terakhir
Sumber: data diolah dari Islamic Financial Service Industry Stability Report 2013
2
Keuangan syariah secara luas mengacu pada transaksi pasar keuangan,
operasi dan layanan yang sesuai dengan aturan Islam, prinsip-prinsip sekaligus
prakteknya. Perkembangan pasar keuangan syariah sendiri saat ini, baik itu
pasar uang maupun pasar modal syariah dapat dinilai cukup signifikan
dapat dibuktikan dari grafik peringkat pasar keuangan syariah berikut ini, di
Gambar 1.2. Top Current Islamic Finance Markets 2012 (US Billion)
Sumber: data diolah dari State of The Global Islamic Economy 2013 Report
cukup tahan terhadap gejolak krisis. Hal ini karena pada dasarnya di sektor
keuangan syariah itu selalu ada underlying sektor riil-nya sehingga jika di
seperti bank syariah lebih dekat dengan sektor riil karena produk yang
melalui pergerakan indeks bursa saham syariah global di Amerika, yaitu Dow
Jones World Islamic dan MSCI World Islamic saat terjadi krisis dan pasca
MSCI World Islamic awalnya kalah dari indeks bursa saham konvensionalnya,
4
yaitu Dow Jones World dan MSCI World, namun memasuki periode krisis
yang terjadi di Amerika tahun 2008 yang berawal dari krisis kredit macet atau
dikenal dengan subprime mortgage crisis kedua indeks bursa saham syariah
terasa pada akhir tahun 2009 akibat krisis utang di negara Yunani yang
Islamic Financial Service Industry (IFSI) Stability Report 2013, Dow Jones
Islamic Market Index telah memiliki kapitalisasi di akhir tahun 2012 sebesar
5
Krisis ekonomi global yang terjadi ditambah proses globalisasi di abad
dianggap tidak berlaku lagi sehingga apabila satu negara mengalami gejolak
internasional.
Menurut Thoha (2001) dalam Pasaribu dan Kowandar (2013), dua kata
kunci dalam globalisasi adalah interaksi dan integrasi, yakni interaksi ekonomi
Oleh karena itu, baik bursa saham syariah maupun bursa saham
hubungan antara satu bursa saham dengan bursa saham yang lainnya. Apabila
terjadi shock pada suatu bursa saham dalam periode waktu tertentu, ada akan
6
mempengaruhi kondisi bursa saham yang lain. Hal ini membuat investor asing
China yang dilakukan oleh Bakri Abdul Karim, et.al (2009). Hasil penelitian
Singapura, dan China. Hal ini berarti bahwa peluang diversifikasi portofolio di
global tahun 2007 terhadap integrasi tujuh bursa saham syariah, yaitu Jakarta
Islamic Index (Indonesia), Dow Jones Islamic Index of Kuwait (Kuwait), Dow
Turkey (Turki), Dow Jones Islamic Index of Japan (Jepang), Dow Jones
Hamid (2011) tentang dampak krisis yang terjadi di Amerika Serikat terhadap
Pasifik, yaitu United States Islamic Market, Japan Islamic Market, Kuala
kinerja bursa saham syariah Amerika Serikat dan bursa saham konvensional
Malaysia, sedangkan selama periode krisis, ketiga bursa saham, baik syariah
dampak yang signifikan terhadap kinerja bursa saham syariah di Asia Pasifik.
keterkaitan atau hubungannya yang dilihat dari nilai harian saham. Perbedaan
digunakan adalah data harian dengan periode penelitian dari tahun 2008
Saham di Asia, Eropa, dan Amerika dengan Bursa Saham di Indonesia (Studi
B. Perumusan Masalah
kawasan Asia, Eropa, dan Amerika (FBMS, DJIJP, DJIUK, DJICA, dan
kawasan Asia, Eropa, dan Amerika (KLSE, NIKKEI 225, FTSE 100, S&P
kawasan Asia, Eropa, dan Amerika (FBMS, DJIJP, DJIUK, DJICA, dan
9
4. Apakah terdapat hubungan jangka panjang antara bursa saham
FTSE 100, S&P TSX, dan DJIA) dengan bursa saham konvensional Indonesia
(IHSG)?
Eropa, dan Amerika (FBMS, DJIJP, DJIUK, DJICA, dan IMUS) dalam
Asia, Eropa, dan Amerika (KLSE, NIKKEI 225, FTSE 100, S&P TSX, dan
1. Tujuan Penelitian
(JII).
10
NIKKEI 225, FTSE 100, S&P TSX, dan DJIA) dengan bursa saham
225, FTSE 100, S&P TSX, dan DJIA) dengan bursa saham
Asia, Eropa, dan Amerika (FBMS, DJIJP, DJIUK, DJICA, dan IMUS)
kawasan Asia, Eropa, dan Amerika (KLSE, NIKKEI 225, FTSE 100,
Indonesia (IHSG).
2. Manfaat Penelitian
sebagai berikut:
11
a. Bagi Akademisi
Selain itu, hasil penelitian ini juga dapat digunakan sebagai suatu
b. Bagi Investor
mancanegara. Selain itu, hasil penelitian ini juga dapat membantu mereka
c. Bagi Pemerintah
Selain itu, hasil penelitian ini juga berguna sebagai fakta empiris yang
TINJAUAN PUSTAKA
A. Landasan Teori
dan market. Adapun untuk istilah modal sering digunakan kata efek,
securities, dan stock. Menurut UU No. 8 Tahun 1995 tentang Pasar Modal,
yang dimaksud dengan pasar modal adalah kegiatan yang berkaitan dengan
dengan efek. Adapun yang dimaksud dengan efek adalah surat berharga, yaitu
surat pengakuan utang, surat berharga komersial, saham, obligasi, tanda bukti
utang, unit penyertaan kontrak investasi kolektif, kontrak berjangka atas efek,
dan setiap derivatif dari efek. Dalam perkembangannya, pasar modal dikenal
dengan nama bursa efek. Bursa efek menurut UU No. 8 Tahun 1995 (pasal 1
dan beli efek pihak-pihak lain dengan tujuan memperdagangkan efek di antara
diartikan sebagai kegiatan dalam pasar modal sebagaimana yang diatur dalam
lainnya menurut Adrian Sutedi (2011:29), pasar modal syariah adalah pasar
hal-hal yang dilarang oleh syariat, seperti unsur riba, perjudian, bersifat
14
Perbedaan yang fundamental antara pasar modal konvensional dengan
pasar modal syariah adalah pasar modal syariah tidak mengenal kegiatan
perdagangan semacam short selling, beli atau jual dalam waktu yang amat
singkat untuk mendapatkan keuntungan antara selisih jual dan beli. Pemegang
saham syariah merupakan pemegang saham untuk jangka relatif panjang. Pola
perhatian dan mempunyai rasa memiliki, ini akan menjadi kontrol yang
bertemu pada upaya mencapai kebaikan bagi kedua belah pihak. Karakteristik
yang akan dibagi atau kerugian yang akan ditanggung bersama (profit-loss
dan utang serta instrumen derivatif seperti surat pengganti atau bukti
sementara dari efek, bukti keuntungan dan surat-surat jaminan, hak-hak untuk
memesan atau membeli saham atau obligasi, warrant dan option. Secara
umum instrumen di pasar modal dapat dibedakan atas beberapa kategori yaitu
15
1) Instrumen Utang (Obligasi)
adalah efek yang diterbitkan oleh suatu perusahaan yang memberi hak
16
tersebut pada harga setelah 6 (enam) bulan atau lebih sejak efek
dimaksud diterbitkan.
syariah, seperti saham syariah, obligasi syariah, dan reksadana syariah. Untuk
diantaranya:
ikut serta dalam keuntungan dan dalam kerugian serta tunduk pada kaidah
17
atau investasi dengan perjanjian bagi hasil dan bagi resiko (profit and
loss sharing).
2. Diversifikasi Internasional
tahun 1952 yang memuat tentang teori portofolio. Portofolio adalah kumpulan
investasi yang dimiliki oleh institusi atau perorangan yang bertujuan untuk
18
Seiring dengan perkembangan pasar modal di beberapa negara
pada aset yang berbeda-beda, tapi juga pada berbagai negara yang berbeda.
dua, yaitu:
1) Strategi Pasif
dikeluarkan.
19
2) Strategi Aktif
ekstra dari manajer untuk melakukan peramalan pasar ataupun nilai tukar
Seleksi sekuritas
dipilih dari pasar yang telah ditentukan dalam keputusan alokasi aset.
sekuritas-sekuritas apa saja yang akan dipilih dari pasar yang telah
20
Market timing
secara aktif mengamati pergerakan harga dan nilai tukar di pasar, dan
pergerakan tersebut.
menjadi dua, yaitu pengembalian yang telah terjadi (actual return) yang
(harga beli) di atas harga beli (harga jual) yang keduanya terjadi di
pasar sekunder.
21
yang merupakan penjumlahan dari capital gain/loss dan yield. Nilai yield
untuk suatu saham dapat diperoleh dari besaran dividen yang diberikan
gain/loss diperoleh dari return saham pada saat investor melakukan transaksi
transaksi pada bursa terjadi pada setiap saat hingga pergerakan harga pun
terjadi dalam tiap waktu. Dari ribuan kejadian dan fakta historis yang terjadi
indeks harga saham yang memberikan deskripsi harga-harga saham pada suatu
sebagai indikator harga dari seluruh saham yang tercatat di Bursa efek. Indeks
22
sebuah negara secara umum. Reilly dan Brown (2002) mengemukakan indeks
profesional
menurut Pandana Pasaribu, dkk (2008:2) yaitu faktor domestik, faktor asing,
negara seperti inflasi, pendapatan nasional, jumlah uang yang beredar, suku
pergerakan seluruh saham di satu bursa tertentu. Untuk mencapai tujuan itu,
23
sampel yang diambil harus representatif, meskipun tidak harus besar. Di
beberapa bursa saham yang jumlah emitennya tercatat belum banyak, indeks
dihitung dari seluruh saham seperti di bursa Taiwan, Korea, Denmark, dan
Indonesia (IHSG).
Jika sampel representatif (indeks LQ 45 dan indeks 100 saham) itu telah
1) Berdasarkan Harga
lainnya untuk 30 saham itu adalah blue chips. Selain DJIA, indeks saham
lain yang berdasarkan harga adalah Nikkei 225 dari bursa saham Tokyo.
24
2) Berdasarkan Nilai
nilai memberikan bobot yang lebih besar pada saham yang berkapitalisasi
pasar bebas dan bukan pada saham berharga tinggi. Yang dimaksud
Saham gabungan (IHSG), Indeks LQ 45, Jakarta Islamic Index (JII), dan
ini juga digunakan untuk indeks S&P 500, NYSE, NASDAQ, dan Hang
Seng.
saham di suatu bursa seperti IHSG di BEI. Jika IHSG naik, maka
berkapitalisasi kecil.
Rumus Perhitungan:
25
Dimana:
periode t
pada periode t
atau indeks yang memberikan bobot sama kepada semua saham tanpa
pasar besar juga berbobot sama dengan saham berkapitalisasi kecil. Indeks
tak tertimbang digunakan untuk indeks bursa Singapura, Milan, dan Value
Line.
4) Saham Beredar
hanya menggunakan jumlah saham yang beredar atau jumlah saham yang
26
tersedia di pasar (a free float market capitalization) untuk menghitung
negara yang telah menerapkan penyesuaian atas saham jenis ini dalam
terdiri dari: (1) saham yang dikuasai oleh pendiri; (2) saham yang dikuasai
pekerja); (3) saham yang dikuasai oleh pemerintah; (4) saham yang
perusahaan; (5) saham yang dikuasai oleh perusahaan induknya; (6) saham
yang dikuasai oleh perusahaan lain atau pribadi yang memiliki hubungan
strategis; dan (7) saham yang telah dikunci (locked in) oleh perusahaan
fund dan indeks saham syariah justru pertama kali diluncurkan di negara yang
selama ini sangat alergi terhadap Islam, yaitu Amerika Serikat. Equity fund
pertama kali dikenalkan kepada masyarakat pada tahun 1986 oleh The North
27
America Trust. Sementara Dow Jones Index memperkenalkan indeks syariah
pada pada 8 Februari 1999 di Bahrain dengan membentuk Dow Jones Islamic
Market Index (DJIMI). Dow Jones Islamic Market Index (DJIMI) adalah
indeks ekuitas patokan Islam pertama yang didirikan untuk investor yang
ingin tetap setia pada prinsip-prinsip agama. Pencentus dan perintis ide
apakah usaha para emiten sesuai dengan ajaran Islam atau tidak dan akhirnya,
(DJGI) yang terdiri dari 2700 saham dari 64 indeks negara yang di sesuai
41 grup industri dan 114 sub grup. Sharia Suvervisory Board (SSB) dari Dow
saham halal berdasarkan aktivitas bisnis dan rasio finansialnya. SSB secara
a. Alkohol
d. Industri Hiburan
e. Tembakau
28
f. Senjata dan alat pertahanan
yang terdiri dari ulama Islam terkemuka mengawasi dan meninjau ulang
melanggar prinsip syariah. Hakim dan Rashidian (2004) dalam Daud, et. al
tingkat utang yang tinggi dan pendapatan bunga yang tinggi tidak dapat masuk
perusahaan yang dianggap memiliki potensi risiko yang tinggi (Albaity dan
Ahmad, 2011):
a. Perusahaan dengan rasio utang lebih besar dari atau sama dengan
33%.
akan mengalami suatu pembaharuan pada indeks syariah di negeri Jiran ini
yang diluncurkan pertama kali oleh Kuala Lumpur Stock Exchange pada
tahun 1999, yaitu Kuala Lumpur Syariah Index (KLSI). Indeks syariah
baru yang dikenal dengan FTSE Bursa Malaysia EMAS Shariah Index
pada tanggal 1 November 2007 dan diganti dengan FBMS setelah selama
sembilan bulan sama-sama diaktifkan sejajar dengan FBMS. Saat ini, FBMS
yang telah ditetapkan oleh Shariah Advisory Council (SAC) per semester.
dengan prinsip syariah di bursa Malaysia sampai Juni 2013 telah tercatat
sebanyak 800 saham, yakni kurang lebih 90% dari 910 saham yang tercatat di
bursa Malaysia. Di Malaysia, penentuan saham syariah terdiri dari dua lapisan
aktivitas lainnya yang tidak sesuai syariah. Dalam arti yang lain, aktivitas
saham tersebut bercampur antara yang syariah dan tidak syariah. Untuk
lapisan yang kedua ini, SAC menetapkan kriteria tambahan agar saham
(JII). Saham-saham dalam JII terdiri dari 30 saham yang dipilih dari saham-
saham yang sesuai dengan syariah Islam, yang dievaluasi setiap 6 bulan.
utama yang tidak bertentangan dengan prinsip syariah dan sudah tercatat lebih
pasar terbesar selama satu tahun terakhir. JII juga memiliki 30 saham dengan
Dari 30 emiten yang ada dalam daftar saham JII, terdapat 1 sektor
yang sahamnya tidak ada dalam daftar saham JII yaitu sektor bank. Sementara
saham JII terdapat dalam 8 sektor yaitu sektor pertanian; sektor pertambangan;
sektor industri dasar dan kimia; sektor aneka industri; sektor industri barang
konsumsi; sektor properti dan real estate; sektor infrastruktur, utilitas, dan
31
Tabel 2.1. Daftar Saham JII Periode Desember 2013 s.d. Mei 2014
32
26 SMRA Summarecon Agung Tbk
27 TLKM Telekomunikasi Indonesia Tbk
28 UNTR United Tractors Tbk
29 UNVR Unilever Indonesia Tbk
30 WIKA Wijaya Karya (Persero) Tbk
keuangan yang terjadi pada suatu negara akan memicu krisis keuangan atau
ekonomi pada negara lain. Contagion theory menyebutkan bahwa tidak ada
satu negarapun dalam suatu kawasan dapat mengelak dari efek menular.
Menurut Masson (1999) dalam Monica Weni Pratiwi, dkk (2012:87) suatu
negara tersebut, dengan kata lain penularan krisis bisa disebut sebagai
perekonomian.
effect spell offer dari “degound zero” (titik nol) ke negara lainnya dalam hal
penurunan harga saham dalam beberapa hari terakhir. Konsep ground zero
33
merupakan negara asal yang mana para investor merespons secara serius revisi
keadaan krisis para investor cenderung untuk menarik modal mereka dari
uang atau harga saham lebih cenderung menjadi faktor utama krisis di negara
asal. Oleh karena itu, selama masa memuncaknya krisis di wilayah tersebut
penurunan terbesar pasar finansial bisa menyebar langsung dari ground zero
meminimalkan kerugian.
Persepsi dari para investor ini pada akhirnya akan mempengaruhi dana
Amerika Serikat, namun juga melanda Eropa dan Asia, termasuk Indonesia.
antara negara yang satu dengan negara yang lainnya. Dengan runtuhnya
2014:89).
ekonomi, dan manajemen (1992: 256) dalam Puryati dan Marlina (2013).
dua atau lebih negara (negara-negara). Sementara itu, integrasi pasar adalah
suatu kondisi di mana harga saham di berbagai pasar modal di dunia memiliki
menciptakan pasar modal dunia yang terkait erat satu sama lain dan
berhubungan erat. Ini berarti bahwa fluktuasi harga saham memiliki kesamaan
(gerakan yang sama) di setiap bursa efek, dan terjadi secara bersamaan
mengakibatkan risiko dan kembali dalam sama besarnya dalam semua pasar
modal dunia. Hal ini memberikan dampak pada kebebasan investor untuk
35
Berdasarkan jurnal ekonomi yang ditulis oleh Barli Suryanta (2011),
baik seiring investor beralih ke risiko yang lebih tinggi dan sesuai dengan
risikonya secara keseluruhan (Obstfeld, 1994). Dalam konteks ini, Rajan dan
B. Penelitian Terdahulu
antara lain Malaysia (KLCI) – kini berubah menjadi FTSE Bursa Malaysia
Index, Singapura (STI), Filipina (PSEi), dan Thailand (SET). Kedua adalah
wilayah Asia Pasifik dan negara maju antara lain Amerika Serikat (DJIA) dan
SHENZHEN). Ketiga adalah wilayah Eropa Barat antara lain Inggris (FTSE
100), Perancis (CAC 40), Jerman (DAX), dan Belanda (AEX). Fokus
36
penelitian ini terhadap hubungan jangka panjang yang dimiliki oleh IHSG
dengan bursa saham di wilayah ASEAN, IHSG dengan bursa saham di negara
maju dan Asia Pasifik, serta IHSG dengan bursa saham di wilayah Eropa
Barat. Periode penelitian mulai dari Januari 2005 s.d. Desember 2007 dan
ASEAN, Eropa Barat, dan Asia Pasifik serta negara maju, kecuali dengan
M. Shabri Abd. Majid dan Salina Hj. Kassim (2010) meneliti integrasi
lima bursa saham syariah, yaitu Indonesia (JII), Malaysia (DJIMY), Jepang
(DJIJP), Inggris (DJIUK), dan Amerika Serikat (IMUS) untuk melihat celah
diversifikasi yang potensial bagi para investor. Periode penelitian mulai dari 1
dekat satu sama lain, begitu juga halnya dengan bursa saham syariah Amerika
Serikat, Inggris, dan Jepang yang termasuk negara maju juga saling
yaitu Indonesia (JII), Malaysia (KLSI – kini berubah menjadi FTSE Bursa
37
Malaysia Emas Syariah) dan Amerika (DJIMI). Penelitian ini menggunakan
uji kointegrasi Johansen dan uji kausalitas Granger yang berada dalam metode
Vector Error Correction Model (VECM) untuk periode mulai dari tahun 2005
jangka panjang) antara JII dengan KLSI serta JII, KLSI, dan DJIMI.
arah antara JII dengan KLSI dan hubungan satu arah antara DJIMI dengan JII
serta DJIMI dengan KLSI, namun tidak sebaliknya. Selain itu, hasil estimasi
VECM juga menemukan bahwa baik JII dan KLSI memiliki koefisien error
correction term yang signifikan yang berarti adanya penyesuaian untuk setiap
antara bursa saham syariah di Indonesia yaitu JII dengan bursa saham syariah
dan konvensional di Malaysia dan Amerika Serikat yaitu DJIMY – KLCI dan
IMUS – DJIA serta bursa saham konvensional di Indonesia itu sendiri yaitu
IHSG pada saat krisis keuangan global. Penelitian ini menggunakan uji
Periode yang digunakan adalah mulai dari 1 Januari 2006 s.d. 31 Desember
antara JII dengan DJIMY, IMUS, KLCI, DJIA, serta IHSG sendiri dan dalam
38
jangka pendek setiap shock dari DJIMY, IMUS, KLCI, DJIA, dan IHSG
saham syariah di lima negara. Bursa saham konvensional dan bursa saham
syariah yang akan diteliti adalah KLCI - DJIMY (Malaysia), IHSG - JII
Vector Autoregressive (VAR) untuk dua periode yaitu periode sebelum krisis
(15 Februari 2006 s.d. 25 Juli 2007) dan periode saat terjadinya krisis (26 Juli
baik sebelum terjadi krisis maupun saat terjadinya krisis. Berdasarkan uji
terjadi krisis.
Mohd Yahya Mohd Hussin, et.al (2013) meneliti integrasi antara bursa
saham syariah di 3 negara, yaitu FBMS (Malaysia), JII (Indonesia), dan DJIM
antara ketiga indeks tersebut. Selain itu, uji kausalitas Granger menunjukkan
adanya hubungan dua arah antara DJIM dengan FBMS dan hubungan satu
saham syariah dengan menggunakan Dow Jones Islamic Market Index di Asia
series, yaitu Vector Error Correction Model (VECM) dan analisis Beveridge-
Nelson (BN) Time Series Decomposition. Periode penelitian ini mulai dari 5
hubungan kointegrasi antara lima bursa saham syariah tersebut. Selain itu,
Inggris bukan termasuk zona Euro. Dengan kata lain, kelima bursa saham
syariah yang diuji terikat bersama oleh hubungan teoritis secara keseluruhan.
40
Dwi Puryati dan dan Reni Marlina (2013) meneliti pergerakan harga
(NIKKEI 225), dan Taiwan (TWSE) yang selanjutnya untuk diketahui apakah
saling terintegrasi atau tidak. Penelitian ini menggunakan analisis korelasi dan
uji kointegrasi Johansen yang berada dalam metode Vector Error Correction
Model (VECM). Periode penelitian yang digunakan mulai dari 4 Januari 2011
bursa saham di India (BSE) yang tidak terintegrasi. Hal ini dapat disimpulkan
yang terkait dengan pembentukan harga saham di dalam negeri, namun juga di
luar negeri.
(IHSG) dengan beberapa bursa saham di dunia, yaitu DJIA (Amerika Serikat),
Periode penelitian ini adalah Januari 2013 s.d. Maret 2013 dengan
dengan DJIA, DAX, HANG SENG, dan NIKKEI 225 yang berarti IHSG
42
No. Peneliti Variabel Metode Persamaan / Hasil Penelitian
Penelitian Perbedaan
Generalized IMUS, DJIUK,
Method of dan DJIJP yang
Moments termasuk bursa
(GMM) saham syariah di
negara maju
juga saling
terintegrasi satu
sama lain.
43
No. Peneliti Variabel Metode Persamaan / Hasil Penelitian
Penelitian Perbedaan
antara DJIMI
dengan JII serta
DJIMI dengan
KLSI.
4. Irfan Syauqi JII, DJIMY, Uji Kointegrasi Variabel: JII, Tidak ada
Beik dan IMUS, IHSG, Johansen dan IMUS, IHSG, hubungan
Wisnu KLCI, DJIA Impulse KLSE, DJIA kointegrasi
Wardhana Response Metode: Uji antara JII
(2011) Function (IRF) Kointegrasi dengan DJIMY,
Johansen dan IMUS, KLCI,
Impulse DJIA, dan
Response IHSG. Namun,
Function (IRF) dalam jangka
/ Variabel: pendek setiap
FBMS, DJIJP, shock dari
DJIUK, DJIMY, IMUS,
DJICA, KLCI, DJIA,
NIKKEI 225, dan IHSG
FTSE 100 signifikan JII.
44
No. Peneliti Variabel Metode Persamaan / Hasil Penelitian
Penelitian Perbedaan
NIKKEI 225, Metode: Vector saham
S&P 500 Autoregressive konvensional di
(VAR) / periode saat
terjadinya krisis
Variabel:
dengan bursa
FBMS, DJICA,
saham syariah di
S&P TSX,
periode sebelum
DJIA
krisis.
45
No. Peneliti Variabel Metode Persamaan / Hasil Penelitian
Penelitian Perbedaan
7. Sarkar DJIAP, Vector Error Variabel: Adanya
Humayun DJIEU, Correction DJIUK dan hubungan
Kabir, et.al DJIMKW, Model IMUS kointegrasi
(2013) DJIUK, (VECM) dan Metode: antara lima
IMUS analisis VECM / bursa saham
Beveridge- syariah tersebut.
Variabel: JII,
Nelson (BN)
FBMS, DJIJP,
Time Series
IHSG, KLCI
Decomposition
46
No. Peneliti Variabel Metode Persamaan / Hasil Penelitian
Penelitian Perbedaan
9. Jeina IHSG, DJIA, Analisis Variabel: IHSG memiliki
Malangkay DAX, HANG Korelasi IHSG, DJIA, hubungan yang
(2013) SENG, Sederhana NIKKEI 225 / signifikan
NIKKEI 225 (Bevariate dengan DJIA,
Variabel:
Correlation) DAX, HANG
KLSE, FTSE
SENG, dan
100, S&P TSX,
NIKKEI 225
JII, FBMS,
sehingga dapat
DJIJP, DJIUK,
dikatakan IHSG
DJICA, IMUS
terintegrasi
Metode:
dengan bursa
VAR/VECM
saham-bursa
saham tersebut.
47
C. Kerangka Berpikir
kawasan Asia, Eropa, dan Amerika dengan bursa saham syariah dan
data time series harian dari tiap indeks yang menjadi objek penelitian. Model
saham di tiap indeks bursa saham syariah dan konvensional yang menjadi
bertujuan untuk melihat data tersebut stasioner atau tidak menggunakan uji
optimum untuk mengetahui jumlah lah yang akan digunakan dalam uji
syariah dan konvensional di Indonesia, apakah terjadi hubungan satu arah atau
48
dua arah (saling mempengaruhi) atau tidak memiliki hubungan. Kemudian, uji
antar variabel karena hal ini akan berpengaruh dalam pemilihan estimasi yang
VECM. Jika diketahui data stasioner pada level, maka dapat langsung
dilakukan estimasi VAR bentuk level, sedangkan untuk data yang stasioner
pada first difference serta terjadi kointegrasi dilakukan estimasi VECM. Akan
tetapi, apabila tidak terjadi kointegrasi, maka akan dilakukan estimasi VAR in
difference. Setelah uji kointegrasi, uji stabilitas VAR juga diperlukan untuk
mengetahui model VAR / VECM yang akan digunakan sudah stabil atau
belum agar hasil analisis Impulse Response Function (IRF) dan Variance
49
Gambar 2.1. Kerangka Pemikiran
Uji Stasioneritas
Ya
VECM
Interpretasi
Kesimpulan
50
D. Hipotesis
dan konvensional di kawasan Asia, Eropa, dan Amerika dengan bursa saham
1. Hipotesis Pertama
2. Hipotesis Kedua
Indonesia (IHSG).
Indonesia (IHSG).
51
3. Hipotesis Ketiga
Indonesia (JII).
4. Hipotesis Keempat
NIKKEI 225, FTSE 100, S&P TSX, dan DJIA) dengan bursa
NIKKEI 225, FTSE 100, S&P TSX, dan DJIA) dengan bursa
5. Hipotesis Kelima
52
Ha : Terdapat kontribusi tiap bursa saham syariah di kawasan Asia,
6. Hipotesis Keenam
Asia, Eropa, dan Amerika (KLSE, NIKKEI 225, FTSE 100, S&P
Indonesia (IHSG).
53
BAB III
METODOLOGI PENELITIAN
antara bursa saham syariah di tiga kawasan, yaitu Asia yang diwakili oleh
FTSE Bursa Malaysia Emas Shariah (FBMS) dan Dow Jones Islamic Market
Japan (DJIJP), Eropa yang diwakili oleh Dow Jones Islamic Market United
Kingdom (DJIUK), dan juga Amerika yang diwakili oleh Dow Jones Islamic
Market Canada (DJICA) dan Dow Jones Islamic Market United States
(IMUS) serta bursa saham konvensional di kawasan Asia yang diwakili oleh
Kuala Lumpur Stock Exchange (KLSE) dan Nikkei Heikin Kabuka (NIKKEI
225), Eropa yang diwakili oleh Financial Times Stock Exchange (FTSE 100),
dan juga Amerika yang diwakili oleh Toronto Stock Exchange (S&P TSX),
dan Dow Jones Industrial Average (DJIA) terhadap bursa saham syariah dan
konvensional di Indonesia, yaitu Jakarta Islamic Index (JII) dan Indeks Harga
Saham Gabungan (IHSG). Periode yang akan diteliti adalah dari tahun 2008 -
2013.
54
Jepang, Inggris, Kanada, dan Amerika Serikat mulai dari tahun 2008 sampai
tahun 2013. Sampel yang dipilih adalah JII, FBMS, DJIJP, DJIUK, DJICA,
IMUS, IHSG, KLSE, NIKKEI 225, FTSE 100, S&P TSX, dan DJIA.
penelitian ini. Secara khusus, bursa saham yang dipilih mewakili bursa saham
kawasan Asia, Inggris mewakili Eropa dan terakhir, Kanada dan Amerika
yang dipilih dalam penelitian ini juga dapat dikategorikan menurut tingkat
bursa saham dari negara berkembang, sementara Jepang, Inggris, Kanada, dan
sampai dengan 5 dengan nilai investasi yaitu Malaysia sebesar US$ 616.62
juta, Jepang sebesar US$ 589.78 juta, Inggris sebesar US$ 588.83 juta, dan
Amerika Serikat sebesar US$ 401.53 juta. Sementara itu, Kanada berada di
Dow Jones Islamic Market karena tidak tersedianya data indeks bursa
selama periode penelitian, yaitu dari tahun 2008 sampai tahun 2013.
(time series) dengan skala harian yang diambil dari sumber data antara lain
diteliti.
D. Teknik Analisis
sebagai alat analisis adalah program Eviews 7. Sebelum memasuki detail atas
analisis dan pembahasan model yang digunakan, pada bagian ini akan
1. Statistika Deskriptif
normal.
(VECM)
adalah model yang dibangun berdasarkan teori ekonomi yang ada. Dengan
kata lain, teori ekonomi menjadi dasar dalam mengembangkan hubungan antar
menentukan spesifikasi yang tepat untuk model. Hal ini mungkin disebabkan
terlalu kompleks sehingga tidak cukup hanya dijelaskan dengan teori yang
sebagai jalan keluarnya karena model ini dibangun dengan pendekatan yang
58
Dalam Teguh Sugiarto (2014:13), metodologi Vector Autoregressive
(VAR) pertama kali diperkenalkan oleh Sims (1980) sebagai alternatif untuk
variabel dalam model, termasuk variabel dependen itu sendiri. VAR ini
endogen.
Secara garis besar, terdapat empat hal yang ingin diperoleh dari
dengan metode VAR, yaitu deskripsi data, peramalan, inferensi struktural, dan
analisis kebijakan. Menurut Juanda dan Junaidi (2012), analisis VAR dapat
digunakan untuk:
variabel.
saat ini dan masa depan seluruh variabel melalui pemanfaatan seluruh
59
c. Impulse Response Function (IRF), yaitu dengan mendeteksi respon
setiap variabel baik pada saat ini maupun masa depan akibat adanya
Unrestricted VAR sendiri memiliki dua bentuk, yaitu VAR in level dan VAR
in difference. VAR in level digunakan jika data telah stasioner pada tingkat
level, sedang VAR in difference digunakan jika data tidak stasioner dalam
level dan tidak memiliki hubungan kointegrasi, maka estimasi VAR dapat
pendek. Sementara itu, seperti VECM, pada dasarnya Structural VAR (SVAR)
variabel yang digunakan dalam sistem VAR. Oleh karena itu bentuk SVAR
juga sering disebut sebagai theoritical VAR. (Juanda dan Junaidi, 2012:137).
60
Menurut Shochrul R Ajija (2011:165), ada beberapa kelemahan dari
teori, hal ini tidak seperti pada persamaan simultan. Pada persamaan
panjang lag (lag length) yang tepat. Oleh karena semakin panjang lag,
61
b. Uji VAR yang bersifat multivariat bisa menghindari parameter yang
e. Dengan teknik VAR maka yang akan terpilih hanya variabel yang
a. Uji Stasioneritas
ekonomi dengan data time series adalah dengan menguji stasioneritas pada
kondisi. Setiap data deret waktu (time series) merupakan suatu data dari
hasil proses stokastik. Ada tiga cara yang umum digunakan dalam
Junaidi, 2012:20-21):
62
a. Melihat tren data dalam grafik
kestasioneran data. Uji akar unit dapat dilakukan dengan berbagai metode
yang sering digunakan dalam berbagai analisis yaitu DF test, ADF test,
dan PP test. Di sini akan digunakan ADF test pada derajat yang sama
(level atau difference) hingga diperoleh suatu data yang stasioner, yaitu
Menurut Kuncoro (2001) dalam Winta Ratna Sari (2012), uji ADF
merupakan alternatif dari uji DF yang berisi regresi dari diferensi pertama
data runtut waktu terhadap lag variabel tersebut, lagged difference terms,
konstanta dan variabel trend. Sementara itu, Gujarati dan Porter (2013)
menjelaskan perbedaan mendasar dari uji ADF dan uji PP adalah pada
masalah autokorelasi pada error term tanpa menambahkan lag dari bentuk
differs.
value, maka dapat disimpulkan data tersebut tidak stasioner pada derajat
stasioner pada derajat yang sama di first difference I(1) harus dilakukan,
sama sehingga jika terdapat data yang tidak stasioner pada level, maka
terlalu kecil akan membuat model tersebut tidak dapat digunakan karena
64
akan menjadi lebih besar sehingga tidak efisien lagi dalam menjelaskan.
Oleh karena itu, dalam penentuan lag optimal dipilih kriteria yang
berbagai lag yang diajukan. Jika kriteria informasi hanya merujuk pada
sebuah kandidat lag saja, maka kandidat tersebutlah yang optimal. Jika
diperoleh lebih dari satu kandidat dan semuanya termasuk kriteria paling
tertinggi pada variabel terpenting dalam sistem VAR dengan lag optimal.
c. Uji Kausalitas
keduanya atau tidak ada hubungan keduanya. (Studi Bapepam, 2008: 27).
65
mata mengimplikasikan suatu rangkaian kronologis dari perubahan atau
pergerakan suatu variabel dalam sistem atau model (Adwin Surja Atmadja,
2010:356).
2003:696-697).
dengan nol.
apabila lebih besar daripada 0.05, maka tidak terjadi kausalitas Granger.
66
d. Uji Kointegrasi (Co-integration Test)
dimana semua variabel telah stationer pada derajat yang sama yaitu derajat
Verbeek (2000).
membandingkan dua pengujian statistik yang berbeda, yaitu trace test dan
maximum eigenvalue test dengan nilai kritis 0.05. Jika nilai trace statistic
dan nilai Max-Eigen statistic lebih besar daripada nilai kritis 0.05, maka
67
SC dan AIC. Keputusan penentuan kriteria antara SC dan AIC tidak
analisis lebih jauh karena jika hasil estimasi VAR / VECM menunjukkan
polynomial tersebut berada di dalam unit circle atau jika nilai absolutnya
data tersebut stasioner atau tidak. Jika data stasioner, maka model VAR
variabel X memiliki nilai t-statistik yang lebih besar dari 2 atau 1.96 maka
dari VAR dan VECM seringkali sulit untuk lakukan, bahkan interpretasi
hasil estimasi VAR / VECM, maka digunakan suatu metode analisis yang
69
g. Impulse Response Function (IRF)
dari satu variabel dalam sistem terhadap variabel lainnya dalam sistem
deviasi yang dialami oleh satu variabel di dalam sistem terhadap nilai-nilai
semua variabel saat ini dan beberapa periode mendatang disebut sebagai
prediksi suatu variabel akibat inovasi dari variabel yang lain. Jadi,
lamanya pengaruh dari shock suatu variabel terhadap variabel lain sampai
70
dari pergerakan pengaruh shock pada sebuah variabel terhadap shock
variabel lainnya pada periode saat ini dan periode yang akan datang.
1. Indeks JII
saham yang dibuat berdasarkan syariah Islam yaitu Jakarta Islamic Index
(JII). Jakarta Islamic Index terdiri dari 30 saham yang dipilih dari saham-
menggunakan hari dasar tanggal 2 Januari 1995 dengan nilai indeks sebesar
(www.wikipedia.org)
71
2. Indeks FBMS
dengan FTSE Group dan menghasilkan indeks syariah baru yang dikenal
jumlah saham yang beredar dan menggunakan hari dasar tanggal 31 Maret
2006 dengan nilai indeks sebesar 6000. (FTSE Monthly Report Oktober 2014)
3. Indeks DJIJP
yang pertama, yaitu Dow Jones Islamic Market Index (DJIMI) yang
tahun 2000, ada 117 saham yang terdaftar di Dow Jones Islamic Market Japan
djindexes.com)
72
4. Indeks DJIUK
diluncurkan bersama dengan indeks DJIM negara lainnya pada Februari 1999.
Dow Jones Islamic Market Index (DJIMI) saat ini meliputi saham-saham dari
sama dengan indeks Dow Jones Islamic Market lainnya, yaitu metode
5. Indeks DJICA
6. Indeks IMUS
Februari 1999. Metode yang digunakan untuk menghitung indeks ini adalah
73
market capitalization sama dengan indeks Dow Jones Islamic Market di
7. Indeks IHSG
Indonesia). Dasar perhitungan IHSG adalah jumlah nilai pasar dari total
saham yang tercatat pada tanggal 10 Agustus 1982 dengan nilai dasar 100 dan
8. Indeks KLSE
Kuala Lumpur Composite Index (KLCI) dan merupakan indeks pasar saham
saham yang menjadi sampel pada perhitungan indeks ini terdiri dari 225
pada tanggal 16 Mei 1949 dengan harga rata – rata 176,21 dan dengan
74
10. Indeks FTSE 100
indeks dari 100 perusahaan yang mempunyai nilai kapitalisasi tertinggi yang
yang paling banyak digunakan sebagai indikator pasar modal negara Inggris.
(www.wikipedia.org)
pertambangan serta perusahaan minyak dan gas yang terdaftar di bursa ini
Dow Jones Industrial Average (DJIA) adalah salah satu indeks pasar
saham yang didirikan oleh editor The Wall Street Journal dan pendiri Dow
Jones & Company Charles Dow. Dow sebagai suatu cara untuk mengukur
ini terdiri dari 30 perusahaan terbesar di Amerika Serikat yang sudah secara
(www.wikipedia.org)
75
BAB IV
memperkecil risiko investasi. Pada masa lalu, ketika sistem keuangan dunia
masih tertutup, investor melakukan investasi pada banyak jenis saham (yang
konvensional. Investor berharap jika investasi hanya pada satu negara dimana
jika terjadi kondisi yang buruk, maka investasi di negara yang lain diharapkan
lebih baik dan dapat menjadi kompensasi. Dengan demikian investasi tersebut
tidak hanya dipengaruhi oleh kondisi satu negara saja. Investor yang
76
Dalam investasi di dunia saham, investor tidak akan terlepas dari
melihat indeks harga saham karena dari indeks harga saham tersebut
investor pun dapat menentukan saat harus menjual, membeli, dan menahan
saham-saham yang mereka miliki. Selain itu, indeks juga berfungsi sebagai
pasar pada saat tertentu apakah pasar sedang aktif atau lesu.
yang buruk, maka akan tercermin dalam pergerakan indeks harga yang
indeks juga akan meningkat. Hal ini dapat dilihat saat terjadi krisis keuangan
global pada tahun 2008, baik harga saham konvensional maupun syariah
1. Deskripsi Data
Data yang diuji dalam penelitian ini merupakan data nilai penutupan
indeks harian. Oleh karena itu, analisis singkat mengenai pola pergerakan atas
nilai penutupan indeks-indeks yang menjadi variabel dalam penelitian ini akan
77
a. Jakarta Islamic Index (JII)
pergerakan nilai penutupan JII adalah antara 150 hingga 750. Indeks ini
dan nilai penutupan tertinggi 708.10 pada tanggal 22 Mei 2013. Nilai
78
Gambar 4.2. Pergerakan Indeks Harian atas FBMS
pergerakan nilai penutupan DJIJP adalah antara 650 hingga 1,300. Indeks
ini mencapai nilai penutupan terendah 676.01 pada tanggal 10 Maret 2009
dan nilai penutupan tertinggi 1,292.58 pada tanggal 2 Juni 2008. Nilai
Maret 2009 dan nilai penutupan tertinggi 2,714.66 pada tanggal 22 Mei
pergerakan nilai penutupan DJICA adalah antara 950 hingga 3,500. Indeks
2008 dan nilai penutupan tertinggi 3,066.34 pada tanggal 21 Mei 2008.
80
Gambar 4.5. Pergerakan Indeks Harian atas DJICA
Oktober 2008 dan nilai penutupan tertinggi 5,208.00 pada tanggal 22 Mei
pergerakan nilai penutupan KLSE adalah antara 800 hingga 2,000. Indeks
82
Gambar 4.8. Pergerakan Indeks Harian atas KLSE
i. NIKKEI 225
adalah 10,619.36.
pergerakan nilai penutupan FTSE 100 adalah antara 3,500 hingga 7,000.
Maret 2009 dan nilai penutupan tertinggi 6,840.27 pada tanggal 22 Mei
pergerakan nilai penutupan S&P TSX adalah antara 7,500 hingga 15,500.
Maret 2009 dan nilai penutupan tertinggi 15,073.13 pada tanggal 18 Juni
84
Gambar 4.11. Pergerakan Indeks Harian atas S&P TSX
Maret 2009, kecuali DJICA yang tidak begitu jauh dari lainnya memiliki
saat krisis keuangan global terjadi di Amerika dan Eropa memberikan efek
2. Pembahasan
langkah dalam analisis ini adalah uji stasioneritas, penentuan lag optimum, uji
kausalitas, uji kointegrasi, uji stabilitas VAR, estimasi VAR / VECM, Impulse
keadaan data secara umum lebih lanjut. Setelah itu, dilakukan analisis VAR /
86
a. Statistika Deskriptif
bawah ini, terlihat bahwa rata-rata nilai penutupan harian yang terbesar
yang terkecil adalah JII sebesar 480.45. Sementara itu, dari informasi data
paling tinggi diimbangi dengan return yang lebih tinggi (nilai penutupan
lebih tinggi) dan DJIJP adalah yang memiliki risiko paling rendah.
Tabel 4.1. Statistika Deskriptif atas Nilai Penutupan Harian Indeks Bursa
Saham Syariah
harian yang terbesar adalah S&P TSX sebesar 12,103.10, sedangkan rata-
rata nilai penutupan harian yang terkecil adalah KLSE sebesar 1,409.14.
Sementara itu, dari informasi data standar deviasi di tabel diketahui DJIA
adalah yang memiliki risiko paling tinggi dan KLSE adalah yang memiliki
87
risiko paling rendah diimbangi dengan return yang lebih rendah (nilai
Tabel 4.2. Statistika Deskriptif atas Nilai Penutupan Harian Indeks Bursa
Saham Konvensional
b. Uji Stasioneritas
Dickey Fuller (ADF). Nilai statistik ADF akan dibandingkan nilai kritis
mengandung unit root. Sebaliknya, apabila nilai ADF statistik lebih kecil
daripada nilai kritis MacKinnon, maka data tersebut tidak stasioner pada
yang stasioner pada derajat yang sama di first difference I(1) harus
88
dilakukan. Berikut adalah hasil uji variabel-variabel penelitian (indeks
saham bursa saham syariah dan konvensional) pada tingkat level dan 1st
difference.
ADF statistik
Variabel
Level 1st Difference
JII -3.029353 -22.89536
FBMS -4.096611 -23.32847
DJIJP -2.692941 -30.49335
DJIUK -2.809071 -36.42546
DJICA -2.262833 -32.09699
IMUS -2.454421 -38.30584
5% critical value MacKinnon -3.413376
bursa saham syariah pada tingkat level dan 1st difference di atas
menunjukan bahwa pada unit level hanya nilai ADF statistik FBMS yang
sedangkan yang lainnya tidak stasioner. Oleh karena itu, semua indeks
perlu dilakukan proses 1st difference karena jika salah satu variabel
tingkat 1st difference juga. Setelah dilakukan proses 1st difference, nilai
ADF statistik sudah lebih besar dari α = 5% critical value yang berarti
89
seluruh variabel indeks bursa saham syariah stasioner pada order pertama
ADF statistik
Variabel
Level 1st Difference
IHSG -2.775900 -22.16271
KLSE -3.607964 -34.22601
NIKKEI -1.510244 -38.43694
FTSE -3.263944 -35.59969
S&P TSX -2.329110 -26.47936
DJIA -2.488543 -39.62337
5% critical value MacKinnon -3.413376
harian indeks bursa saham konvensional pada tingkat level dan 1st
difference di atas menunjukan bahwa pada unit level hanya nilai ADF
statistik KLSE yang lebih besar dari α = 5% critical value sehingga dapat
itu, semua indeks perlu dilakukan proses 1st difference karena jika salah
satu variabel stasioner di tingkat 1st difference, maka semua variabel harus
difference, nilai ADF statistik sudah lebih besar dari α = 5% critical value
90
c. Penentuan Lag Optimal
lag yang terpilih adalah panjang lag menurut kriteria Likelihood Ratio
informasi tersebut, maka dipilih kriteria yang mempunyai nilai paling kecil
yang ditunjukkan oleh tanda asterik (*) pada hasil lag optimal. Jika kriteria
informasi hanya merujuk pada sebuah kandidat lag saja, maka kandidat
tersebutlah yang optimal. Akan tetapi, jika ada beberapa pilihan kandidat,
bawah ini, terlihat bahwa lag menurut SC akan optimal saat lag 1,
lag menurut HQ akan optimal saat lag 4, dan lag atas LR, FPE, AIC
akan optimal saat lag 5. Karena terdapat tiga kandidat yang berbeda,
91
Tabel 4.5. Penentuan Lag Optimal atas FBMS dengan JII
Lag LogL LR FPE AIC SC HQ
Pada tahap ini, nilai Adjusted R2 pada sistem VAR atas ketiga
Lag Adjusted R2
1 0.995028
4 0.995150
5 0.995173
92
(b) Lag Optimal antara DJIJP dengan JII
bawah ini, terlihat bahwa lag menurut SC akan optimal saat lag 2 dan
lag atas LR, FPE, AIC, HQ akan optimal saat lag 4. Karena terdapat
R2.
Pada tahap ini, nilai Adjusted R2 pada sistem VAR atas kedua
93
Tabel 4.8. Perbandingan Indikator Adjusted R2 untuk Pemilihan Lag
atas DJIJP dengan JII
Lag Adjusted R2
2 0.995015
4 0.995124
bawah ini, terlihat bahwa lag menurut SC dan HQ akan optimal saat
lag 3 dan lag atas LR, FPE, AIC akan optimal saat lag 5. Karena
94
Pada tahap ini, nilai Adjusted R2 pada sistem VAR atas kedua
Lag Adjusted R2
3 0.995264
5 0.995354
95
Dari tabel penentuan lag optimal antara DJICA dengan JII di
atas, terlihat bahwa lag menurut SC akan optimal saat lag 2, lag
menurut HQ akan optimal saat lag 3, dan lag atas LR, FPE, AIC
akan optimal saat lag 4. Karena terdapat tiga kandidat yang berbeda,
Pada tahap ini, nilai Adjusted R2 pada sistem VAR atas ketiga
Lag Adjusted R2
2 0.995353
3 0.995411
4 0.995452
bawah, terlihat bahwa lag menurut SC akan optimal saat lag 2, lag
menurut LR dan HQ akan optimal saat lag 4 serta lag atas FPE dan
AIC akan optimal saat lag 5. Karena terdapat tiga kandidat yang
96
berbeda, maka perlu dilakukan tahap selanjutnya dalam penentuan
Pada tahap ini, nilai Adjusted R2 pada sistem VAR atas ketiga
Lag Adjusted R2
2 0.995325
4 0.995464
5 0.995496
di bawah, terlihat bahwa lag menurut SC akan optimal saat lag 2 dan
lag menurut LR, FPE, AIC, HQ akan optimal saat lag 4. Karena
Pada tahap ini, nilai Adjusted R2 pada sistem VAR atas kedua
98
pebandingan nilai Adjusted R2 yang telah dilakukan, maka Adjusted
Lag Adjusted R2
2 0.997735
4 0.997746
Tabel 4.17. Penentuan Lag Optimal atas NIKKEI 225 dengan IHSG
IHSG di atas, terlihat bahwa lag menurut SC akan optimal saat lag 1,
lag menurut HQ akan optimal saat lag 2, dan lag atas LR, FPE, AIC
akan optimal saat lag 6. Karena terdapat tiga kandidat yang berbeda,
99
maka perlu dilakukan tahap selanjutnya dalam penentuan lag
Pada tahap ini, nilai Adjusted R2 pada sistem VAR atas ketiga
Lag Adjusted R2
1 0.997732
2 0.997753
6 0.997810
Sumber: data diolah
Tabel 4.19. Penentuan Lag Optimal atas FTSE 100 dengan IHSG
saat lag 2 dan lag atas LR, FPE, AIC akan optimal saat lag 5. Karena
Pada tahap ini, nilai Adjusted R2 pada sistem VAR atas kedua
Lag Adjusted R2
2 0.997809
5 0.997848
saat lag 2, lag menurut LR akan optimal saat lag 4 serta lag atas FPE
dan AIC akan optimal saat lag 5. Karena terdapat tiga kandidat yang
101
berbeda, maka perlu dilakukan tahap selanjutnya dalam penentuan
Tabel 4.21. Penentuan Lag Optimal atas S&P TSX dengan IHSG
Lag Adjusted R2
2 0.997918
4 0.997939
5 0.997947
saat lag 2 dan lag atas LR, FPE, AIC akan optimal saat lag 4. Karena
Pada tahap ini, nilai Adjusted R2 pada sistem VAR atas kedua
103
Tabel 4.24. Perbandingan Indikator Adjusted R2 untuk Pemilihan Lag
atas DJIA dengan IHSG
Lag Adjusted R2
2 0.997941
4 0.997972
antar variabel yang diamati adalah dengan uji kausalitas Granger. Dalam
penelitian ini, uji kausalitas Granger hanya difokuskan untuk melihat arah
Indonesia.
ditolak atau data terjadi, dan sebaliknya apabila lebih besar daripada 0.05,
104
kausalitas Granger akan dilakukan pada lag tersebut. Berdasarkan
Tabel 4.25. Hasil Uji Kausalitas Granger atas FBMS dengan JII
105
Tabel 4.26. Hasil Uji Kausalitas Granger atas DJIJP dengan JII
tabel uji kausalitas Granger di bawah ini, terlihat bahwa hipotesis nol
Tabel 4.27. Hasil Uji Kausalitas Granger atas DJIUK dengan JII
106
(d) Uji Kausalitas Granger antara DJICA dengan JII
tabel uji kausalitas Granger di bawah ini, terlihat bahwa hipotesis nol
Tabel 4.28. Hasil Uji Kausalitas Granger atas DJICA dengan JII
tabel uji kausalitas Granger di bawah ini, terlihat bahwa hipotesis nol
Tabel 4.29. Hasil Uji Kausalitas Granger atas IMUS dengan JII
tabel uji kausalitas Granger di bawah ini, terlihat bahwa hipotesis nol
108
x 10-8. Dengan demikian, terjadi hubungan kausalitas satu arah
Tabel 4.30. Hasil Uji Kausalitas Granger atas KLSE dengan IHSG
IHSG.
Tabel 4.31. Hasil Uji Kausalitas Granger atas NIKKEI 225 dengan
IHSG
109
(c) Uji Kausalitas Granger antara FTSE 100 dengan IHSG
daripada 0.05, yaitu sebesar 2 x 10-11 dan 0.0248. Artinya, FTSE 100
terjadi hubungan kausalitas dua arah antara FTSE 100 dengan IHSG.
Tabel 4.32. Hasil Uji Kausalitas Granger atas FTSE 100 dengan
IHSG
tabel uji kausalitas Granger di bawah ini, terlihat bahwa hipotesis nol
110
0.005, yaitu sebesar 7 x 10-24. Sebaliknya untuk hipotesis nol yang
Tabel 4.33. Hasil Uji Kausalitas Granger atas S&P TSX dengan
IHSG
111
Tabel 4.34. Hasil Uji Kausalitas Granger atas DJIA dengan IHSG
e. Uji Kointegrasi
proses integrasi yaitu dimana semua variabel telah stationer pada derajat
yang sama yaitu derajat satu I(1). Apabila ditemukan adanya kointegrasi,
akan dilakukan.
Max-Eigen statistic dengan nilai kritis 0.05. Jika nilai trace statistic dan
nilai Max-Eigen statistic lebih besar daripada nilai kritis 0.05, maka data
didasarkan pada pemilihan nilai kriteria antara AIC dan SC yang tidak
112
1) Uji Kointegrasi Indeks Bursa Saham Syariah
113
(b) Uji Kointegrasi antara DJIJP dengan JII
114
(c) Uji Kointegrasi antara DJIUK dengan JII
115
(d) Uji Kointegrasi antara DJICA dengan JII
116
(e) Uji Kointegrasi antara IMUS dengan JII
117
2) Uji Kointegrasi Indeks Bursa Saham Konvensional
118
(b) Uji Kointegrasi antara NIKKEI 225 dengan IHSG
Tabel 4.41. Hasil Uji Kointegrasi atas NIKKEI 225 dengan IHSG
Trend assumption: No deterministic trend (restricted constant)
Series: IHSG NIKKEI
Lags interval (in first differences): 1 to 6
119
(c) Uji Kointegrasi antara FTSE 100 dengan IHSG
Tabel 4.42. Hasil Uji Kointegrasi atas FTSE 100 dengan IHSG
Trend assumption: No deterministic trend (restricted constant)
Series: IHSG FTSE
Lags interval (in first differences): 1 to 5
120
(d) Uji Kointegrasi antara S&P TSX dengan IHSG
Tabel 4.43. Hasil Uji Kointegrasi atas S&P TSX dengan IHSG
Trend assumption: No deterministic trend (restricted constant)
Series: IHSG S_P_TSX
Lags interval (in first differences): 1 to 5
121
(e) Uji Kointegrasi antara DJIA dengan IHSG
122
f. Uji Stabilitas VAR / VECM
melakukan analisis lebih jauh karena jika hasil estimasi VAR (tidak ada
menjadi tidak valid. Model VAR / VECM dikatakan stabil jika semua akar
Dari hasil uji stabilitas VECM antara FBMS dengan JII pada
pilihan lag optimal 5, terlihat bahwa semua root berada di dalam unit
circle. Hal ini menunjukkan bahwa model VECM sudah stabil pada
Gambar 4.13. Hasil Uji Stabilitas VECM atas FBMS dengan JII
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Dari hasil uji stabilitas VAR antara DJIJP dengan JII pada
pilihan lag optimal 4, terlihat bahwa semua root berada di dalam unit
circle. Hal ini menunjukkan bahwa model VAR sudah stabil pada lag
Gambar 4.14. Hasil Uji Stabilitas VAR atas DJIJP dengan JII
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Dari hasil uji stabilitas VAR antara DJIUK dengan JII pada
pilihan lag optimal 5, terlihat bahwa semua root berada di dalam unit
circle. Hal ini menunjukkan bahwa model VAR sudah stabil pada lag
124
Gambar 4.15. Hasil Uji Stabilitas VAR atas DJIUK dengan JII
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Dari hasil uji stabilitas VAR antara DJICA dengan JII pada
pilihan lag optimal 4, terlihat bahwa semua root berada di dalam unit
circle. Hal ini menunjukkan bahwa model VAR sudah stabil pada lag
Gambar 4.16. Hasil Uji Stabilitas VAR atas DJICA dengan JII
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Dari hasil uji stabilitas VAR antara IMUS dengan JII pada
pilihan lag optimal 5, terlihat bahwa semua root berada di dalam unit
circle. Hal ini menunjukkan bahwa model VAR sudah stabil pada lag
Gambar 4.17. Hasil Uji Stabilitas VAR atas IMUS dengan JII
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
dalam unit circle. Hal ini menunjukkan bahwa model VECM sudah
126
Gambar 4.18. Hasil Uji Stabilitas VECM atas KLSE dengan IHSG
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
IHSG pada pilihan lag optimal 6, terlihat bahwa semua root berada
di dalam unit circle. Hal ini menunjukkan bahwa model VAR sudah
Gambar 4.19. Hasil Uji Stabilitas VAR atas NIKKEI 225 dengan
IHSG
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Dari hasil uji stabilitas VAR antara FTSE 100 dengan IHSG
dalam unit circle. Hal ini menunjukkan bahwa model VAR sudah
Gambar 4.20. Hasil Uji Stabilitas VAR atas FTSE 100 dengan IHSG
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Dari hasil uji stabilitas VAR antara S&P TSX dengan IHSG
dalam unit circle. Hal ini menunjukkan bahwa model VAR sudah
128
Gambar 4.21. Hasil Uji Stabilitas VAR atas S&P TSX dengan IHSG
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Dari hasil uji stabilitas VAR antara DJIA dengan IHSG pada
pilihan lag optimal 4, terlihat bahwa semua root berada di dalam unit
circle. Hal ini menunjukkan bahwa model VAR sudah stabil pada lag
Gambar 4.22. Hasil Uji Stabilitas VAR atas DJIA dengan IHSG
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
pemeriksaan terhadap apakah data tersebut stasioner atau tidak. Jika data
variabel X memiliki nilai t-statistik yang lebih besar dari 2 atau 1.96 maka
sebaliknya.
130
Tabel 4.45. Hasil Estimasi VECM atas FBMS dengan JII
JII(-1) 1.000000
FBMS(-1) -0.229910
[-5.42489]*
@TREND(1) 0.991883
[ 4.66877]
C 1104.465
C 0.067103 1.820445
[ 0.28200] [ 0.78405]
131
Berdasarkan hasil estimasi VECM antara FBMS dengan JII,
differencing dari lag tiap variabel. Berikut ini dua persamaan VECM
– 0.041329D(JII(-1)) – 0.120108*D(JII(-2)) –
0.118405*D(JII(-3)) – 0.051787D(JII(-4)) –
0.069328*D(JII(-5)) + 0.013328*D(FBMS(-1)) +
0.011374*D(FBMS(-2)) + 0.004495D(FBMS(-3)) +
0.00052D(FBMS(-4)) + 0.001490D(FBMS(-5)) +
0.067103
+ 0.717880*D(JII(-1)) – 0.004407D(JII(-2)) +
0.357171D(JII(-3)) + 0.622176*D(JII(-4)) –
0.141242D(JII(-5)) – 0.001623D(FBMS(-1)) +
0.042776D(FBMS(-2)) + 0.031978D(FBMS(-3)) –
0.044441D(FBMS(-4)) – 0.001943D(FBMS(-5)) +
1.820445
132
memiliki pengaruh yang signifikan terhadap cointegrating vector,
yang signifikan.
133
(b) Estimasi VAR antara DJIJP dengan JII
pendeknya saja.
D(JII) D(DJIJP)
C 0.088852 -0.020951
[ 0.36998] [-0.04640]
134
Berikut ini adalah dua persamaan yang terbentuk dalam hasil
0.119796*D(JII(-3)) – 0.040219D(JII(-4)) +
0.014984D(DJIJP(-1)) + 0.033116*D(DJIJP(-2)) +
0.060877*D(DJIJP(-3)) + 0.013516D(DJIJP(-4)) +
0.088852
0.012981D(JII(-3)) – 0.062906D(JII(-4)) –
0.232468*D(DJIJP(-1)) – 0.099400*D(DJIJP(-2)) +
0.040911D(DJIJP(-3)) – 0.001337D(DJIJP(-4)) –
0.020951
135
(c) Estimasi VAR antara DJIUK dengan JII
pendeknya saja.
C 0.127349 -0.016660
[ 0.54377] [-0.01650]
0.106395*D(JII(-3)) – 0.046378D(JII(-4)) –
0.033727D(JII(-5)) + 0.047833*D(DJIUK(-1)) +
0.031185*D(DJIUK(-2)) + 0.016586*D(DJIUK(-3)) +
0.020203*D(DJIUK(-4)) – 0.005738D(DJIUK(-5)) +
0.127349
0.062030D(JII(-3)) + 0.003796D(JII(-4)) +
0.085381D(JII(-5)) – 0.016208D(DJIUK(-1)) –
0.044014D(DJIUK(-2)) – 0.003259D(DJIUK(-3)) +
0.009636D(DJIUK(-4)) – 0.028302D(DJIUK(-5)) –
0.016660
baik variabel JII maupun variabel DJIUK sendiri sama sekali tidak
137
(d) Estimasi VAR antara DJICA dengan JII
pendeknya saja.
D(JII) D(DJICA)
C 0.141244 -0.460706
[ 0.61083] [-0.36181]
138
Berikut ini adalah dua persamaan yang terbentuk dalam hasil
0.103309*D(JII(-3)) – 0.047608D(JII(-4)) +
0.050618*D(DJICA(-1)) + 0.021226*D(DJICA(-2)) +
0.009191D(DJICA(-3)) + 0.011209D(DJICA(-4)) +
0.141244
0.028230D(JII(-3)) + 0.030265D(JII(-4)) +
0.121430*D(DJICA(-1)) – 0.048595D(DJICA(-2)) –
0.011917D(DJICA(-3)) – 0.011366D(DJICA(-4)) –
0.460706
139
(e) Estimasi VAR antara IMUS dengan JII
pendeknya saja.
D(JII) D(IMUS)
C -0.016748 0.961114
[-0.07265] [ 1.13313]
0.114984*D(JII(-3)) – 0.033807D(JII(-4)) –
0.049670D(JII(-5)) + 0.078375*D(IMUS(-1)) +
0.040083*D(IMUS(-2)) + 0.023963*D(IMUS(-3)) +
0.017604*D(IMUS(-4)) + 0.004631D(IMUS(-5)) –
0.016748
0.156680D(JII(-3)) + 0.086927D(JII(-4)) –
0.020836D(JII(-5)) – 0.063755*D(IMUS(-1)) –
0.022348D(IMUS(-2)) – 0.026658D(IMUS(-3)) –
0.021620D(IMUS(-4)) + 0.008773D(IMUS(-5)) –
0.961114
141
2) Estimasi VAR / VECM Indeks Bursa Saham Konvensional
IHSG(-1) 1.000000
KLSE(-1) 54.30455
[ 3.91945]*
@TREND(1) -48.60464
[-4.87235]
C -48935.83
C 1.353619 0.235895
[ 0.97826] [ 0.74878]
142
Setelah dilakukan uji kointegrasi antara FBMS dengan JII
differencing dari lag tiap variabel. Berikut ini dua persamaan VECM
48935.83) + 0.096109*D(IHSG(-1)) +
0.000857D(IHSG(-2)) – 0.100955*D(IHSG(-3)) –
0.025334D(IHSG(-4)) – 0.308748*D(KLSE(-1)) –
0.076200D(KLSE(-2)) + 0.188752D(KLSE(-3)) –
0.108247D(KLSE(-4)) + 1.353619
48935.83) + 0.046963*D(IHSG(-1)) +
0.009420D(IHSG(-2)) – 0.003048D(IHSG(-3)) +
0.004037D(IHSG(-4)) – 0.087712*D(KLSE(-1)) +
0.024240D(KLSE(-2)) + 0.073887*D(KLSE(-3)) –
0.035502D(KLSE(-4)) + 0.235895
143
Pada hasil estimasi cointegrating vector di dalam kedua
144
sedangkan KLSE sendiri memberikan pengaruh yang signifikan
Tabel 4.51. Hasil Estimasi VAR atas NIKKEI 225 dengan IHSG
D(IHSG) D(NIKKEI)
C 1.465302 2.082587
[ 1.06591] [ 0.36770]
pendeknya saja.
0.114671*D(IHSG(-3)) – 0.041922D(IHSG(-4)) –
0.079925*D(IHSG(-5)) + 0.005918D(IHSG(-6)) –
0.026351*D(NIKKEI(-1)) + 0.009975D(NIKKEI(-2)) +
0.017049*D(NIKKEI(-3)) + 0.009348D(NIKKEI(-4)) +
0.015981*D(NIKKEI(-5)) + 0.004388D(NIKKEI(-6)) +
1.465302
0.092940D(IHSG(-3)) – 0.311702*D(IHSG(-4)) +
0.109169D(IHSG(-5)) – 0.132172D(IHSG(-6)) –
0.108170*D(NIKKEI(-1)) + 0.006830D(NIKKEI(-2)) +
0.028780D(NIKKEI(-3)) + 0.001948D(NIKKEI(-4)) –
0.007881D(NIKKEI(-5)) + 0.024886D(NIKKEI(-6)) +
2.082587
146
Pada persamaan pertama di atas, variabel NIKKEI
sebelumnya.
pendeknya saja.
147
Tabel 4.52. Hasil Estimasi VAR atas FTSE 100 dengan IHSG
D(IHSG) D(FTSE)
C 1.545743 0.767631
[ 1.13949] [ 0.36556]
148
D(IHSG) = –0.033103D(IHSG(-1)) – 0.036484D(IHSG(-2)) –
0.119513*D(IHSG(-3)) – 0.056772D(IHSG(-4)) –
0.023038D(IHSG(-5)) + 0.135321*D(FTSE(-1)) +
0.020979D(FTSE(-2)) + 0.055682*D(FTSE(-3)) +
1.545743
0.023077D(IHSG(-3)) – 0.082456D(IHSG(-4)) +
0.014429D(IHSG(-5)) – 0.003108D(FTSE(-1)) –
0.059873D(FTSE(-2)) – 0.032363D(FTSE(-3)) +
0.042879D(FTSE(-4)) – 0.052747D(FTSE(-5)) +
0.767631
149
d) Estimasi VAR antara S&P TSX dengan IHSG
pendeknya saja.
Tabel 4.53. Hasil Estimasi VAR atas S&P TSX dengan IHSG
D(IHSG) D(S_P_TSX)
C 1.628260 0.776689
[ 1.22951] [ 0.17462]
0.098255*D(IHSG(-3)) – 0.052182D(IHSG(-4)) –
0.040421D(IHSG(-5)) + 0.094582*D(SPTSX(-1)) +
0.003773D(SPTSX(-2)) + 0.023846*D(SPTSX(-3)) +
0.007980*D(SPTSX(-4)) – 0.011009D(SPTSX(-5)) +
1.628260
0.007294D(IHSG(-3)) – 0.133653D(IHSG(-4)) –
0.141248D(IHSG(-5)) + 0.044337D(SPTSX(-1)) –
0.075352*D(SPTSX(-2)) – 0.025850D(SPTSX(-3)) –
0.057563D(SPTSX(-4)) + 0.066436*D(SPTSX(-5)) +
0.776689
pendeknya saja.
D(IHSG) D(DJIA)
C 0.988879 3.874552
[ 0.75191] [ 0.91894]
0.106647*D(IHSG(-3)) – 0.039686D(IHSG(-4)) +
0.105160*D(DJIA(-1)) + 0.013498D(DJIA(-2)) +
0.031029*D(DJIA(-3)) + 0.013630D(DJIA(-4)) +
0.988879
0.099378D(IHSG(-3)) – 0.117837D(IHSG(-4)) –
0.110509*D(DJIA(-1)) + 0.029801D(DJIA(-2)) –
0.006176D(DJIA(-3)) + 0.001707D(DJIA(-4)) +
3.874552
153
h. Impulse Response Function (IRF)
respon dari setiap variabel terhadap kejutan dari variabel lainnya. Impulse
suatu variabel di masa mendatang jika terjadi gangguan pada satu variabel
sumber vertikal adalah nilai respon. Secara mendasar dalam analisis ini
akan diketahui respon positif atau negatif dari suatu variabel terhadap
variabel lainnya yang dilihat dari grafik pada kuadran pertama dan ketiga
saja karena kuadran kedua dan keempat menunjukkan respon dari masing-
dengan JII di bawah ini, pada kuadran pertama terlihat bahwa JII
154
Gambar 4.23. Impulse Response Function atas FBMS dengan JII
Response to Cholesky One S.D. Innovations
Response of JII to JII Response of JII to FBMES
10 10
8 8
6 6
4 4
2 2
0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
80 80
70 70
60 60
50 50
40 40
30 30
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
dengan JII di bawah ini, pada kuadran pertama terlihat bahwa JII
8 8
6 6
4 4
2 2
0 0
-2 -2
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
15 15
10 10
5 5
0 0
-5 -5
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
dengan JII di bawah ini, pada kuadran pertama terlihat bahwa JII
8 8
6 6
4 4
2 2
0 0
-2 -2
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
30 30
20 20
10 10
0 0
-10 -10
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
157
Sementara itu, pada kuadran ketiga terlihat bahwa DJIUK
dengan JII di bawah ini, pada kuadran pertama terlihat bahwa JII
158
Gambar 4.26. Impulse Response Function atas DJICA dengan JII
Response to Cholesky One S.D. Innovations ± 2 S.E.
Response of D(JII) to D(JII) Response of D(JII) to D(DJICA)
10 10
8 8
6 6
4 4
2 2
0 0
-2 -2
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
40 40
30 30
20 20
10 10
0 0
-10 -10
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
159
convergence, yaitu pergerakannya yang semakin mendekati titik
dengan JII di bawah ini, pada kuadran pertama terlihat bahwa JII
akhir periode.
8 8
6 6
4 4
2 2
0 0
-2 -2
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
30 30
20 20
10 10
0 0
-10 -10
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
160
Sementara itu, pada kuadran ketiga terlihat bahwa IMUS
nol.
Konvensional
161
Gambar 4.28. Impulse Response Function atas KLSE dengan IHSG
Response to Cholesky One S.D. Innovations
Response of IHSG to IHSG Response of IHSG to KLSE
60 60
50 50
40 40
30 30
20 20
10 10
0 0
-10 -10
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
9 9
8 8
7 7
6 6
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
50 50
40 40
30 30
20 20
10 10
0 0
-10 -10
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
150 150
100 100
50 50
0 0
-50 -50
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
163
adalah bersifat convergence, yaitu pergerakannya yang semakin
100 dengan IHSG di bawah ini, pada kuadran pertama terlihat bahwa
50 50
40 40
30 30
20 20
10 10
0 0
-10 -10
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
60 60
40 40
20 20
0 0
-20 -20
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
164
Sementara itu, pada kuadran ketiga terlihat bahwa FTSE 100
165
kenaikan dan penurunan secara negatif hingga periode ketujuh.
40 40
30 30
20 20
10 10
0 0
-10 -10
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
120 120
80 80
40 40
0 0
-40 -40
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
166
(e) Impulse Response Function antara DJIA dengan IHSG
secara positif.
40 40
30 30
20 20
10 10
0 0
-10 -10
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
120 120
80 80
40 40
0 0
-40 -40
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
167
Sementara itu, pada kuadran ketiga terlihat bahwa DJIA
negatif pada periode kedua dan kembali naik masih dalam kondisi
terhadap shock varibel lainnya pada periode saaat ini dan periode yang
168
1) Variance Decomposition (VD) Indeks Bursa Saham Syariah
1 100.0000 0.000000
2 99.31598 0.684023
3 98.01862 1.981377
4 96.94988 3.050116
5 96.37270 3.627297
6 95.98919 4.010809
7 95.84604 4.153956
8 95.79199 4.208010
9 95.76166 4.238336
10 95.73835 4.261653
1 15.26411 84.73589
2 18.07119 81.92881
3 18.97937 81.02063
4 20.06777 79.93223
5 21.64796 78.35204
6 22.38558 77.61442
7 22.84729 77.15271
8 23.19169 76.80831
9 23.46247 76.53753
10 23.71360 76.28640
169
Kemudian, kontribusi FBMS semakin lama semakin relatif
pertama dan nilai ini terus meningkat hingga akhir periode sebesar
23.71%. Hal ini berbeda dengan kontribusi FBMS itu sendiri yang
dari waktu ke waktu hingga akhir periode sebesar 98.77%. Hal ini
170
Tabel 4.56. Variance Decomposition atas DJIJP dengan JII
1 100.0000 0.000000
2 99.92916 0.070837
3 99.64952 0.350484
4 98.82571 1.174294
5 98.82143 1.178571
6 98.77883 1.221171
7 98.77487 1.225131
8 98.77464 1.225363
9 98.77435 1.225649
10 98.77410 1.225899
1 10.61729 89.38271
2 10.32824 89.67176
3 10.88006 89.11994
4 10.83436 89.16564
5 10.93346 89.06654
6 10.93275 89.06725
7 10.93784 89.06216
8 10.93780 89.06220
9 10.93780 89.06220
10 10.93779 89.06221
171
(c) Variance Decomposition antara DJIUK dengan JII
1 100.0000 0.000000
2 96.28533 3.714674
3 95.14875 4.851248
4 95.11721 4.882793
5 94.98553 5.014471
6 94.71967 5.280330
7 94.66328 5.336716
8 94.66279 5.337210
9 94.65902 5.340984
10 94.65829 5.341714
1 9.236809 90.76319
2 9.506370 90.49363
3 9.548542 90.45146
4 9.554651 90.44535
5 9.565331 90.43467
6 9.574698 90.42530
7 9.575483 90.42452
8 9.575414 90.42459
9 9.575819 90.42418
10 9.575950 90.42405
172
Kemudian, kontribusi DJIUK semakin lama semakin relatif
pertama dan nilai ini terus meningkat hingga akhir periode sebesar
9.58%. Hal ini berbeda dengan kontribusi DJIUK itu sendiri yang
JII lebih banyak dipengaruhi oleh JII itu sendiri daripada variabel
DJICA.
173
Tabel 4.58. Variance Decomposition atas DJICA dengan JII
1 100.0000 0.000000
2 93.11932 6.880679
3 91.74361 8.256389
4 91.78431 8.215686
5 91.77698 8.223021
6 91.69865 8.301352
7 91.68572 8.314276
8 91.68588 8.314123
9 91.68470 8.315302
10 91.68402 8.315982
1 4.896860 95.10314
2 4.981555 95.01845
3 4.969389 95.03061
4 4.965507 95.03449
5 4.971641 95.02836
6 4.972171 95.02783
7 4.972272 95.02773
8 4.972493 95.02751
9 4.972524 95.02748
10 4.972528 95.02747
pertama dan nilai ini terus meningkat hingga akhir periode sebesar
4.97%. Hal ini berbeda dengan kontribusi DJICA itu sendiri yang
174
(e) Variance Decomposition antara IMUS dengan JII
1 100.0000 0.000000
2 92.58303 7.416966
3 91.63618 8.363819
4 91.59629 8.403713
5 91.59906 8.400944
6 91.54590 8.454102
7 91.49735 8.502655
8 91.49655 8.503453
9 91.49593 8.504065
10 91.49408 8.505915
1 3.665325 96.33468
2 3.989989 96.01001
3 4.050936 95.94906
4 4.237721 95.76228
5 4.298874 95.70113
6 4.298335 95.70166
7 4.298975 95.70102
8 4.299358 95.70064
9 4.299367 95.70063
10 4.299475 95.70053
175
Kemudian, kontribusi IMUS semakin lama semakin relatif
pertama dan nilai ini terus meningkat hingga akhir periode sebesar
4.30%. Hal ini berbeda dengan kontribusi IMUS itu sendiri yang
176
bahwa fluktuasi IHSG lebih banyak dipengaruhi oleh IHSG itu
1 100.0000 0.000000
2 99.81796 0.182039
3 99.67952 0.320485
4 99.69307 0.306928
5 99.64443 0.355569
6 99.61434 0.385663
7 99.58585 0.414153
8 99.55517 0.444827
9 99.52770 0.472301
10 99.50048 0.499524
1 30.83457 69.16543
2 39.15572 60.84428
3 42.86935 57.13065
4 44.26143 55.73857
5 45.27140 54.72860
6 45.71904 54.28096
7 45.99481 54.00519
8 46.20877 53.79123
9 46.36507 53.63493
10 46.48923 53.51077
pertama dan nilai ini terus meningkat cukup besar hingga akhir
periode sebesar 46.49%. Hal ini berbeda dengan kontribusi KLSE itu
1 100.0000 0.000000
2 99.07274 0.927264
3 98.93659 1.063414
4 98.52114 1.478860
5 98.36464 1.635363
6 98.04920 1.950801
7 98.03022 1.969780
8 98.00944 1.990556
9 97.99639 2.003614
10 97.99376 2.006244
1 20.37427 79.62573
2 20.24435 79.75565
3 20.24685 79.75315
4 20.32407 79.67593
5 20.86132 79.13868
6 20.90771 79.09229
7 20.94293 79.05707
8 20.94506 79.05494
9 20.94501 79.05499
10 20.94814 79.05186
NIKKEI 225.
periode pertama dan nilai ini terus meningkat namun tidak terlalu
besar hingga akhir periode sebesar 20.95%. Hal ini berbeda dengan
kontribusi NIKKEI 225 itu sendiri yang menurun dari awal periode
179
Tabel 4.62. Variance Decomposition atas FTSE 100 dengan IHSG
1 100.0000 0.000000
2 96.37511 3.624893
3 96.32875 3.671254
4 96.03125 3.968751
5 95.96709 4.032905
6 95.83982 4.160178
7 95.76167 4.238329
8 95.76022 4.239778
9 95.76025 4.239752
10 95.76016 4.239835
1 14.10670 85.89330
2 14.12470 85.87530
3 14.10095 85.89905
4 14.14479 85.85521
5 14.22834 85.77166
6 14.19414 85.80586
7 14.19769 85.80231
8 14.20120 85.79880
9 14.20108 85.79892
10 14.20147 85.79853
periode pertama dan nilai ini terus meningkat, namun tidak terlalu
cukup besar hingga akhir periode sebesar 14.20%. Hal ini berbeda
dengan kontribusi FTSE 100 itu sendiri yang menurun dari awal
180
(d) Variance Decomposition antara S&P TSX dengan IHSG
1 100.0000 0.000000
2 91.45259 8.547412
3 91.44278 8.557215
4 91.35320 8.646798
5 91.35262 8.647381
6 91.36566 8.634337
7 91.36415 8.635848
8 91.35946 8.640538
9 91.35997 8.640029
10 91.36010 8.639904
1 7.152471 92.84753
2 7.150705 92.84930
3 7.230404 92.76960
4 7.234838 92.76516
5 7.469422 92.53058
6 7.511402 92.48860
7 7.514859 92.48514
8 7.519852 92.48015
9 7.526402 92.47360
10 7.526362 92.47364
S&P TSX.
periode pertama dan nilai ini terus meningkat namun tidak terlalu
besar hingga akhir periode sebesar 7.53%. Hal ini berbeda dengan
kontribusi S&P TSX itu sendiri yang menurun dari awal periode
182
Tabel 4.64. Variance Decomposition atas DJIA dengan IHSG
1 100.0000 0.000000
2 90.32328 9.676717
3 90.33754 9.662461
4 89.98221 10.01779
5 89.99798 10.00202
6 89.94980 10.05020
7 89.93810 10.06190
8 89.93788 10.06212
9 89.93782 10.06218
10 89.93743 10.06257
1 5.377893 94.62211
2 5.362677 94.63732
3 5.377253 94.62275
4 5.466965 94.53303
5 5.576257 94.42374
6 5.577245 94.42275
7 5.579949 94.42005
8 5.581666 94.41833
9 5.581786 94.41821
10 5.581787 94.41821
pertama dan nilai ini terus meningkat, namun tidak terlalu cukup
besar hingga akhir periode sebesar 5.58%. Hal ini berbeda dengan
kontribusi DJIA itu sendiri yang menurun dari awal periode sebesar
(2004:24-27), ada lima analisis yang dapat digunakan, seperti analisis korelasi,
models. Di penelitian ini, hanya digunakan tiga analisis saja yang berada di
variance decomposition.
Indonesia, yaitu JII dan IHSG memiliki hubungan kausalitas dengan indeks
bursa saham syariah dan konvensional di Asia, Eropa, dan Amerika, hanya
saja arah hubungan kausalitas mereka berbeda-beda terhadap JII dan IHSG
pasangan FBMS dengan JII dan DJIJP dengan JII, sedangkan di kelompok
indeks bursa saham konvensional dimiliki oleh pasangan NIKKEI 225 dengan
IHSG, FTSE 100 dengan IHSG, serta DJIA dengan JII. Sementara itu,
hubungan kausalitas satu arah atau bisa dikatakan tidak ada hubungan timbal
balik yang terjadi (hanya suatu variabel mempengaruhi varibel lainnya, namun
pasangan DJIUK dengan JII, DJICA dengan JII, serta IMUS dengan JII,
184
Dalam hubungan kausalitas satu arah, variabel yang paling banyak
Hal ini dikarenakan nilai harian saham yang ada dipengaruhi oleh faktor
dibandingkan saham dengan kapitalisasi kecil (L. Thian Hin, 2008:4), artinya
bahwa hingga bulan Maret 2014, nilai kapitalisasi pasar Indonesia hanya
mencapai US$ 415 miliar, sedangkan Malaysia mencapai sekitar US$ 500
miliar, kemudian diikuti Singapura hampir mencapai USD 1 triliun, dan India
mendekati USD 1,5 triliun. Tentu saja, Otoritas Jasa Keuangan (OJK) perlu
bekerja keras untuk menarik minat para perusahaan di Indonesia yang belum
terdaftar di bursa saham Indonesia agar bursa saham Indonesia segera bisa
mengejar ketinggalannya.
kerja sama yang cukup kuat yang dilakukan oleh antar perusahaan yang
ekonomi, misalnya ekspor dan impor. Ekspor dan impor dilakukan oleh
sepanjang 2013 juga mengalami perlambatan. Defisit pada tahun 2013 hingga
US$ 4,06 miliar meningkat dibandingkan tahun sebelumnya. Total ekspor dan
impor di Indonesia didominasi oleh sektor non migas, seperti sektor industry,
banyak diekspor ke berbagai negara adalah tekstil dan produk tekstil, karet
dan produk karet, sawit, produk hasil hutan, otomotif, udang, kakao, dan kopi.
186
Malaysia, Jepang, Inggris, dan Amerika Serikat merupakan mitra
sebagai negara tujuan ekspor Indonesia dari tahun 2009 – 2013. Total
mengalami kenaikan dari tahun 2009 – 2013, hanya saja terjadi penurunan
sebelumnya.
Oil), batu bara, dan kakao. Kakao di Indonesia banyak diminati oleh negara-
187
kakao sekitar US$ 421 juta, nilai ini meningkat dibandingkan tahun 2012 yang
hanya sekitar US$ 250 juta. Sementara itu, Indonesia impor dari Malaysia
seperti mesin / peralatan mekanik, plastik dan barang dari plastik, bahan kimia
organik, besi dan baja, serta kapal laut dan bangunan terapung
(www.finance.detik.com)
2013. Total perdagangan yang dilakukan Indonesia dengan Jepang pada tahun
188
Komoditi penting yang diimpor Jepang dari Indonesia dominan berasal
dari non migas, seperti kayu dan produk kayu, ikan dan produk perikanan,
cadang mobil.
ada kopi luwak dari Indonesia yang dilarang dijual di pertokoan bergengsi di
kopi luwak diproduksi dengan cara kurang baik sehingga kopi luwak dilarang
dagang dengan Inggris, ekspor Indonesia kini mendapat feedback yang positif
kedua negara senilai US$ 2.72 miliar menurun dibandingkan dengan tahun
kaki, peralatan komunikasi, karet, dan kopi. Sementara dari Inggris, Indonesia
luar jalan raya, turbo jet, set generator, suku cadang pesawat terbang, serta
bongkaran besi.
189
Tabel 4.68. Neraca Perdagangan Indonesia dengan Inggris
(Nilai: Juta US$)
pada tahun 2013 sebesar US$ 24.76 miliar atau menurun sebesar 1.44%
apabila dibandingkan dengan tahun 2012 sebesar US$ 26.48 miliar, namun
ekspor Indonesia pada 2013 sebesar US$ 15.69 naik dibandingkan tahun 2012
negeri Paman Sam ini antara lain udang, kopi dan ikan. Komoditas ini
negara tropis dengan hasil kopi yang menjadi salah satu terbaik di dunia.
Khusus udang dan ikan, dua komoditas ini juga menjadi primadona bagi
190
Indonesia karena Indonesia dikenal sebagai negara maritim dengan hasil
penelitian ini sehingga perlu hasil uji lainnya, seperti uji kointegrasi dan
yang lebih lanjut. Hasil uji kointegrasi antara bursa saham syariah dan
konvensional di Asia, Eropa, dan Amerika dengan bursa saham syariah dan
dengan teori yang diungkapkan oleh Janakiramanan dan Lamba (1998) dalam
191
similar group of investors in their markets. Therefore, these markets influence
each other.”
pergerakkan bursa saham syariah Indonesia (JII), tetapi hal ini bertolak
belakang dengan kontribusi terbesar yang diberikan oleh JII terhadap FBMS
sebesar 23.71%. Sementara itu sama halnya dengan yang terjadi di kelompok
sebesar 46.49%.
pergerakan bursa saham di Indonesia karena bursa saham di negara Obama ini
menengah yang pergerakan sahamnya sangat lambat. Jadi indeks Dow Jones
pengaruh Amerika Serikat sangat besar bagi negara-negara lain, hal ini juga
pergerakan DJIA yang merupakan salah satu indeks dalam NYSE (New York
192
Stock Exchange) akan berpengaruh pada pergerakan indeks negara-negara
lain. Salah satu contoh pada tahun 2008 di mana saat itu krisis mortgage di AS
yang akhirnya juga menyeret IHSG hingga turun 50% padahal impact krisis
karena banyak fund manager dari Eropa dan Amerika Serikat yang mengalami
dengan JII adalah FBMS dan bursa saham konvensional yang terintegrasi
dengan IHSG adalah KLSE. Hasil penelitian ini sesuai dengan penelitian-
penelitian terdahulu, seperti yang dilakukan oleh Salina Hj. Kassim (2010), M.
Shabri Abd. Majid dan Salina Hj. Kassim (2010), serta Eka Siskawati (2011)
dengan hasil penelitian yang dilakukan oleh Yoopi Abimanyu, dkk (2008)
193
Menurut Mafizatun Nurhayati (2012), dengan terintegrasinya bursa
saham, para pemodal bisa melakukan diversifikasi investasi dengan lebih luas
(bukan hanya antar industri, tetapi juga antar negara) karena risiko yang
relevan bagi para pemodal hanyalah risiko yang tidak bisa dihilangkan dengan
diversifikasi, maka semakin besar bagian risiko total yang bisa dihilangkan
tingkat keuntungan yang disyaratkanpun akan lebih kecil. Dengan kata lain,
biaya modal akan menjadi lebih kecil. Menurunnya biaya modal tentu akan
membuat investasi makin menguntungkan, apabila hal-hal lain sama. Ini akan
kerja makin besar, dan seterusnya. Dengan demikian, nampaknya bursa saham
194
BAB V
A. Kesimpulan
dengan Jakarta Islamic Index (JII) hanya dimiliki oleh FTSE Bursa
Malaysia Emas Shariah (FBMS) dan Dow Jones Islamic Market Japan
berbeda jauh, hubungan kausalitas dua arah dengan Indeks Harga Saham
Stock Exchange (FTSE 100), dan Dow Jones Industrial Average (DJIA),
195
yaitu FTSE Bursa Malaysia Emas Shariah (FBMS) dan Kuala Lumpur
Islamic Market United States (IMUS) dan Dow Jones Industrial Average
bahwa bursa saham syariah yang terintegrasi dengan bursa saham syariah di
Indonesia (JII) adalah FTSE Bursa Malaysia Emas Shariah (FBMS) dan bursa
B. Saran
1. Bagi Investor
196
2. Bagi Perusahaan
Penelitian ini menggunakan variabel bursa saham dari lima negara yang
dapat mencoba membuat model dalam kurun waktu yang berbeda dan
197
DAFTAR PUSTAKA
Abimanyu, Yoopi, Nur Sigit Warsidi, Sunu Kartiko, Ridiani Kurnia, dan Tety
Mahrani. “International Linkages To The Indonesian Capital Market:
Cointegration Test”, Kementrian Keuangan Republik Indonesia,
Jakarta, 2008.
Agung, I Gusti Ngurah. “Time Series Data Analysis Using Eviews”, John Wiley
& Sons (Asia), Singapore, 2009.
Albaity, Mohamed dan Ruby Ahmad. “Return Performance and Leverage Effect
in Islamic and Sosilly Responsible Stock Indices Evidend From Dow
Jones (DJ) and Financial Times Stock Exchange (FTSE)”, Journal of
Business Management Vol.5 No.16, 2011.
Andriansyah, Basri Pohan, dan Bayu Husodo. “Tentang Penyesuaian Atas Saham
yang Tersedia di Pasar (On Free Float Shares Adjustment)”, Kertas
Diskusi Bagian Riset Ekonomi No.1, 2007.
Ajija, Shochrul R., Dyah Wulansari, Rahmat Heru Setianto, dan Martha Ranggi
Primanthi. “Cara Cerdas Menguasai Eviews”, Salemba Empat,
Jakarta, 2011.
Atmadja, Adwin Surja. “Pasar Modal Regional Dalam Masa Krisis Finansial
1997 dan 2007: Kajian Terhadap Interdependensi Bursa Efek Asia
Tenggara”, Ekuitas Vol. 14 No. 3 hal. 350 – 364, September 2010.
198
Badan Koordinasi Penanaman Modal (BKPM), “Domestic and Foreign Direct
Investment Realization in Quarter II and January - June 2014”, Juli
2014.
Beik, Irfan Syauqi dan Wisnu Wardhana. “The Relationship Between Jakarta
Islamic Index And Other Selected Markets: Evidence From Impulse
Response Function”, Majalah Ekonomi No.2, 2011.
Daud, Dalila, Omar Samad, dan Ahmad Marzzuki Aminudin. “The Relationship
Between Islamic Market (Syariah Index) and Conventional Index
(Finance Index) in Bursa Malaysia, Kuala Lumpur”, University
Teknologi Mara, Selangor-Malaysia, 2006.
FTSE Group. “FTSE Monthly Report: Ftse Bursa Malaysia Index Series”,
Oktober 2014.
Gustiani, Ebrinda Daisy, Ascarya, dan Jaenal Effendi. “Analisis Pengaruh Social
Values Terhadap Jumlah Permintaan Uang Islam di Indonesia”,
Buletin Ekonomi Moneter dan Perbankan, April 2010.
199
Hengchao, Zhang dan Zarinah Hamid, “ The Impact Of Subprime Crisis On Asia-
Pacific Islamic Stock Markets”, 8th International Conference On
Islamic Economics And Finance, 2011.
Juanda, Bambang dan Junaidi. “Ekonometrika Deret Waktu: Teori dan Aplikasi”,
IPB Press, Bogor, 2012.
Kabir, Sarkar Humayun, Ginanjar Dewandaru, dan Mansur Masih. ”Are islamic
Stock Markets Integrated Globally? Evidence From time Series
Techniques”, Australian Journal of Basic and Applied Sciences
hal.702-720, 2013.
Karim, Bakrie Abdul, M. Shabri Abdul Majid dan Samsul Ariffin Abdul Karim.
“Financial Integration between Indonesia and Its Major Trading
Partners”, MPRA (Munich Personal RePEc Archieve) Paper No.
17277, 2009.
200
Moeljadi. “Resilience of Islamic and Conventional Stock Markets During the
2007 Global Financial Crisis: A Comparative Empirical
Examination”, Article Asia Pasific Management and Business
Application hal.81-102, 2012.
Mohd. Hussin, Mohd Yahya, Yusni Anis Yusof, Fidlizan Muhammad, Azila
Abdul Razak, Emilda Hashim, dan Nur Fakhzan Marwan. “The
Integration of Islamic Stock Markets: Does a Problem For
Investors?”, Labuan e-Journal of Muamalat and Society Vol. 7 hal.17-
27, 2013.
Nasarudin, M. Irsan, Indra Surya, Ivan Yustiavandana, Arman Nefi, Adi Warman.
“Aspek Hukum Pasar Modal Indonesia”, Kencana, Jakarta, 2008.
Puryati, Dwi dan Reni Marlina. “Analysis Of Capital Market Integration Region
Asia”, Kuala Lumpur International Business, Economics and Law
Conference, Malaysia, 2013.
201
Rahamis, Yulein. “Analisis Komparasi Kinerja Pasar Modal Di Indonesia,
Hongkong, China, Inggris Dan Amerika”, Jurnal Riset Bisnis dan
Manajemen Vol.2 No.3 hal. 87-104, 2014.
Suma, Amin. “Menggali Akar Mengurai Serat Ekonomi dan Keuangan Islam”,
Kholam Publishing, Jakarta, 2008.
202
Sutedi, Adrian. “Pasar Modal Syariah”, Sinar Grafika, Jakarta, 2011.
Utami, Endah Tri. “Cara Cerdas Berinvestasi via Online Trading”, Transmedia,
Jakarta, 2010.
Vogel, Frank E. dan Samuel L. Hayes, “Hukum Keuangan Islam: Konsep, Teori,
dan Praktik”, Nusamedia, Bandung, 2007.
Yang, Jian, James W. Kolari, dan Insik Min. “Stock Market Integration and
Financial Crises: The Case of Asia”, Applied Financial Economics 13
hal: 477-486, 2003.
www.bloomberg.com
www.djindexes.com
www.googlefinance.com
www.idx.co.id
www.wikipedia.org
203
http://www.bapepam.go.id/syariah/sejarah_pasar_modal_syariah.html, diakses
pada 4 Maret 2014
http://www.merdeka.com/uang/ojk-prihatin-pasar-modal-indonesia-keok-dari-
malaysia.html, diakses pada 3 November 2014
http://finance.detik.com/read/2012/09/12/095510/2015584/4/0/ini-dia-10-barang-
impor-favorit-ri-dari-malaysia, diakses pada 3 November 2014
http://bisnis.liputan6.com/read/773786/ri-jepang-sepakat-tingkatkan-kerjasama-
ekonomi-dan-investasi, diakses pada 3 November 2014
http://www.neraca.co.id/article/42095/Ekspor-Indonesia-ke-Inggris-Makin-
Positif/2, diakses pada 3 November 2014
http://bisniskeuangan.kompas.com/read/2013/10/19/0807133/Ekspor.Indonesia.ke
.AS.Tetap.Tinggi, diakses pada 3 November 2014
http://finance.detik.com/read/2012/04/09/114259/1887703/65/pengaruh-indeks-
dow-jones-terhadap-ihsg, diakses pada 3 November 2014
http://bisniskeuangan.kompas.com/read/2014/10/29/163715726/BI.Ingin.Dorong.
Ekonomi.Keuangan.Syariah.di.Tanah.Air, diakses pada 4 November
2014
http://www.sc.com.my/data-statistics/islamic-capital-market-statistics/, diakses
pada 4 November 2014.
204
LAMPIRAN
205
Lampiran 1: Analisis Deskriptif Indeks Bursa Saham Syariah
206
Lampiran 3: Uji Stasioneritas Tingkat Level JII
Null Hypothesis: JII has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=22)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.029353 0.1245
Test critical values: 1% level -3.965328
5% level -3.413373
10% level -3.128721
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.096611 0.0065
Test critical values: 1% level -3.965328
5% level -3.413373
10% level -3.128721
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.692941 0.2397
Test critical values: 1% level -3.965340
5% level -3.413379
10% level -3.128724
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.809071 0.1942
Test critical values: 1% level -3.965328
5% level -3.413373
10% level -3.128721
*MacKinnon (1996) one-sided p-values.
207
Lampiran 7: Uji Stasioneritas Tingkat Level DJICA
Null Hypothesis: DJICA has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=22)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.262833 0.4536
Test critical values: 1% level -3.965334
5% level -3.413376
10% level -3.128722
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.454421 0.3511
Test critical values: 1% level -3.965328
5% level -3.413373
10% level -3.128721
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.775900 0.2065
Test critical values: 1% level -3.965346
5% level -3.413382
10% level -3.128726
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.607964 0.0295
Test critical values: 1% level -3.965328
5% level -3.413373
10% level -3.128721
*MacKinnon (1996) one-sided p-values.
208
Lampiran 11: Uji Stasioneritas Tingkat Level NIKKEI 225
Null Hypothesis: NIKKEI has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=22)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.510244 0.8260
Test critical values: 1% level -3.965328
5% level -3.413373
10% level -3.128721
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.263944 0.0728
Test critical values: 1% level -3.965328
5% level -3.413373
10% level -3.128721
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.329110 0.4172
Test critical values: 1% level -3.965328
5% level -3.413373
10% level -3.128721
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.488543 0.3338
Test critical values: 1% level -3.965334
5% level -3.413376
10% level -3.128722
*MacKinnon (1996) one-sided p-values.
209
Lampiran 15: Uji Stasioneritas Tingkat First Difference JII
Null Hypothesis: D(JII) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 2 (Automatic - based on SIC, maxlag=22)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -22.89536 0.0000
Test critical values: 1% level -3.965346
5% level -3.413382
10% level -3.128726
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -23.32847 0.0000
Test critical values: 1% level -3.965340
5% level -3.413379
10% level -3.128724
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -30.49335 0.0000
Test critical values: 1% level -3.965340
5% level -3.413379
10% level -3.128724
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -36.42546 0.0000
Test critical values: 1% level -3.965334
5% level -3.413376
10% level -3.128722
*MacKinnon (1996) one-sided p-values.
210
Lampiran 19: Uji Stasioneritas Tingkat First Difference DJICA
Null Hypothesis: D(DJICA) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=22)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -32.09699 0.0000
Test critical values: 1% level -3.965334
5% level -3.413376
10% level -3.128722
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -38.30584 0.0000
Test critical values: 1% level -3.965334
5% level -3.413376
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -22.16271 0.0000
Test critical values: 1% level -3.965346
5% level -3.413382
10% level -3.128726
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -34.22601 0.0000
Test critical values: 1% level -3.965334
5% level -3.413376
10% level -3.128722
*MacKinnon (1996) one-sided p-values.
211
Lampiran 23: Uji Stasioneritas Tingkat First Difference NIKKEI 225
Null Hypothesis: D(NIKKEI) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=22)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -38.43694 0.0000
Test critical values: 1% level -3.965334
5% level -3.413376
10% level -3.128722
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -35.59969 0.0000
Test critical values: 1% level -3.965334
5% level -3.413376
10% level -3.128722
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -26.47936 0.0000
Test critical values: 1% level -3.965340
5% level -3.413379
10% level -3.128724
*MacKinnon (1996) one-sided p-values.
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -39.62337 0.0000
Test critical values: 1% level -3.965334
5% level -3.413376
10% level -3.128722
*MacKinnon (1996) one-sided p-values.
212
Lampiran 27: Penentuan Kandidat Lag DJIJP dengan JII
213
Lampiran 29: Pemilihan Lag Optimal DJIJP dengan JII
JII DJIJP
C 5.004947 13.32075
(2.39722) (4.47595)
[ 2.08781] [ 2.97607]
214
Output VAR pada Lag 4
Vector Autoregression Estimates
Date: 10/17/14 Time: 14:38
Sample (adjusted): 5 1264
Included observations: 1260 after adjustments
Standard errors in ( ) & t-statistics in [ ]
JII DJIJP
C 6.419262 13.26598
(2.39509) (4.48864)
[ 2.68017] [ 2.95545]
215
Lampiran 30: Pemilihan Lag Optimal DJIA dengan IHSG
IHSG DJIA
C 14.68458 44.87697
(8.79677) (27.9112)
[ 1.66931] [ 1.60785]
216
Output VAR pada Lag 4
Vector Autoregression Estimates
Date: 10/17/14 Time: 15:22
Sample (adjusted): 5 1264
Included observations: 1260 after adjustments
Standard errors in ( ) & t-statistics in [ ]
IHSG DJIA
C 19.62812 46.04868
(8.81602) (28.1630)
[ 2.22641] [ 1.63507]
217
Lampiran 31: Uji Penentuan Asumsi Deterministik FBMS dengan JII
Information Criteria by
Rank and Model
Log
Likelihood by
Rank (rows)
and Model
(columns)
0 -11695.83 -11695.83 -11695.55 -11695.55 -11692.08
1 -11693.56 -11693.23 -11692.96 -11684.09 -11683.96
2 -11693.31 -11692.96 -11692.96 -11681.96 -11681.96
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 18.62613 18.62613 18.62885 18.62885 18.62652
1 18.62888 18.62994 18.63110 18.61858* 18.61996
2 18.63483 18.63745 18.63745 18.62315 18.62315
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 18.70780* 18.70780* 18.71869 18.71869 18.72453
1 18.72688 18.73203 18.73728 18.72884 18.73430
2 18.74917 18.75996 18.75996 18.75383 18.75383
218
Lampiran 32: Uji Penentuan Asumsi Deterministik DJIJP dengan JII
Information Criteria by
Rank and Model
Log
Likelihood by
Rank (rows)
and Model
(columns)
0 -9682.636 -9682.636 -9682.551 -9682.551 -9681.599
1 -9680.158 -9675.447 -9675.367 -9675.288 -9675.267
2 -9680.154 -9674.117 -9674.117 -9671.554 -9671.554
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 15.40689 15.40689 15.40993 15.40993 15.41160
1 15.40931 15.40341* 15.40487 15.40633 15.40789
2 15.41565 15.40924 15.40924 15.40835 15.40835
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 15.47218* 15.47218* 15.48339 15.48339 15.49322
1 15.49093 15.48911 15.49466 15.50020 15.50584
2 15.51360 15.51535 15.51535 15.52262 15.52262
219
Lampiran 33: Uji Penentuan Asumsi Deterministik DJIUK dengan JII
Information Criteria by
Rank and Model
Log
Likelihood by
Rank (rows)
and Model
(columns)
0 -10661.56 -10661.56 -10661.39 -10661.39 -10660.72
1 -10659.34 -10656.06 -10655.91 -10655.77 -10655.70
2 -10659.31 -10654.79 -10654.79 -10652.72 -10652.72
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 16.98181 16.98181 16.98472 16.98472 16.98684
1 16.98464 16.98102* 16.98238 16.98374 16.98522
2 16.99096 16.98694 16.98694 16.98683 16.98683
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 17.06348* 17.06348* 17.07456 17.07456 17.08485
1 17.08265 17.08311 17.08855 17.09400 17.09956
2 17.10530 17.10945 17.10945 17.11751 17.11751
220
Lampiran 34: Uji Penentuan Asumsi Deterministik DJICA dengan JII
Information Criteria by
Rank and Model
Log
Likelihood by
Rank (rows)
and Model
(columns)
0 -10978.32 -10978.32 -10978.00 -10978.00 -10977.64
1 -10977.25 -10975.42 -10975.10 -10969.96 -10969.86
2 -10977.18 -10974.80 -10974.80 -10967.08 -10967.08
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 17.46517 17.46517 17.46784 17.46784 17.47043
1 17.46981 17.46849 17.46957 17.46300* 17.46443
2 17.47606 17.47546 17.47546 17.46636 17.46636
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 17.53046* 17.53046* 17.54130 17.54130 17.55205
1 17.55143 17.55419 17.55936 17.55687 17.56238
2 17.57400 17.58156 17.58156 17.58063 17.58063
221
Lampiran 35: Uji Penentuan Asumsi Deterministik IMUS dengan JII
Information Criteria by
Rank and Model
Log
Likelihood by
Rank (rows)
and Model
(columns)
0 -10456.57 -10456.57 -10455.88 -10455.88 -10453.89
1 -10453.03 -10452.99 -10452.91 -10449.22 -10447.52
2 -10453.02 -10451.03 -10451.03 -10446.25 -10446.25
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 16.65591 16.65591 16.65799 16.65799 16.65802
1 16.65664 16.65818 16.65963 16.65536 16.65425*
2 16.66298 16.66301 16.66301 16.65859 16.65859
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 16.73759* 16.73759* 16.74784 16.74784 16.75603
1 16.75465 16.76027 16.76580 16.76562 16.76859
2 16.77733 16.78552 16.78552 16.78927 16.78927
222
Lampiran 36: Uji Penentuan Asumsi Deterministik KLSE dengan IHSG
Information Criteria by
Rank and Model
Log
Likelihood by
Rank (rows)
and Model
(columns)
0 -11280.79 -11280.79 -11280.29 -11280.29 -11277.22
1 -11278.66 -11275.79 -11275.29 -11268.78 -11268.62
2 -11278.22 -11275.25 -11275.25 -11266.24 -11266.24
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 17.94565 17.94565 17.94803 17.94803 17.94633
1 17.94863 17.94565 17.94645 17.93770* 17.93904
2 17.95429 17.95273 17.95273 17.94161 17.94161
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 18.01095* 18.01095* 18.02149 18.02149 18.02796
1 18.03025 18.03136 18.03623 18.03157 18.03698
2 18.05223 18.05884 18.05884 18.05588 18.05588
223
Lampiran 37: Uji Penentuan Asumsi Deterministik NIKKEI 225 dengan
IHSG
Information Criteria by
Rank and Model
Log
Likelihood by
Rank (rows)
and Model
(columns)
0 -14957.01 -14957.01 -14956.43 -14956.43 -14953.24
1 -14954.87 -14951.82 -14951.78 -14950.94 -14947.76
2 -14954.77 -14949.71 -14949.71 -14947.66 -14947.66
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 23.83614 23.83614 23.83840 23.83840 23.83650
1 23.83909 23.83583 23.83736 23.83761 23.83415*
2 23.84529 23.84043 23.84043 23.84036 23.84036
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 23.93421* 23.93421* 23.94464 23.94464 23.95092
1 23.95351 23.95433 23.95995 23.96428 23.96491
2 23.97606 23.97937 23.97937 23.98746 23.98746
224
Lampiran 38: Uji Penentuan Asumsi Deterministik FTSE 100 dengan IHSG
Information Criteria by
Rank and Model
Log
Likelihood by
Rank (rows)
and Model
(columns)
0 -13755.34 -13755.34 -13754.68 -13754.68 -13753.87
1 -13753.86 -13750.84 -13750.25 -13749.94 -13749.74
2 -13753.51 -13749.74 -13749.74 -13748.48 -13748.48
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 21.90038* 21.90038* 21.90251 21.90251 21.90440
1 21.90439 21.90118 21.90183 21.90292 21.90419
2 21.91019 21.90737 21.90737 21.90856 21.90856
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 21.98205* 21.98205* 21.99236 21.99236 22.00241
1 22.00240 22.00327 22.00801 22.01318 22.01853
2 22.02453 22.02988 22.02988 22.03924 22.03924
225
Lampiran 39: Uji Penentuan Asumsi Deterministik S&P TSX dengan IHSG
Information Criteria by
Rank and Model
Log
Likelihood by
Rank (rows)
and Model
(columns)
0 -14717.83 -14717.83 -14717.05 -14717.05 -14716.67
1 -14716.62 -14714.52 -14713.92 -14713.88 -14713.84
2 -14716.27 -14713.38 -14713.38 -14711.25 -14711.25
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 23.43057* 23.43057* 23.43251 23.43251 23.43509
1 23.43501 23.43327 23.43389 23.43542 23.43694
2 23.44081 23.43940 23.43940 23.43919 23.43919
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 23.51224* 23.51224* 23.52235 23.52235 23.53310
1 23.53302 23.53536 23.54007 23.54568 23.55129
2 23.55516 23.56191 23.56191 23.56986 23.56986
226
Lampiran 40: Uji Penentuan Asumsi Deterministik DJIA dengan IHSG
Information Criteria by
Rank and Model
Log
Likelihood by
Rank (rows)
and Model
(columns)
0 -14669.62 -14669.62 -14669.04 -14669.04 -14666.48
1 -14665.82 -14664.57 -14664.51 -14662.81 -14660.89
2 -14665.71 -14662.25 -14662.25 -14660.04 -14660.04
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 23.32903 23.32903 23.33128 23.33128 23.33039
1 23.32934 23.32895 23.33044 23.32932 23.32786*
2 23.33553 23.33321 23.33321 23.33287 23.33287
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 23.39433* 23.39433* 23.40474 23.40474 23.41201
1 23.41097 23.41465 23.42022 23.42319 23.42580
2 23.43347 23.43931 23.43931 23.44714 23.44714
227
Lampiran 41: Uji Kointegrasi Johansen FBMS dengan JII
228
Lampiran 42: Uji Kointegrasi Johansen DJIJP dengan JII
229
Lampiran 43: Estimasi VECM antara FBMS dengan JII
JII(-1) 1.000000
FBMES(-1) -0.229910
(0.04238)
[-5.42489]
@TREND(1) 0.991883
(0.21245)
[ 4.66877]
C 1104.465
230
D(FBMES(-3)) 0.004495 0.031978
(0.00313) (0.03054)
[ 1.43615] [ 1.04714]
C 0.067103 1.820445
(0.23795) (2.32186)
[ 0.28200] [ 0.78405]
231
Lampiran 44: Estimasi VAR antara DJIJP dengan JII
Vector Autoregression Estimates
Date: 10/17/14 Time: 16:25
Sample (adjusted): 6 1264
Included observations: 1259 after adjustments
Standard errors in ( ) & t-statistics in [ ]
D(JII) D(DJIJP)
C 0.088852 -0.020951
(0.24015) (0.45151)
[ 0.36998] [-0.04640]
232
Lampiran 45: Impulse Response Function FBMS dengan JII
Response to Cholesky One S.D. Innovations
Response of JII to JII Response of JII to FBMES
10 10
8 8
6 6
4 4
2 2
0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
80 80
70 70
60 60
50 50
40 40
30 30
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
8 8
6 6
4 4
2 2
0 0
-2 -2
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
15 15
10 10
5 5
0 0
-5 -5
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
233
Lampiran 47: Variance Decomposition FBMS dengan JII
234
Lampiran 49: Variance Decomposition DJIUK dengan JII
235
Lampiran 51: Variance Decomposition IMUS dengan JII
237
Lampiran 55: Variance Decomposition S&P TSX dengan IHSG
Variance Decomposition of D(IHSG):
Period S.E. D(IHSG) D(S_P_TSX)
238