LANDASAN TEORI
HASIL PENELITIAN DAN PEMBAHASAN
4.6 Estimasi VAR
Estimasi VAR adalah masalah penentuan panjangnya kelambanan didalam sistem VAR.Panjang kelambanan variabel yang optimal diperlukan untuk menangkap pengaruh dari setiap variabel yang lain dalam sistem VAR.Dengan menggunakan AIC pada lag 3 optimal sebelumnya, yakni AIC pada lag 3.Selanjutnya akan dilihat varibel BI rate mempengaruhi IHSG, atau sebaliknya, dengan membandingkan nilai t – statistik hasil estimasi dengan nilait – tabel.
- H0 : bi = 0, …………. tidak signifikan - Ha : bi ≠ 0, ... signifikan
Kriteria pengambilan keputusan adalah sebagai berikut:
- H0 diterima apabila t-statistik < t-tabel, maka variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen. (t-stat < t-tabel)
- Ha diterima apabila t-statistik > t-tabel, maka variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. (t-stat > tabel)
Tabel 4.6 Hasil Estimasi VAR
Keterangan * : signifikan pada α = 10%
Hasil estimasi VAR untuk model IHSG dapat dilihat pada tabel 4.6.Pada periode pertama IHSG sebelumnya berhubungan positif dan berpengaruh nyata terhadap IHSG, yaitu artinya setiap kenaikan satu persen IHSG sebelumnya maka akan meningkatkan 5,2198 persen terhadap IHSG itu sendiri. Sedangkan periode kedua IHSG sebelumnya berhubungan negatif dan tidak signifikan terhadap IHSG itu sendiri. Begitu juga dengan IHSG periode ketiga sebelumnya berhubungan negatif dantidak signifikan terhadap IHSG itu sendiri. Pada periode pertama BI rate sebelumnya berhubungan negatif dan tidak signifikan terhadap IHSG. Begitu juga dengan BI rate periode kedua berhubungan positif dan tidak signifikan terhadap IHSG. Selanjutnya BI rate pada periode ketiga sebelumnya berhubungan positif dan tidak signifikan terhadap IHSG.
Hasil estimasi VAR untuk model BI rate dapat dilihat pada tabel 4.6. Pada periode pertama BI rate sebelumnya berhubungan positif dan signifikan terhadap
IHSG BIRATE IHSG (-1) [5.2198] * [-1.26405] BIRATE (-1) [-1.47013] [11.0472] * IHSG (-2) [-1.22811] [2.82089] * BIRATE (-2) [0.34149] [-3.04962] * IHSG (-3) [0.16035] [0.65913] BIRATE (-3) [0.34149] [-3.04962] * C [2.81200] [0.18820]
BI rate itu sendiri, yaitu artinya setiap kenaikan satu persen BI rate sebelumnya akan meningkatkan 11,0472 persen BI rate itu sendiri. Begitu juga pada periode kedua BI rate sebelumnya berhubungan negatif dan signifikan terhadap BI rate itu sendiri, yaitu setiap kenaikan satu persen periode kedua BI rate sebelumnya akan menurunkan 3,04926 persen terhadap BI rate itu sendiri. Selanjutnya periode ketiga BI rate sebelumnya berhubungan negatif dan signifikan terhadap BI rate itu sendiri, yaitu artinya setiap kenaikan satu persen periode ketiga BI rate sebelumnya akan menurunkan sebesar 3,04926 persen terhadap BI rate itu sendiri. Pada periode pertama IHSG sebelumnya berhubungan negatif dan tidak signifikan terhadap BI rate. Sedangkan pada periode kedua IHSG sebelumnya berhubungan positif dan signifikan terhadap BI rate, yaitu setiap kenaikan satu persen IHSG akan meningkatkan 2,82089 persen terhadap BI rate. Selanjutnya periode ketiga IHSG sebelumnya berhubungan positif dan tidak signifikan terhadap BI rate.
4.7 Impulse Response Function (IRF)
IRF digunakan untuk melihat pengaruh kontemporer suatu variabel terhadap variabel lainnya.Dalam penelitian ini, IRF pada dasarnya terdiri dari dua tahap, yakni melihat pengaruh kontemporer variabel BIrate terhadap variabel IHSG, dan sebaliknya. Hasil IRF tergantung pada ordering seri variabel yang digunakan. Karena menurut hasil uji kausalitas Granger, BIrate menyebabkan IHSG, dan begitu juga sebaliknya.
Dari gambar 4.3 terlihat ada peningkatan standar deviasi variabel BI rate yang mempengaruhi variabel IHSG dan variabel IHSG mempengaruhi BI rate.Pada tahun ke–10, peningkatan satu standar deviasi variabel BI rate
meningkatkan varibel IHSG dan kedua varibel tersebut saling mepengaruhi satu dengan yang lainnya.
Lebih spesifiknya pada Gambar 4.3, terlihat pada bulan pertama, penurunan standar deviasi variabel BI rate menurukan variabel IHSG sebesar 0,01838. Hingga penurunan yang paling terendah terdapat pada bulan ke delapan sebesar 0,09838 di bawah rata-rata sampai pada bulan ke-10. Dan pada bulan pertama, peningkatan satu standar deviasi variabel IHSG meningkat variabel BI rate sebesar 0,01299 di atas rata – ratanya, hingga kenaikan paling tinggi terdapat pada bulan ke delapan sebesar 0,14153 di atas rata-ratanya. Pada bulan ke-10, peningkatan satu standar deviasi variabel IHSG meningkatkan variabel BI rate sebesar 0,15577 di atas rata-ratanya.
Gambar 4.3
HasilImpulse Response Function (IRF) 4.7 Variance Decomposition BI Rate
Forecast Error Variance Decomposition (FEVD), atau lebih sering disebut Variance Decomposition, dilakukan untuk mengetahui kepentingan relatif dari berbagai shock terhadap variabel itu sendiri maupun variabel lainnya. Analisis FEDV bertujuan untuk mengetahui pengaruh atau kontribusi antar variabel transmit (Manurung, 2005).
Dari Tabel 4.7 ditunjukkan bahwa BI rate pada periode 1, variasi BI rate
-300 -200 -100 0 100 200 1 2 3 4 5 6 7 8 9 10
Response of IHSG to IHSG
-300 -200 -100 0 100 200 1 2 3 4 5 6 7 8 9 10
Response of IHSG to BIRATE
-.1 .0 .1 .2 .3 .4 1 2 3 4 5 6 7 8 9 10
Response of BIRATE to IHSG
-.1 .0 .1 .2 .3 .4 1 2 3 4 5 6 7 8 9 10
Response of BIRATE to BIRATE
99,9%. Namun pada periode 2, variasi BI rate mempengaruhi BI rate itu sendiri sebesar 98,9%, dan periode 10 yang menurun 91,82% artinya variasi BI rate dijelaskan oleh BI rate itu sendiri menurun menjadi 91,82%.
Variasi BI rate dijelaskan oleh IHSG dari periode 1 adalah sebesar 0,085%, artinya variasi BI rate dijelaskan oleh IHSG pada periode pertama sebelumnya adalah sebesar 0,084%. Kemudian variasi BI rate terhadap IHSG periode 2 adalah sebesar 1,079% artinya variasi BI rate dipengaruhi oleh IHSG pada periode kedua adalah sebesar 1,079%. Dan sampai periode 10 semakin meningkat yaitu hanya 8,17% artinya variasi BI rate dipengaruhi oleh IHSG periode kesepuluh adalah sebesar 8,17%.
Tabel 4.8
Varian Decomposition BI rate
Variance Decomposition of
BIRATE:
1 0.115661 0.085224 99.91478 2 0.232055 1.079.233 98.92077 3 0.353491 0.904551 99.09545 4 0.465189 2.148.736 97.85126 5 0.573044 3.374.660 96.62534 6 0.681985 5.549.781 94.45022 7 0.766476 7.207.657 92.79234 8 0.830261 7.943.662 92.05634 9 0.875280 8.128.839 91.87116 10 0.903016 8.178.298 91.82170
4.9 Variance Decomposition IHSG
Variance Decomposition IHSG dilakukan untuk mengetahui shock (kejutan) terhadap variabel itu sendiri maupun variabel BI rate.Dari Tabel 4.9 ditunjukkan bahwa variasi IHSG (100%) artinya kejutan variasi IHSG dijelaskan oleh IHSG itu sendiri sebesar 100% pada periode pertama.Namun pada periode 2, variasi IHSG mempengaruhi IHSG itu sendiri sebesar 95,33%, dan padaperiode 10 menurun dan hanya 16,02% artinya kejutan variasi IHSG terhadap IHSG itu sendiri pada periode kesepuluh menjadi 16,02%.
Kejutan variasi IHSG dijelaskan oleh BI rate pada periode 1 sebesar 0.00% artinya pada periode pertama kejutan variasi IHSG tidak ada dijelaskan oleh BI rate. Kemudian pada periode ke 2 variasi IHSG di jelaskan BI rate 4,664%, artinya kejutan variasi IHSG dijelaskan oleh BI rate pada periode yang kedua adalah sebesar 4,66%. Kemudian pada periode ke 10 mengalami peningkatan yaitu 83,975% artinya kejutan variasi IHSG dijelaskan BI rate sebesar 83,975% pada periode kesepuluh.
Tabel 4.9
Variance Decomposition of
IHSG:
Period S.E. IHSG BIRATE
1 1.624.282 1.000.000 0.000000 2 2.165.379 95.33507 4.664.928 3 2.342.747 92.05685 7.943.150 4 2.582.882 82.20513 17.79487 5 3.277.107 51.55291 48.44709 6 3.951.545 35.66343 64.33657 7 4.551.085 27.41974 72.58026 8 5.115.477 21.76097 78.23903 9 5.602.260 18.20.103 81.79897 10 6.010.017 16.02402 83.97598
BAB V