BAB IV ANALISIS DAN PEMBAHASAN
B. Pengujian dan Pembahasan
Dalam penelitian ini data akan diuji sifat stasionernya sebagai langkah pertama dan untuk mengetahui apakah data yang digunakan sudah stasioner atau belum. Dalam penelitian ini menggunakan data time series dengan uji akar unit (unit root test). Jika data memiliki akar unit, maka nilainya akan cenderung berfluktuasi tidak disekitar rata-ratanya sehingga menyulitkan dalam mengestiasi suatu model. Uji akar unit digunakan untuk
Dow Jones Islamic Market
6000 5000 4000 3000 2000 1000 0 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
dianalisis bersama akan menjadi stasioner setelah dideferensi pada
first difference dan diferensi selanjutnya.
Pengujian stasioneritas dilakukan terhadap seluruh variabel, metode yang digunakan adalah Augmented Dickey Fuller Test. Panduan yang diambil adalah jika nila t-ADF lebih kecil dari nilai kritis MacKinnon, maka dapat disimpulkan data yang digunakan adalah stasioner (tidak mengandung akar unit) (Basuki & Prawoto, 2017).
Tabel 4. 2 Uji Stasioneritas Data Pada Tingkat Level
Variabel ADF Test ADF
McKinnon Critical Value
5%
Prob Keterangan
ISSI -2,143957 -2,886732 0,2281 Tidak Stasioner KURS -1,890834 -2,886959 0,3356 Tidak Stasioner Inflasi -1,962266 -2,886959 0,3031 Tidak Stasioner Harga
Emas
-0,793982 -2,886959 0,8167 Tidak Stasioner DJIM 0,514342 -2,886732 0,9866 Tidak Stasioner
Sumber: Hasil Pengolahan Penulis
Tabel 4.2 adalah hasil uji stasioner pada tingkat level seluruh variabel penelitian dan hasil dari uji tersebut ditemukan seluruh variabel penelitian tidak stasioner pada tingkat level. Untuk mendapatkan data stasioner pada seluruh variabel, perlu diuji ADF pada tingkat first difference.
Tabel 4. 3 Uji Stasioneritas Data Pada First Different
Variabel ADF Test ADF
McKinnon Critical Value 5% Prob Keterangan ISSI -9,128441 -2,886959 0,0000 Stasioner KURS -14,10469 -2,886959 0,0000 Stasioner Inflasi -8,289490 -2,887190 0,0000 Stasioner Harga Emas -9,348434 -2,886959 0,0000 Stasioner DJIM -12,57438 -2,886959 0,0000 Stasioner
Sumber: Hasil Pengolahan Penulis
Tabel 4.3 menghasilkan pengujian stasioneritas data First
Different pada seluruh variabel penelitian telah stationer pada
tingkat diferensi pertama karena nilai ADF test lebih kecil nilai kritis McKinnon.
2. Uji Lag Optimal
Setelah dilakukan uji stasioner, selanjutnya dilakukan uji
lag optimal yang dilakukan untuk mengestimasi permasamaan
model VAR. Pengujian panjang lag optimal ini berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR. Tabel 4.4 ini menunjukkan hasil pengujian lag optimal.
Tabel 4. 4 Penentuan Lag Optimal
Lag LogL LR FPE AIC SC HQ
0 -2482,763 NA 1,08e+14 46,50025 46,62515* 46,55088* 1 -2454,622 53,12649* 1,02e+14* 46,44154* 47,19093 46,74533 2 -2436,038 33,34669 1,15e+14 46,56146 47,93535 47,11842 3 -2417,132 32,15831 1,30e+14 46,67537 48,67374 47,48548
6 -2369,638 23,68559 2,34e+14 47,18950 51,06136 48,75910 7 -2355,678 18,52748 3,02e+14 47,39584 51,89219 49,21860 8 -2338,595 21,07409 3,76e+14 47,54383 52,66467 49,61975
Sumber: Hasil Pengolahan Penulis
Tabel 4.4 menunjukkan bahwa berdasarkan hasil penetapan
lag optimal dengan beberapa kriteria dengan jumlah dari AIC, SIC,
dan HQ yang paling kecil serta banyaknya tanda asterik (*) berada pada lag satu (1). Sehingga dalam penelitian ini lag yang digunakan adalah lag 1 (satu).
3. Uji Stabilitas VAR
Sebelum masuk pada tahapan analisis yang lebih jauh, hasil estimasi sistem persamaan VAR stability condition check yang berupa roots of characteristic polynomial terhadap seluruh variabel yang digunakan dikalikan jumlah lag dari masing-masing VAR.
Model VAR dapat dikatakan stabil apabila nilai modulus < 1 dan tidak stabil jika > 1.
Tabel 4. 5 Hasil Uji stabilitas VAR
Root Modulus -0,421997 0,421997 0,212433 0,212433 -0,189215 0,189215 0,125447 – 0,112412i 0,168444 0,125447 + 0,112412i 0,168444
Berdasarkan Tabel 4.5 dapat disimpulkan bahwa estimasi stabilitas VAR yang digunakan untuk analisis IRF dan FEVD telah stabil karena kisaran modulus < 1.
4. Uji Kausalitas Granger
Untuk melihat hubungan sebab-akibat antar variabel- variabel digunakanlah Uji Kausalitas Granger (Granger Causality
Test) yakni dengan membandingkan probabilitas masing-masing
variabel dengan nilai kritis 5%. Jika probabilitas lebih kecil dari 5% maka dapat disimpulkan terjadi hubungan kausalitas, begitupun sebaliknya.
Tabel 4. 6 Hasil Uji Kausalitas Granger
Null Hypothesis Obs F-Statistic Prob.
KURS does not Granger Cause ISSI ISSI does not Granger Cause KURS
115 1,93561 4,09728
0,1669 0,0453 INFLASI does not Granger Cause ISSI
ISSI does not Granger Cause INFLASI
115 1,93176 1,13404
0,1673 0,2892 HARGA_EMAS does not Granger
Cause ISSI 115 0,00283 0,74121 0,9577 0,3911 ISSI does not Granger Cause
HARGA_EMAS
DJIM does not Granger Cause ISSI 115 0,33430 0,18491
0,5643 0,6680 ISSI does not Granger Cause DJIM
i. Kurs terhadap ISSI
Berdasarkan Tabel 4.6 diatas diketahui bahwa kurs tidak berpengaruh signifikan terhadap ISSI. Hal ini dapat dilihat dari nilai probabilitasnya yang lebih besar dibandingkan dengan nilai α = 5% yaitu 0,1669 > 0,05 dan pada ISSI terdapat signifikan mempengaruh kurs karena nilai probabilitasnya lebih kecil dari nilai α, 0,0453 < 0,05.
ii. Inflasi terhadap ISSI
Berdasarkan Tabel 4.6 diatas diketahui bahwa inflasi tidak berpengaruh signifikan terhadap ISSI. Hal ini dapat dilihat dari nilai probabilitasnya yang lebih besar dibandingkan dengan nilai α = 5% yaitu 0,9890 > 0,05 dan pada ISSI tidak terjadi pengaruh signifikan terhadap inflasi karena nilai probabilitasnya lebih besar dari nilai α, 0,2892 > 0,05.
iii. Harga emas terhadap ISSI
Berdasarkan Tabel 4.6 diatas diketahui bahwa harga emas tidak berpengaruh signifikan terhadap ISSI. Hal ini dapat dilihat dari nilai probabilitasnya yang lebih besar dibandingkan dengan nilai α = 5% yaitu 0,9577 > 0,05 dan pada ISSI tidak terjadi pengaruh signifikan terhadap harga emas karena nilai probabilitasnya lebih besar dari nilai α, 0,3911 > 0,05.
iv. DJIM terhadap ISSI
Berdasarkan Tabel 4.6 diatas diketahui bahwa DJIM tidak berpengaruh signifikan terhadap ISSI. Hal ini dapat dilihat dari nilai probabilitasnya yang lebih besar dibandingkan dengan nilai α = 5% yaitu 0,5643 > 0,05
dan pada ISSI tidak terjadi pengaruh signifikan terhadap DJIM karena nilai probabilitasnya lebih besar dari nilai α, 0,6680 > 0,05.
5. Uji Kointegrasi
Uji kointegrasi dilakukan untuk melihat keberadaan hubungan antar variabel, khususnya dalam jangka panjang. Jika terdapat hubungan kointegrasi pada variabel-variabel yang digunakan dalam model penelitian maka dapat dipastikan adanya hubungan jangka panjang (Basuki & Prawoto, 2017).
Untuk menganalisa hasil, dengan cara melihat nilai trace
statistic terhadap nilai dari critical value pada. Jika nilai trace statistic lebih besar dari nilai critical value maka terdapat
kointegrasi, begitu juga dengan sebaliknya. Pada penelitian ini, pengujian hubungan kointegrasi menggunakan metode Johansen
Cointegration Test.
Tabel 4. 7 Hasil Uji Kointegrasi
Hypothesized No. of CE(s) Trace Statistic 0.05 Critical Value Prob None * 296,2077 76,97277 0,0000 At most 1 * 201,2596 54,07904 0,0000 At most 2 * 129,0359 35,19275 0,0000 At most 3 * 70,82301 20,26184 0,0000 At most 4 * 23,09805 9,164546 0,0001
Sumber: Hasil Pengolahan Penulis
Uji kointegrasi pada Tabel 4.7 menggunakan metode uji
kointegrasi tersebut dapat menjelaskan bahwa variabel yang diteliti memiliki hubungan jangka panjang satu dengan yang lainnya, oleh sebab itu estimasi VECM dapat dilakukan dalam penelitian ini.
6. Estimasi VECM
Langkah untuk mengestimasi VECM ditentukan oleh uji kointegrasi sebelumnya yang menyatakan bahwa terdapat kointegrasi pada sistem VAR. Model VECM mengukur keseimbangan hubungan jangka pendek dan jangka panjang antar variabel, serta mengukur error-correction atau kecepatan variabel- variabel tersebut dalam bergerak menuju keseimbangan jangka panjangnya.
Cara mengetahui apakah variabel X mempengaruhi variabel Y, maka hal yang perlu dilakukan adalah membandingkan antara nilai t-statistic dengan t-Tabel. Jika nilai t-statistic lebih besar daripada nilai t-Tabelnya dapat dikatakan bahwa variabel X mempengaruhi variabel Y.
Tabel 4. 8 Hasil Uji VECM Jangka Panjang
Jangka Panjang
Variabel Koefisien t-Tabel t-statistic Hasil
D(Kurs) 0,040193
1,98063
12,3683 Signifikan
D(Inflasi) -8,094909 -5,21423 Signifikan
D(Harga Emas) 0,052743 2,98570 Signifikan
D(DJIM) 0,019271 2,86114 Signifikan
Berdasarkan dengan hasil Tabel 4.8 diatas hasil estimasi VECM dalam jangka panjang membandingkan hasil antara t-
statistic dengan t-tabel. Hasil diperoleh dari Tabel t untuk df = 116
adalah 1,98063.
Dalam jangka panjang variabel Kurs, harga emas dan DJIM berpengaruh positif siginikan terhadap variabel ISSI sedangkan inflasi berpengaruh negatif terhadap ISSI. Hal ini dibuktikan dengan hasil estimasi nilai t-statistic lebih besar dari nilai t-tabelnya. Kurs bernilai 12,3683 > 1,98063, harga emas 2,98570 > 1,98063 DJIM bernilai 2,86114 > 1,98063. Variabel inflasi berpengaruh negatif signifikan terhadap ISSI dengan nilai -5,21423 > 1,98217.
Tabel 4. 9 Hasil Uji VECM Jangka Pendek
Jangka Pendek
Variabel Koefisien t-Tabel t-statistic Hasil
D(KURS) 0,001979
1,98063
0,92451 Tidak Signifikan
D(INFLASI) -2,295646 -2,02091 Signifikan
D(HARGA_EMAS) 0,005016 0,47580 Tidak Signifikan
D(DJIM) -0,001843 -0,63729 Tidak Signifikan
Sumber: Hasil Pengolahan Penulis
Berdasarkan dengan hasil Tabel 4.8 diatas hasil estimasi VECM dalam jangka pendek menunjukkan hanya inflasi yang berpengaruh negatif signfikan terhadap ISSI yang dibuktikan dari nilai t-statistic lebih besar dari nilai t-tabel -2,02091 > 1,98063 dan
DJIM terhadap ISSI yang dibuktikan dari seluruh nilai t-statistic lebih kecil dari nilai t-tabel. kurs bernilai 0,59302 < 1,98063, Harga Emas bernilai 0,47580 < 1,98063, DJIM bernilai -0,74911 < 1,98063.
7. Impulse Response Function (IRF)
Langkah selanjutnya adalah melakukan uji Impulse
Response Function (IRF), IRF adalah metode yang digunakan untuk
menentukan bagaimana respon suatu variabel endogen terhadap guncangan (shock) variabel tertentu. Secara mendasar dalam analisis ini akan diketahui respon positif atau negatif dari suatu variabel terhadap variabel lainnya. Respon tersebut dalam jangka pendek biasanya cukup signifikan dan cenderung berubah. Namun, dalam jangka panjang cenderung konsisten dan terus mengecil.
Tabel 4. 10 Hasil Uji IRF
Periode D(ISSI) D(Kurs) D(Inflasi) D(HargaEmas) D(DJIM)
1 7,436421 0,000000 0,000000 0,000000 0,000000 2 3,999094 -0,046445 -1,167475 0,135485 -0,606382 3 5,596035 -0,752700 -0,021534 -0,108528 -0,175574 4 4,792661 -0,183766 -0,473003 -0,044849 -0,468014 5 5,182784 -0,371148 -0,413328 0,004269 -0,236332 6 5,024625 -0,319677 -0,429498 -0,030068 -0,394872 7 5,077481 -0,382312 -0,393593 -0,029054 -0,312285 8 5,059784 -0,321734 -0,411190 -0,024733 -0,347412 9 5,066371 -0,353528 -0,415836 -0,023331 -0,332477 10 5,065160 -0,342701 -0,407367 -0,026117 -0,339189
Sumber: Hasil Pengolahan Penulis
Hasil IRF pada table 4.9 menunjukkan respon ISSI terhadap Kurs, Inflasi, Harga Emas dan DJIM.
Response of D(ISSI) to D(KURS) 8 6 4 2 0 -2 2 4 6 8 10
Gambar 4. 6 Hasil Uji IRF ISSI to kurs
Pada periode pertama kurs belum memberikan dampak terhadap ISSI. Namun pada periode kedua mengalami respon negatif sebesar -0,046445 dan periode ketiga mengalami respon negatif sebesar -0,752700 dan terus mengalami fluktuasi sampai akhir periode, pada akhir periode respon sebesar -0,342701.
Response of D(ISSI) to D(INFLASI)
8 6 4 2 0 -2 2 4 6 8 10
Gambar 4. 7 Hasil Uji IRF ISSI to Inflasi
Pada periode pertama inflasi belum memberikan dampak terhadap ISSI. Namun pada periode kedua mengalami respon negatif sebesar -1,167475 dan mengalami fluktuasi sampai akhir periode dan pada akhir periode memberikan respon sebesar - 0,407367.
Response of D(ISSI) to D(HARGA_EMAS) 8 6 4 2 0 -2 2 4 6 8 10
Gambar 4. 8 Hasil Uji IRF ISSI to Harga Emas
Pada periode pertama harga emas belum memberikan dampak terhadap ISSI. Namun pada periode kedua mengalami respon positif sebesar 0,135485 dan mengalami fluktuasi sampai akhir periode dan pada akhir periode memberikan respon sebesar - 0,026117.
Response of D(ISSI) to D(DJIM) 8 6 4 2 0 -2 2 4 6 8 10
Gambar 4. 9 Hasil Uji IRF ISSI to DJIM
Pada periode pertama DJIM belum memberikan dampak terhadap ISSI. Namun pada periode kedua mengalami respon negatif sebesar -0,606382 dan mengalami fluktuasi sampai akhir periode dan pada akhir periode memberikan respon sebesar -0,339189.
8. Forecast Error Variance Decomposition
Uji Forecast Error Variance Decomposition (FEVD) atau
Variance Decomposition (VD) merupakan perangkat pada model
VAR/VECM yang akan memisahkan variasi dari sejumlah variabel yang diestimasi menjadi komponen-komponen shock atau menjadi variabel innovation dengan asumsi bahwa variabel-variabel
innovation tidak saling berkorelasi. Kemudian, VD akan
memberikan informasi mengenai proporsi dari pergerakan pengaruh shock pada sebuah variabel terhadap shock variabel lainnya pada periode saat ini dan periode yang akan datang, sebagaimana dijelaskan dalam Tabel 4.11 hasil uji FEVD.
Tabel 4. 11 Hasil Uji FEVD
Periode S.E. D(ISSI) D(Kurs) D(Inflasi) D(HargaEmas) D(DJIM)
1 7,436421 100,0000 0,000000 0,000000 0,000000 0,000000 2 8,546597 97,60254 0,002953 1,865987 0,025130 0,503391 3 10,24546 97,75093 0,541789 1,298911 0,028708 0,379657 4 11,33215 97,78895 0,469160 1,235961 0,025032 0,480901 5 12,47571 97,94155 0,475597 1,129526 0,020665 0,432665 6 13,46602 97,98861 0,464573 1,071230 0,018236 0,457355 7 14,40535 98,04988 0,476397 1,010735 0,016342 0,446650 8 15,28101 98,09829 0,467692 0,970623 0,014785 0,448614 9 16,11169 98,13177 0,468856 0,939731 0,013509 0,446132 10 16,90093 98,16246 0,467204 0,912109 0,012516 0,445715
Sumber: Hasil Pengolahan Penulis
Tabel 4.11 menunjukan hasil uji FEVD yang menyajikan bahwa variabel kurs terhadap ISSI mengalami peningkatan pada periode ke-2 sebesar 0,002953 % dan mengalami fluktuasi dan
peningkatan pada periode ke-2 sebesar 1,865987 % dan mengalami fluktuasi hingga akhir periode sebesar 0,912109 %. Variabel harga emas mengalami peningkatan pada periode ke-2 sebesar 0,025130 % dan mengalami fluktuasi sampai akhir periode sebesar 0,012516 %. Variabel DJIM mengalami peningkatan pada periode ke-2 sebesar 0,503391 % dan mengalami fluktuasi sampai akhir periode sebesar 0,445715 %.