BAB IV ANALISIS DAN PEMBAHASAN

Transkripsi

1 59 BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dijelaskan pelaksanaan tahapan-tahapan metode VECM yang terbentuk dari variabel-variabel capital gain IHSG (capihsg), yield obligasi 10 tahun (yieldobl10) dan suku bunga Bank Indonesia (birate). Sebelum menguji model, terlebih dahulu didiskusikan data masing-masing variabel dilanjutkan dengan pengujian kestasioneran data melalui unit root test, menemukan lag optimal, menguji kausalitas, menguji kointegrasi dan mengestimasi dengan VECM Eksplorasi Data Eksplorasi data dari masing-masing variabel dilakukan untuk melihat pola data secara umum. Gambar 4.1 menunjukkan pola deret waktu variabel capital gain Indeks Harga Saham Gabungan (IHSG) pada rentang waktu tahun 2008 sampai dengan tahun Capital gain IHSG menyentuh titik terendah pada pada bulan Oktober 2008 hingga ke %, setelah pada dua bulan sebelumnya turun ke -6.01% (Agustus) dan % (September). Pada bulan November 2008 terjadi pemulihan yang cepat sehingga sanggup naik mencapai -1.21%. Tahun 2008 sendiri ditutup dengan positif dengan capital gain mencapai 9.17%.

2 60 RETIHSG I II III IV I II III IV I II III IV I II III IV I II III IV Gambar 4.1 Plot Capital gain Indeks Harga Saham Gabungan (IHSG) Pada tahun 2009, meski diawali dengan capital gain -1.68% (Januari) dan -3.54% (Februari) namun capital gain IHSG mampu mencapai 20,13% (April), lalu pada bulan Juli tercatat 14.63% dan pada akhir tahun ditutup dengan 4.91%. Mulai tahun 2010 sampai dengan tahun 2012 tidak ada lagi pemecahan nilai capital gain tertinggi. Capital gain bergerak fluktuatif, bahkan pernah membukukan capital gain pada bulan Mei 2012, pada Januari 2011 dan -7.62% pada September Akhir tahun 2012 capital gain yang diperoleh hanya sebesar 0.95%.

3 61 YIELDOBL I II III IV I II III IV I II III IV I II III IV I II III IV Gambar 4.2 Plot Yield Obligasi Pemerintah umur 10 Tahun (OBLIGASI10) Berkebalikan dengan variabel capital gain IHSG, pada bulan Oktober 2008 pasar obligasi mampu menghasilkan yield obligasi pemerintah 10 tahun hingga mencapai 17.3%. Bulan berikutnya turun menjadi 15.58%, dan akhir tahun mencapai 11.89%. Periode tahun 2009 yield obligasi masih mampu memberikan sebesar 13.59% (Februari) namun selebihnya bertahan dengan imbal hasil pada kisaran 10%. Mulai dari tahun 2010 sampai dengan 2012, yield obligasi terus menunjukkan kecenderungan menurun dengan diselingi beberapa kenaikan, namun pada akhirnya di penghujung tahun 2012 hanya mampu menghasilkan 5.19%. Pada Gambar 4.3, suku bunga Bank Indonesia pada tahun 2008 sempat bergerak menembus 9%. (Agustus) dan bertahan di atas 9% sampai tutup tahun. Suku bunga BI mulai menunjukkan kestabilannya sejak tahun Agustus 2009 yaitu

4 62 pada level 6.5 persen sampai dengan tahun akhir tahun Pada awal tahun 2011, suku bunga bergerak ke 6.75% dan berada pada level 6% sampai akhir tahun. Sejak awal tahun 2012 suku bunga turun ke 5.75% dan berada di level tersebut sampai dengan akhir tahun BIRATE I II III IV I II III IV I II III IV I II III IV I II III IV Gambar 4.3 Plot Suku Bunga Bank Indonesia (BIRATE) 4.2. Uji Stasioneritas Penelitian ini menggunakan data time series yang didasarkan pada suatu asumsi bahwa data stasioner pada level, artinya data tersebut konstan dan independent sepanjang waktu (Gujarati, 2003). Namun pada kenyataannya, sebagian data time series merupakan data non-stasioner. Penggunaan data nonstasioner dapat berakibat kegagalan estimasi dalam menunjukkan nilai-nilai yang sebenarnya (spurious regression) sekalipun jumlah sampel telah diperbesar. Oleh karena itu, sebelum melakukan analisa lebih lanjut, perlu dilakukan uji stasioner

5 63 terhadap semua data time series variabel yang akan digunakan melalui unit root test. Pendekatan formal yang digunakan untuk melakukan unit root test adalah metode Augmented Dickey-Fuller (ADF) test. Selanjutnya hasil uji t-statistik ADF dibandingkan dengan nilai kritis yang dikembangkan oleh MacKinnon. Apabila nilai t-statistik ADF test lebih positif dari MacKinnon critical value, maka data dikatakan tidak stasioner. Sebaliknya jika nilai t-statistik ADF test lebih negatif dari MacKinnon critical value, maka dikatakan stasioner. Untuk mendapatkan data yang stasioner dilakukan langkah pengubahan ke bentuk logaritma atau sering disebut transformasi logaritma. Proses pengujian dengan program E-views memberikan ruang untuk menguji data dalam tiga tahapan. Pertama, pengujian akar unit dimulai dalam tataran level. Apabila pada tataran level data yang digunakan tidak stasioner, dilanjutkan dengan pengujian dalam tataran first difference (pembedaan pertama) dan second difference (pemberdaan kedua). Hasil-hasil dari uji stasioneritas adalah sebagai berikut: Tabel 4.1 Hasil Uji Stasioneritas Variabel Tingkat Level Nilai T-statistik dan Critical Values Variabel T-statistic C- Values 1% C- Values 5% C- Values 10% Keterangan CAPIHSG Stasioner YIELDOBL Tidak Stasioner pada 1% dan 5%

6 64 BIRATE Tidak Stasioner Sumber: Diringkas dari hasil olah Eviews Tabel 4.1 menampilkan hasil-hasil pengujian stasioneritas dengan metode ADF pada derajat level, di mana nilai t-statistik untuk variabel CAPIHSG sebesar , YIELDOBL10 sebesar dan BIRATE sebesar Dari ketiga variabel tersebut ditemukan bahwa data capital gain IHSG telah stasioner pada nilai kritis 1%, 5%, dan 10%. Pada variabel yield obligasi 10 tahun, hasil uji tidak memperlihatkan data yang stasioner pada nilai kritis 1% dan 5%, tetapi muncul pada nilai kritis 10%. tidak ada satupun variabel yang memenuhi kriteria stasioner, karena nilai t-statistik yang dihasilkan tidak lebih negatif dibanding nilai kritis 1%, 5% dan 10%. Guna mendapatkan data yang stasioner untuk dua variabel yang belum stasioner, dilakukan pengulangan uji dengan mengubah dari derajat level ke derajat pembedaan pertama (first different). Tabel 4.2 Hasil Uji Stasioneritas Variabel Tingkat First Difference Nilai T-statistik dan Critical Values Variabel T-statistic C- Values 1% C- Values 5% C- Values 10% Keterangan YIELDOBL Stasioner BIRATE Stasioner Sumber: Diringkas dari hasil olah Eviews

7 65 Pada pengujian akar unit di derajat first difference (Tabel 4.2) dua variabel yang diujikan menghasilkan nilai-nilai sebagai berikut: t-hitung yield obligasi 10 tahun sebesar dan t-hitung suku bunga BI sebesar Nilai t- hitung dari kedua variabel tersebut telah lebih kecil dari nilai kritisnya, sehingga data telah stasioner. Secara keseluruhan data yang telah stasioner tersebut ditampilkan pada Tabel 4.3 di bawah ini. Tabel 4.3 Hasil Uji Stasioneritas Variabel Tataran First Difference dan Second Difference Nilai T-statistik dan Critical Values Variabel T-statistic C- Values 1% C- Values 5% C- Values 10% Keterangan CAPIHSG Stasioner (level) YIELDOBL Stasioner (1 st difference) BIRATE Stasioner (1 st difference) Sumber: Diringkas dari hasil olah Eviews Berdasarkan hasil uji tersebut, data telah memenuhi syarat stasioneritas sehingga dapat dilakukan pengolahan data lebih lanjut. Hasil lengkap uji stasioneritas terdapat dalam lampiran Hasil Panjang Lag Optimal Sebelum membentuk model VAR, perlu dilakukan penentuan panjang lag optimum. Mengingat variabel eksogen yang digunakan tidak lain adalah lag

8 66 optimal dari variabel endogen dan juga variabel eksogennya maka penetuan panjang lag yang optimal menjadi salah satu prosedur penting yang harus dilakukan dalam pembentukan model. Estimasi VAR sangat peka terhadap panjang lag yang digunakan. Berdasarkan Schwarz Information Criterion (SC) diperoleh panjang lag yang optimal adalah 2. Pemilihan kriteria menggunakan SC mengikuti Reimers (1992), menemukan bahwa SC berjalan baik dalam pemilihan panjang lag yang optimal. Hasil penentuan panjang lag disajikan dalam Tabel 4.4 berikut (hasil selengkapnya dapat dilihat pada Lampiran): Tabel 4.4 Panjang Lag Optimal Lag LogL LR FPE AIC SC HQ NA * Sumber: Diringkas dari hasil olah Eviews 4.4. Hasil Uji Kausalitas Granger (Granger CausalityTest) Pengujian dengan Granger s Causality ini menjadi penting karena bertujuan untuk menguji hubungan antar variabel sebagaimana yang telah disusun pemodelannya. Uji kausalitas ini tidak dimaksudkan untuk membuat estimasi terhadap model. Persamaan yang telah disusun dalam penelitian ini tampak sebagai berikut:

9 67 capihsg = Ao + Bo x tingkat bungabi yieldbond = Ai + Bi x tingkat bungabi Melalui dua model persamaan di atas tampak bahwa ada dua variabel dependen yang ingin diketahui keterkaitannya dengan variabel-variabel independen. Tahap memeriksa hubungan kausal ini menjadi penting dalam menganalisis tahap-tahap berikutnya dalam analisa runtun waktu. Hubungan kausalitas Granger adalah uji hubungan yang saling menyebabkan di antara variabel. Syarat yang harus terpenuhi adalah variabel-variabel yang diujikan telah stasioner. Terdapat tiga pasang variabel yang akan diujikan, yaitu: (1) apakah terdapat hubungan dua arah antara yield obligasi dengan capital gain IHSG, (2) apakah terdapat hubungan dua arah antara variabel suku bunga dengan capital gain IHSG, dan (3) apakah terdapat hubungan dua arah antara suku bunga BI dengan yield obligasi. Hasil uji kausalitas dengan menggunakan metode Granger s Causality dapat dilihat pada Tabel 4.5. Tabel 4.5 Hasil Uji Kausalitas Granger Hipotesis Nol: Observasi F-Hitung Probabilitas YIELDOBL10 does not Granger Cause CAPIHSG CAPIHSG does not Granger Cause YIELDOBL BIRATE does not Granger Cause CAPIHSG CAPIHSG does not Granger Cause BIRATE

10 68 BIRATE does not Granger Cause YIELDOBL YIELDOBL10 does not Granger Cause BIRATE Sumber: Diringkas dari hasil olah Eviews Tabel 4.6 F-tabel Probabiltas 1% 5% 10% Nilai F 4, , , Dengan menggunakan pembanding F-tabel pada taraf 1%, 5%, dan 10% sebagaimana yang ditampilkan pada Tabel 4.6, hasil-hasil uji kausalitas Granger yang menguji hubungan kausal Granger di antara 3 (tiga) pasang variabel menunjukkan adanya temuan-temuan sebagai berikut: Pertama, H o yang menyatakan bahwa yield obligasi pemerintah 10 tahun tidak menyebabkan kausalitas Grangger terhadap capital gain IHSG terbukti atau diterima (H 0 diterima jika F-hitung > F-tabel 1%,5%,10% ). Nilai F-hitung sebesar < 4, ; 2, ; 2, Demikian pula dengan H 0 yang menyatakan bahwa capital gain IHSG tidak menyebabkan kausalitas Grangger terhadap yield obligasi pemerintah 10 tahun terbukti, karena F-hitung sebesar < 4, ; 2, ; 2, Oleh karena itu, hubungan kedua variabel tersebut dapat dikatakan memiliki hubungan dua arah. Kedua, H o yang menyatakan bahwa suku bunga BI tidak menyebabkan kausalitas Grangger pada capital gain IHSG ditolak (H 0 diterima jika F-hitung > F-tabel 1%,5%,10% ), karena nilai F-hitung sebesar > 4, ; 2, ; 2, Pada pasangan berikutnya, H 0 yang menyatakan

11 69 bahwa capital gain IHSG tidak menyebabkan kausalitas Grangger pada suku bunga BI diterima pada taraf 1% dan 5%, karena F-hitung sebesar < 4, ; 2, Namun H 0 ditolak pada taraf 10% karena F-hitung sebesar > 2, Oleh karena itu, hubungan kedua variabel tersebut dapat dikatakan masih memiliki hubungan dua arah. Ketiga, H o yang menyatakan bahwa suku bunga BI tidak menyebabkan kausalitas Grangger pada yield obligasi pemerintah 10 tahun ditolak (H 0 diterima jika F-hitung > F-tabel 1%,5%,10% ), karena nilai F-hitung sebesar > 4, ; 2, ; 2, Pada pasangan berikutnya, H 0 yang menyatakan bahwa yield obligasi pemerintah 10 tahun tidak menyebabkan kausalitas Grangger pada suku bunga BI diterima pada taraf 1% karena F-hitung sebesar < 4, Namun H 0 ditolak pada taraf 5% dan 10% karena F-hitung sebesar > 2, ; 2, Oleh karena itu, hubungan kedua variabel tersebut dapat dikatakan masih memiliki hubungan dua arah. Hasil uji kausalitas untuk pasangan pertama menunjukkan bahwa semua hipotesis nol yang diajukan diterima atau dengan kata lain variabel yield obligasi tidak menyebabkan perubahan pada capital gain IHSG dan capital gain IHSG tidak menyebabkan perubahan pada yield obligasi. Nilai F-hitung yang lebih kecil dari F-tabel ini juga menunjukkan bahwa masing-masing variabel tidak saling memengaruhi. Dalam hal yield obligasi sebagai variabel dependen dan capital gain sebagai variabel independen dan atau sebaliknya, maka tidak ada pengaruh dari variabel independen terhadap variabel dependen.

12 70 Hasil uji kausalitas untuk pasangan kedua menunjukkan bahwa ada satu hipotesis nol yang diajukan ditolak pada semua tingkat probabilitas atau dengan kata lain variabel suku bunga BI menyebabkan perubahan pada capital gain IHSG. Pada pasangan berikutnya, terjadi penerimaan hipotesis nol pada tingkat probabilitas 1% dan 5% atau di sini capital gain IHSG tidak menyebabkan perubahan pada suku bunga BI. Meskipun hipotesis nol diterima, namun masih ada peluang diterima pada tingkat probabilitas 10%. Hasil uji kausalitas untuk pasangan ketiga menunjukkan bahwa satu hipotesis nol yang diajukan ditolak pada semua tingkat probabilitas atau dengan kata lain variabel suku bunga BI menyebabkan perubahan pada yield obligasi. Pada pasangan lainnya yield obligasi terbukti tidak menyebabkan perubahan pada suku bunga BI pada tingkat probabilitas 1%. Hasil yang berbeda ditemukan karena pada taraf probabilitas 5% dan 10%, hipotesis nol ditolak atau yield obligasi menyebabkan perubahan pada suku bunga BI Hasil Uji Kointegrasi Sebelum melakukan analisa dengan metode VECM, perlu dilakukan terlebih dahulu uji kointegrasi. Keberadaan variabel-variabel penelitian yang tidak stasioner sebagaimana yang ditunjukkan dari hasil uji stasioner sebelumnya, meningkatkan kemungkinan terjadinya hubungan kointegrasi antar variabel. Untuk itu masih diperlukan suatu uji yang disebut uji kointegrasi untuk mengetahui apakah terdapat hubungan kointegrasi antar variabel yang diteliti atau tidak ada sama sekali, sekaligus untuk memperoleh hubungan jangka panjang

13 71 antara variabel capital gain IHSG, yield obligasi pemerintah 10 tahun dan suku bunga BI. Pada penelitian ini, uji kointegrasi untuk mengetahui jumlah persamaan kointegrasi dilakukan melalui Johansen Cointegration Test dengan lag optimal = 2 sesuai penentuan berdasarkan SC yang telah dilakukan sebelumnya. Jika nilai trace statistic lebih besar dari nilai kritis, maka persamaan tersebut terkointegrasi. Hasil uji kointegrasi pada penelitian ini dapat dilihat pada tabel 4.7 berikut ini: Tabel 4.7 Hasil Uji Kointegrasi dengan metode Johansen s Cointegration Test (trace statistic) Hypothesized No. of CE(s) Eigenvalue Trace Statistic 5 Percent Critical Value 1 Percent Critical Value None ** At most 1 * At most Sumber: Diringkas dari hasil olah Eviews Berdasarkan Tabel 4.7 di atas dapat dilihat bahwa nilai trace statistic r = 0 lebih besar dari critical value dengan tingkat signifikansi 5%, yaitu > Hal ini berarti hipotesis nol yang menyatakan bahwa tidak ada kointegrasi ditolak dan hipotesis alternatif yang menyatakan bahwa ada kointegrasi tidak dapat ditolak. Berdasarkan analisis ekonometrik di atas dapat dilihat bahwa di antara ketiga variabel dalam penelitian ini, terdapat satu kointegrasi pada tingkat

14 72 signifikansi 5%. Dengan demikian, dari hasil uji kointegrasi mengindikasikan bahwa di antara pergerakan capital gain IHSG, yield obligasi pemerintah 10 tahun dan suku bunga BI memiliki hubungan stabilitas/keseimbangan dan kesamaan pergerakan dalam jangka panjang. Dengan kalimat lain, dalam setiap periode jangka pendek, seluruh variabel cenderung saling menyesuaikan, untuk mencapai ekuilibrium jangka panjangnya. Hasil uji Johansen Cointegration ini juga menunjukkan setidaknya adanya 1 (satu) persamaan kointegrasi, yakni pada saat dimana nilai trace statistic lebih besar dari nilai kritisnya. Dengan demikian, model yang tepat untuk digunakan dalam penelitian ini adalah Vector Error Correction Model (VECM) Model Empiris VECM Setelah hubungan kointegrasi diantara ketiga variabel penelitian diperoleh, maka tahap selanjutnya adalah membentuk model VECM. Menurut Enders, jika terdapat hubungan kointegrasi di antara variabel penelitian, maka estimasi dilakukan dengan VECM, sedangkan jika tidak ada kointegrasi di antara ketiga variabel di atas maka estimasi dilakukan dengan VAR. Tabel 4.8 menyajikan hasil estimasi dengan VECM, sedangkan di dalam Tabel 4.9 ditampilkan nilai t-tabel sebagai pembanding dengan t-statistik: Tabel 4.8 Hasil Estimasi VECM Variabel Koefisien T-statistik Keterangan Jangka Panjang

15 73 CAPIHSG(-1) YIELDOBL10(-1) Signifikan BIRATE(-1) Signifikan C Jangka Pendek D(CAPIHSG) D(YIELDOBL10) D(CAPIHSG(-1)) TS TS D(CAPIHSG(-2)) TS TS D(YIELDOBL10(-1)) TS TS D(YIELDOBL10(-2)) TS TS D(BIRATE(-1)) Signifikan Signifikan D(BIRATE(-2)) Signifikan TS C CointEq Tabel 4.9 Nilai T-tabel Sumber: Diringkas dari hasil olah Eviews, TS = Tidak signifikan Probabilitas 1% 5% 10% Nilai T-tabel 2, , ,

16 74 Persamaan yang dihasilkan dalam estimasi VECM adalah sebagai berikut: DCAPIHSG = (CAPIHSG(-1)) (YIELDOBL10(-1)) (BIRATE(-1)) (D(CAPIHSG(-1))) (D(CAPIHSG(-2))) (D(YIELDOBL10(-1))) (D(YIELDOBL10(-2))) (D(BIRATE(-1))) (D(BIRATE(-2))) D(YIELDOBL10)= D(CAPIHSG) ()) (YIELDOBL10(-1)) (BIRATE(-1)) (D(CAPIHSG(-1))) (D(CAPIHSG(-2))) (D(YIELDOBL10(-1))) (D(YIELDOBL10(-2))) (D(BIRATE(-1))) (D(BIRATE(-2))) Pada persamaan pertama dengan variabel dependen DCAPIHSG, tampak variabel CAPIHSG, YIELDOBL10 dan BIRATE memberikan pengaruh yang signifikan. Pola hubungan CAPIHSG dengan dirinya sendiri positif, sedangkan dengan YIELDOBL10 negatif, dan pola hubungan dengan BIRATE positif. Capital gain IHSG pada lag 1 dan lag 2 tidak memberikan pengaruh yang signifikan terhadap variabel dependen CAPIHSG. Demikian halnya dengan yield obligasi pada periode 1 dan 2 sebelumnya tidak memberikan pengaruh terhadap CAPIHSG. Variabel suku bunga BI memberikan pengaruh yang signifikan terhadap CAPIHSG pada periode 1 bulan dan 2 bulan sebelumnya.

17 75 Hasil estimasi VECM pada tabel 4.8 di atas menunjukkan bahwa dalam jangka panjang, secara statistik variabel yield obligasi pemerintah 10 tahun mempunyai hubungan yang negatif dengan capital gain IHSG ( ) dan signifikan pada probabilitas 10%. Hasil ini menunjukkan bahwa pada jangka panjang perubahan yield obligasi pemerintah 10 tahun akan senantisa diikuti oleh capital gain IHSG dengan arah yang berkebalikan. Dengan kata lain, jika terjadi kenaikan sebanyak 1% pada yield obligasi pemerintah akan diikuti dengan penurunan capital gain IHSG sebesar % atau jika terjadi penurunan 1% pada yield obligasi pemerintah akan diikuti dengan kenaikan capital gain IHSG sebesar %. Di lain pihak, pada hubungan antara variabel suku bunga BI dengan capital gain IHSG diketahui memiliki hubungan yang positif ( ) dan signifikan pada probabilitas 5% dan 10%,. Dengan demikian, apabila terjadi peningkatan sebesar 1% pada suku bunga BI akan diikuti dengan peningkatan capital gain IHSG sebesar % atau jika terjadi penurunan sebesar 1% pada suku bunga BI akan diikuti penurunan capital gain IHSG sebesar %. Selain hasil-hasil hubungan jangka panjang di atas, estimasi VECM menemukan hasil-hasil untuk hubungan jangka pendek sebagai berikut: (1) variabel capital gain IHSG secara statistik tidak berpengaruh secara signifikan terhadap dirinya sendiri pada lag pertama dan kedua, (2) variabel yield obligasi pemerintah 10 tahun tidak berpengaruh secara signifikan terhadap capital gain IHSG pada lag pertama dan kedua, (3) suku bunga BI berpengaruh secara signifikan terhadap capital gain IHSG pada lag pertama dan tidak berpegaruh secara signifikan pada lag kedua.

18 Analisis Innovation Accounting Secara umum, innovation accounting perlu dilakukan sebagai upaya untuk menguraikan bagaimana dan seberapa besar pengaruh shock atau impulse atau innovation atau disturbance terhadap variabel-variabel yang dibentuk dalam persamaan, mengingat salah satu kelemahan dalam sistem VAR adalah sulitnya menginterprestasikan koefisien yang merupakan hasil estimasi. Oleh karena itu, untuk mencapai salah satu tujuan dalam penelitian ini, yakni mengetahui peranan sistem keuangan dalam mendorong (boost) pertumbuhan ekonomi di Indonesia, alat analisis yang digunakan adalah innovation accounting, yang terdiri dari Impulse Response Function dan Variance Decomposition. Hal ini lazim digunakan oleh para peneliti sebelumnya dalam melakukan analisis melalui Impulse Response Function dan Variance Decomposition (Gujarati, 2003) Impulse Response Function (IRF) Perilaku dinamis dari model VECM dapat dilihat melalui respon dari setiap variabel terhadap kejutan dari variabel tersebut maupun terhadap variabel endogen lainnya. Dalam model ini response dari perubahan masing-masing variabel dengan adanya informasi baru diukur dengan 1-standar deviasi. Sumbu horizontal merupakan waktu dalam periode hari ke depan setelah terjadinya shock, sedangkan sumber vertikal adalah nilai respon. 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. Dalam jangka panjang respon cenderung konsisten dan terus

19 77 mengecil. Impulse Response Function memberikan gambaran bagaimana respon dari suatu variabel di masa mendatang jika terjadi gangguan pada satu variabel lainnya. Untuk memudahkan interpretasi, hasil analisis disajikan dalam bentuk grafik pada Gambar 4.2 di bawah dalam 60 bulan ke depan. Estimasil ini menguatkan temuan pada uji kausalitas Granger sebelumnya, yang menyebutkan bahwa yield obligasi tidak menyebabkan perubahan pada capital gain IHSG. Hasil analisa IRF pada Gambar 4.2 grafik pertama (baris pertama kolom satu) menunjukkan bahwa respon yang diberikan oleh variabel capital gain IHSG akibat adanya shock pada variabel yield obligasi adalah positif sejak periode pertama hingga periode keempat. Pada tiga periode awal bahkan mencatat respon yang tinggi sampai ke level 0.73%. Periode kelima, respon turun menjadi negatif sampai dengan periode keduabelas. Mulai periode ke ketigabelas sampai dengan periode akhir kembali positif dan respon semakin melemah sampai ke level 0.013% atau mendekati nol. Situasi ini memperlihatkan bahwa perubahan pada yield obligasi semakin tidak berpengaruh positif terhadap perubahan capital gain IHSG. Gambar 4.4 Impulse Response Function

20 78 Response to Cholesky One S.D. Innovations 6 Response of RETIHSG to YIELDOBL10.8 Response of YIELDOBL10 to RETIHSG 6 Response of RETIHSG to BIRATE Response of BIRATE to RETIHSG.4 Response of BIRATE to YIELDOBL10.8 Response of YIELDOBL10 to BIRATE Sumber: Hasil olah Eviews Grafik kedua pada Gambar 4.4 (baris pertama kolom dua) dan Tabel 4.10 memperlihatkan respon dari yield obligasi terhadap perubahan yang terjadi pada capital gain IHSG. Yield obligasi merespon secara negatif terhadap perubahan yang terjadi pada capital gain IHSG mulai dari periode awal sampai dengan periode akhir. Pada dua periode awal, perubahan pada capital gain IHSG menyebabkan penurunan yield obligasi sebesar 0.62% dan 0.48%, namun penurunan yang besar ini tidak berlangsung lama karena yield obligasi terus bergerak ke atas mendekati nol sampai dengan periode akhir. Grafik ketiga pada Gambar 4.4 (baris pertama kolom tiga) dan Tabel 4.10 memperlihatkan respon dari capital gain IHSG terhadap perubahan yang terjadi pada suku bunga BI. Capital gain IHSG merespon secara negatif terhadap perubahan yang terjadi pada suku bunga BI mulai dari periode awal (3.06%) sampai dengan periode kesembilan (0.03%). Pada periode kesepuluh respon

21 79 berubah menjadi positif (0.13%) dan terus positif sampai dengan periode akhir dengan persentase perubahan yang semakin mengecil (0.017%). Grafik keempat pada Gambar 4.4 (baris kedua kolom satu) dan Tabel 4.10 memperlihatkan respon dari suku bunga BI terhadap perubahan yang terjadi pada capital gain IHSG. Suku bunga BI merespon secara negatif terhadap perubahan yang terjadi pada capital gain IHSG mulai dari periode awal di mana turun ke 0.02% dan menurun terus sampai ke periode keenam (0.068%). Mulai dari periode kesembilan sampai dengan periode terakhir perubahan suku bunga BI direspon ke arah yang lebih positif. Grafik kelima pada Gambar 4.4 (baris kedua kolom dua) dan Tabel 4.10 memperlihatkan respon dari yield obligasi terhadap perubahan yang terjadi pada suku bunga BI. Yield obligasi merespon secara positif terhadap perubahan yang terjadi pada suku bunga BI mulai dari periode kedua (0.21%) sampai puncaknya di periode kesembilan (0.572%) dan menurun terus sampai ke periode akhir (0.073%). Grafik keenam pada Gambar 4.4 (baris kedua kolom tiga) dan Tabel 4.10 memperlihatkan respon dari suku bunga BI terhadap perubahan yang terjadi pada yield obligasi. Suku bunga BI merespon secara positif terhadap perubahan yang terjadi pada suku yield obligasi mulai dari periode awal sampai dengan periode akhir. Pada periode kedelapan sempat sampai %, setelah itu tidak terjadi penguatan tetapi semakin turun mendekati nol di periode terakhir. Tabel 4.10 Impulse Response

22 80 Response of Response of Response of Response of Response of Response of Period CAPIHSG to YIELDOBL10 CAPIHSG to BIRATE to YIELDOBL10 BIRATE to YIELDOBL10 to CAPIHSG BIRATE CAPIHSG to BIRATE YIELDOBL Tabel 4.10 Impulse Response Response of Response of Response of Response of Response of Response of Period CAPIHSG to YIELDOBL10 CAPIHSG to BIRATE to YIELDOBL10 BIRATE to YIELDOBL10 to CAPIHSG BIRATE CAPIHSG to BIRATE YIELDOBL10

23

24 Sumber: Diringkas dari hasil olah Eviews Variance Decomposition (VD) Setelah menganalisis perilaku dinamis melalui impulse response, selanjutnya akan dilihat karakteristik model melalui variance decomposition. Pada bagian ini dianalisis bagaimana varian dari suatu variabel ditentukan oleh peran dari variabel lainnya maupun peran dari dirinya sendiri. Variance decomposition digunakan untuk menyusun forecast error variance suatu variabel, yaitu seberapa besar perbedaan antara variance sebelum dan sesudah shock, baik shock yang berasal dari diri sendiri maupun shock dari variabel lain untuk melihat pengaruh relatif variabel-variabel penelitian terhadap variabel lainnya. Prosedur variance decomposition yaitu dengan mengukur persentase kejutan-kejutan atas masingmasing variabel. Berikut ini disajikan variance decomposition untuk waktu enam

25 83 puluh periode ke depan atas masing-masing variabel sebagaimana ditampilkan pada pada Tabel Tabel 4.11 Variance Decomposition CAPIHSG Periode S.E. CAPIHSG YIELDOB L10 BIRATE Periode S.E. CAPIHSG YIELDOBL1 BIRATE

26 Sumber: Diringkas dari hasil olah Eviews Terdapat tiga variabel yang akan ditinjau, namun titik berat yang akan diperhatikan pada penelitian ini adalah varians-varians mana saja yang paling berperan terhadap pertumbuhan capital gain IHSG dan yield obligasi di masa mendatang. Pertama, dari tabel variance decomposition 4.11 di atas dapat dijelaskan bahwa kontribusi terbesar terhadap capital gain IHSG berasal dari varians capital gain IHSG itu sendiri. Pada periode pertama, varians diri sendiri memberikan pengaruh sebesar 100%. Pada periode kedua kontribusi varians diri sendiri menurun sebesar 22% menjadi 77.9%, sedangkan varians variabel suku bunga BI berkontribusi sebesar 21.1% dan varians yield obligasi sebesar 0.8%. Pada periode ketiga, pengaruh varins diri sendiri masih kuat namun semakin menurun (66.78%), di saat yang sama varians suku bunga berkontribusi semakin besar menjadi 31.63%. Pada periode ketiga belas pengaruh varians diri sendiri terhadap perubahan capital gain IHSG turun menjadi 58.9% dan suku bunga BI berperan sebesar 38.69%. Sampai pada akhir periode besarnya pengaruh dari kedua varians tersebut berkisar 58% dan 38% sedangkan sisanya dari kontribusi varians yield obligasi.

27 85 Hasil ini menunjukkan bahwa peningkatan capital gain IHSG di masamasa mendatang masih bergantung pada perubahan-perubahan dari diri sendiri. Tingkat kepercayaan pemegang saham untuk tidak berpindah aset menjadi modal berharga di tengah isu-isu mengenai siklus krisis global. Dengan perkiraan pertumbuhan ekonomi Indonesia yang relatif menjanjikan dan tingkat bunga yang relatif stabil menjadi keyakinan yang bisa mendorong pertumbuhan capital gain. Tabel 4.12 Variance Decomposition YIELDOBL10 Periode S.E. CAPIHSG YIELDOB L10 BIRATE Periode S.E. CAPIHSG YIELDOBL1 BIRATE

28 Sumber: Diringkas dari hasil olah Eviews Kedua, analisis variance decomposition terhadap varians variabel mana yang memberikan kontribusi terbesar terhadap yield obligasi ditunjukkan pada Tabel Pada periode pertama tampak varians dari capital gain IHSG (50.05%) memberikan kontribusi terbesar terhadap perubahan yield obligasi dibandingkan yield obligasi itu sendiri (49.9%) dan varians suku bunga BI (0.000%). Mulai dari periode kedua sampai dengan kesembilan, varians yield obligasi sendiri lebih berperan dibandingkan dengan dua varians variabel lainnya, di mana varians yield obligasi berkonstribusi sebesar 41.8%, suku bunga sebesar 40.4%, dan capital gain IHSG sebesar 17.6%. Tabel 4.13

29 87 Variance Decomposition BIRATE Periode S.E. CAPIHSG YIELDOB L10 BIRATE Periode S.E. CAPIHSG YIELDOBL1 BIRATE

30 Sumber: Diringkas dari hasil olah Eviews Perkembangan berikutnya terlihat bahwa mulai dari periode kesepuluh sampai dengan periode akhir varians suku bunga BI semakin besar peranannya terhadap perubahan yield obligasi dibandingkan dua variabel lain, yang ditunjukkan dengan semakin besarnya prosentase dari periode ke periode. Pada periode kesepuluh, varians suku bunga berkontribusi sebesar 42.9%, varians yield obligasi turun menjadi 40.5%, dan varians capital gain IHSG turun menjadi 16.43%. Pada periode akhir, varians suku bunga BI berkontribusi sebesar 52.8% atau terjadi peningkatan sebesar hampir 10% dari periode kesepuluh, varians yield obligasi turun menjadi 36.75% dan varians capital gain IHSG turun menjadi 10.39%. Cukup besarnya andil varians suku bunga BI terhadap perubahan yield obligasi menunjukkan bahwa varians suku bunga BI memiliki peran yang penting bagi pertumbuhan yield obligasi. Peristiwa-peristiwa seperti ketika BI memutuskan untuk menaikan tingkat suku bunga dapat menahan pertumbuhan yield obligasi. Para investor pemegang saham dan pendapatan tetap seperti obligasi akan mempertimbangkan untuk mencari alternatif lain untuk memindahkan dananya ke pasar uang. Pemindahan ini tentu akan berdampak pada menurunnya penyertaan dana di kedua golongan aset ini. Hasil penelitian ini

31 89 menunjukkan pertumbuhan yield obligasi bergantung pada perubahan yang terjadi pada penetapan suku bunga BI, yaitu sebesar 52.8%. Ketiga, hasil lain yang dapat melengkapi penelitian ini adalah bahwa perkembangan suku bunga BI lebih dipengaruhi oleh varians dari suku bunga BI itu sendiri. Sebagaimana tampak dalam Tabel 4.13, sejak periode pertama sampai dengan periode akhir, kontribusi dari varians suku bunga BI lebih besar dibandingkan dengan dua varians variabel lainnya. Pada awal periode varians suku bunga berkontribusi sebesar 95.3%, capital gain IHSG sebesar 3.25% dan yield obligasi sebesar 1.48%. Kontribusi terbesar dari varians suku bunga BI terus berlanjut sampai dengan periode akhir, yaitu sebesar 69.3%, yield obligasi 25.8% dan capital gain IHSG sebesar 4.89%. Hasil ini memperlihatkan bahwa perubahan suku bunga BI dari periode ke periode hanya memberi ruang yang kecil kepada peubah-peubah dari variabel-variabel di luar dirinya seperti yield obligasi dan capital gain IHSG. Namun dengan masih adanya ruang bagi varians variabel-variabel lain menunjukkan bahwa penetapan suku bunga BI masih memerhatikan komponenkomponen lain yang dipandang mampu memberikan kontribusi yang lebih luas terhadap kemajuan ekonomi dalam negeri. Pada saat pasar saham menguat, dipandang sebagai saat yang tepat untuk menaikkan suku bunga untuk tujuan seperti menahan inflasi, namun disatu sisi berpotensi mendorong masuknya arus modal asing.