HASIL DAN PEMBAHASAN. Analisis data dilakukan dengan menggunakan Software Eviews Versi 4.1 dan Microsoft Office Excel Gambar 2 Plot IHSG.

Transkripsi

1 kointegrasi lebih besar dari nol maka model yang digunakan adalah VECM (Enders, 1995). 4. Analisis model VAR, VARD atau VECM. 5. Interpretasi terhadap model. 6. Uji kelayakan model. 7. Pengkajian fungsi respon impuls dan dekomposisi ragam 8. Peramalan. d. Evaluasi peramalan dengan MAPE dan membandingkan hasil peramalan antara model ARIMA dengan model VAR. terjadinya krisis moneter dan penetapan suku bunga yang sangat tinggi sehingga menyebabkan turunnya harga saham. Namun seiring dengan pemulihan ekonomi, IHSG terus meningkat. Hal ini ditunjukkan dengan plot deret waktu IHSG yang cenderung meningkat pada Gambar 2. Analisis data dilakukan dengan menggunakan Software Eviews Versi 4.1 dan Microsoft Office Excel HASIL DAN PEMBAHASAN Eksplorasi Data Eksplorasi data dari masing-masing peubah dilakukan untuk melihat pola data secara umum. Gambar 1 menunjukkan pola deret waktu peubah suku bunga SBI. Terjadi peningkatan suku bunga SBI secara drastis pada permulaan tahun Hal tersebut dikarenakan terjadinya krisis moneter yang melanda Indonesia. Pada saat krisis moneter, Bank Indonesia menetapkan tingkat suku bunga SBI hingga mencapai 70% yang terjadi pada bulan Agustus Namun demikian, tidak lama kemudian suku bunga SBI berangsur turun pada akhir tahun Tingkat suku bunga SBI cenderung turun dan relatif stabil dibawah 18% mulai pertengahan tahun Gambar 2 Plot IHSG. Peubah suku bunga internasional cenderung stabil dari bulan ke bulan sampai Januari Namun setelah itu terjadi penurunan suku bunga internasional hingga penghujung tahun Pada tahun 2002 sampai dengan 2004 suku bunga internasional cenderung stabil yaitu sekitar 4%. Kenaikan tingkat suku bunga internasional terjadi pada awal tahun 2005 hingga akhir tahun Plot deret waktu suku bunga internasional dapat dilihat pada Gambar 3. Gambar 3 Plot suku bunga internasional. Model ARIMA Gambar 1 Plot suku bunga SBI. Pada tahun 1998 IHSG mengalami penurunan yang cukup tajam yaitu pada bulan September Hal ini berkaitan dengan Suku Bunga SBI Langkah awal sebelum mengidentifikasi model ARIMA data suku bunga SBI adalah pemeriksaan kestasioneran data tersebut. Plot deret waktu suku bunga SBI (Gambar 1) menunjukkan pola yang tidak stasioner baik dalam ragam maupun rataan. Untuk menstasionerkan data dalam ragam maka

2 dilakukan transformasi logaritma. Plot ACF dan PACF pada Lampiran 1 menunjukkan ACF turun secara lambat menuju nol sedangkan PACF nyata pada tiga beda kala pertama. Berdasarkan keadaan tersebut dapat disimpulkan bahwa data tersebut tidak stasioner dalam rataan sehingga dibutuhkan pembedaan agar diperoleh deret yang stasioner. Setelah dilakukan pembedaan satu kali terlihat bahwa data sudah stasioner dimana plot ACF tidak lagi turun secara lambat menuju nol (Lampiran 2). Pemeriksaan kestasioneran data deret waktu secara formal dilakukan dengan menggunakan uji Augmented Dickey Fuller (ADF). Hasilnya dapat dilihat pada Tabel 1. Terlihat bahwa peubah suku bunga SBI tidak stasioner saat I(0) (data sebelum pembedaan) karena nilai t-hitung > nilai kritis MacKinnon pada α=5% yang menyatakan bahwa data tidak stasioner. Sedangkan saat I(1) nilai t- hitung < nilai kritis MacKinnon, yang berarti bahwa data telah stasioner. Tabel 1 Uji Augmented Dickey Fuller Peubah I(0) Nilai I(1) Nilai t-hit Kritis t-hit Kritis sbsbi -2,07-3,46-6,36-3,46 IHSG -1,69-3,46-7,95-3,46 sbint -0,03-3,46-5,29-3,46 Langkah selanjutnya adalah mengidentifikasi model-model tentatif berdasarkan plot ACF maupun PACF. Beberapa alternatif model untuk suku bunga SBI dapat dilihat pada Tabel 2. Berdasarkan Tabel 2, ketiga model tersebut signifikan dalam parameter pada α=5% karena memiliki nilai peluang statistik t (nilai-p) < α=5%. Namun dari ketiga model tersebut, model yang terbaik adalah ARIMA (1,1,0) karena tidak terdapat autokorelasi sisaan pada model tersebut (Lampiran 3). Model yang lain tidak layak karena berdasarkan pengujian statistik Q terhadap sisaan (Lampiran 4 dan 5) dengan penetapan α sebesar 5%, terdapat autokorelasi dalam sisaan model-model tersebut (nilai-p < α=5%). IHSG Plot IHSG pada Gambar 2 menunjukkan pola data yang tidak stasioner dalam ragam maupun rataan. Agar data stasioner dalam ragam maka dilakukan transformasi logaritma. Plot ACF data IHSG (Lampiran 6) terlihat turun lambat menuju nol sehingga data tidak stasioner dalam rataan. Untuk itu dilakukan pembedaan 1 kali agar data menjadi stasioner. Plot ACF setelah pembedaan 1 kali menunjukkan ACF tidak lagi turun lambat menuju nol (Lampiran 7). Ini menunjukkan bahwa data sudah stasioner. Melalui uji ADF pada Tabel 1 diperoleh hasil bahwa data IHSG stasioner setelah dilakukan pembedaan 1 kali dimana nilai t-hitung < nilai kritis MacKinnon pada α=5%. Alternatif model untuk IHSG dapat dilihat pada Tabel 3. Berdasarkan Tabel 3 diperoleh model yang terbaik yaitu model ARIMA (2,1,0). Model yang lain tidak dipilih karena model-model tersebut memiliki koefisien parameter yang tidak signifikan pada α=5% (nilai-p < α=5%). Tabel 2 Alternatif model ARIMA untuk suku bunga SBI No. Model Koefisien Nilaip AIC ARIMA 1. (1,1,0) Konstanta 0,733-3,28 AR(1) 0, (0,1,2) Konstanta 0,775-3,37 MA(1) 0,020 MA(2) 0, (1,1,2) Konstanta 0,397-3,77 AR(1) 0,000 MA(1) 0,000 MA(2) 0,000 Tabel 3 Alternatif model ARIMA untuk IHSG No. Model Koefisien Nilaip AIC ARIMA 1. (2,1,0) Konstanta 0,381-3,63 AR(1) 0,031 AR(2) 0, (0,1,2) Konstanta 0,363-5,86 MA(1) 0,061 MA(2) 0, (2,1,2) Konstanta 0,301-5,92 AR(1) 0,230 AR(2) 0,000 MA(1) 0,003 MA(2) 0,000 Pada pengujian statistik Q untuk model ARIMA (2,1,0) (Lampiran 8) diperoleh hasil seluruh nilai-p > α=5% yang artinya tidak terdapat autokorelasi pada sisaan. Sehingga dapat disimpulkan bahwa model tersebut layak.

3 Suku Bunga Internasional Plot deret waktu data aktual suku bunga internasional pada Gambar 3 menunjukkan pola data yang tidak stasioner dalam ragam maupun rataan. Sehingga data suku bunga internasional juga ditransformasi dengan transformasi logaritma. Pada Lampiran 9 terlihat bahwa plot ACF data awal turun lambat menuju nol sehingga data tidak stasioner dalam rataan. Untuk itu dilakukan pembedaan 1 kali agar data menjadi stasioner. Setelah pembedaan 1 kali, ACF tidak lagi turun lambat menuju nol (Lampiran 10). Hal tersebut didukung oleh hasil uji ADF pada Tabel 1 yaitu data suku bunga internasional stasioner setelah dilakukan pembedaan 1 kali dimana nilai t-hitung < nilai kritis MacKinnon pada α=5%. Beberapa alternatif model untuk suku bunga internasional seperti terlihat pada Tabel 4. Berdasarkan Tabel 4, kedua model menunjukkan nilai koefisien parameter yang signifikan pada α=5%. Tabel 4 Alternatif model ARIMA untuk suku bunga internasional No. Model Koefisien Nilaip AIC ARIMA 1. (1,1,0) Konstanta 0,857-5,94 AR(1) 0, (1,1,1) Konstanta 0,985-5,97 AR(1) 0,000 MA(1) 0,001 Pada pengujian statistik Q untuk kedua model tersebut (Lampiran 11 dan 12), seluruh nilai-p > α=5% yang berarti tidak terdapat autokorelasi pada sisaan. Dengan kata lain, kedua model tersebut layak. Namun, untuk model terbaik dipilih model ARIMA (1,1,1) karena nilai AIC-nya lebih kecil dari nilai AIC model ARIMA (1,1,0). Model VAR Penentuan Panjang Beda Kala atau Ordo VAR Berdasarkan nilai AIC dan SBC pada saat p=2 diperoleh nilai AIC dan SBC terkecil sehingga model VAR yang digunakan adalah model VAR ordo ke-2 atau VAR dengan beda kala 2. Hasil perhitungan AIC dan SBC selengkapnya dapat dilihat pada Tabel 5. Tabel 5 Hasil perhitungan AIC dan SBC Lag AIC SBC 0-3,5930-3, , , ,1373* -13,5296* 3-13, , , , , , , , , , , , , , , , , , , ,5998 * mengindikasikan ordo / beda kala yang dipilih oleh kriteria informasi AIC dan SBC Uji Kointegrasi Karena data tidak stasioner dalam rataan dan harus dilakukan pembedaan 1 kali terhadap data maka perlu dilakukan uji kointegrasi. Hasil uji ADF sisaan kombinasi linier peubah suku bunga SBI, IHSG, dan suku bunga internasional dapat dilihat pada Tabel 6. Kombinasi linier diperoleh melalui pendugaan metode kuadrat terkecil. Dari uji ADF tersebut diperoleh statistik uji t > nilai kritis MacKinnon pada α=5% sebesar -2,89, sehingga sisaan tidak stasioner. Berdasarkan kondisi tersebut maka tidak terdapat kointegrasi antara deret suku bunga SBI, IHSG, dan suku bunga internasional. Tabel 6 Hasil uji ADF sisaan dari kombinasi linier peubah suku bunga SBI, IHSG, dan suku bunga internasional Peubah Peubah statistik t tak bebas bebas sisaan sbsbi IHSG, sbint -1,54 IHSG sbsbi, sbint -0,97 sbint sbsbi, IHSG -1,39 Hasil uji Johansen pada Tabel 7 memberikan kesimpulan yang sama dengan hasil metode Engle Granger pada Tabel 6. Hasil uji tersebut menunjukkan bahwa H 0 diterima pada saat r=0, dimana nilai λ trace (r) < nilai kritis λ trace. Sehingga dapat disimpulkan tidak terdapat kointegrasi antara suku bunga SBI, IHSG, dan suku bunga internasional.

4 Tabel 7 Uji Johansen untuk kointegrasi H 0 H 1 Nilai Kritis λ (r) rank = r rank > r trace λ trace ,48 42, ,97 25, ,92 12,25 Pendugaan Model Dari hasil uji kointegrasi disimpulkan tidak terdapat kointegrasi antara suku bunga SBI, IHSG, dan suku bunga internasional pada α=0.05. Oleh karena itu, model yang digunakan adalah model VAR dengan pembedaan (VARD) sampai ordo d. Karena ketiga peubah ekonomi tersebut stasioner setelah dilakukan pembedaan 1 kali terhadap data, maka model yang digunakan untuk menjelaskan hubungan ketiga peubah tersebut adalah model VAR pembedaan 1 kali. Hasil pendugaan model tersebut dapat dilihat pada Tabel 8. Untuk peubah endogen d_sbsbi, peubah yang signifikan adalah d_sbsbi, d_ihsg, dan d_sbint satu bulan sebelumnya. Ini menunjukkan bahwa selisih nilai antar waktu suku bunga SBI dipengaruhi oleh selisih nilai antar waktu suku bunga SBI, IHSG, dan suku bunga internasional satu bulan sebelumnya. Secara umum, hubungan antara d_sbsbi dengan d_ihsg adalah negatif, karena nilai koefisiennya yang negatif. Artinya jika selisih nilai antar waktu IHSG meningkat maka selisih nilai antar waktu suku bunga SBI cenderung turun. Selisih nilai antar waktu IHSG dua bulan sebelumnya memberikan pengaruh yang signifikan terhadap selisih nilai antar waktu IHSG. Sedangkan untuk peubah d_sbint, peubah yang berpengaruh hanyalah d_sbint satu bulan sebelumnya. Artinya selisih nilai antar waktu suku bunga internasional dipengaruhi oleh selisih antar waktu suku bunga internasional satu bulan sebelumnya. Hasil pendugaan yang diperoleh cenderung tidak konsisten dengan teori ekonomi yang ada. Dari hasil pendugaan diperoleh bahwa peubah d_ihsg mempengaruhi d_sbsbi, bukan sebaliknya. Ketika tingkat suku bunga tinggi, investor akan cenderung memilih penempatan dananya tidak pada saham. Dengan demikian, tingkat suku bunga yang tinggi akan diikuti dengan penurunan harga saham. Sunariyah (2004) menjelaskan bahwa meningkatnya tingkat bunga akan meningkatkan harga kapital sehingga memperbesar biaya perusahaan dan terjadi perpindahan investasi dari saham ke deposito atau fixed investasi lainnya. Apabila faktor-faktor lain dianggap tetap (cateris paribus) profitabilitas perusahaan akan menurun sehingga disimpulkan tingkat bunga yang tinggi adalah signal negatif bagi harga saham. Hasil pendugaan d_sbsbi menunjukkan bahwa d_sbsbi dipengaruhi oleh d_sbint. Hasil ini mendukung pernyataan Rowter (2006) yaitu salah satu faktor yang harus dipertimbangkan BI dalam menurunkan atau menaikkan suku bunga adalah perkembangan suku bunga internasional. Diagnostik Model Pemeriksaan terhadap sisaan dilakukan dengan menggunakan uji Portmanteau Tabel 8 Hasil Pendugaan Model VARD D_sbSBI D_ IHSG D_ sbint D_sbSBI (-1) 0,283726* -0, , [ 3,71906] [-1,91312] [ 0,21534] D_sbSBI (-2) 0, , , [ 1,56768] [-0,08219] [ 0,25068] D_ IHSG (-1) -0,230218* 0,210602* 0, [-2,62527] [ 2,00944] [ 1,73107] D_ IHSG (-2) -0, ,271090* 0, [-0,00840] [-2,50509] [ 1,31129] D_ sbint (-1) 0,655035* 0, ,444137* [ 2,30812] [ 0,23486] [ 4,17882] D_ sbint (-2) -0, , , [-0,97897] [ 0,11951] [ 1,81528] Konstanta -0, , , [-1,08662] [ 0,84710] [-0,35695] * signifikan pada taraf α=0,025

5 (Lampiran 13). Uji sisaan tersebut menunjukkan bahwa sampai lag ke-12 tidak ada komponen autokorelasi yang signifikan pada α=5% (nilai-p > α=5%). Sehingga dapat disimpulkan bahwa model tersebut layak. Fungsi Respon Impuls Fungsi respon impuls dari seluruh peubah suku bunga SBI, IHSG, dan suku bunga internasional selama 10 periode dapat dilihat pada Lampiran 14, 15 dan 16. Misalkan shock atau guncangan suku bunga SBI pada periode ke-t dinotasikan dengan, guncangan ε sbsbi(t) IHSG pada periode ke-t dengan IHSG(t), dan guncangan suku bunga internasional pada periode ke-t dengan ε sbint(t). Gambar 4(a) menunjukkan bahwa efek guncangan ε sbsbi(1) sebesar 1 unit akan menyebabkan kenaikan 1 unit nilai suku bunga SBI pada periode ke-1. Hingga periode ke-n, sistem menuju kestabilan dimana guncangan ε sbsbi(1) sebesar 1 unit akan menyebabkan nilai peubah suku bunga SBI konvergen menuju nol. Pada Gambar 4(b), guncangan ε IHSG(1) sebesar 1 unit pada suku bunga SBI pengaruhnya hanya terasa pada periode ke-2 dan periode ke-3, yaitu dengan penurunan nilai suku bunga SBI sebesar 0,23 dan 0,08 unit. Pada Gambar ε 4(c), pengaruh guncangan ε sbint(1) sebesar 1 unit menyebabkan kenaikan nilai suku bunga SBI hingga mencapai 0,66 unit pada periode ke-2. Namun nilai kenaikannya cenderung turun mendekati nol untuk periode selanjutnya. Gambar 5 memperlihatkan reaksi IHSG dalam 10 periode terhadap perubahan guncangan IHSG itu sendiri. Dapat dilihat bahwa guncangan ε IHSG(1) sebesar 1 unit menyebabkan kenaikan nilai IHSG sebesar 1 unit pada periode ke-1. Guncangan ε IHSG(1) sebesar 1 unit membuat kenaikan nilai IHSG sebesar 0,2 unit pada periode ke-2. Terlihat bahwa terjadi penurunan kenaikan nilai pada IHSG dari periode ke-1 ke periode ke-2 akibat guncangan yang ditimbulkannya. Untuk periode selanjutnya guncangan ε IHSG(1) tidak berpengaruh terhadap IHSG itu sendiri. Respon suku bunga internasional terhadap guncangannya sendiri dapat dilihat pada Gambar 6. Pada periode ke-1, guncangan ε sbint(1) menyebabkan kenaikan nilai suku bunga internasional sebesar 1 unit. Pada periode selanjutnya, guncangannya menyebabkan kenaikan nilai suku bunga internasional yang cenderung turun. Grafik respon impuls selengkapnya dapat dilihat pada Lampiran 17. : SK : SK 4(a) 4(b) : SK 4(c) Gambar 4 Respon suku bunga SBI terhadap guncangan suku bunga SBI 4(a), IHSG 4(b), dan suku bunga internasional 4(c).

6 : SK : SK Gambar 5 Respon IHSG terhadap guncangan IHSG. Dekomposisi Ragam Pada Lampiran 18 terlihat bahwa terhadap peramalan suku bunga SBI, yang dominan adalah suku bunga SBI itu sendiri dimana kontribusinya sekitar 86% hingga 10 periode ke depan. Peramalan suku bunga SBI 10 tahun ke depan sedikit memperoleh kontribusi dari IHSG dan suku bunga internasional. Untuk peramalan IHSG, kontribusi yang dominan berasal dari IHSG sendiri dimana kontribusinya mencapai 94% hingga 10 periode ke depan. Suku bunga SBI memberikan kontribusi sekitar 6% terhadap peramalan IHSG 10 periode ke depan (Lampiran 19). Begitu pula halnya dengan suku bunga internasional dimana peramalannya selama 10 periode ke depan didominasi oleh peubahnya sendiri. Peramalan suku bunga internasional hanya mendapatkan sedikit kontribusi dari suku bunga SBI dan IHSG (Lampiran 20). Grafik dekomposisi ragam untuk seluruh peubah dapat dilihat pada Lampiran 21. Hasil Peramalan Model ARIMA dan VAR Hasil peramalan suku bunga SBI, IHSG, dan suku bunga internasional dengan menggunakan model ARIMA dan VAR dapat dilihat pada Tabel 9 dan Gambar 7. Hasil peramalan model ARIMA menunjukkan bahwa suku bunga SBI dan IHSG relatif stabil dari Januari 2006 sampai dengan Mei Sedangkan peramalan suku bunga internasional menunjukkan terjadinya kenaikan suku bunga internasional periode Januari 2006 hingga Mei Evaluasi peramalan untuk peubah suku bunga SBI dan suku bunga internasional menghasilkan nilai MAPE yang relatif kecil yaitu sebesar 1,18 dan 1,85. Ini menunjukkan bahwa model ARIMA tersebut efektif digunakan untuk peramalan suku bunga SBI dan suku bunga internasional. Sedangkan evaluasi peramalan Gambar 6 Respon suku bunga internasional terhadap guncangan suku bunga internasional. untuk peubah IHSG menghasilkan nilai MAPE yang relatif lebih besar yaitu sebesar 7,16. Hasil peramalan model VAR menunjukkan bahwa suku bunga SBI dan IHSG relatif stabil dari Januari 2006 sampai dengan Mei Berbeda dengan suku bunga SBI dan IHSG, peramalan suku bunga internasional menunjukkan terjadinya penurunan suku bunga internasional periode Januari 2006 hingga Mei Evaluasi peramalan untuk peubah suku bunga SBI menghasilkan nilai MAPE yang relatif kecil yaitu sebesar 1,37. Ini menunjukkan bahwa model VAR tersebut efektif digunakan untuk peramalan suku bunga SBI. Sedangkan evaluasi peramalan untuk peubah IHSG dan suku bunga internasional menghasilkan nilai MAPE yang relatif lebih besar yaitu sebesar 14,29 dan 10,68. Nilai MAPE tersebut menunjukkan bahwa penyimpangan nilai ramalan terhadap nilai aktual relatif besar. Hal ini diperjelas melalui gambar 7(b) dan 7(c), dimana hasil peramalan IHSG dan suku bunga internasional dangan menggunakan model VAR menyimpang agak jauh terhadap nilai aktualnya. Perbandingan hasil peramalan model ARIMA dengan model VAR dilakukan dengan membandingkan hasil MAPE setiap model untuk masing-masing peubah. Untuk suku bunga SBI, nilai MAPE hasil peramalan dengan model ARIMA adalah 1,18 sedangkan pada model VAR sebesar 1,37. Pada kasus ini, terlihat bahwa nilai MAPE antara kedua model tersebut relatif tidak jauh berbeda. Sedangkan nilai MAPE hasil peramalan model ARIMA dengan model VAR untuk peubah IHSG berbeda relatif besar. Nilai MAPE hasil peramalan model VAR adalah sebesar 14,29, lebih besar dibandingkan model ARIMA yaitu sebesar 7,16. Begitu pula dengan peubah suku bunga internasional,

7 Tabel 9 Hasil peramalan model ARIMA dan VAR 5 periode ke depan Periode Suku Bunga SBI Aktual Peramalan ARIMA Peramalan VAR Jan-06 0,1275 0,129 0,1278 Feb-06 0,1274 0,1291 0,1285 Mar-06 0,1273 0,1287 0,1282 Apr-06 0,1274 0,128 0,1287 Mei-06 0,125 0,1273 0,1299 MAPE 1,18 1,37 Periode IHSG Aktual Peramalan ARIMA Peramalan VAR Jan ,7 1218, ,63 Feb , , ,76 Mar , , ,73 Apr ,4 1213, ,47 Mei , ,2 MAPE 7,16 14,29 Periode Suku Bunga Internasional Aktual Peramalan ARIMA Peramalan VAR Jan-06 0,075 0,0743 0,07 Feb-06 0,075 0,0759 0,069 Mar-06 0,075 0,0773 0,067 Apr-06 0,0775 0,0785 0,067 Mei-06 0,0775 0,0796 0,066 MAPE 1,85 10,68 dimana nilai MAPE hasil peramalan model VAR sebesar 10,68 jauh lebih besar dibandingkan MAPE hasil peramalan model ARIMA yaitu sebesar 1,85. Secara ringkas, perbandingan hasil peramalan antara model ARIMA dan VAR untuk masingmasing peubah yang diamati dapat dilihat pada Tabel 10. Tabel 10 Perbandingan hasil model yang terbaik untuk masing-masing peubah Model Peubah ARIMA VAR sbsbi IHSG X sbint X Memasukkan peubah suku bunga SBI dan suku bunga internasional dalam meramal pergerakan IHSG ternyata tidak meningkatkan ketepatan peramalan IHSG. Sebaliknya, melakukan peramalan IHSG tanpa memasukkan informasi peubah lain memberikan hasil yang lebih akurat. Sehingga untuk peramalan IHSG, peramalan dengan menggunakan ARIMA lebih akurat bila dibandingkan peramalan dengan menggunakan model VAR. Begitu pula halnya dengan peramalan suku bunga internasional, memasukkan informasi suku bunga SBI dan IHSG dalam peramalan suku bunga internasional tidak meningkatkan ketepatan peramalan suku bunga internasional sehingga peramalan dengan menggunakan ARIMA memberikan hasil yang lebih akurat dibandingkan peramalan dengan menggunakan model VAR. Hal ini mungkin dikarenakan peubah-peubah lain yang dimasukkan dalam peramalan IHSG maupun suku bunga internasional kurang tepat dalam meramal pergerakan IHSG maupun suku bunga internasional.

8 Suku Bunga SBI 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, Aktual peramalan ARIMA peramalan VAR 7(a) IHSG Aktual peramalan ARIMA peramalan VAR 7(b) Suku Bunga Internasional 0,1 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0, Aktual peramalan ARIMA peramalan VAR Gambar 7 Peramalan suku bunga SBI, IHSG, dan suku bunga internasional 5 periode ke depan (Januari 2006 sd Mei 2006). 7(c) KESIMPULAN DAN SARAN Kesimpulan Analisis VAR digunakan untuk mengetahui hubungan dinamik antara peubah suku bunga SBI, IHSG, dan suku bunga internasional serta menjelaskan pengaruh dari satu peubah baik terhadap peubah itu sendiri maupun terhadap peubah lain. Model yang digunakan untuk menjelaskan hubungan antara peubah suku bunga SBI, IHSG, dan suku bunga internasional adalah model VAR pembedaan 1 kali. Dengan menggunakan fungsi respon impuls, pengaruh dari adanya guncangan pada salah satu peubah terhadap peubah lain yang ada dalam VAR dapat diketahui. Informasi mengenai tingkat kepentingan atau kontribusi setiap sisaan ( ε t ) dalam mempengaruhi besarnya nilai-nilai peubah dalam VAR dapat diperoleh dengan melakukan dekomposisi ragam. Dengan menggunakan model VAR, dapat diperoleh peramalan jangka pendek dari peubah suku bunga SBI, IHSG, dan suku bunga internasional. Evaluasi peramalan untuk peubah suku bunga SBI menghasilkan nilai MAPE yang kecil yaitu sebesar 1,37. Ini menunjukkan bahwa model VAR yang diperoleh efektif dalam meramalkan suku bunga SBI. Untuk kasus peubah IHSG dan suku bunga internasional, peramalan secara individual (dengan menggunakan model ARIMA) lebih akurat dibandingkan dengan peramalan yang dilakukan secara bersamaan atau peramalan dengan melibatkan peubah lain (dengan menggunakan model VAR). Hal ini mungin dikarenakan peubah-peubah lain yang dimasukkan dalam peramalan IHSG maupun suku bunga internasional kurang tepat dalam meramal pergerakan IHSG maupun suku bunga internasional. Saran Hasil pemodelan VAR menunjukkan bahwa IHSG hanya dipengaruhi oleh beda kala (lag) peubahnya sendiri. Hal ini mungkin disebabkan terlalu lebarnya selang waktu yang digunakan dalam penelitian ini yaitu dalam selang waktu bulanan. Penulis menyarankan untuk mengkaji kembali hubungan antara suku bunga SBI, IHSG, dan suku bunga internasional dalam selang waktu yang lebih pendek misalnya dalam harian atau mingguan. Tidak signifikannya pengaruh suku bunga SBI dan suku bunga internasional terhadap