BAB IV PEMBAHASAN. Bursa Efek Indonesia (disingkat BEI, atau Indonesia Stock Exchange (IDX))

BAB IV PEMBAHASAN

A. Profil Bursa Efek Indonesia

Bursa Efek Indonesia (disingkat BEI, atau Indonesia Stock Exchange (IDX)) merupakan bursa hasil penggabungan dari Bursa Efek Jakarta (BEJ) dengan Bursa Efek Surabaya (BES). Demi efektivitas operasional dan transaksi, Pemerintah memutuskan untuk menggabung Bursa Efek Jakarta sebagai pasar saham dengan Bursa Efek Surabaya sebagai pasar obligasi dan derivatif. Bursa hasil penggabungan ini mulai beroperasi pada 1 Desember 2007.

BEI menggunakan sistem perdagangan bernama Jakarta Automated Trading System (JATS) sejak 22 Mei 1995, menggantikan sistem manual yang digunakan sebelumnya.

Sejak 2 Maret 2009 sistem JATS ini sendiri telah digantikan dengan sistem baru bernama JATS-NextG yang disediakan OMX.

Bursa Efek Indonesia berpusat di Gedung Bursa Efek Indonesia, Kawasan Niaga Sudirman, Jalan Jenderal Sudirman 52-53, Senayan, Kebayoran Baru, Jakarta Selatan.

Visi : Menjadi bursa yang kompetitif dengan kredibilitas tingkat dunia.

Misi : Membangun bursa efek yang mudah diakses dan memfasilitasi mobilisasi dana jangka panjang. untuk seluruh lini industri dan semua segala bisnis perusahaan. Tidak hanya di Jakarta tapi di seluruh Indonesia. Tidak hanya bagi institusi, tapi juga bagi individu yang memenuhi kualifikasi mendapatkan pemerataan melalui pemilikan. Serta ⁹⁶

meningkatkan reputasi Bursa Efek Indonesia, melalui pemberian Layanan yang berkualitas dan konsisten kepada seluruh stekeholders perusahaan

Pemerintah Republik Indonesia mengaktifkan kembali pasar modal pada tahun 1977, dan beberapa tahun kemudian pasar modal mengalami pertumbuhan seiring dengan berbagai insentif dan regulasi yang dikeluarkan pemerintah. Secara historis, pasar modal telah hadir jauh sebelum Indonesia merdeka. Pasar modal atau bursa efek telah hadir sejak jaman kolonial Belanda dan tepatnya pada tahun 1912 di Batavia. Pasar modal ketika itu didirikan oleh pemerintah Hindia Belanda untuk kepentingan pemerintah kolonial atau VOC.

Meskipun pasar modal telah ada sejak tahun 1912, perkembangan dan pertumbuhan pasar modal tidak berjalan seperti yang diharapkan, bahkan pada beberapa periode kegiatan pasar modal mengalami kevakuman. Hal tersebut disebabkan oleh beberapa faktor seperti perang dunia ke I dan II, perpindahan kekuasaan dari pemerintah kolonial kepada pemerintah Republik Indonesia, dan berbagai kondisi yang menyebabkan operasi bursa efek tidak dapat berjalan sebagimana mestinya.

Secara singkat, tonggak perkembangan pasar modal di Indonesia dapat dilihat sebagai berikut:

 02 Maret 2009 : Peluncuran Perdana Sistem Perdagangan Baru PT Bursa Efek Indonesia: JATS-NextG

 2007 : Penggabungan Bursa Efek Surabaya (BES) ke Bursa Efek Jakarta (BEJ) dan berubah nama menjadi Bursa Efek Indonesia (BEI)

 2002 : BEI mulai mengaplikasikan sistem perdagangan jarak jauh (remote trading)

 2000 : Sistem Perdagangan Tanpa Warkat (scripless trading) mulai diaplikasikan di pasar modal Indonesia

 1995 : Bursa Paralel Indonesia merger dengan Bursa Efek Surabaya

 10 November 1995 : Pemerintah mengeluarkan Undang –Undang No. 8 Tahun 1995 tentang Pasar Modal. Undang-Undang ini mulai diberlakukan mulai Januari 1996

 22 Mei 1995 : Sistem Otomasi perdagangan di BEI dilaksanakan dengan sistem computer JATS (Jakarta Automated Trading Systems)

 13 Juli 1992 : Swastanisasi BEJ. BAPEPAM berubah menjadi Badan Pengawas Pasar Modal. Tanggal ini diperingati sebagai HUT BEJ

 16 Juni 1989 : Bursa Efek Surabaya (BES) mulai beroperasi dan dikelola oleh Perseroan Terbatas milik swasta yaitu PT Bursa Efek Surabaya

 Desember 1988 : Pemerintah mengeluarkan Paket Desember 88 (PAKDES 88) yang memberikan kemudahan perusahaan untuk go public dan beberapa kebijakan lain yang positif bagi pertumbuhan pasar modal

 2 Juni 1988 : Bursa Paralel Indonesia (BPI) mulai beroperasi dan dikelola oleh Persatuan Perdagangan Uang dan Efek (PPUE), sedangkan organisasinya terdiri dari broker dan dealer

 1988 – 1990 : Paket deregulasi dibidang Perbankan dan Pasar Modal diluncurkan.

Pintu BEI terbuka untuk asing. Aktivitas bursa terlihat meningkat

 1987 : Ditandai dengan hadirnya Paket Desember 1987 (PAKDES 87) yang memberikan kemudahan bagi perusahaan untuk melakukan Penawaran Umum dan investor asing menanamkan modal di Indonesia

 1977 – 1987 : Perdagangan di Bursa Efek sangat lesu. Jumlah emiten hingga 1987 baru mencapai 24. Masyarakat lebih memilih instrumen perbankan dibandingkan instrumen Pasar Modal

 10 Agustus 1977 : Bursa Efek diresmikan kembali oleh Presiden Soeharto. BEI dijalankan dibawah BAPEPAM (Badan Pelaksana Pasar Modal). Pengaktifan kembali pasar modal ini juga ditandai dengan go public PT Semen Cibinong sebagai emiten pertama

 1956 – 1977 : Perdagangan di Bursa Efek vakum

 1956 : Program nasionalisasi perusahaan Belanda. Bursa Efek semakin tidak aktif

 1942 – 1952 : Bursa Efek di Jakarta ditutup kembali selama Perang Dunia II

 Awal 1939 :Karena isu politik (Perang Dunia II) Bursa Efek di Semarang dan Surabaya ditutup

 1925 – 1942 : Bursa Efek di Jakarta dibuka kembali bersama dengan Bursa Efek di Semarang dan Surabaya

 1914 – 1918 : Bursa Efek di Batavia ditutup selama Perang Dunia I

 Desember 1912 : Bursa Efek pertama di Indonesia dibentuk di Batavia oleh Pemerintah Hindia Belanda

Untuk memberikan informasi yang lebih lengkap tentang perkembangan bursa kepada publik, BEI menyebarkan data pergerakan harga saham melalui media cetak dan elektronik. Satu indikator pergerakan harga saham tersebut adalah indeks harga saham.

Saat ini, BEI mempunyai beberapa jenis indeks, ditambah dengan sepuluh jenis indeks sektoral. Indeks-indeks tersebut adalah :

 Indeks Harga Saham Gabungan (IHSG), menggunakan semua saham tercatat sebagai komponen kalkulasi Indeks.

 Indeks Individual, yang merupakan Indeks untuk masing-masing saham didasarkan harga dasar.

 Indeks LQ45, menggunakan 45 saham terpilih setelah melalui beberapa tahapan seleksi.

 Indeks IDX30, menggunakan 30 saham terpilih setelah melalui beberapa tahapan seleksi.

 Indeks Kompas100, menggunakan 100 saham pilihan harian Kompas.

 Indeks Sektoral, menggunakan semua saham yang masuk dalam sektor yang sama.

 Jakarta Islamic Index, menggunakan 30 saham terpilih yang termasuk dalam Daftar Efek Syariah yang diterbitkan oleh OJK.

 Indeks Saham Syariah Indonesia (Indonesia Sharia Stock Index (ISSI)), yang menggunakan semua saham yang termasuk dalam Daftar Efek Syariah yang diterbitkan oleh OJK.

 Indeks Bisnis-27, menggunakan 27 saham terpilih bekerja sama dengan Harian Bisnis Indonesia.

 Indeks Pefindo25, menggunakan 25 saham terpilih bekerja sama dengan Pefindo.

 Indeks SRI-KEHATI, menggunakan 25 saham terpilih yang menerapkan prinsip tata kelola yang baik dan kepedulian terhadap lingkungan, bekerjasama dengan Yayasan KEHATI.

 Indeks SMinfra18, menggunakan 18 saham terpilih yang bergerak dalam bidang infrastruktur dan penunjangnya, bekerja sama dengan PT Sarana Multi Infrastruktur (Persero).

 Indeks Infobank15, menggunakan 15 perusahaan bank terbesar dari keseluruhan

bank yang tercatat di BEI. Indeks ini diluncurkan pada 7 November 2012 atas kerjasama BEi dengan PT Infoarta Pratama.

 Indeks MNC36, menggunakan 36 saham terpilih yang memiliki kinerja bagus,

kapitalisasi pasar yang besar dan rasio keuangan yang positif. Indeks ini diluncurkan pada 28 Agustus 2013 atas kerjasama BEI dengan Media Nusantara Citra (MNC) Group.

 Indeks Investor33, diluncurkan pada 21 Maret 2014 atas kerjasama BEI dengan PT

Media Investor Indonesia (MII). Indeks ini terdiri dari 33 saham terbesar yang dipilih dari 100 perusahaan terbaik menurut MII

 Indeks Papan Utama dan Papan Pengembangan, indeks yang didasarkan pada kelompok saham yang tercatat di BEI yaitu kelompok Papan Utama dan Papan Pengembangan

1.2 Uji Deskriptif Statistik

Tabel 4.1 Desriptif Statistik

IHSG ISSI (JII)

Mean 0,002900 0.004183

Median 0,004751 0.004769

Maximum 0,030615 0.040823

Minimum -0,025019 -0.035350

Std. Dev 0,010727 0.015422

Skewness -0,373230 -0.046787

Kurtosis 1,720017 1.880840

Jarque-Bera 4.925306 3.475204

Probability 0,281744 0.324679

Observations 72 72

Data Olahan “Eviews 7

Berikut statistik deskriptif return indeks saham ditampilkan pada Tabel 4.1 , Hal yang penting untuk diamati dalam penelitian ini adalah menjawab pertanyaan mengenai perbandingan excess return Jakarta Islamic Indeks (ISSI) dan excess return IHSG (JCI).

Dilihat dari mean kedua indeks, jelas bahwa rata-rata return dari JII lebih besar dari IHSG yaitu 0,002900 untuk IHSG, dan 0.004183 untuk JII. Begitu juga jika dilihat dari standar deviasi, yang merupakan pengukuran risiko longgar dan menunjukkan bahwa JII lebih berisiko daripada IHSG yaitu 0.014403 untuk JII, dan 0,010727 untuk IHSG.

Selanjutnya, total return jangka panjang bagi kedua indeks, yang diukur dengan jumlah semua kembali pada periode tersebut, menunjukkan bahwa JII memiliki nilai laba jangka panjang sebesar 0.040823 yang lebih tinggi daripada IHSG sebesar 0,030615.

Mengilustrasikan nilai Skewness dan Kurtosis dari kedua variabel, nilai Skewness menunjukkan kemenjuluran yang merupakan ukuran kemiringan. Nilai Skewness yang kurang dari nol menunjukkan bahwa data memiliki distribusi yang miring ke kiri artinya data cenderung menumpuk pada nilai yang tinggi.

Di sisi lain, Kurtosis memberikan informasi mengenai keruncingan dan digunakan untuk mengukur tingkat kepadatan sebaran. Keruncingan ini menggambarkan fluktuasi dan stabilitas pada masing-masing indeks. Semakin tinggi nilai Kurtosis semakin tingginya keruncingan yang mengindikasikan semakin tingginya fluktuasi indeks dan semakin tidak stabilnya indeks tersebut.

Dalam data deskriptif menunjukkan bahwa nilai Skewness JII dan IHSG menunjukkan nilai Skewness kurang dari nol yaitu -0.046787 untuk nilai skewness JII

dan, nilai -0,373230 untuk nilai skewness IHSG artinya variable JII dan IHSG terdistribusi dengan baik.

Untuk nilai Kurtosis JII lebih besar yaitu 1.880840 daripada nilai Kurtosis IHSG 1,720017, hal ini menandakan bahwa excess return JII lebih berfluktuasi daripada excess return IHSG.

The Jarque-Bera (JB) uji normalitas signifikan pada 5% (0,05), dengan nilai pada IHSG 2,533510 sebesar dan JII sebesar 2.249838 menunjukkan bahwa hipotesis nol dari kenormalan data diterima.

1.3 Uji Kausalitas Granger

Pengujian pertama untuk melihat analisis perbandingan return saham syariah dan saham konvensional dilakukan dengan pengujian hubungan kausalitas antar variabel dalam model, yakni pengujian Granger-causality antara variabel JII, IHSG dan SBI.

Hasil pengujian ini akan menunjukkan ada tidaknya hubungan kausalitas antara ketiga variabel tersebut dan bagaimana arah hubungannya.

Pengujian ini pada dasarnya digunakan untuk melihat pola hubungan antar variabel. Analisis dalam pengujian Granger-causality akan dibatasi sesuai dalam tujuan penelitian pada bab pendahuluan, yakni pengujian hubungan antara return saham syariah JII, return saham konvensional IHSG, dan tingkat suku bunga yang digambarkan melalui sertifikat bank indonesia (SBI). Pada pengujian ini, penulis menggunakan α = 1%, 5%

dan 10%.

Dengan penggunaan alpha yang fleksibel maka diharapkan hasil estimasi dari tes Granger-causality akan menghasilkan hasil estimasi yang konvergen dengan teori

hubungan tingkat bunga terhadap return masing-masing saham. Hasil pengujian Granger- causality dirangkum dalam tabel 4.2 dimana ditunjukkan dalam tabel tersebut hubungan kausalitas antar variabel. Selanjutnya pembahasan hasil uji Granger-causality akan dijelaskan masing-masing dengan kerangka berpikirnya yang menunjukkan hubungan kausalitas antar variabel.

Tabel 4.2 Uji Kausalitas Granger

Null Hypothesis (Ho) Probabilitas Hasil Pengujian

Hubungan Kausalitas IHSG does not

Granger Cause JII JII does not Granger Cause IHSG

0.1832

0.0993**

Ho Diterima

Ho Ditolak

Hubungan 1 arah dari JII ke IHSG

SBI does not Granger Cause JII

JII does not Granger Cause SBI

0.8807

0.0305**

Ho Diterima

Ho Ditolak

Hubungan 1 arah dari JII ke SBI

SBI does not Granger Cause IHSG

IHSG does not Granger Cause SBI

0.8089

0.0230**

Ho Diterima

Ho Ditolak

Hubungan 1 arah dari IHSG ke SBI

* = signifikan pada α = 10%, **= signifikan pada α = 5%, *** signifikan pada α = 1%

Pada hasil uji Granger-causality terdapat hubungan kausalitas satu arah pada masing – masing variabel yang saling hubungan yaitu JII ke IHSG, JII ke SBI, dan IHSG ke SBI, yang ditunjukan melalui nilai probabilitas yang terdapat tanda asterik (*) dalam hasil ini di tunjukan terdapat hubungan Granger-causality pada tingkat signifikan di α = 5%.

1.4 Tahapan Pengujian VAR/VECM

Pada sub bab ini, akan dijelaskan tahapan pengujian metode VAR/VECM beserta hasil pengujiannya. Tahapan ini akan dimulai penjelasan hasil pengujian stasioneritas variabel. Kemudian diikuti dengan pengujian kointegrasi antar variabel. Kedua pengujian ini digunakan untuk menentukan metode VAR manakah yang akan digunakan, VAR atau VECM. Jika variabel stasioner pada level maka digunakan metode VAR, namun jika tidak stasioner dan terdapat hubungan kointegrasi maka nantinya akan digunakan metode VECM.

Setelah diketahui metode yang digunakan maka tahapan dalam estimasi model VAR akan dilakukan, yakni penentuan panjang lag optimal, uji stabilitas model, uji urutan variabel, uji asumsi serial correlation, uji asumsi heteroscedasticity, peramalan dengan impulse response function, dan yang terakhir adalah pembentukan variance decomposition. Keseluruhan tahapan proses pengujian VAR atau VECM ini akan melengkapi hasil pengujian kausalitas antar variabel yang telah dilakukan dengan pengujian Granger causality.

1.4.1 Hasil Uji Stasioneritas (Uji ADF Unit Root)

Uji stasioneritas dalam penelitian ini menggunakan uji Augmented Dickey Fuller (ADF). Nilai statistik ADF akan dibandingkan nilai kritisMacKinnon untuk mengetahui derajat stasioneritas variabel-variabel.Hipotesis dalam uji ini adalah sebagai berikut.

H0: data tidak stasioner H1: data stasioner

Apabila nilai ADF statistik lebih besar daripada nilai kritisMacKinnon, maka H0 ditolak atau data tersebut stasioner karena tidakmengandung unit root.

Sebaliknya, apabila nilai ADF statistik lebih kecildaripada nilai kritis MacKinnon, maka data tersebut tidak stasioner padaderajat level. Dengan demikian, differencing data untuk memperoleh datayang stasioner pada derajat yang sama di first difference, harus dilakukan. Berikut adalah hasil uji variabel-variabel penelitian (indeks saham bursa saham syariah dan konvensional) pada tingkat level dan 1^st difference, dan 2^nd difference

Tabel 4.3

Uji Stasioneritas (Uji ADF Unit Root)

Variabel Level 1^st Difference 2^nd Difference

JII -6,524686 -5,136597 -6,067209

IHSG -6,812695 -5,961603 -5,823408

SBI -0,91803 -3,476624 -6,572201

1% Critical Value MacKinnon -3.441593 5% Critical Value MacKinnon -2.866392 Data Olahan “Eviews 7

Sementara itu, berdasarkan tabel uji stasioneritas nilai penutupan harian indeks bursa saham konvensional pada tingkat level dan 1^st difference di atas menunjukkan bahwa pada unit level hanya nilai ADF statistik SBI yang kurang dari α = 5% critical value sehingga dapat dikatakan tidak stasioner, sedangkan yang lainnya stasioner.

Oleh karena itu, indeks SBI perlu dilakukan proses 1st difference karena jika salah satu variabel stasioner di tingkat 1st difference, maka semua variabel harus stasioner di tingkat 1st difference juga. Setelah dilakukan proses 1^st difference, nilai ADF statistik sudah lebih besar dari α = 5% critical value yang berarti seluruh variabel indeks bursa saham konvensional dan syariah stasionerpada order pertama atau 1st difference.

Karena hasil dari uji kointegrasi sensitif terhadap struktur lag yang dipilih, makaakan ditentukan terlebih dahulu struktur lag yang sesuai. Penentuan optimum lag menggunakan nilai Akaike Information Criterion (AIC) dari model VAR. Nilai AIC terendah menunjukkan jumlah lag yang paling optimal untuk penelitian. Hasil pengujian diperoleh sebagai berikut :

1.4.2 Penentuan Lag Optimal

Dari pengujian stasioneritas dan pengujian kointegrasi, kita mendapatkan hasil bahwa variabel tidak stasioner pada level (stasioner pada 1st difference) dan ada hubungan kointegrasi, maka metode yang digunakan adalah VECM.

Pengujian selanjutnya adalah penentuan lag optimal. Ada beberapa rules of thumb untuk menentukan lag optimal, bisa menggunakan Akaike information criterion (AIC), Schwarz criterion (SC), Adjusted R-squared, dan lain-lain.

Dalam penelitian ini, penulis akan menggunakan pedoman dari Gujarati (2004) Pemilihan panjang lag optimal dalam model VAR terutama untuk menghindarai adanya serial korelasi antara error term dengan variable endogen dalam model yang dapat mengakibatkan estimator menjadi tidak konsisten.

Untuk menetapkan lag optimal dapat dilakukan dengan menggunakan nilai Akaike information criteria (AIC), Final Prediction Error (FPE), Hannan- Quinn Information Criterion (HQ), dan Schwarz Information Criteria (SC) yang terkecil.

Dalam penelitian ini besarnya lag yang dipilih adalah berdasarkan nilai SC terkecil. Dan dari table diatas diketahui bahwa semua tanda bintang menunjukkan pada lag 3. Hal ini menunjukkan bahwa lag optimal yang direkomendasikan adalah lag 3.

Gambar 4.1 Uji Lag Optimal

1.4.3 Hasil Uji Corelation Matrix atau Ordering

Setelah diketahui bahwa model yang akan digunakan memiliki stabilitas,maka kita harus menentukan urutan variabel. Pengujian ini dapat dilakukan dengan menggunakan residual correlation matrix. Jika residual correlation matrix mayoritas adalah ≤ 0.2 atau tidak ada hubungan korelasi residual yang tinggi (>0.8), maka urutan variabel tidak akan menjadi masalah, sehingga meskipun urutan variabel diubah hasilnya akan tetap sama. Dari pengujian ini terlihat bahwa residual correlation antar variabel tidak ada yang tinggi (>0.8) dan ada residualcorrelation yang kurang dari 0.2, yakni SBI. Sehingga urutan variabel dalam estimasi VECM tidaklah terlalu bermasalah karena meskipun urutannya diubah, hasil estimasi juga akan tetap sama.

Tabel 4.4

Uji correlation matrix

IHSG JII SBI

IHSG 0.610206 0.0495654

JII 0.610206 0.139467

SBI 0.0495654 0.139467

1.4.4 Hasil Uji Autocorrelation

Tahapan selanjutnya yang hendaknya dilakukan sebelum melakukan estimasi VECM adalah dengan melakukan pengujian asumsi serial correlation.

Dalam penelitian ini akan digunakan metode pengujian VEC Residual Serial Correlation LM Tests. Dimana H0 adalah tidak ada serial correlation pada lagtersebut. Jika probabilitas lebih kecil dari α = 5% maka tolak H0 atau berarti ada permasalahan serial correlation pada model.

Namun jika nilai probabilitas lebihbesar dari α = 5% maka tidak cukup bukti untuk menolak H0, atau berarti tidakada permasalahan serial correlation. Dari pengujian ini didapatkan hasil bahwa tidak ada permasalahan serial correlation pada model karena nilai probabilitas pada semua lag lebih besar dari 0.05.

Gambar 4,2 Uji Autocorrelation

1.4.5 Hasil Uji Heteroscedasticity

Setelah diketahui bahwa tidak ada permasalahan serial correlation dalam model maka pengujian asumsi heteroscedasticity hendaknya juga dilakukan untukmemastikan hasil estimasi kita adalah BLUE. H0 yang akan diuji adalah tidak ada heteroscedasticity. Jika probabilitas lebih besar daripada α = 5% maka tidak cukup bukti untuk menolak H0 atau dengan kata lain tidak ada permasalahan heteroscedasticity dalam model. Pengujian akan dilakukan dengan VEC residual heteroscedasticity tests.

Hasil joint test menunjukkan probabilitas (0.5587) lebih besar dari 0.05 maka otomatis tidak cukup bukti untuk menolak H0 atau dengan kata lain tidak ada permasalahan heteroscedasticity. Sedangkan pada pengujian individual, probabilitas semua variabel juga lebih besar dari 0.05, maka secara individual juga tidak terdapat permasalahan heteroscedasaticity.

Gambar 4.3 Uji Heteroscedasaticity

1.4.6 Hasil Uji Johansen Cointegrasi Test

Langkah kedua setelah dilakukan pengujian karakteristik variabel (stasioneritas) maka perlu dilakukan pengujian kointegrasi antar variabel untuk menentukan metode VAR atau VECM yang nantinya akan digunakan. Jika terbukti ada kointegrasi, maka metode VECM yang akan digunakan. Pengujian kointegrasi akan dilakukan dengan menggunakan Johansen cointegration test.

Dimana H0 pertama adalah tidak ada kointegrasi (CE = 0), kemudian H0 kedua adalah kointegrasi kurang lebih sama dengan satu (CE ≤ 1), dan H0 ketiga adalah kointegrasi kurang lebih sama dengan dua (CE ≤ 2). Jika trace statistic lebih besar daripada area penolakan (5%) maka H0 ditolak, atau berarti ada kointegrasi.

Hasil pengujian ini menunjukkan bahwa ada satu hubungan persamaan kointegrasi antar variabel. Rangkuman hasil pengujian ini ditunjukkan pada tabel 4.3 di bawah ini. Hasil ini menunjukkan bahwa metode estimasi yang akan digunakan adalah VECM karena data tidak stasioner pada level dan ada hubungan kointegrasi.

Tabel 4.5

Uji Johansen Cointegrasi Test

Ho Trace Stat α = 5% Probabilitas Hasil

CE = 0 56.33586 29.79707 0.0005 Ho di Tolak (ada Kointegrasi) CE < 1 19.79141 15.49471 0.0106 Ho di Terima

CE <2 0.666895 3.841466 0.4141 Ho di Terima

Pengujian kointegrasi dilakukan dengan menguji stasioneritas secara bersama terhadap seluruh variabel penelitian. Karena penelitian ini menggunakan model trivariat dan bivariat, maka pengujian dilakukan terhadap masing-masing model.

4.4.6.1 Model Trivariat { IHSG, JII, SBI }

Uji kointegrasi trivariat variabel IHSG, JII dan SBI diperoleh sebagai berikut :

Gambar 4.4

Uji Kointegrasi Trivariat { IHSG, JII, SBI }

Hasil pada Gambar 4.4 menunjukkan bahwa pada kasus trivariat, terdapat 1 vektor kointegrasi yang menghubungkan ketiga variabel tersebut.

Hal ini berarti bahwa setiap perubahan yang terjadi dalam SBI juga akan berimbas pada IHSG dan JII atau sebaliknya.

4.4.6.2. Model Bivariat { IHSG dan JII }

Uji kointegrasi trivariat variabel IHSG, dan JII diperoleh sebagai berikut :

Gambar 4.5

Uji Kointegrasi Bivariat { IHSG dan JII }

Hasil pada Gambar 4.5 menunjukkan bahwa pada kasus bivariat, diperolehsetidaknya terdapat 2 vektor kointegrasi yang menghubungkan variabel IHSG dan JII.Hal ini membuktikan bahwa terdapat hubungan jangka panjang antara IHSG dengan JII. Dengan kata lain ada 2 keseimbangan kointegrasi yang menyebabkan kedua indeks akan memiliki kecenderungan trend yang sama dalam jangka panjang.

4.4.6.3. Model Bivariat { IHSG dan SBI }

Uji kointegrasi trivariat variabel IHSG, dan SBI diperoleh sebagai berikut :

Gambar 4.6

Uji Kointegrasi Bivariat { IHSG dan SBI }

Hasil pada Gambar 4.6 menunjukkan bahwa pada kasus bivariat, terdapat 1 vektor kointegrasi yang menghubungkan ketiga variabel tersebut.Hal ini membuktikan bahwa terdapat hubungan jangka panjang antara SBI dengan IHSG. Dengan kata lain hanya ada 1 keseimbangan kointegrasi yang menyebabkan kedua indeks akan memiliki kecenderungan trend yang sama dalam jangka panjang.

4.4.6.4. Model Bivariat { JII dan SBI }

Uji kointegrasi trivariat variabel JII, dan SBI diperoleh sebagai berikut:

Gambar 4.7

Uji Kointegrasi Bivariat { SBI dan JII }

Hasil pada Gambar 4.7 menunjukkan bahwa pada kasus trivariat, terdapat 1 vektor kointegrasi yang menghubungkan ketiga variabel tersebut.Hal ini membuktikan bahwa terdapat hubungan jangka panjang antara SBI dengan IHSG. Dengan kata lain hanya ada 1 keseimbangan kointegrasi yang menyebabkan kedua indeks akan memiliki kecenderungan trend yang sama dalam jangka panjang.

4.4.7. Hasil Uji Vector Error Correction Model (VECM)

Untuk melakukan uji kausalitas. Masing-masing data disajikan dalam bentuk vektor autoregresi dan diregresikan terhadap dirinya sendiri dan lag dari variabel

lainnya. Untuk menguji hubungan kausal antar variabel yang akan diuji melalui vector error correction model (VECM).

Dalam hal ini dilakukan pengujian dengan lag 3 sebagaimana untuk memberikan konsistensi terhadap pengujian sebelumnya. Dalam metode VECM untuk melihat apakah terdapat hubungan jangka panjang atau jangka pendek dengan melihat perbandingan nilai t-statistik hasil estimasi terhadap nilai t-tabel. Jika t- statistik lebih besar daripada nilai t-tabel, maka dapat dikatakan terdapat hubungan jangka panjang atau jangka pendek¹. Adanya hubungan jangka panjang atau pendek menunjukan bahwa variable indenpenden mempengaruhi variable dependennya. Hasil pengujian diperoleh sebagai berikut :

1 Shocrul Ajija, Sari, Dyah, dll, Cara Cerdas Menguasai Eviews. Salemba Empat Jakarta, 2011, Hlm.163

Gambar 4.8

Hasil Uji Vector Error Correction Model { IHSG, SBI dan JII }

Keterangan : Angka pada baris pertama setiap variable menunjukan koefesien regresi

Angka pada kurung pertama menunjukan standart eror Angka pada kurung kedua menunjukan nilai t hitung T table : (n = 68) (α : 0,05 ) = 1.668

Dari hasil estimasi VECM diatas variable yang mempunyai saling berhubungan adalah sebagi berikut :

 IHSG – JII : 2.4975, dalam hasil ini menjelaskan bahwa nilai t-staistik lebih besar daripada nilai t table yaitu 2.4975 > 1.668, artinya variable IHSG dalam jangka panjang mempengaruhi variabel JII.

 JII – IHSG : 2.0258, dalam hasil ini menjelaskan bahwa nilai t-staistik lebih besar daripada nilai t table yaitu 2.0258 > 1.668, artinya variable JII dalam jangka panjang mempengaruhi variabel IHSG.

 SBI : 2.2050, dalam hasil ini menjelaskan bahwa nilai t-staistik lebih besar daripada nilai t table yaitu 2.2050 > 1.668, artinya variable SBI dalam jangka panjang mempengaruhi dirinya sendiri

Dalam kesimpulan hasil estimasi VECM diatas maka diantara variable IHSG, JII dan SBI yang mempunyai pengaruh jangka panjang hanya pada variable IHSG-JII, dan JII-IHSG, untuk variable SBI, tidak mempunyai pengaruh jangka panjang terhadap variable IHSG maupun JII.

4.4.7.1 Estimasi VECM antara IHSG dengan JII

Setelah dilakukan uji kointegrasi antara IHSG dengan JII dan hasilnya terbukti adanya hubungan kointegrasi, maka selanjutnya akan dilakukan estimasi VECM. Estimasi VECM dilakukan untuk melihat analisis jangka panjang dan jangka pendek.

Gambar 4.9

Hasil Uji Vector Error Correction Model { IHSG dan JII }

Berdasarkan hasil estimasi VECM antara JII dengan IHSG, menunjukkan terdapat dua persamaan VECM yang memuat persamaan kointegrasi serta variabel yang merupakan hasil differencing dari lag tiap variabel. Berikut ini dua persamaan VECM yang terbentuk sekaligus penjelasannya.

D (IHSG) = 0.7081 + 0.9962(JII-1) – 0.002161 + 0.0803(IHSG-1) – 0.4586(IHSG-2) – 0.3197(IHSG-3) + 0.3069(JII-1) + 0`6724(JII- 2) + 0.3219(JII-3) + 0.00041

D (JII) = 0.9004 + 0.9962(JII-1) – 0.002161 + 1.0044(IHSG-1) - 0.0779(IHSG- 2) + 0.0010(IHSG-3) – 0.3177(JII-1) + 0.5159(JII-2) + 0.1339 (JII-3) + 0.00042

Pada hasil estimasi cointegrating vector di dalam kedua persamaan di atas menunjukkan bahwa JII (3.344 > 1.668) memiliki pengaruh yang signifikan terhadap cointegrating vector, yang berarti bahwa saham syariah berkontribusi secara signifikan pada hubungan jangka panjang dengan saham konvensional.

Selain itu, koefisien speed of adjustment pada cointegrating vector untuk JII sebesar -5.358 > 1.668 juga dinilai signifikan negatifsecara statistik, artinya pada saat terjadi disequilibrium dalam jangka pendek terhadap keseimbangan jangka panjang, maka JII akan menyesuaikan secara negatif sebesar -5.358. Begitu pula dengan koefisien speed of adjustment pada IHSG sebesar -5.710 > 1.668 dinilai signifikan negatifsecara statistik, artinya pada saat terjadi disequilibrium dalam jangka pendek terhadap keseimbangan jangka panjang, maka IHSG akan menyesuaikan secara negatif sebesar -5.710

4.4.7.2 Estimasi VECM antara SBI dengan JII

Setelah dilakukan uji kointegrasi antara SBI dengan JII dan hasilnya terbukti adanya hubungan kointegrasi, maka selanjutnya akan dilakukan estimasi VECM.

Estimasi VECM dilakukan untuk melihat analisis jangka panjang dan jangka pendek

Gambar 4.10

Hasil Uji Vector Error Correction Model { SBI dan JII }

Berdasarkan hasil estimasi VECM antara JII dengan SBI, menunjukkan terdapat dua persamaan VECM yang memuat persamaan kointegrasi serta variabel yang merupakan hasil differencing dari lag tiap variabel. Berikut ini dua persamaan VECM yang terbentuk beserta penjelasannya.

D (JII) = 1.7220 – 0.0165(SBI-1) – 0.000658 + 0.5031(JII-1) + 0.5071(JII-2) + 0.1565(JII-3) + 1.0280(SBI-1) + 0.4655(SBI-2) + 0.2571(SBI-3) + 0.00088

D (SBI) = 0.0746 – 0.0165(SBI-1) – 0.000658 – 0.0381(JII-1) – 0.0436(JII-2) – 0.0183(JII-3) + 0.2844(SBI-1) + 0.2382(SBI-2) – 0.1163(SBI-3) – 0.000167

Pada hasil estimasi cointegrating vector di dalam kedua persamaan di atas menunjukkan bahwa SBI (-0,194 < 1.668) tidak memiliki pengaruh yang signifikan terhadap cointegrating vector, yang berarti instrument keuangan SBI tidak berkontribusi secara signifikan pada hubungan jangka panjang dengan saham syariah yaitu JII. Selain itu, koefisien speed of adjustment pada cointegrating vector untuk JII sebesar -5.793 > 1.668 dinilai signifikan negative secara statistik, artinya pada saat terjadi disequilibrium dalam jangka pendek terhadap keseimbangan jangka panjang, maka JII akan menyesuaikan secara negatif sebesar -5.793 Begitu pula dengan koefisien speed of adjustment pada SBI sebesar 1.903 > 1.668 dinilai signifikan secara statistik, artinya pada saat terjadi

disequilibrium dalam jangka pendek terhadap keseimbangan jangka panjang, maka SBI akan menyesuaikan secara positif sebesar 1.903.

1.1.1 Estimasi VECM antara IHSG dengan SBI

Setelah dilakukan uji kointegrasi antara SBI dengan JII dan hasilnya terbukti adanya hubungan kointegrasi, maka selanjutnya akan dilakukan estimasi VECM.

Estimasi VECM dilakukan untuk melihat analisis jangka panjang dan jangka pendek

Gambar 4.11

Hasil Uji Vector Error Correction Model { IHSG dan SBI }

D (SBI) = 0.0045 – 25.5893 (IHSG-1) – 0.001837 + 0.2841(SBI-1) + 0.2419(SBI-2) – 0.1052(SBI-3) – 0.0563(IHSG-1) – 0.0632(IHSG-2) – 0.0250(IHSG-3) – 0.000163

D (IHSG) = 0.0677 – 25.5893(IHSG-1) – 0.001837 + 0.5399(SBI-1) + 0.1494(SBI-2) – 0.1432(SBI-3) + 0.5458(IHSG-1) + 0.4608(IHSG-2) + 0.1218(IHSG-3) - 0.00058

Pada hasil estimasi cointegrating vector di dalam kedua persamaan di atas menunjukkan bahwa IHSG (-6.197 > 1.668) memiliki pengaruh yang signifikan negatif terhadap cointegrating vector, yang berarti instrument keuangan IHSG berkontribusi secara signifikan negatif pada hubungan jangka panjang dengan instrument keuangan yaitu SBI. Selain itu, koefisien speed of adjustment pada cointegrating vector untuk SBI sebesar -2.201 > 1.668 dinilai signifikan negatif secara statistik, artinya pada saat terjadi disequilibrium dalam jangka pendek terhadap keseimbangan jangka panjang, maka SBI akan menyesuaikan secara negatif sebesar 1.668. Begitu pula dengan koefisien speed of adjustment pada IHSG sebesar 5.577 > 1.668 dinilai signifikan secara statistik, artinya pada saat terjadi disequilibrium dalam jangka pendek terhadap keseimbangan jangka panjang, maka SBI akan menyesuaikan secara positif sebesar 5.577.

4.5 Analisis Hasil Impulse Response Function (IRF)

Setelah beberapa tahapan pengujian yang telah dilakukan maka dapat di estimasi model VECM. Dalam model VECM, ada dua analisis penting yakni impulse response function dan variance decomposition. Impulse response function pada dasarnya

digunakan untuk melihat pengaruh perubahan dari satu variabel pada variabel itu sendiri atau variabel lainnya. Dengan menggunakan IRF bisa di lihat respon suatu variabel pada perubahan satu standar deviasi dari variabel itu sendiri ataupun variabel lain.

a. Impluse Response Function (IRF) Variabel IHSG

Gambar 4.12

Uji Impluse Response Function (IRF)

Respon yang pertama dianalisis adalah respon variabel IHSG. Dari gambar 4.12 kita bisa melihat bagaimana pergerakan respon variabel IHSG terhadap variabel itu sendiri dan variabel lainnya. Jika di lihat respon yang diberikan IHSG pada perubahan satu standar deviasi variabel itu sendiri adalah bernilai positif dan negatif.

Dimana tren pergerakan responnya dari tiap periode cenderung untuk bergerak naik dan turun. Pada peride 1 respon menunjukkan nilai positif sampai pada periode 2 dan ada penurunan pada periode 3 namun meningkat di periode 4 dan sedikit turun di peride 5 namun tidak menyebabkan penurunan yang negatif dan naik di periode 6 dan diperiode 7 sampai seterusnya cukup stabil. Dan Response IHSG terhadap JII menujukkan hasil fluktuatif (mulai dari respon negatif lalu positif dan kembali negative) dimana pergerakan variable tersebut dimulai dari bulan ke 2 sampai

dengan bulan 5 sejak terjadinya shock atau goncangan terhadap vaiabel indeks JII, selanjutnya mulai bulan 6 sampai dengan bulan 10 fluktasi mulai mengecil. Dan untuk bulan 10 dan seterusnya return kembali mencapai keseimbangan atau ekuilibrium sama seperti sebelum terjadinya shock JII.Sedangkan untuk respon IHSG dengan SBI sendiri memiliki hasil response yang positif semua dan berfluktuatif di mulai bulan 2 sampai dengan bulan 7 dan seterusnya respon cukup stabil.

b. Impluse Response Function (IRF) Variabel JII

Gambar 4.13

Impluse Response Function (IRF) Variabel JII

Respon yang pertama dianalisa adalah respon variabel JII. Dari gambar 4.13 bisa di lihat bagaimana pergerakan respon variabel JII terhadap variabel itu sendiri dan variabel lainnya. Jika kita lihat respon yang diberikan JII pada perubahan satu standar deviasi variabel itu sendiri adalah bernilai positif dan negatif. Dimana tren pergerakan responnya dari tiap periode cenderung untuk bergerak naik dan turun hampir disetiap periode. Response IHSG terhadap JII menujukan hasil fluktuatif (mulai dari respon negatiflalu positif dan kembali negative) dimana pergeraakan variable tersebut dimulai dari bulan ke 2 sampai dengan bulan 5 sejak terjadinya shock atau goncangan

terhadap vaiabel indeks JII, selanjutnya mulai bulan 6 sampai dengan bulan 10 fluktasi mulai mengecil. Dan untuk bulan 10 dan seterusnya return kembali mencapai keseimbangan atau ekuilibrium sama seperti sebelum terjadinya shock JII. Sedangkan untuk respon variabel jii terhadap variabel SBI menggambarkan hasil yang bernilai positif, dimana ada peningkatan di periode 2 dan pada periode 3 sampai akhir

cenderung stabil.

c. Impluse Response Function (IRF) Variabel SBI

Gambar 4.14

Impluse Response Function (IRF) Variabel SBI

Respon yang pertama dianalisis adalah respon variabel SBI. Dari gambar 4.14 kita bisa di lihat bagaimana pergerakan respon variabel SBI terhadap variabel itu sendiri dan variabel lainnya. Jika kita lihat respon yang diberikan SBI pada perubahan satu standar deviasi variabel itu sendiri adalah bernilai positif semua. Dimana tren pergerakan responnya dari tiap periode cenderung untuk bergerak naik. Response SBI terhadap JII menujukan nilai positif dimana pergeraakan variable tersebut dimulai dari periode 1 sampai dengan periode 3 ada penurunan namun untuk periode selanjutnya gambar menunjukan peningkatan dan stabil pada periode 8 sampai akhir.

Sedangkan untuk respon variabel SBI terhadap IHSG menggambarkan bernilai positif, dan konsisten pada setiap periodenya.

4.6 Analisis Hasil Variance Decomposition.

Setelah analisis IRF, maka langkah selanjutnya adalah analisis variancedecomposition yang digunakan untuk memperkirakan varians dari suatu variabelsaat sebelum dan sesudah terjadi perubahan atau shock pada variabel itu sendiridan variabel yang lain. Dalam penelitian ini ada 3 variance decomposition, yakniIHSG, JII dan SBI dimana masing-masing varians variabel tersebut palingbesar dijelaskan oleh variabel itu sendiri.

Gambar 4.15

Hasil Uji Variance Decomposition

Tabel 4.15 menampilkan hasil dekomposisi varians dari kedua seri selama10 bulan.

Analisis Variance Decompotition menggambarkan relatif pentingnyasetiap variabel lain di dalam sistem VAR karena adanya shock. Analisis iniberguna untuk memprediksi kontribusi presentase varian setiap variabel karenaadanya perubahan variabel tertentu di dalam sistim VAR. Dalam response of JII,JII adalah yang paling eksogen karena total JII memiliki nilai lebih tinggidibandingkan dengan IHSG. Hal ini menunjukkan bahwa JII tidak berpengaruh,walaupun tidak signifikan secara statistic. Hasil menunjukkan bahwa, meskipunsecara statistik tidak signifikan, JII adalah yang paling endogen, karena hingga 10bulan, total pada response of JII menunjukkan bahwa JII memiliki total lebihtinggi dibandingkan dengan IHSG.Pada periode 1 varian JII yang dijelaskan oleh variabel itu sendiri sebesar100%. Periode 2 varian JII dijelaskan oleh variabelitu sendiri sebesar 94.76%sedangkan sisanya sebesar 5.24% dijelaskan oleh IHSG. Sementara itu, padabagian kedua pada periode 1 varian IHSG dijelaskan oleh variabel itu sendirisebesar 89.39% sedangkan sisanya sebesar 10.61% dijelaskan oleh JII.

4.7 Pembahasan Hipotesis

4.7.1 Perbandingan kinerja indeks dalam hal return, JCI versus ISSI

Hasil deskripsi rata-rata menunjukan bahwa nilai return saham syariah yang diwakilkan oleh JII dan nilai return saham konvensional yang diwakilkan oleh IHSG menghasilkan rata-rata hasil indeks JII jauh lebih baik dari return IHSG, dilihat dari hasil return dimana kedua indeks tersebut unggul dibidangnya masing masing seperti dalam indeks JII lebih baik dalam rata-rata return, dan tidak begitu berisiko, dalam hasil uji keruncingan IHSG memiliki nilai yang tidak terlalu berfluktuasi dan lebih stabil, sedang untuk indeks JII unggul pada nilai laba jangka panjangnya. Sehingga dapat disimpulkan hasil penelitian deskripsi menggambarkan indeks JII jauh lebih baik dibanding indeks IHSG.

Dalam penelitian Putry, Sugema dan Lubis menyatakan Hasil analisis deskriptif JII dapat mengekspetasi return yang lebih tinggi dibandingkan return IHSG, dalam penelitian Soemitra menjelaskan bahwa JII menjadi tolak

ukur kinerja pasar modal syariah di Indonesia, dan indeks JII mengacu pada indeks IHSG.

4.7.2 Hubungan Kausalitas Granger antara variabel IHSG, JII, dan SBI

 Hubungan Kausalitas JII dan IHSG

Hubungan Kausalitas Granger antara variabel return JII terhadap variabel return IHSG. Dari pengujian hubungan kausalitas yang pertama ini didapatkan kesimpulan bahwa ternyata hanya ada hubungan kausalitas satu arah, yakni JII menyebabkan IHSG. Hal ini sesuai dengan hasil penelitian terdahulu menjelaskan hasil positif yang menunjukkan adanya korelasi dinamis antara indeks Islam dengan indeks konvensional (Rizvi dan Masih, 2013). Saham-

saham yangt erdaftar dalam JII dapat mengekspetasi return yang lebih tinggi dibandingkan return IHSG (Putry, Sugema &Lubis, 2014).Dalam hal ini sesuai pada posisinya dimana nilai indeks IHSG adalah respresentatif dari nilai semua indeks yang ada dalam bursa efek Indonesia, sehingga nilai indeks JII memiliki hubungan yang saling terikat pada indeks IHSG.

 Hubungan Kausalitas JII dan SBI

Selanjutnya Hubungan Kausalitas Granger antara variabel return JII terhadap variabel return SBI. Dari pengujian hubungan kausalitas ini didapatkan kesimpulan bahwa ternyata hanya ada hubungan kausalitas satu arah, yakni JII menyebabkan SBI. Hal ini sesuai dengan hasil penelitian terdahulu (Touriti, 2017) Hasilnya menunjukkan bahwa indeks Islam tidak sepenuhnya terlindung dari krisis subprime. Serupa dengan indeks konvensional, semua indeks Islam mencatat tingkat pengembalian rata-rata yang lebih rendah dan volatilitas yang lebih tinggi pada periode krisis dibandingkan dengan sebelum krisis dan juga setelah periode krisis.

SBI dalam penelitian kali ini menjadi variable eksogen dimana sesuai dengan penelitian terdahulu Untuk menghasilkan pertumbuhan ekonomi yang baik melalui investasi (Bodie, Kane dan Marcus, 2006) mengemukakan secara lengkap tujuh factor yang mempengaruhi perkembangan saham bila dilihat dari factor makro ekonomi yaitu : GDP, Inflasi, Suku Bunga, Nilai Tukar, Tingkat Pengangguran, Transaksi Berjalan dan Defisit anggaran, dari ketujuh variable tersebut yang paling representatif yaitu transaksi berjalan, nilai tukar, dan SBI, (Lee, 1992) memperkuat argument dengan menunjukkan hasil penelitiannya

bahwa tingkat bunga (interest rate) yang dalam penelitian ini digunakan melalui variable SBI, mempunyai pengaruh yang signifikan terhadap indeks harga saham. Suku bunga yang dinilai stabil terhadap indeks-indeks yang ada di bursa efek Indonesia karena diterbitkan oleh Negara yaitu berupa Sertifikat Bank Indonesia dan telah dijamin oleh Negara.

 Hubungan Kausalitas IHSG dan SBI

Hubungan Kausalitas Granger variabel return IHSG terhadap variabel return SBI. Dari pengujian hubungan kausalitas ini didapatkan kesimpulan bahwa ternyata hanya ada hubungan kausalitas satu arah, yakni IHSG menyebabkan SBI. Hal ini sesuai dengan hasil penelitian terdahulu (Abdullah

& Abdullah,2009) menjelaskan dampak krisis terhadap investasi indeks konvensional berpengaruh terhadap hal yang berkaitan dengan instrument negara seperti SBI. Terdapat banyak faktor yangmempengaruhi return saham baik yang bersifat makro maupun mikro ekonomi. Faktor makro ada yang bersifat ekonomi maupun non ekonomi.Faktor ekonomi makro (makro ekonomi) terinci dalam beberapa variable ekonomi misalnya inflasi, suku bunga, kurs valuta asing, tingkatpertumbuhan ekonomi, harga bahan bakar minyak di pasar internasional, dan indeks saham regional.² Dalam hal ini menjelaskan bahwa indeks IHSG juga memiliki hubungan keterkaitan antar SBI, dimana jika return indeks IHSG besar maka pemerintah dalam mengeluarkan SBI akan diimbangi dengan kebutuhan Negara, dan dengan adanya tersebut juga berpengaruh terhadap permintaan investor pada pasar modal sendiri khususnya dalam Bursa Efek Indonesia.

2Mohamad Samsul. 2006. Pasar Modal dan Manajemen Portofolio. Surabaya: Erlangga, Hlm : 335

4.7.3 Hubungan jangka panjang dan hubungan jangka pendek antara variable IHSG, JII dan SBI

 IHSG – JII : 2.4975, dalam hasil ini menjelaskan bahwa nilai t-statistik lebih besar daripada nilai t table yaitu 2.4975 > 1.668, artinya variable IHSG dalam jangka panjang mempengaruhi variabel JII.

Dengan adanya hasil penelitian tersebut sesuai dengan teori menjelaskan indeks IHSG merupakan respresentasi indeks saham dan merupakan indeks yang digunakan untuk melihat perubahan harga saham secara keseluruhan dalam bursa efek Indonesia.

JII termaksud indeks dalam bursa efek Indonesia oleh karna itu indeks IHSG mempunyai hubungan jangka panjang dengan indeks JII dimana kedua variable tersebut perubahan dalam hal return saham di pengaruhi oleh nilai dari kedua indeks tersebut, dimana nilai indeks tahun - tahun sebelumnya saling berkaitan mempengaruhi nilai indeks harga saham saat ini yang menghasilkan return saham setiap harinya.

 JII – IHSG : 2.0258, dalam hasil ini menjelaskan bahwa nilai t-staistik lebih besar daripada nilai t table yaitu 2.0258 > 1.668, artinya variable JII dalam jangka panjang mempengaruhi variabel IHSG.

Dengan adanya hasil penelitian tersebut sesuai dengan teori menjelaskan indeks JII merupakan salah satu indeks dalam Bursa Efek Indonesia, indeks saham yang merupakan indeks dari indeks IHSG.

 SBI : 2.2050, dalam hasil ini menjelaskan bahwa nilai t-staistik lebih besar daripada nilai t table yaitu 2.2050 > 1.668, artinya variable SBI dalam jangka panjang mempengaruhi dirinya sendiri.

Hasil ini menjelaskan sesuai dengan teori yang ada bahwa indeks SBI sebagai salah satu pilihan alternative investasi yang bebas resiko karena dikeluarkan oleh Bank Indonesia, dipakai sebagai pembanding risiko dan imbal hasil dari kedua indeks IHSG dan JII, sehingga SBI tidak berpengaruh secara jangka panjang, SBI mempengaruhi dirinya sendiri artinya SBI dalam hal return di pengaruhi oleh nilai indeks SBI itu sendiri, tidak saling berkaitan mempengaruhi nilai indeks harga saham IHSG dan JII untuk tahun – tahun sebelumnya untuk menghasilkan return saham setiap harinya.

Dalam kesimpulan hasil estimasi VECM diatas maka diantara variable IHSG, JII dan SBI yang mempunyai pengaruh jangka panjang hanya pada variable IHSG-JII, dan JII-IHSG, untuk variable SBI, tidak mempunyai pengaruh jangka panjang terhadap variable IHSG maupun JII.

Dan adapun untuk hubungan jangka pendek antar variabel masing – masing menyesuaikan keseimbangan dengan jangka panjang antar variabel IHSG-JII, untuk variabel SBI-JII hubungan jangka pendek menyesuaikan jangka penjang secara positif, dan untuk variabel IHSG-SBI hubungan jangka pendek menyesuaikan jangka penjang secara positif.

Jika diambil secara bersama-sama hasil model VECM menunjukkan bahwa JII dan IHSG memiliki hubungan yang stabil dengan pasar modal di BEI maupun dengan SBI rate (proksi bunga bebas risiko).

Perbedaan signifikan antara kinerja jangka pendek dan jangka panjang disebabkan karena fenomena underpricing dalam jangka pendek dan penurunan kinerja sebagian besar perusahaan dalam jangka panjang serta krisis moneter yang dialami Indonesia dimana tingkat inflasi mengalami kenaikan.

Dalam jangka pendek terdapat fenomena underpricing dan dalam jangka panjang terdapat penurunan kinerja (underperformance). Penentuan baik tidaknya kinerja saham, baik jangka pendek maupun jangka panjang dilihat dari besarnya return abnormal. Apabila return abnormal > 0, menunjukkan kinerja yang outperformed (baik), sebaliknya apabila return abnormal <0 underperfomed (buruk).