Hipotesis Penelitian - ANALISIS INTEGRASI PASAR MODAL AMERIKA DENGAN PASAR MODAL ASEAN-5 +3

Hipotesis merupakan jawaban sementara terhadap rumusan masalah penelitian, oleh karena itu rumusan masalah penelitian biasanya disusun dalam bentuk kalimat pertanyaan (Sugiyono, 2010). Berdasarkan teori dan kerangka pemikiran yang telah dijelaskan sebelumnya, maka peneliti membuat beberapa hipotesis penelitian mengenai integrasi pasar modal Amerika dengan pasar modal ASEAN-5 +3 yang terdapat dalam penelitian ini.

1. Hipotesis pertama

𝐻𝑂: Tidak terdapat hubungan kausalitas antara Pasar Modal Amerika dengan pasar modal ASEAN-5 +3

𝐻𝑎: Terdapat hubungan kausalitas antara Pasar Modal Amerika dengan pasar modal ASEAN-5 +3

2. Hipotesis kedua

𝐻𝑂: Tidak terdapat hubungan jangka pendek dan jangka panjang antara Pasar Modal Amerika dengan pasar modal ASEAN-5 +3

𝐻𝑎: Terdapat hubungan jangka pendek dan jangka panjang antara Pasar Modal Amerika dengan pasar modal ASEAN-5 +3

3. Hipotesis ketiga

𝐻0: Pasar modal ASEAN-5 +3 merespon positif atas shock yang diberikan oleh pasar modal Amerika

𝐻a: Pasar modal ASEAN-5 +3 merespon negatif atas shock yang diberikan oleh pasar modal Amerika

4. Hipotesis keempat

𝐻0: Tidak terdapat kontribusi dari Pasar Modal Amerika dengan tiap pasar modal ASEAN-5 +3

𝐻a: Terdapat hubungan kontribusi dari Pasar Modal Amerika dengan tiap pasar modal ASEAN-5 +3

BAB III

METODOLOGI PENELITIAN

A. Populasi dan Sampel

Populasi (population) mengacu pada keseluruhan kelompok orang, kejadian, atau hal minat yang ingin peneliti investigasi (Sekaran, 2006).

Populasi dalam penelitian ini adalah indeks bursa saham di Amerika, Indonesia, Malaysia, Filipina, Singapura Thailand, Jepang, Korea Selatan, dan Hong Kong selama periode Januari 2008 sampai Desember 2020.

Sampel (sample) adalah sebagian dari populasi. Sampel terdiri atas sejumlah anggota yang dipilih dari populasi, dengan kata lain tidak semua populasi akan membentuk sampel. Jadi, sampel adalah subkelompok atau sebagian dari populasi (Sekaran, 2006). Hasil pengukuran atau karakteristik dari sampel tersebut disebut dengan “statistik”. Sampel yang digunakan dalam penelitian ini adalah data time series yang merupakan historical closing price dari indeks bursa Amerika/NASDAQ, Indonesia/IHSG, Malaysia/KLCI, Filipina/PSEI, Singapura/STI, Thailand/SET, Jepang/NIKKEI225, Korea Selatan/KOSPI, dan Hong Kong/HANGSENG.

Penentuan jumlah sampel yang digunakan pada penelitian ini didasarkan pada metode purposive sampling, yaitu suatu model pemilihan sampel yang didasarkan pada kriteria tertentu, sesuai dengan yang dibutuhkan oleh peneliti. Pemilihan sampel data dalam penelitian ini berdasarkan kriteria tertentu, yaitu:

1. Sampel adalah indeks bursa saham Amerika dan bursa saham negara ASEAN-5 +3.

2. Tersedianya data indeks bulanan bursa saham Amerika dan bursa saham negara ASEAN-5 +3 selama periode penelitian yaitu dari tahun 2008 sampai dengan 2020.

B. Data dan Sumber Data

Penelitian ini termasuk kedalam kategori penelitian kuantitatif, yaitu penelitian yang memungkinkan pencatatan hasil penelitian dalam bentuk angka. Penelitian kuantitatif ini menggunakan metode deskriptif, yaitu metode yang sifatnya menyajikan, menganalisa, serta menginterpretasi data.

Penelitian ini menggunakan metode kuantitatif dengan data sekunder.

Metode analisis menggunakan Vector Autoregressive (VAR) atau Vector Error Correction Model (VECM) dengan alat bantu analisis Eviews 10 dan Microsoft Excel 2016.

C. Metode Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data sekunder.

Data sekunder adalah informasi yang dikumpulkan oleh seseorang, bukan peneliti yang melakukan studi mutakhir. Data tersebut bisa merupakan internal atau eksternal organisasi dan diakses melalui internet, penulusuran dokumen, atau publikasi informasi (Sekaran, 2006). Data sekunder yang dipilih dalam penelitian ini berupa data time series dengan skala bulanan mulai dari 01 Januari 2008 sampai dengan 30 Desember 2020 yang diambil

dari sumber data (Investing.Com). Adapun teknik pengumpulan data yang digunakan dalam penelitian ini, yaitu:

a) Penelitian Kepustakaan (Library Research), metode pengumpulan data ini diperoleh dengan cara membaca buku-buku serta surat kabar, mengadakan penelitian kepustakaan baik melalui buku-buku maupun bahan-bahan lain serta literatur-literatur yang berkaitan erat dengan pokok permasalahan yang akan diteliti seperti jurnal-jurnal.

b) Internet Research, yaitu penulis melakukan penelitian dengan menggunakan bantuan media internet sehingga data yang diperoleh up to date.

D. Metode Analisis Data

Pengujian terhadap hipotesis pada penelitian ini dilakukan dengan menggunakan analisis Vector Error Correction Model (VECM) dikarenakan keunggulannya dibandingkan dengan model regresi berganda biasa. Dimana model VECM dapat melihat pengaruh dari jangka panjang maupun jangka pendek dari antar variabel (Sekaran, 2006). Kemudian peneliti menggunakan program Microsoft Excel dan Eviews 10 sebagai alat analisisnya. Metode analisis yang digunakan dalam penelitian ini supaya dapat diintepretasikan dan mudah dipahami adalah:

1. Analisis Statistik Deskriptif

Statistik deskriptif adalah teknik statistik yang memberikan informasi hanya mengenai data yang dimiliki dan tidak bermaksud

untuk menguji hipotesis dan kemudian menarik inferensi yang digeneralisasikan untuk data yang lebih besar atau populasi (Bungin, 2008). Suatu data dapat dideskripsikan melalui mean, median, modus, standar deviasi, maksimum, minimum, sum, skewness, dan kurtosis.

Berikut ini merupakan penjelasan dari beberapa perhitungan pokok dalam statistic deskriptif (Wahyu, 2011):

a) Mean (rata-rata) diperoleh dengan menjumlahkan seluruh data dan membaginya dengan cacah data.

b) Median diperoleh dari nilai tengah yang disusun dari nilai terkecil ke nilai terbesar.

c) Standar deviasi adalah ukuran disperse atau penyebaran data.

d) Maksimum adalah nilai yang paling besar dari data.

e) Minimum adalah nilai yang paling kecil dari data.

2. Analisis VAR/VECM

Model Vector Autoregression (VAR) diperkenalkan pertama kali oleh Christopher Sims pada tahun 1980. Berdasarkan bentuknya, metode VAR yang sering digunakan adalah unrestricted VAR, restricted VAR, dan structural VAR. 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, sedangkan VAR in difference digunakan jika data tidak stasioner pada tingkat level tetapi stasioner pada diferensiasi dan tidak memiliki hubungan

kointegrasi (Juanda & Junaidi, 2012). Apabila terdapat kointegrasi, maka model yang digunakan adalah model Vector Error Correction Model (VECM) (Rasyidin, 2016). Model VECM merupakan model yang terintriksi (restricted VAR) karena kointegrasi yang menunjukkan adanya hubungan jangka Panjang antar variabel didalam sistem VAR.

sementara itu structural VAR merupakan bentuk VAR yang terestriksi, namun restriksinya berdasarkan hubungan teoritis yang kuat antar variabel-variabel yang digunakan dalam sistem VAR (Juanda & Junaidi, 2012).

Analisis VAR mensyaratkan beberapa pengujian antara lain: Uji Stasioneritas Unit Root, Uji Optimum Lag, Uji Stabilitas Model VAR, Uji Kausalitas, Uji Kointegrasi, Model VECM (Jangka Panjang dan Jangka Pendek), Analisis Impuls Response Function (IRF), dan Analisis Forecast Error Variance Decomposition (FEVD).

a. Uji Stationeritas (Unit Roots)

Permasalahan stasioneritas data time series yaitu mengenai stasioneritas. Data time series dikatakan stasioner jika rata-rata, varian serta kovarian pada setiap lag adalah tetap sama pada setiap waktu.

Terdapat beberapa metode dalam uji stasioneritas. Metode yang banyak digunakan oleh ahli ekonometrika untuk menguji masalah stasioner data adalah dengan menggunakan uji akar atau unit root test (Widarjono, 2013). Uji unit roots dikenalkan oleh David Dickey dan Wayne Fuller

atau juga dikenal dengan uji Augmented Dickey-Fuller (ADF) (Puspitasari et al., 2015).

Pengujian ADF ini dilakukan dengan menggunakan perangkat lunak Eviews, dengan membandingkan t statistik dengan nilai t MacKinnon Critical Value. Jika nilai t statistik lebih besar daripada nilai t MacKinnon Critical Value, maka data tersebut stasioner karena tidak mengandung unit root (Septindo et al., 2016). Namun sebaliknya, jika nilai t statistik lebih kecil daripada nilai t MacKinnon Critical Value, maka data tersebut tidak stasioner pada derajat level. Sehingga harus dilakukan diferensiasi data untuk memperoleh data yang stasioner pada derajat yang sama di tingkat first difference. Dapat juga melihat nilai probabilitas hasil uji ADF. Jika nilai probabilitas lebih besar dari tingkat level (1%, 5%, 10%) maka berarti data tersebut tidak stasioner dan juga sebaliknya. Dalam metode VAR, jika terdapat satu variabel yang tidak stasioner pada tingkat level, maka secara keseluruhan data yang digunakan adalah data first difference (Shochrul et al., 2011).

b. Uji Panjang Lag Optimal

Penentuan lag optimal adalah salah satu permasalahan yang terjadi dalam uji stasioneritas. Permasalahan yang dapat muncul adalah apabila panjang lag-nya yang terlalu kecil akan membuat model tersebut tidak dapat digunakan karena hal tersebut kurang mampu menjelaskan hubungannya. Sebaliknya, jika panjang lag yang digunakan terlalu

besar, maka derajat bebasnya (degree of freedom) akan menjadi lebih besar juga sehingga tidak akan efisien lagi dalam menjelaskan (Shochrul et al., 2011).

Penentuan lag optimal dapat menggunakan beberapa kriteria, seperti Akaike Information Criteria (AIC), Schwartz Information Criteria (SIC), Hannan Quinn (HQ), Likehood Ratio (LR), dan Final Prediction Error (FPE). Dimana tanda asterisk (*) mengindikasikan lag order yang ditentukan oleh masing-masing kriteria dalam penentuan panjangnya lag tersebut (Gujarati, 2007). Lag yang optimal dapat dilihat melalui banyaknya tanda asterik (*) pada setiap kriteria, lag yang mempunyai tanda asterisk paling banyak mengindikasikan lag yang paling cocok untuk penelitian ini (Jamal et al., 2018).

c. Uji Stabilitas VAR

Sebelum melakukan analisis lebih lanjut, harus dilakukan uji stabilitas VAR terlebih dahulu untuk melihat apakah model yang digunakan stabil atau tidak (Puspitasari et al., 2015). Dalam menguji stabilitas model VAR yang disusun dapat digunakan AR Roots Table.

Stabilitas model VAR dapat dilihat pada nilai modulus yang dimiliki oleh setiap variabel. Apabila nilai modulus berada pada radius

< 1 maka model VAR dikatakan stabil. Sebaliknya, jika nilai modulus

> 1 maka model VAR dikatakan tidak stabil. Jika nilai modulus yang paling besar kurang dari satu dan berada pada titik optimal, maka

komposisi tadi sudah berada pada posisi optimal dan model VAR sudah stabil kemudian selanjutnya bisa dilanjutkan dengan uji kausalitas dan uji kointegrasi.

d. Uji Kausalitas Granger

Uji kausalitas adalah pengujian yang dilakukan untuk menentukan hubungan sebab akibat antara variabel dalam sistem VAR (Juanda &

Junaidi, 2012). Uji kausalitas dimaksudkan untuk mengetahui bahwa dari dua variabel yang berhubungan, maka variabel mana yang menyebabkan variabel lain berubah. Hubungan sebab akibat tersebut dapat diuji dengan menggunakan uji kausalitas Granger (Granger Causality Test). Dasar dari teori pengujian kausalitas Granger ini adalah bahwa suatu variabel (misalkan X) dikatakan menyebabkan variabel lain (misalkan Y) jika Y saat ini dapat diprediksi dengan lebih baik dengan menggunakan seluruh informasi masa lalu atau nilai-nilai masa lalu dalam variabel X (Juanda & Junaidi, 2012).

Dalam uji kausalitas terdapat 3 (tiga) kemungkinan arah hubungan kausalitas yang dapat terjadi, yaitu X menyebabkan Y, Y menyebabkan X atau hubungan timbal balik (dua arah) apabila X menyebabkan Y pada saat yang bersamaan Y menyebabkan X. Salah satu kesimpulam tersebut dapat diambil jika hipotesis null kondisi tersebut diatas ditolak, yakni apabila nilai F statistic > F tabel, atau dapat dilihat dari nilai probabilitas. Apabila nilai probabilitas < 0.05, maka terjadi kausalitas,

sebaliknya apabila nilai probabilitas > 0.05, maka tidak terjadi kausalitas.

e. Uji Kointegrasi Johansen

Uji Uji kointegrasi dilakukan untuk menentukan apakah variabel-variabel yang tidak stasioner pada tingkat level namun stasioner pada tingkat first difference memiliki kointegrasi atau tidak (Septindo et al., 2016). Jika semua data sudah stasioner pada pembedaan pertama (first difference) maka langkah selanjutnya adalah melakukan uji kointegrasi Johansen. Uji kointegrasi perlu dilakukan untuk mengetahui apakah data mempunyai hubungan jangka panjang (terkointegrasi). Uji kointegrasi dari Johansen didasarkan atas model VAR(p) dari sekumpulan peubah yang tidak stasioner. Uji ini lebih menekankan dalam proses pengujian kointegrasi dimana selanjutnya dilakukan tahap reparametriasi dari model VAR menjadi Vector Error Correction Model (VECM). Jika tidak ada kointegrasi maka VAR yang terbentuk adalah VAR dengan data diferensiasi (VAR in difference).

Apabila terdapat kointegrasi maka model VAR yang terbentuk adalah Vector Error Correction Model (VECM) yang bersifat model terestriksi.

Hubungan kointegrasi dapat dilihat dengan cara membandingkan nilai trace statistic lebih besar daripada nilai kritis 0.05, maka data terkointegrasi. Selain itu juga dapat dilihat dari nilai

probabilitasnya, jika nilai probabilitasnya lebih kecil dari 0.05 maka variabel tersebut terintegrasi (Jamal et al., 2018). Pengujian hubungan kointegrasi dilakukan dengan menggunakan lag optimal sesuai dengan pengujian sebelumnya.

f. Pemodelan VECM

Vector Error Correction Model (VECM) adalah bentuk VAR yang terestriksi. Restriksi diberikan karena data tidak stasioner namun terkointegrasi. VECM kemudian memanfaatkan informasi restriksi kointegrasi tersebut ke dalam spesifikasinya. Dengan demikian dalam VECM terdapat speed of adjustment dari jangka pendek ke jangka Panjang (Beik & Fatmawati, 2014).

Dari hasil estimasi model VECM kemudian dapat dilihat Impulse Response Function (IRF) dan Forecast Error Variance Decomposition (FEVD) suatu variabel terhadap variabel lainnya atau terhadap dirinya sendiri IRF maupun FEVD. Dari kedua analisis tersebut akan dapat dianalisis respon dari masing-masing variabel terhadap kejutan yang diberikan oleh suatu variabel lainnya, dan seberapa besar kostribusi dari suatu variabel kepada dekomposisi varian variabel lainnya.

g. Analisis Impulse Response Function (IRF)

Model VAR dapat digunakan untuk melihat dampak perubahan satu variabel terhadap variabel lainnya secara dinamis. Caranya adalah dengan memberikan shock pada salah satu variabel endogen.

Guncangan yang diberikan biasanya sebesar satu standar deviasi dari variabel tersebut (disebut innovations). Penelusuran pengaruh shock yang dialami oleh suatu variabel terhadap nilai semua variabel pada saat ini maupun pada beberapa periode mendatang disebut teknik Impulse Response Function (IRF) (Juanda & Junaidi, 2012).

Impulse Response Function (IRF) adalah suatu metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap suatu shock tertentu. Impulse Response Function merupakan hasil estimasi VAR yang dapat digambarkan dengan grafik (graph) atau tabel, dengan cara melihat graph atau tabel IRF kita dapat melihat seberapa besar respon dari variabel terhadap shock sebesar satu standar deviasi (S.D) dari variabel-variabel di dalam model (Widarjono, 2007).

h. Analisis Forecast Error Variance Decompotion (FEVD)

Analisis FEVD bertujuan untuk memprediksi kontribusi persentase variance dari setiap variabel karena adanya perubahan variabel tertentu dalam sistem VAR (Juanda & Junaidi, 2012). Forecast Error Variance Decomposition berupa tabel yang dapat memberikan gambaran varian dari sebuah variabel akibat adanya shock dari variabel lainnya maupun dari dirinya sendiri. Dengan melihat variabel yang bersifat exogen (menjelaskan) akan dapat diketahui apakah shock dari masing-masing variabel sangat penting dalam membentuk varian dari variabel tersebut serta variabel lainnya dengan kata lain analisis FEVD

bermanfaat untuk mengetahui kejutan dari variabel mana yang paling mempengaruhi perubahan dari suatu variabel. Analisis FEVD juga sering disebut sebagai Cholesky Decomposition yang bertujuan untuk memisahkan dampak masing-masing error secara individual terhadap respon yang diterima suatu variabel.

E. Operasional Variabel Penelitian

Supaya setiap variabel yang terdapat di dalam penelitian ini dapat dimengerti dengan jelas, serta untuk menghindari kesalahan dalam menafsirkan pengertian, maka perlu pembatasan pengertian dari varibel yang akan diteliti. Berikut ini deskripsi dari sembilan indeks yang akan diteliti, yaitu :

1. Variabel Terikat (Dependent Variable)

Variabel dependen menurut Sugiyono (2016) merupakan variabel yang dipengaruhi atau menjadi akibat, karena adanya variabel bebas. Dalam penelitian ini, variabel dependennya adalah sebagai berikut :

a. IHSG

Indeks Harga Saham Gabungan (IHSG) merupakan indeks pasar saham yang digunakan oleh Bursa Efek Indonesia (BEI).

Diperkenalkan pertama kali pada tanggal 1 April 1983 sebagai indikator pergerakan harga saham di Bursa Efek Jakarta (BEJ). Hari dasar perhitungan IHSG adalah tanggal 10 Agustus 1982. Pada tanggal tersebut, Indeks ditetapkan dengan nilai dasar 100 dan saham tercatat pada saat itu berjumlah 13 saham. Sekarang ini

jumlah emiten yang tercatat di Bursa Efek Indonesia sudah mencapai 512 emiten. Terdapat dua metode perhitungan indeks ini yaitu menggunakan rumus sebagai berikut: (Idx.Co.Id)

1. Metode rata-rata (Average Methode) Indeks IHSG = ∑𝑃

𝑑𝑖𝑣𝑖𝑠𝑜𝑟

Keterangan:

∑p = Jumlah seluruh saham yang tercatat

Divisor = Angka yang ditentukan oleh otoritas bursa sebagai bilangan pembagi

2. Metode rata-rata tertimbang (Weighted Average Methode) JKSE = ∑(𝑃𝑠 𝑋 𝑆𝑠)

∑(𝑃𝑏𝑎𝑠𝑒 𝑋 𝑆𝑠) Keterangan:

Ps = Harga saham sekarang Ss = Harga saham awal Pbase = Harga saham dasar b. KLCI

Kuala Lumpur Composite Index (KLCI) diluncurkan sebagai indeks terbuka dengan total 83 perusahaan pada 4 April 1986.

Semenjak 6 Juli 2009 hingga saat ini, KLCI dikenal sebagai FTSE Bursa Malaysia KLCI sebagai dasar pengukuran Pasar Modal Malaysia. KLSE diperkenalkan pada tahun 1986 yang digunakan sebagain indikator kinerja pasar saham dan ekonomi Malaysia.

FTSE Bursa Malaysia KLCI terdiri dari 30 perusahaan yang paling likuid di bursa saham Malaysia. Nilai dasar dari indeks ini adalah sebesar 100 yang ditetapkan sejak Januari 1977. Metode perhitungan indeks ini menggunakan rumus sebagai berikut : (Bursamalaysia.Com)

Indeks KLCI = ∑𝑃

𝑑𝑖𝑣𝑖𝑠𝑜𝑟

Keterangan:

∑p = Jumlah seluruh saham yang tercatat

Divisor = Angka yang ditentukan oleh otoritas bursa sebagai bilangan pembagi

c. PSEI

Phillipine Stock Exchange (PSE) merupakan satu-satunya bursa saham yang berada di Filipina. PSE didirikan pada tahun 1992 dari penggabungan Bursa Efek Manila dan Bursa Efek Makati. Bursa tersebut telah beroperasi sebelumnya sejak 1927. Indeks utama PSE adalah PSE Composite Index (PSEi) yang terdiri dari 30 emiten. Metode yang digunakan untuk menghitung indeks ini adalah dengan kapitalisasi pasar menggunakan jumlah saham yang beredar atau free-float market capitalization dengan rumus sebagai berikut : (Www.Pse.Com.Ph)

Indeks PSEI = ∑𝑃

𝑑𝑖𝑣𝑖𝑠𝑜𝑟

Keterangan:

∑p = Jumlah seluruh saham yang tercatat

Divisor = Angka yang ditentukan oleh otoritas bursa sebagai bilangan pembagi

d. STI

Singapore Exchange Ltd (SGX) adalah bursa saham pertama di Asia Pasifik yang terintegrasi dan terdemutualisasi. Pada 31 Januari 2013, tercatat sebanyak 776 perusahaan yang terdapat di Singapore Exchange Ltd. Indeks saham Singapura yang sering di jadikan acuan yaitu Straits Times Index.FTSE Straits Times Index (STI) merupakan indeks tertimbang dari kapitalisasi pasar saham yang dianggap sebagai indeks acuan untuk pasar saham Singapura.

STI menggantikan Straits Times Industrials Index (STII) dan mulai diperdagangkan pada 31 Agustus 1998. STI kembali diubah dan diluncurkan kembali pada 10 Januari 2008 sebagai bagian dari kemitraan baru antara SPH, SGX dan FTSE. Jumlah saham konstituen dikurangi dari sekitar 50 menjadi 30. Metode perhitungan indeks ini menggunakan rumus sebagai berikut : (Www.Straitstimes.Com)

Indeks STI = ∑𝑃

𝑑𝑖𝑣𝑖𝑠𝑜𝑟

Keterangan:

∑p = Jumlah seluruh saham yang tercatat

Divisor = Angka yang ditentukan oleh otoritas bursa sebagai bilangan pembagi

*Penentuan penggunaan harga ditentukan berdasarkan perusahaan terbesar di pasar saham Singapura.

e. SET

Stock Exchange of Thailand (SET) merupakan bursa saham utama dan satu-satunya di Thailand. Era modern pasar modal Thailand dibagi menjadi dua fase, yaitu mulai dari Bangkok Stock Exchange (BSE) milik swasta yang didirikan pada Juli 1962 dalam bentuk persekutuan terbatas, hingga pada tanggal 1 Januari 1991 diubah menjadi Bursa Efek Thailand (SET). SET memiliki 8 kelompok industri dan 28 sektor. Metode yang digunakan untuk menghitung indeks ini adalah dengan kapitalisasi pasar menggunakan jumlah saham yang beredar atau free-float market capitalization dengan rumus sebagai berikut: (Set.or.Th)

Indeks SET = ∑𝑃

𝑑𝑖𝑣𝑖𝑠𝑜𝑟

Keterangan:

∑p = Jumlah seluruh saham yang tercatat

Divisor = Angka yang ditentukan oleh otoritas bursa sebagai bilangan pembagi

f. NIKKEI225

Nikkei Stock Average (Nikkei225) didirikan pada 7 September 1950 yang terdiri dari 225 perusahaan saham Jepang yaitu Tokyo Stock Exchange First Section, dengan mempertimbangkan bobot dari sektor industri. Sejak Januari 2010, indeks ini diperbarui setiap

15 detik selama sesi perdagangan. Lebih dari 60 tahun, indeks Nikkei 225 telah dipakai sebagai barometer keadaan ekonomi Jepang. Setiap event yang terjadi di TSE (Tokyo Stock Exchange), seperti stock split, akan memberikan dampak atas perhitungan indeks dan bilangan pembaginya (divisor). Metode perhitungan indeks ini menggunakan rumus sebagai berikut : (Indexes.Nikkei.Co.Jp)

Indeks NIKKEI225 = ∑𝑃

𝑑𝑖𝑣𝑖𝑠𝑜𝑟

Keterangan:

∑p = Jumlah seluruh saham yang tercatat

Divisor = Angka yang ditentukan oleh otoritas bursa sebagai bilangan pembagi

*Penentuan penggunaan harga ditentukan berdasarkan prioritas, yaitu harga khusus terbaru, harga saat ini, dan harga standar.

g. KOSPI

Korea Composite Stock Price Index (KOSPI) diperkenalkan pada tahun 1983, menggantikan Dow-Style Korea Composite Stock Price Index (KCSPI). Pada 30 Desember 2020, KOSPI memiliki lebih dari 880 komponen, 5 saham teratas berdasarkan kapitalisasi pasar adalah Samsung Electronics, SK Hynix, LG Chem, Samsung Biologics, dan Celltrion. KOSPI merupakan indeks penting yang sudah terdaftar di pasar berjangka dan option serta merupakan salah satu yang indeks paling aktif diperdagangkan di dunia. Pada

saat terjadinya krisis keuangan yang terjadi tanggal 16 Juni 1998 yang melanda dunia, nilai indeks KOSPI mencapai 31,96 dan Ditutup di atas 200 untuk pertama kalinya pada 24 April 2007.

Metode perhitungan indeks ini menggunakan rumus sebagai berikut : (Krx.Co.Kr)

Current Index =

𝐻𝑎𝑟𝑔𝑎 𝑡𝑢𝑡𝑢𝑝 𝑝𝑎𝑠𝑎𝑟 𝑡𝑜𝑡𝑎𝑙 𝑘𝑜𝑠𝑡𝑖𝑡𝑢𝑒𝑛 𝑠𝑎ℎ𝑎𝑚 𝑋 100

𝑁𝑖𝑙𝑎𝑖 𝑘𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛 𝑘𝑎𝑝𝑖𝑡𝑎𝑙𝑖𝑠𝑎𝑠𝑖 𝑝𝑎𝑠𝑎𝑟

h. HANGSENG

Hang Seng Index (HSI) didirikan pada 24 November 1969 dan dikelola oleh HSI Service Limited yang merupakan anak perusahaan yang sepenuhnya dimiliki oleh Hang Seng Bank, yaitu salah satu bank terbesar di Hong Kong dalam hal kapitalisasi pasar.

Perusahaan ini bertanggung jawab untuk membuat, menerbitkan, serta mengatur Indeks Hang Seng dan beberapa indeks saham lainnya, seperti Hang Seng Composite Index, dan Hang Seng HK MidCap Index. Indeks ini digunakan untuk mendata serta memonitor perubahan harian dari perusahaan-perusahaan terbesar di pasar saham Hong Kong dan sebagai indikator utama dari performa pasar di Hong Kong. Ke-34 perusahaan tersebut mewakili 65% dari kapitalisasi pasar di bursa ini. Metode perhitungan indeks ini menggunakan rumus sebagai berikut : (Hsi.Com.Hk)

Current Index = ∑[P(t) x 𝐼𝑆 x 𝐹𝐴𝐹 x 𝐶𝐹]

∑[𝑃(𝑡−1)𝑥 𝐼𝑆 𝑥 𝐹𝐴𝐹 𝑥 𝐶𝐹] x yesterday’s closing index

Keterangan:

P(t) = harga hari ini di t

P(t-1) = harga penutupan hari ini (t-1) IS = Issued Shares

FAF = Freefloat CF = Cap Factor

2. Variabel Independen (Independent Variable)

Variabel bebas merupakan variabel yang mempengaruhi atau menjadi sebab perubahannya atau timbulnya variabel dependen (Sugiyono, 2016). Variabel bebas dalam penelitian ini adalah National Association of Securities Dealers Automated Quotations (NASDAQ).

a. NASDAQ

National Association of Securities Dealers Automated Quotations (NASDAQ) adalah salah satu indeks pasar saham acuan di Amerika yang memulai perdagangan pada 4 Februari 1971. Pada tahun 1999 NASDAQ merupakan bursa terbesar di Amerika dengan lebih dari setengah jumlah perusahaan uang diperdagangkan di Amerika

Dalam dokumen ANALISIS INTEGRASI PASAR MODAL AMERIKA DENGAN PASAR MODAL ASEAN-5 +3 (Halaman 66-0)