HASIL PENELITIAN DAN PEMBAHASAN 4.1. Perkembangan Indeks Harga Saham Gabungan (IHSG)
4.4. Uji Akar Unit ( Unit Root Test )
Dasar teoritis yang digunakan untuk menguji perilaku data atas time series, yakni variabel volatilitas saham (IHSG) dan variabel makroekonomi (suku bunga BI dan inflasi) di Indonesia adalah uji akar unit. Pengujian validitas ini harus dilakukan untuk menghindari model yang tidak efisien atau tidak stasioner. Uji ini dikenalkan oleh Dickey dan Fuller. Uji ini menggunakan Augmented Dickey-Fuller (ADF) kurun waktu 2008:01-2012:12. Hasil pengujian dengan menggunakan uji ADF pada tabel di bawah ini
.
Tabel 4.4
Null Hypothesis: D(IHSG) has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=10)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.655981 0.0000 Test critical values: 1% level -3.548208
5% level -2.912631
10% level -2.594027
Null Hypothesis: D(INFLASI) has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=10)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.796719 0.0050 Test critical values: 1% level -3.548208
5% level -2.912631
10% level -2.594027
Null Hypothesis: D(RATEBI,2) has a unit root Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=10)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -8.451079 0.0000 Test critical values: 1% level -3.552666
5% level -2.914517
10% level -2.595033
Catatan * = Signifikan pada = 10% ** = Signifikan pada = 5% *** = Signifikan pada = 1%
Berdasarkan tabel di atas menunjukkan bahwa hasil uji akar unit (unit roots test) dan derajat integrasi pada variabel IHSG diperoleh bahwa angka ADF statistik yakni -6.655981 lebih kecil dari nilai kritis sebesar -3.548208 pada tingkat signifikansi sebesar 1%. Dengan demikian dapat disimpulkan bahwa data
runtun waktu variabel IHSG telah stasioner pada derajat first difference I(1), maka model yang digunakan adalah VECM karena stasioner pada derajat first difference sehingga perlu dilakukan uji kointegrasi.
Variabel inflasi dapat diperoleh informasi bahwa angka ADF statistik yakni -3.796719 lebih kecil dari nilai kritis sebesar -3.548208 pada tingkat signifikansi sebesar 1%. Dengan demikian dapat disimpulkan bahwa data runtun waktu variabel inflasi telah stasioner pada derajat first difference I(1), maka model yang digunakan adalah VECM karena stasioner pada derajat first difference sehingga perlu dilakukan uji kointegrasi.
Variabel BI rate diperoleh bahwa angka ADF statistik yakni -8.451079 lebih kecil dari nilai kritis sebesar -3.552666 pada tingkat signifikansi sebesar 1%. Dengan demikian dapat disimpulkan bahwa data runtun waktu variabel BI rate telah stasioner pada derajat 2nd difference II(2) , maka model yang digunakan adalah VECM karena stasioner pada derajat 2nd difference sehingga perlu dilakukan uji kointegrasi.
4.5. Penentuan Lag Length
Penentuan lag optimal dilakukan agar lag yang digunakan tidak terlalu sedikit dan tidak terlalu banyak. Penentuan lag ini dilakukan dengan menggunakan beberapa kriteria informasi, yakni Akaike Information Criterion (AIC), dan Schwarz Criterion (SC). Lag yang dipilih adalah lag yang mempunyai final prediction error (FPE) atau jumlah AIC dan SC yang terkecil di antara lag – lag yang diajukan.
Penentuan lag ini dilakukan dengan melihat hasil Likelihood Ratio (LR) dan beberapa kriteria informasi, yakni Akaike Information Criterion (AIC), Schwarz Criterion (SC) dan Hannan-Quinn Criterion (HQ). Lag yang dipilih adalah lag yang mempunyai nilai LR terbesar dan final prediction error (FPE) atau jumlah AIC ,SC dan HQ yang terkecil di antara lag – lag yang diajukan. Dari hasil penentuan lag length diketahui bahwa baik nilai LR terbesar maupun FPE terkecil berada pada tingkat lag 3. Hal tersebut menunjukkan bahwa lag optimal untuk model analisis adalah lag 3.
Tabel 4.5
Hasil Penentuan Lag Optimal
Lag LogL LR FPE AIC SC HQ
0 -583.8968 NA 372533.0 21.34170 21.45119 21.38404 1 -379.7756 378.5520 309.0566 14.24638 14.68435 14.41575 2 -356.4916 40.64107 184.4725 13.72697 14.49340* 14.02335* 3 -344.7697 19.18125* 168.4476* 13.62799* 14.72290 14.05140 4 -338.6212 9.390544 189.6879 13.73168 15.15506 14.28211 5 -330.6456 11.31085 201.7842 13.76893 15.52078 14.44639
4.6. Uji Kointegrasi (Cointegration Test)
Uji kointergrasi (Cointegration Test) bertujuan untuk mengetahui hubungan keseimbangan, dalam hal ini adalah hubungan keseimbangan jangka panjang antara IHSG, inflasi, dan BI rate di Indonesia dalam kurun waktu 2008:1-2012:12. Setelah diketahui bahwa baik IHSG, inflasi, dan BI rate telah stasioner,
maka selanjutnya akan diuji kointegrasi. Uji kointegrasi dalam penelitian ini dilakukan melalui Johanssen Test.
Tabel 4.6 Hasil Uji Kointegrasi
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.146156 11.37351 24.27596 0.7556 At most 1 0.043769 2.525144 12.32090 0.9026 At most 2 0.000336 0.018817 4.129906 0.9107 Trace test indicates no cointegration at the 0.05 level
Berdasarkan hasil uji kointegrasi diketahui bahwa tidak ada persamaan yang memiliki kointegrasi dimana nilai trace statistic lebih kecil dari critical value pada α = 5 % pada ketiga variabel. Karena tidak ada persamaan yang memiliki hubungan jangka panjang sehingga analisis VAR dapat digunakan untuk pengujian selanjutnya.
4.7. Uji Kausalitas Granger (Granger Causality)
Pengujian ini dilakukan untuk melihat hubungan (kausalitas) timbal balik antara variable Uji Kausalitas Granger digunakan untuk melihat hubungan kausalitas antara volatilitas saham (IHSG) dengan variabel makroekonomi Indonesia (inflasi dan BI rate) tahun 2008 1 : 2012 12. Karena variabel – variabel dalam model yang diteliti memiliki lebih dari satu nilai lag, maka harus digunakan lag yang optimum. Dalam penelitian ini, lag yang digunakan adalah lag 3. Dengan menggunakan pengujian granger causality ini akan dilihat secara statistik apakah kedua variabel tersebut memiliki :
a. Hubungan dua arah (saling mempengaruhi) b. Hubungan searah
c. Sama sekali tidak ada hubungan (tidak saling mempengaruhi)
sehingga dapat diketahui variabel tersebut secara statistik saling mempengaruhi (hubungan dua arah), memiliki hubungan searah atau sama sekali tidak ada hubungan (tidak saling mempengaruhi).
Tabel 4.7
Hasil Estimasi Uji Granger Causality Pairwise Granger Causality Tests
Date: 05/30/13 Time: 11:57 Sample: 2008M01 2012M12 Lags: 3
Null Hypothesis: Obs F-Statistic Probability INFLASI does not Granger Cause IHSG 57 4.86203 0.00481 IHSG does not Granger Cause INFLASI 0.67796 0.56965 RATEBI does not Granger Cause IHSG 57 7.35329 0.00036 IHSG does not Granger Cause RATEBI 2.63316 0.06002
Berdasarkan hasil Uji Kausalitas Granger diatas menunjukkan bahwa antara inflasi dengan IHSG di Indonesia terdapat hubungan kausalitas satu arah, dimana nilai inflasi mempengaruhi IHSG. Hal ini terlihat dari nilai probabilitas F-statistik (0.00481) < α =10%, maka inflasi mempengaruhi IHSG. Sementara itu untuk IHSG dengan inflasi nilai probabilitas F-statistik (0.56965) > α = 10%, maka IHSG tidak mempengaruhi inflasi.
Sementara itu uji Kausalitas Granger untuk IHSG dan BI rate menunjukkan bahwa antara BI rate dengan IHSG di Indonesia terdapat hubungan
kausalitas dua arah. Hal ini terlihat dari nilai probabilitas F-statistik (0.00036) < α =10%. Hasil ini menunjukan bahwa adanya hubungan yakni BI rate terhadap IHSG pada tingkat kepercayaan 90%. Sedangkan IHSG juga mempengaruhi BI rate di Indonesia. Hal ini terlihat dari nilai probabilitas F-statistik( 0.06002) < α = 10%.
Dari hasil analisis diatas sesuai dengan hipotesis yang menunjukkan bahwa pergerakan inflasi mempengaruhi IHSG, namun IHSG tidak mempengaruhi pergerakan inflasi (hubungan kausalitas satu arah). Sedangkan pergerakan BI rate mempengaruhi IHSG, sebaliknya juga pergerakan IHSG mempengaruhi BI rate (hubungan kausalitas dua arah/timbal balik) yang dapat dilihat pada Lag 3.