BAB IV ANALISIS DAN PEMBAHASAN

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. 4.1. 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 2012. Capital gain IHSG menyentuh titik terendah pada pada bulan Oktober 2008 hingga ke -31.42%, setelah pada dua bulan sebelumnya turun ke -6.01% (Agustus) dan -15.39% (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%.

60 RETIHSG 30 20 10 0-10 -20-30 -40 I II III IV I II III IV I II III IV I II III IV I II III IV 2008 2009 2010 2011 2012 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 -8.32 pada bulan Mei 2012, -7.95 pada Januari 2011 dan -7.62% pada September 2011. Akhir tahun 2012 capital gain yang diperoleh hanya sebesar 0.95%.

61 YIELDOBL10 18 16 14 12 10 8 6 4 I II III IV I II III IV I II III IV I II III IV I II III IV 2008 2009 2010 2011 2012 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

62 pada level 6.5 persen sampai dengan tahun akhir tahun 2010. 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 2012. BIRATE 9.6 9.2 8.8 8.4 8.0 7.6 7.2 6.8 6.4 6.0 5.6 I II III IV I II III IV I II III IV I II III IV I II III IV 2008 2009 2010 2011 2012 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

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 -5.625527-3.546099-2.911730-2.593551 Stasioner YIELDOBL10-3.512185-4.127338-3.490662-3.173943 Tidak Stasioner pada 1% dan 5%

64 BIRATE -3.070590-4.124265-3.489228-3.173114 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 -5.625527, YIELDOBL10 sebesar -3.512185 dan BIRATE sebesar-3.070590. 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 YIELDOBL10-7.037157-4.130526-3.492149-3.174802 Stasioner BIRATE -2.905933-2.605442-1.946549-1.613181 Stasioner Sumber: Diringkas dari hasil olah Eviews

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 -7.037157 dan t-hitung suku bunga BI sebesar -2.905933. 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 -5.625527-3.546099-2.911730-2.593551 Stasioner (level) YIELDOBL10-7.037157-4.130526-3.492149-3.174802 Stasioner (1 st difference) BIRATE -2.905933-2.605442-1.946549-1.613181 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. 4.3. Hasil Panjang Lag Optimal Sebelum membentuk model VAR, perlu dilakukan penentuan panjang lag optimum. Mengingat variabel eksogen yang digunakan tidak lain adalah lag

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 0-359.3659 NA 105.9878 13.17694 13.28643 13.21928 1-205.0384 286.2074 0.537647 7.892307 8.330270 8.061671 2-172.8829 56.12609 0.232426 7.050286 7.816722* 7.346673 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:

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 1.07384 0.34901 58 CAPIHSG does not Granger Cause YIELDOBL10 1.93718 0.15418 BIRATE does not Granger Cause CAPIHSG 8.01121 0.00091 58 CAPIHSG does not Granger Cause BIRATE 2.71304 0.07555

68 BIRATE does not Granger Cause YIELDOBL10 4.87610 0.01138 58 YIELDOBL10 does not Granger Cause BIRATE 2.82852 0.06805 Sumber: Diringkas dari hasil olah Eviews Tabel 4.6 F-tabel Probabiltas 1% 5% 10% Nilai F 4,159080705 2,772536925 2,186167081 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 1.07384 < 4,159080705; 2,772536925; 2,186167081. 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 1.93718 < 4,159080705; 2,772536925; 2,186167081. 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 8.01121 > 4,159080705; 2,772536925; 2,186167081. Pada pasangan berikutnya, H 0 yang menyatakan

69 bahwa capital gain IHSG tidak menyebabkan kausalitas Grangger pada suku bunga BI diterima pada taraf 1% dan 5%, karena F-hitung sebesar 2.71304 < 4,159080705; 2,772536925. Namun H 0 ditolak pada taraf 10% karena F-hitung sebesar 2.71304 > 2,186167081. 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 4.87610 > 4,159080705; 2,772536925; 2,186167081. 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 2.82852 < 4,159080705. Namun H 0 ditolak pada taraf 5% dan 10% karena F-hitung sebesar 2.82852 > 2,772536925; 2,186167081. 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.

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. 4.5. 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

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 ** 0.350275 34.23362 29.68 35.65 At most 1 * 0.146014 9.654906 15.41 20.04 At most 2 0.011478 0.658026 3.76 6.65 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 34.23362 > 29.68. 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

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). 4.6. 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

73 CAPIHSG(-1) 1.000000 YIELDOBL10(-1) -1.004946-1.74333 Signifikan BIRATE(-1) 2.964944 2.01108 Signifikan C -12.47058 Jangka Pendek D(CAPIHSG) D(YIELDOBL10) D(CAPIHSG(-1)) 0.010364 TS 0.05062 TS D(CAPIHSG(-2)) -0.148161 TS -1.17845 TS D(YIELDOBL10(-1)) -0.519317 TS -0.35786 TS D(YIELDOBL10(-2)) 1.432010 TS 1.05509 TS D(BIRATE(-1)) -17.35734 Signifikan -2.40468 Signifikan D(BIRATE(-2)) -5.146791 Signifikan -0.65767 TS C -0.614073-0.71945 CointEq1-0.955365-3.59683 Tabel 4.9 Nilai T-tabel Sumber: Diringkas dari hasil olah Eviews, TS = Tidak signifikan Probabilitas 1% 5% 10% Nilai T-tabel 2,664870469 2,002465444 1,672028889

74 Persamaan yang dihasilkan dalam estimasi VECM adalah sebagai berikut: DCAPIHSG = -0.614073-0.955365(CAPIHSG(-1)) - 1.004946(YIELDOBL10(-1)) - 12.47058(BIRATE(-1)) + 0.010364(D(CAPIHSG(-1))) - 0.148161(D(CAPIHSG(-2))) - 0.519317(D(YIELDOBL10(-1))) + 1.432010(D(YIELDOBL10(-2))) - 17.35734(D(BIRATE(-1))) - 5.146791(D(BIRATE(-2))) D(YIELDOBL10)= -0.71945-3.59683D(CAPIHSG) ()) - 1.004946(YIELDOBL10(-1)) - 12.47058(BIRATE(-1)) + 0.05062(D(CAPIHSG(-1))) -1.17845 (D(CAPIHSG(-2))) - 0.35786(D(YIELDOBL10(-1))) + 1.05509(D(YIELDOBL10(-2))) - 2.40468 (D(BIRATE(-1))) - 0.65767 (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.

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 (-1.004946) 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 1.004946% atau jika terjadi penurunan 1% pada yield obligasi pemerintah akan diikuti dengan kenaikan capital gain IHSG sebesar 1.004946%. Di lain pihak, pada hubungan antara variabel suku bunga BI dengan capital gain IHSG diketahui memiliki hubungan yang positif (2.964944) 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 2.964944% atau jika terjadi penurunan sebesar 1% pada suku bunga BI akan diikuti penurunan capital gain IHSG sebesar 2.964944%. 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.

76 4.7. 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). 4.7.1. 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

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

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 4.4 4 2.0 2 0 0-2 -.4-2 -4 10 20 30 40 50 60 -.8 10 20 30 40 50 60-4 10 20 30 40 50 60.4 Response of BIRATE to RETIHSG.4 Response of BIRATE to YIELDOBL10.8 Response of YIELDOBL10 to BIRATE.3.3.2.2.4.1.1.0.0.0 -.4 -.1 10 20 30 40 50 60 -.1 10 20 30 40 50 60 -.8 10 20 30 40 50 60 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

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 0.1564%, setelah itu tidak terjadi penguatan tetapi semakin turun mendekati nol di periode terakhir. Tabel 4.10 Impulse Response

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 YIELDOBL10 1 0.000000-0.619250 0.000000-0.021097 0.000000 0.014260 2 0.596474-0.488866-3.066950-0.063041 0.210654 0.048862 3 0.735675-0.088922-2.913902-0.070970 0.404236 0.081040 4 0.103957-0.063570-1.778628-0.065490 0.431367 0.106696 5-0.349780-0.178961-1.327500-0.065796 0.443401 0.127883 6-0.399731-0.198982-1.147875-0.068241 0.498371 0.143826 7-0.339619-0.165557-0.775122-0.067143 0.549652 0.153146 8-0.306645-0.154330-0.342150-0.063560 0.570858 0.156341 9-0.258921-0.160774-0.039173-0.059891 0.572874 0.154956 10-0.175886-0.161275 0.139544-0.056546 0.566760 0.150374 11-0.087253-0.154607 0.254303-0.053194 0.553388 0.143678 12-0.015651-0.148019 0.321323-0.049912 0.532806 0.135835 13 0.037860-0.142975 0.339884-0.046954 0.507937 0.127662 14 0.076860-0.137705 0.321962-0.044392 0.481851 0.119737 15 0.102017-0.131802 0.285037-0.042164 0.456178 0.112402 16 0.114254-0.125947 0.240902-0.040214 0.431717 0.105825 17 0.116463-0.120484 0.195973-0.038501 0.409048 0.100051 18 0.112031-0.115336 0.154678-0.036982 0.388499 0.095037 19 0.103650-0.110438 0.120069-0.035603 0.370077 0.090685 20 0.093334-0.105822 0.093366-0.034323 0.353577 0.086874 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

81 21 0.082642-0.101502 0.074301-0.033109 0.338718 0.083481 22 0.072672-0.097447 0.061850-0.031942 0.325205 0.080394 23 0.064045-0.093618 0.054694-0.030806 0.312751 0.077522 24 0.057000-0.089987 0.051427-0.029693 0.301103 0.074794 25 0.051527-0.086529 0.050721-0.028602 0.290059 0.072163 26 0.047457-0.083224 0.051449-0.027533 0.279471 0.069598 27 0.044534-0.080052 0.052747-0.026487 0.269238 0.067084 28 0.042477-0.077000 0.054014-0.025468 0.259299 0.064616 29 0.041016-0.074059 0.054877-0.024479 0.249625 0.062195 30 0.039920-0.071223 0.055153-0.023522 0.240206 0.059829 31 0.039009-0.068486 0.054798-0.022599 0.231047 0.057524 32 0.038154-0.065846 0.053865-0.021712 0.222158 0.055287 33 0.037272-0.063300 0.052457-0.020859 0.213553 0.053124 34 0.036320-0.060848 0.050702-0.020042 0.205240 0.051038 35 0.035283-0.058486 0.048729-0.019257 0.197227 0.049033 36 0.034169-0.056214 0.046650-0.018506 0.189517 0.047107 37 0.032993-0.054029 0.044555-0.017785 0.182106 0.045260 38 0.031781-0.051928 0.042513-0.017094 0.174991 0.043490 39 0.030555-0.049910 0.040566-0.016431 0.168162 0.041793 40 0.029338-0.047970 0.038738-0.015794 0.161610 0.040166 41 0.028146-0.046107 0.037036-0.015182 0.155322 0.038605 42 0.026993-0.044317 0.035458-0.014594 0.149288 0.037107 43 0.025886-0.042597 0.033994-0.014029 0.143494 0.035670 44 0.024831-0.040944 0.032630-0.013486 0.137930 0.034288 45 0.023826-0.039356 0.031351-0.012964 0.132584 0.032961 46 0.022873-0.037830 0.030145-0.012462 0.127448 0.031685 47 0.021966-0.036364 0.028998-0.011979 0.122511 0.030458 48 0.021104-0.034954 0.027902-0.011514 0.117765 0.029279

82 49 0.020282-0.033599 0.026849-0.011068 0.113202 0.028144 50 0.019497-0.032296 0.025834-0.010639 0.108815 0.027054 51 0.018745-0.031044 0.024854-0.010226 0.104598 0.026005 52 0.018023-0.029840 0.023906-0.009829 0.100542 0.024996 53 0.017330-0.028683 0.022990-0.009448 0.096644 0.024027 54 0.016663-0.027571 0.022105-0.009082 0.092896 0.023095 55 0.016021-0.026501 0.021250-0.008729 0.089293 0.022199 56 0.015403-0.025474 0.020426-0.008391 0.085829 0.021338 57 0.014808-0.024486 0.019633-0.008065 0.082500 0.020510 58 0.014235-0.023536 0.018869-0.007752 0.079300 0.019715 59 0.013684-0.022623 0.018134-0.007452 0.076224 0.018950 60 0.013153-0.021746 0.017428-0.007163 0.073268 0.018215 Sumber: Diringkas dari hasil olah Eviews 4.7.2. 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

83 puluh periode ke depan atas masing-masing variabel sebagaimana ditampilkan pada pada Tabel 4.10. Tabel 4.11 Variance Decomposition CAPIHSG Periode S.E. CAPIHSG YIELDOB L10 BIRATE Periode S.E. CAPIHSG YIELDOBL1 BIRATE 0 1 5.869348 100.0000 0.000000 0.000000 31 8.094384 58.57609 2.464121 38.95979 2 6.661027 77.99838 0.801863 21.19976 32 8.094668 58.57235 2.466170 38.96148 3 7.521869 66.78243 1.585406 31.63217 33 8.094938 58.56879 2.468126 38.96308 4 7.730388 63.23840 1.519114 35.24249 34 8.095192 58.56545 2.469984 38.96457 5 7.884001 61.62500 1.657326 36.71768 35 8.095427 58.56234 2.471740 38.96592 6 7.979685 60.21958 1.868755 37.91167 36 8.095645 58.55947 2.473388 38.96715 7 8.024915 59.55467 2.026852 38.41847 37 8.095845 58.55683 2.474927 38.96825 8 8.038058 59.36010 2.165766 38.47413 38 8.096029 58.55441 2.476355 38.96924 9 8.042515 59.29912 2.267011 38.43387 39 8.096197 58.55219 2.477677 38.97013 10 8.045650 59.25296 2.313035 38.43400 40 8.096351 58.55017 2.478896 38.97094 11 8.050257 59.18805 2.322136 38.48981 41 8.096492 58.54831 2.480018 38.97167 12 8.056840 59.09528 2.318721 38.58600 42 8.096622 58.54661 2.481050 38.97234 13 8.064229 58.99036 2.316678 38.69297 43 8.096741 58.54504 2.481999 38.97296 14 8.071163 58.89260 2.321767 38.78563 44 8.096850 58.54360 2.482872 38.97353 15 8.076992 58.81142 2.334370 38.85421 45 8.096952 58.54227 2.483676 38.97405 16 8.081526 58.74878 2.351739 38.89949 46 8.097045 58.54105 2.484417 38.97454 17 8.084846 58.70314 2.370559 38.92630 47 8.097131 58.53991 2.485100 38.97499 18 8.087184 58.67125 2.388379 38.94037 48 8.097211 58.53886 2.485730 38.97541 19 8.088804 58.64935 2.403842 38.94681 49 8.097285 58.53789 2.486312 38.97580 20 8.089933 58.63426 2.416481 38.94926 50 8.097353 58.53699 2.486850 38.97616 21 8.090736 58.62360 2.426435 38.94996 51 8.097417 58.53616 2.487347 38.97649 22 8.091332 58.61578 2.434145 38.95007 52 8.097475 58.53539 2.487806 38.97680 23 8.091798 58.60972 2.440128 38.95015 53 8.097529 58.53468 2.488231 38.97709

84 24 8.092186 58.60469 2.444856 38.95045 54 8.097579 58.53403 2.488624 38.97735 25 8.092531 58.60024 2.448702 38.95106 55 8.097625 58.53342 2.488987 38.97759 26 8.092854 58.59606 2.451945 38.95199 56 8.097668 58.53286 2.489323 38.97782 27 8.093168 58.59200 2.454783 38.95322 57 8.097707 58.53234 2.489633 38.97803 28 8.093478 58.58796 2.457349 38.95469 58 8.097744 58.53186 2.489919 38.97822 29 8.093786 58.58394 2.459730 38.95633 59 8.097777 58.53142 2.490184 38.97840 30 8.094089 58.57997 2.461979 38.95805 60 8.097809 58.53101 2.490429 38.97856 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.

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 0 1 0.875272 50.05475 49.94525 0.000000 31 3.114972 10.89801 36.99920 52.10279 2 1.193511 43.69768 53.18711 3.115204 32 3.128054 10.85135 36.97633 52.17231 3 1.346622 34.76180 53.78000 11.45820 33 3.140097 10.80892 36.95568 52.23540 4 1.469387 29.38303 52.37514 18.24183 34 3.151184 10.77028 36.93704 52.29269 5 1.593540 26.24415 50.50346 23.25238 35 3.161392 10.73506 36.92018 52.34475 6 1.725596 23.71072 48.11847 28.17081 36 3.170790 10.70295 36.90492 52.39213 7 1.857532 21.25647 45.67646 33.06706 37 3.179446 10.67363 36.89107 52.43531 8 1.984976 19.21907 43.55288 37.22804 38 3.187420 10.64683 36.87846 52.47470 9 2.105998 17.65648 41.87168 40.47184 39 3.194766 10.62233 36.86696 52.51071 10 2.218972 16.43261 40.58797 42.97942 40 3.201537 10.59990 36.85645 52.54365 11 2.322263 15.44656 39.63377 44.91967 41 3.207779 10.57935 36.84683 52.57383 12 2.415184 14.65645 38.94714 46.39641 42 3.213534 10.56051 36.83800 52.60150 13 2.498012 14.02821 38.46658 47.50521 43 3.218842 10.54322 36.82989 52.62690 14 2.571491 13.52474 38.13491 48.34035 44 3.223738 10.52735 36.82243 52.65022 15 2.636537 13.11553 37.90627 48.97819 45 3.228255 10.51277 36.81557 52.67165 16 2.694145 12.77918 37.74704 49.47378 46 3.232423 10.49937 36.80926 52.69136

86 17 2.745310 12.49989 37.63318 49.86693 47 3.236270 10.48706 36.80346 52.70949 18 2.790950 12.26519 37.54782 50.18698 48 3.239820 10.47573 36.79811 52.72616 19 2.831869 12.06539 37.47971 50.45490 49 3.243097 10.46530 36.79319 52.74151 20 2.868750 11.89323 37.42174 50.68503 50 3.246121 10.45570 36.78866 52.75563 21 2.902159 11.74330 37.36974 50.88696 51 3.248914 10.44687 36.78449 52.76864 22 2.932562 11.61149 37.32143 51.06708 52 3.251491 10.43873 36.78065 52.78062 23 2.960332 11.49467 37.27573 51.22960 53 3.253871 10.43124 36.77711 52.79165 24 2.985774 11.39044 37.23231 51.37725 54 3.256069 10.42433 36.77385 52.80181 25 3.009133 11.29698 37.19115 51.51187 55 3.258098 10.41797 36.77085 52.81118 26 3.030610 11.21284 37.15244 51.63472 56 3.259971 10.41211 36.76808 52.81981 27 3.050376 11.13687 37.11634 51.74679 57 3.261702 10.40670 36.76553 52.82777 28 3.068574 11.06813 37.08298 51.84889 58 3.263299 10.40171 36.76318 52.83511 29 3.085332 11.00584 37.05238 51.94178 59 3.264775 10.39711 36.76101 52.84188 30 3.100763 10.94933 37.02449 52.02618 60 3.266137 10.39287 36.75901 52.84812 Sumber: Diringkas dari hasil olah Eviews Kedua, analisis variance decomposition terhadap varians variabel mana yang memberikan kontribusi terbesar terhadap yield obligasi ditunjukkan pada Tabel 4.12. 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

87 Variance Decomposition BIRATE Periode S.E. CAPIHSG YIELDOB L10 BIRATE Periode S.E. CAPIHSG YIELDOBL1 BIRATE 0 1 0.117058 3.248068 1.483980 95.26795 31 1.154445 4.861146 25.13588 70.00298 2 0.242894 7.490456 4.391427 88.11812 32 1.158290 4.864065 25.19712 69.93882 3 0.372995 6.796693 6.582830 86.62048 33 1.161824 4.866754 25.25313 69.88011 4 0.493575 5.642028 8.432269 85.92570 34 1.165074 4.869228 25.30434 69.82644 5 0.598763 5.041339 10.29144 84.66722 35 1.168065 4.871504 25.35112 69.77737 6 0.687770 4.805390 12.17318 83.02143 36 1.170819 4.873595 25.39387 69.73253 7 0.761527 4.696988 13.97358 81.32943 37 1.173357 4.875513 25.43295 69.69154 8 0.821596 4.633763 15.62601 79.74022 38 1.175696 4.877273 25.46868 69.65404 9 0.870052 4.605830 17.10589 78.28828 39 1.177853 4.878885 25.50139 69.61973 10 0.909124 4.605306 18.40302 76.99168 40 1.179843 4.880363 25.53134 69.58829 11 0.940837 4.619742 19.51542 75.86483 41 1.181679 4.881718 25.55881 69.55948 12 0.966884 4.640668 20.45178 74.90755 42 1.183373 4.882961 25.58401 69.53303 13 0.988631 4.664327 21.22940 74.10627 43 1.184936 4.884101 25.60715 69.50875 14 1.007142 4.688718 21.86961 73.44168 44 1.186379 4.885147 25.62841 69.48644 15 1.023224 4.712292 22.39427 72.89344 45 1.187712 4.886109 25.64797 69.46592 16 1.037469 4.734021 22.82398 72.44200 46 1.188941 4.886992 25.66596 69.44705 17 1.050300 4.753436 23.17715 72.06942 47 1.190077 4.887805 25.68252 69.42967 18 1.062013 4.770422 23.46953 71.76005 48 1.191125 4.888554 25.69777 69.41367 19 1.072807 4.785050 23.71419 71.50076 49 1.192092 4.889243 25.71182 69.39894 20 1.082812 4.797509 23.92168 71.28081 50 1.192985 4.889877 25.72476 69.38536 21 1.092111 4.808069 24.10034 71.09159 51 1.193810 4.890462 25.73669 69.37285 22 1.100758 4.817026 24.25658 70.92639 52 1.194571 4.891001 25.74768 69.36132 23 1.108792 4.824670 24.39519 70.78014 53 1.195274 4.891498 25.75781 69.35069 24 1.116240 4.831260 24.51968 70.64906 54 1.195923 4.891956 25.76715 69.34089 25 1.123131 4.837010 24.63255 70.53044 55 1.196522 4.892378 25.77576 69.33186

88 26 1.129493 4.842097 24.73555 70.42235 56 1.197076 4.892768 25.78370 69.32353 27 1.135355 4.846651 24.82991 70.32344 57 1.197587 4.893127 25.79103 69.31585 28 1.140748 4.850772 24.91652 70.23271 58 1.198059 4.893459 25.79778 69.30876 29 1.145706 4.854530 24.99603 70.14944 59 1.198495 4.893765 25.80402 69.30222 30 1.150261 4.857977 25.06900 70.07303 60 1.198898 4.894047 25.80977 69.29619 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

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.