sebab akibat (causalities) antara variabelnya yang dapat dijelaskan oleh nilai-nilai masa lalu.
5. Apabila data yang tersedia lolos dari 3 uji asumsi diatas, dilakukan analisis Vector Auto Regression (VAR) untuk menganalisis dampak dinamis dari faktor gangguan yang terdapat dalam sistem variabel tersebut.
Pengukuran Variabel
Variabel dependent yang dianalisis dalam penelitian ini adalah Perubahan nilai indeks sektoral harian, yang dihitung dengan rumus sebagai berikut:
ISit = ��− ��−1
��−1 ... (1) dimana:
ISit : Perubahan nilai indekssaham sektor i pada hari ke t Pit : Penutupan indekssektor i pada hari ke t
Pit-1 : Penutupan indekssektor i pada hari ke t-1
Variabel independent di penelitian ini adalah harga minyak dunia harian yang dihitung dengan rumus sebagai berikut:
POILt =����−����−1
����−1 ... (2)
dimana:
POILt : Perubahan harga minyak dunia pada hari ke t WTIt : Harga minyak dunia pada hari ke t
WTIt-1 : Harga minyak dunia pada hari ke t-1
Tujuan dari regresi ini adalah untuk memberikan gambaran menyeluruh tentang hubungan antara perubahan harga minyak dan return saham indeks sektoral. Regresi awal dinyatakan sebagai berikut:
R�� = � + � ���−1+ ��... (3)
dimana:
Rit : Perubahan nilai indekssaham sektor i pada hari ke t POILt-1 : Perubahan harga minyak dunia pada hari ke t-1
Uji akar unit (Unit Root Test)
Uji akar unit digunakan untuk menguji adanya anggapan bahwa sebuah data time series stasioner. Uji yang biasa digunakan adalah uji Dickey–Fuller. Uji lain yang serupa yaitu Uji Phillips–Perron. Keduanya mengindikasikan keberadaan akar unit sebagai hipotesis nol. Perlu diketahui bahwa data yang dikatakan stasioner adalah data yang bersifat flat, tidak mengandung komponen trend, dengan keragaman yang konstan, serta tidak terdapat fluktuasi periodik. Hipotesis yang digunakan pada pengujian augmented dickey fuller adalah:
H0 : ρ = 0 (Terdapat unit roots, data tidak stasioner) H1 : ρ ≠ 0 (Tidak terdapat unit roots, data stasioner)
Kesimpulan hasil root test diperoleh dengan membandingkan nilai t-hitung dengan t-tabel pada tabel Dickey-Fuller.
Uji Kointegrasi
Pendekatan kointegrasi berkaitan erat dengan pengujian terhadap kemungkinan adanya hubungan keseimbangan jangka panjang antara variabel-variabel ekonomi seperti yang disyaratkan oleh teori ekonomi. Pendekatan kointegrasi dapat pula dipandang sebagai uji teori dan merupakan bagian yang penting dalam perumusan dan estimasi suatu model dinamis.
Dalam konsep kointegrasi, dua atau lebih variabel runtun waktu stasioner akan terkointegrasi bila kombinasinya juga linier sejalan dengan berjalannya waktu, meskipun bisa terjadi masing-masing variabelnya bersifat tidak stasioner. Bila variabel runtun waktu tersebut terkointegrasi maka terdapat hubungan yang stabil dalam jangka panjang. Uji kointegrasi yang digunakan dalam penelitian ini adalah uji kointegrasi yang dikembangkan oleh Johansen. Uji Johansen menggunakan analisis trace statistic dan nilai kritis pada tingkat kepercayaan α= 5 %. Hipotesis nolnya apabila nilai trace statistic lebih besar dari nilai kritis pada tingkat kepercayaan α= 5 % atau nilai probabilitas lebih kecil dari α= 5 % maka terindikasi kointegrasi.
Uji Granger Causality
Tujuan dari uji kausalitas menggunakan Granger Causality adalah mendeteksi ada tidaknya hubungan sebab akibat (causalities) antara variabelnya yang dapat dijelaskan oleh nilai-nilai masa lalu. Variabel independentdikatakan “granger-causes” variabel dependent, apabila variabel independent membantu memprediksi variabel dependent. Maka dari itu rumusan hipotesis dari Granger Causality adalah : H0 : Variabel dependent tidak memiliki Granger cause terhadap
variabel independent
H1 : Variabel dependent memiliki Granger cause terhadap variabel independent
Analisis Vector Auto Regression (VAR)
Vector Auto Regression (VAR) biasanya digunakan untuk memproyeksikan sistem variabel-variabel runtut waktu dan untuk menganalisis dampak dinamis dari faktor gangguan yang terdapat
dalam sistem variabel tersebut. Pada dasarnya Analisis VAR bisa dipadankan dengan suatu model persamaan simultan, oleh karena dalam Analisis VAR kita mempertimbangkan beberapa variabel endogen secara bersama-sama dalam suatu model. Perbedaannya dengan model persamaan simultan biasa adalah bahwa dalam Analisis VAR masing-masing variabel selain diterangkan oleh nilainya di masa lampau, juga dipengaruhi oleh nilai masa lalu dari semua variabel endogen lainnya dalam model yang diamati. Analisis VAR juga merupakan alat analisis yang sangat berguna, baik di dalam memahami adanya hubungan timbal balik (interrelationship) antara variabel-variabel ekonomi, maupun di dalam pembentukan model ekonomi berstruktur. Di samping itu, dalam analisis VAR biasanya tidak ada variabel eksogen dalam model tersebut. Salah satu karakteristik dari proses VAR adalah stabilitasnya. Artinya bahwa prosesnya menghasilkan deret waktu yang stasioner dengan rata-rata yang tidak berubah pada fungsi waktu.
HASIL
Analisis Deskriptif
Penelitian ini meliputi data harga minyak WTI harian dan penutupan indeks harian di 4 indeks saham sektoral di Bursa Efek Indonesia yaitu Pertambangan, Industri Dasar, Aneka Industri, dan Industri Barang Konsumsi selama 1 tahun sebelum adanya penghapusan subsidi untuk harga BBM dari Oktober 2013 sampai Oktober 2014 dan 1 tahun pasca berlakunya kebijakan fluktuasi harga BBM mengikuti harga pasar dari November 2014 hingga November 2015. Deskripsi data yang digunakan dalam penelitian ini adalah sebagaimana ditunjukkan pada tabel 1.
25
Min Max Mean Std. Deviasi
Sebelum Kebijakan
harga minyak WTI -5.81% 2.84% -0.08% 0.99 harga saham MING -3.39% 2.77% 0.00% 0.11 BIND -5.55% 4.20% 0.05% 0.13 MISC -5.53% 5.76% 0.04% 0.15 CONS -3.09% 2.66% 0.05% 0.10 Sesudah Kebijakan
harga minyak WTI -10.53% 10.31% -0.21% 0.99 harga saham MING -3.58% 3.48% -0.19% 0.11 BIND -7.68% 6.83% -0.09% 0.17 MISC -7.24% 8.90% -0.04% 0.19 CONS -3.79% 5.44% 0.00% 0.13
Sumber: Data Diolah (2016)
keterangan:
MING : Mining Index (sektor Pertambangan)
BIND : Basic Industry and Chemicals Index (sektor Industri Dasar) MISC : Miscellaneous Index (sektor Aneka Industri)
26
2.84% dan penurunan terekstrem sebanyak 5.81%. Sedangkan untuk rata-rata data perubahan harga minyak WTI setelah berlakunya kebijakan Fluktuasi Harga BBM mengalami depresiasi sebesar 0.21% dengan nilai kenaikan terbesar 10.31% dan penurunan 10.53%. Pada sektor pertambangan, data perubahan harga saham sebelum berlakunya kebijakan Fluktuasi Harga BBM memiliki rata-rata kenaikan sebesar 0.003%. Sebaliknya, data perubahan harga saham pada sektor pertambangan setelah berlakunya kebijakan Fluktuasi Harga BBM mengalami penurunan rata-rata sebesar 0.19%.
Selanjutnya, pada data perubahan harga saham pada ketiga sektor industri yang diteliti sebelum berlakunya kebijakan fluktuasi harga BBM mengalami kenaikan dengan nilai mean masing-masing sebesar 0.05%, 0.04% dan 0.05%. Akan tetapi, rata-rata data perubahan harga saham pada sektor industri dasar dan sektor aneka industri setelah berlakunya kebijakan fluktuasi harga BBM masing-masing mengalami penurunan sebesar 0.09% dan 0.04%. Sedangkan, untuk sektor industri barang konsumsi mengalami kenaikan 0.004%.
Pengujian Asumsi
1. Uji Akar Unit (Unit Root Test)
Perlu diketahui bahwa data yang dikatakan stasioner adalah data yang bersifat flat, tidak mengandung komponen trend, dengan keragaman yang konstan, serta tidak terdapat fluktuasi periodik. Kesimpulan hasil root test diperoleh dengan membandingkan nilai t-hitung dengan t-tabel pada tabel Dickey-Fuller adalah sebagai berikut:
Tabel 4: Output Augmented Dickey-Fuller (ADF) Test
Panel A: sebelum Kebijakan Nilai t-statistic dan critical values
Variabel
MING BIND MISC CONS
Augmented Dickey-Fuller
t-Statistic -15.513 -15.499 -16.896 -19.668
Critical values 5% -2.871
Panel B: pasca Kebijakan Nilai t-statistic dan critical values
Variabel
MING BIND MISC CONS
Augmented Dickey-Fuller
t-Statistic -13.519 -11.956 -13.842 -16.726
Critical values 5% -2.872
Sumber: Data Diolah (2016)
keterangan:
MING : Mining Index (sektor Pertambangan)
BIND : Basic Industry and Chemicals Index (sektor Industri Dasar) MISC : Miscellaneous Index (sektor Aneka Industri)
CONS : Consumer Goods Index (sektor Industri Barang Konsumsi)
Dapat dilihat bahwa nilai statistik t-hitung pada tabel 2 Panel A yaitu sebelum kebijakan Fluktuasi Harga BBM mengikuti harga pasar pada sektor pertambangan, sektor industri dasar, sektor aneka industri dan sektor industri barang konsumsi lebih kecil daripada nilai t-tabel pada tingkat kepercayaan 5% (-2.87). Hasil output tersebut menunjukkan bahwa data stasioner dan hipotesis null ditolak. Sedangkan berdasarkan hasil output ADF Test Pasca berlakunya Kebijakan Fluktuasi Harga BBM mengikuti harga pasar, nilai t-hitung pada seluruh sektor yang diteliti lebih kecil daripada nilai t-tabel pada tingkat kepercayaan 5% yang artinya data stasioner dan hipotesis null ditolak.
2. Hasil Panjang Lag Optimal
Pendekatan VAR sangat sensitif terhadap jumlah lag data yang digunakan, maka perlu ditentukan jumlah lag yang optimal. Penentuan panjang lag dimanfaatkan untuk mengetahui lamanya periode keterpengaruhan suatu variabel terhadap variabel masa lalunya maupun terhadap variabel endogen lainnya.
Pemilihan kriteria menggunakan Schwarz Information Criterion (SIC) mengikuti Reimers (1992) menemukan bahwa SIC berjalan baik dalam pemilihan panjang lag yang optimal. Setelah melakukan trial error terhadap panjang lag, berdasarkan tabel panjang lag optimal dapat dilihat dari Schwarz Information Criterion (SIC) lag yang optimal untuk kedua kelompok data adalah lagpertama. Hal ini berarti estimasi dengan panjang lag sebesar 1 hari akan menghindarkan dari risiko terjadi kesalahan spesifikasi model akibat lag terlalu pendek atau pengurangan derajat kebebasan akibat lag terlalu panjang.
Tabel 5: Panjang Lag Optimal
Lag sebelum Kebijakan pasca Kebijakan 0 -28.040 -27.411 1 -27.712* -26.988* 2 -27.327 -26.435 3 -26.906 -25.900 4 -26.471 -25.342 5 -26.051 -24.812 6 -25.661 -24.303 7 -25.273 -23.768 8 -24.841 -23.247
Sumber: Data Diolah (2016)
(*) menunjukan panjang lag optimal dan signifikan
apabila nilai probability < 0.05
3. Uji Kointegrasi
Berdasarkan panjang lag diatas, peneliti melakukan uji kointegrasi untuk mengetahui apakah akan terjadi keseimbangan dalam jangka panjang, yaitu terdapat kesamaan pergerakan dan stabilitas hubungan diantara variabel-variabel di dalam penelitian ini atau tidak. Dalam penelitian ini, uji kointegrasi dilakukan dengan menggunakan metode Johansen’s Cointegration Test. Berikut ini disajikan tabel hasil uji kointegrasi untuk setiap sektor dengan metode Johansen’s
Cointegration Test.
Tabel 6: Ranking Kointegrasi dari Variabel Minyak WTI dan Keempat Sektor yang Diteliti
Variabel Sebelum kebijakan Pasca kebijakan
Prob Prob
MING 0.0001 0.0001
BIND 0.0001 0.0001
MISC 0.0001 0.0001
CONS 0.0001 0.0001
Sumber: Data Diolah (2016)
keterangan:
MING : Mining Index (sektor Pertambangan)
BIND : Basic Industry and Chemicals Index (sektor Industri Dasar) MISC : Miscellaneous Index (sektor Aneka Industri)
CONS : Consumer Goods Index (sektor Industri Barang Konsumsi) (*) signifikan apabila nilai probability < 0.05
Berdasarkan tabel diatas dapat dilihat bahwa nilai probabilitas dari data sebelum dan sesudah berlakunya kebijakan fluktuasi harga BBM mengikuti harga pasar lebih kecil dari critical value dengan tingkat
signifikansi 5%. Hal ini berarti menerima hipotesis nol yang menyatakan bahwa ada kointegrasi. Berdasarkan analisis ekonometrik di atas dapat dilihat bahwa semua variabel dalam penelitian ini menunjukkan kointegrasi pada tingkat signifikansi 5%. Dengan demikian, dari hasil uji kointegrasi mengindikasikan bahwa di antara nilai indeks di sektor industri dasar, aneka industri, industri barang konsumsi dan pertambangan dengan perubahan harga minyak dunia memiliki hubungan stabilitas atau keseimbangan dan kesamaan pergerakan dalam jangka panjang. Dengan kata lain, dalam setiap periode jangka pendek, seluruh variabel cenderung saling menyesuaikan, untuk mencapai ekuilibrium jangka panjangnya.
4. Uji Granger Causality
Hasil Uji Granger Causality untuk menguji arah dan hubungan kausalitas antara perubahan harga minyak WTI dan keempat sektor yang diteliti disajikan dalam tabel 5 berikut:
Tabel 7: Uji Kausalitas Granger untuk Keempat Sektor yang Diteliti
Null Hypothesis: Sebelum
Kebijakan Pasca Kebijakan POIL→ MING 0.048* 0.028* MING → POIL 0.381 0.213 POIL→ BIND 0.758 0.617 BIND → POIL 0.789 0.108 POIL→ MISC 0.037* 0.038* MISC → POIL 0.084 0.256 POIL→ CONS 0.033* 0.049* CONS → POIL 0.753 0.961
keterangan:
POIL : harga minyak WTI
MING : Mining Index (sektor Pertambangan) MISC : Miscellaneous Index (sektor Aneka Industri)
CONS : Consumer Goods Index (sektor Industri Barang Konsumsi)
(*) signifikan apabila nilai probability < 0.05
Perubahan harga Minyak WTI secara statistik signifikan mempengaruhi nilai indeks sektor pertambangan (MING) karena mempunyai nilai probabilty 0.048 dan 0.028. Namun, nilai indeks sektor pertambangan secara statistik tidak signifikan memengaruhi perubahan harga Minyak WTI yang dibuktikan dengan nilai probabilty lebih besar dari 0.05 yaitu 0.381 dan 0.21. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah sebelum dan sesudah kebijakan fluktuasi harga BBM antara nilai indeks sektor pertambangan dan perubahan harga Minyak WTI yaitu hanya perubahan harga Minyak WTI yang secara statistik signifikan memengaruhi nilai indeks sektor pertambangan namun tidak berlaku sebaliknya.
Fluktuasi harga Minyak WTI secara statistik tidak signifikan mempengaruhi nilai indeks sektor industri dasar (BIND) dan begitu pula sebaliknya nilai indeks sektor industri dasar secara statistik tidak signifikan memengaruhi perubahan harga Minyak WTI baik sebelum dan sesudah kebijakan fluktuasi harga BBM diberlakukan yang dibuktikan dengan nilai probabilty masing-masing lebih besar dari 0.05 yaitu 0.758 dan 0.789 sehingga disimpulkan bahwa tidak terjadi kausalitas apapun untuk nilai indeks sektor industri dasar dan perubahan harga Minyak WTI. Oleh karena itu, hipotesis pergerakan harga minyak dunia berpengaruh negatif terhadap nilai indeks di sektor industri dasar di Bursa Efek Indonesia ditolak.
Berdasarkan tabel diatas, perubahan harga Minyak WTI secara statistik signifikan mempengaruhi nilai indeks sektor aneka industri
(MISC) karena mempunyai nilai probabilty 0.037 dan 0.038. Namun, nilai indeks sektor aneka industri secara statistik tidak signifikan memengaruhi perubahan harga Minyak WTI yang dibuktikan dengan nilai probabilty lebih besar dari 0.05 yaitu 0.084 dan 0.256. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah sebelum dan sesudah kebijakan fluktuasi harga BBM antara nilai indeks sektor aneka industri dan perubahan harga Minyak WTI yaitu hanya perubahan harga Minyak WTI yang secara statistik signifikan memengaruhi nilai indeks sektor aneka industri namun tidak berlaku sebaliknya.
Fluktuasi harga Minyak WTI secara statistik signifikan mempengaruhi nilai indeks sektor industri barang konsumsi (CONS) karena mempunyai nilai probabilty 0.033 ketika kebijakan fluktuasi harga BBM belum diberlakukan dan 0.049 ketika kebijakan telah diberlakukan. Namun, nilai indeks sektor industri barang konsumsi secara statistik tidak signifikan memengaruhi perubahan harga Minyak WTI yang dibuktikan dengan nilai probabilty lebih besar dari 0.05 masing-masing 0.753 dan 0.961. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara nilai indeks sektor industri barang konsumsi dan perubahan harga Minyak WTI yaitu hanya perubahan harga Minyak WTI yang secara statistik signifikan memengaruhi nilai indeks sektor industri barang konsumsi dan tidak berlaku sebaliknya.