analisis pengaruh perkembangan pasar modal … · pasar modal terhadap investasi riil cenderung...
TRANSCRIPT
1
ANALISIS PENGARUH PERKEMBANGAN PASAR MODAL
TERHADAP PERTUMBUHAN EKONOMI
INDONESIA
Oleh GILMAN PRADANA NUGRAHA
H14103024
DEPARTEMEN ILMU EKONOMI
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
2007
2
RINGKASAN
GILMAN PRADANA NUGRAHA. Analisis Pengaruh Perkembangan Pasar Modal Terhadap Pertumbuhan Ekonomi Indonesia (dibimbing oleh NUNUNG
NURYARTONO). Pelaksanaan pembangunan ekonomi suatu negara, terutama negara-negara berkembang atau less-developed countries (LDC) seringkali terbentur oleh ketersediaan modal yang terbatas dan hal ini menjadi salah satu hambatan utama bagi negara-negara tersebut untuk melaksanakan pembangunannya. Tingkat akumulasi kapital yang rendah di negara-negara berkembang mendorong pemerintah negara bersangkutan mencari alternatif pembiayaan pembangunan, salah satunya ialah dengan pengembangan pasar modal. Pasar modal merupakan suatu lembaga keuangan non bank yang bertujuan untuk meningkatkan mobilisasi dana masyarakat dalam usaha mencapai pertumbuhan ekonomi yang lebih tinggi. Selama periode 2005-2007, pasar modal Indonesia khususnya pasar saham mengalami peningkatan yang luar biasa dan IHSG sebagai lead indicator dari pasar saham mencapai rekor tertinggi sepanjang berdirinya bursa saham Indonesia. Penelitian ini bertujuan untuk menganalisis pengaruh indikator-indikator perkembangan pasar modal terhadap pertumbuhan ekonomi Indonesia. Data yang digunakan dalam penelitian ini adalah data time series bulanan dari Januari tahun 1999 sampai Desember tahun 2006 yang terdiri dari data produk domestik bruto riil, investasi riil, kapitalisasi pasar saham, indeks harga saham gabungan, nilai saham yang diperdagangkan, dan nilai tukar riil. Metode yang digunakan untuk menganalisis data dalam penelitian ini adalah metode analisis Vector Autoregression (VAR) yang dikombinasikan dengan metode Vector Error Correction Model (VECM). Terdapat dua persamaan yang digunakan dalam penelitian ini yaitu persamaan investasi riil dan persamaan pertumbuhan ekonomi. Analisis pengaruh indikator pasar modal terhadap investasi riil dan pertumbuhan ekonomi dapat dilihat berdasarkan hasil signifikansi, hasil impulse response, dan hasil variance decomposition. Hasil pengujian akar unit pada level menunjukkan bahwa semua variabel kecuali nilai saham yang diperdagangkan (NSP) belum stasioner pada taraf 1%, 5%, dan 10%. Pengujian akar unit dilanjutkan dengan melakukan uji akar unit pada tingkat first difference dan hasilnya semua data stasioner pada tingkat first
difference. Hasil estimasi persamaan investasi menunjukkan bahwa dalam jangka
pendek hanya kapitalisasi pasar saham yang signifikan dalam mempengaruhi investasi riil pada taraf nyata 10%, sedangkan dalam jangka panjang seluruh variabel pasar modal (kapitalisasi pasar saham, nilai saham yang diperdagangkan, dan indeks harga saham gabungan) signifikan dalam mempengaruhi investasi riil pada taraf nyata 10%. Pada hasil Variance Decomposition persamaan investasi riil menunjukkan bahwa indikator pasar modal memiliki pengaruh yang relatif kecil terhadap investasi riil di Indonesia. Hal ini terkait perkembangan pasar modal Indonesia lebih banyak didorong oleh perubahan harga (inflasi atas saham itu sendiri) sehingga tidak memiliki dampak yang besar bagi reinvestasi ataupun ekspansi korporasi pada sektor riil. Pada jangka pendek peran variabel-variabel
3
pasar modal terhadap investasi riil cenderung meningkat sampai pada periode 11. Setelah periode tersebut, peran variabel-variabel pasar modal terhadap investasi riil mengalami penurunan pada jangka panjang. Dari hasil Impulse Response
Function persamaan investasi, dapat diketahui bahwa inovasi atau guncangan variabel investasi riil, produk domestik bruto riil dan nilai tukar riil memiliki pengaruh yang lebih besar terhadap investasi riil dibandingkan dengan inovasi atau guncangan variabel-variabel pasar modal.
Hasil estimasi persamaan pertumbuhan ekonomi menunjukkan bahwa dalam jangka pendek variabel kapitalisasi pasar saham dan nilai saham yang diperdagangkan berpengaruh signifikan terhadap output riil atau pertumbuhan ekonomi. Sedangkan dalam jangka panjang seluruh variabel pasar modal (kapitalisasi pasar saham, nilai saham yang diperdagangkan, dan indeks harga saham gabungan) signifikan mempengaruhi pertumbuhan ekonomi pada taraf nyata 10%. Sementara hasil Variance Decomposition persamaan pertumbuhan ekonomi memperlihatkan bahwa pengaruh varians variabel-variabel pasar modal (kapitalisasi pasar saham, nilai saham yang diperdagangkan, dan indeks harga saham gabungan) terhadap pertumbuhan ekonomi relatif rendah pada jangka pendek, tetapi pengaruh varians variabel-variabel pasar modal tersebut terhadap pertumbuhan ekonomi mengalami peningkatan secara konsisten, hingga pada jangka panjang varians dari kapitalisasi pasar saham, nilai saham yang diperdagangkan, dan indeks harga saham gabungan dapat mempengaruhi pertumbuhan ekonomi sebesar 10.65%, 3.32%, dan 4.03%. Dari hasil Impulse Response Function pertumbuhan ekonomi, dapat diketahui bahwa inovasi atau guncangan dari investasi riil terhadap GDPR memiliki pengaruh yang sangat besar. Inovasi atau guncangan kapitalisasi pasar saham merupakan variabel pasar modal yang memiliki pengaruh terbesar terhadap pertumbuhan ekonomi. Inovasi atau guncangan kapitalisasi pasar saham memberikan respon positif terhadap pertumbuhan ekonomi. Oleh karena itu, pengembangan dan pembangunan pasar modal yang lebih berfokus pada peningkatan sektor riil sangat diperlukan mengingat keterkaitannya yang semakin besar terhadap irama pertumbuhan ekonomi Indonesia baik dalam jangka pendek maupun dalam jangka panjang.
4
ANALISIS PENGARUH PERKEMBANGAN PASAR MODAL
TERHADAP PERTUMBUHAN EKONOMI
INDONESIA
Oleh GILMAN PRADANA NUGRAHA
H14103024
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada
Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
2007
5
INSTITUT PERTANIAN BOGOR
FAKULTAS EKONOMI DAN MANAJEMEN
DEPARTEMEN ILMU EKONOMI
Dengan ini menyatakan bahwa skripsi yang disusun oleh,
Nama Mahasiswa : Gilman Pradana Nugraha
Nomor Registrasi Pokok : H14103024
Program Studi : Ilmu Ekonomi
Judul Skripsi : Analisis Pengaruh Perkembangan Pasar Modal
Terhadap Pertumbuhan Ekonomi Indonesia
dapat diterima sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada
Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian
Bogor.
Menyetujui, Dosen Pembimbing
Dr. Ir. Nunung Nuryartono, MS. NIP. 132 104 952
Mengetahui, Ketua Departemen Ilmu Ekonomi
Dr. Ir. Rina Oktaviani, MS. NIP. 131 846 872
Tanggal Kelulusan :
6
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH
BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH
DIGUNAKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Bogor, Agustus 2007
Gilman Pradana Nugraha H14103024
7
RIWAYAT HIDUP
Gilman Pradana Nugraha. Dilahirkan di Bogor pada hari Rabu tanggal
14 Agustus 1985 dari pasangan Bapak Soebardja Wiradiredja dan Ibu Ida Farida.
Penulis merupakan putra pertama dari lima bersaudara. Penulis menjalani
kehidupan yang bahagia dari kecil sampai dewasa di kota kelahirannya, kota
Bogor.
Penulis menjalani pendidikan di bangku sekolah dasar dari tahun 1991
sampai dengan tahun 1997 di SDN Pengadilan V Bogor. Selanjutnya meneruskan
ke pendidikan lanjutan tingkat pertama dari tahun 1997 sampai tahun 2000 di
SLTP N 4 Bogor. Setelah itu, penulis melanjutkan pendidikan menengah umum di
SMUN 5 Bogor dan lulus pada tahun 2003.
Pada tahun 2003 penulis diterima sebagai mahasiswa Institut Pertanian
Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI) dan terdaftar
sebagai mahasiswa Departemen Ilmu Ekonomi, Fakultas Ekonomi dan
Manajemen (FEM). Selama mengikuti pendidikan di bangku kuliah, penulis aktif
sebagai asisten dosen Mata Kuliah Ekonomi Umum (2005-2007) serta terlibat
sebagai pengurus dalam beberapa organisasi kemahasiswaan, seperti Himpunan
Profesi dan Peminat Ilmu Ekonomi dan Studi Pembangunan (HIPOTESA), IPB
Debating Club (IDC), dan pernah menjadi ketua Forum Silaturahmi Mahasiswa
(FOSMA) ESQ Bogor pada tahun 2005-2006. Penulis juga menjadi finalis pada
IPB English Debating Competition 2005. Penulis juga menjadi Runner Up Young
Economist Icon 2006.
8
KATA PENGANTAR
Assalamu’alaikum Wr. Wb.
Segala puji hanya untuk Allah SWT, pencipta dan pemelihara alam
semesta beserta isinya. Berkat rahman dan rahiim-Nya penulis mendapat
kemudahan dan kemampuan dalam setiap langkah penyusunan skripsi ini. Salawat
serta salam semoga tercurah kepada Nabi Muhammad SAW yang telah
menunjukkan jalan Islam sebagai pedoman hidup. Skripsi ini disusun sebagai
salah satu syarat untuk mendapatkan gelar Sarjana Ekonomi pada Departemen
Ilmu Ekonomi, Fakultas Ekonomi Manajemen IPB. Adapun judul skripsi ini
adalah Analisis Pengaruh Perkembangan Pasar Modal Terhadap
Pertumbuhan Ekonomi Indonesia.
Penulis mengucapkan terima kasih kepada berbagai pihak yang telah
memberikan bantuan, perhatian, dan dorongan semangat sehingga penulis dapat
menyelesaikan skripsi ini dengan baik. Untuk itu, ucapan terima kasih dan
penghargaan penulis sampaikan kepada:
1. Dr. Ir. Nunung Nuryartono, MS., selaku dosen pembimbing skripsi yang
telah memberikan ilmu dan membimbing penulis dengan sabar dalam
proses panjang penyusunan skripsi ini sehingga dapat diselesaikan dengan
baik.
2. Dr. Ir. Rina Oktaviani, MS., dan Fifi Diana Thamrin, Msi., selaku dosen
penguji utama dan komisi pendidikan, yang telah memberi saran-saran dan
ilmu yang bermanfaat.
3. Ibu Sahara, Ibu Tanti Novianti, Mbak Lindawati, serta seluruh civitas
Departemen Ilmu Ekonomi atas pengalaman yang berharga selama penulis
masih menjadi asisten.
4. Bapak Ary Ginanjar Agustian dan Bapak Antonio Syafi’i yang telah
memberikan ilmu-ilmu berharga yang penulis tidak dapatkan selama
duduk di bangku kuliah.
5. Kak Irfan yang telah banyak berkontribusi dalam keberhasilan kuliah
penulis.
9
6. Kedua orang tua penulis yaitu Bapak Soebardja Wiradiredja dan Ibu Ida
Farida atas doa dan dukungannya. Untuk seluruh keluarga penulis yang
telah membantu. Terima kasih juga kepada Anggi Destria sekeluarga atas
doa dan perhatian besar yang diberikan selama ini.
7. Teman-teman seperjuangan Arie JFAF, Giri, Wawan, Beri, Ratih, Tanti,
Rico, Rama, Nur, Dian V, seluruh mahasiswa angkatan 41, 42, dan 43
yang pernah menjadi praktikan penulis dan seluruh teman-teman angkatan
40, 41 dan 42 Ilmu Ekonomi. Teman-teman FOSMA ESQ, HIPOTESA,
dan tim KKP Tegal yang banyak memberikan warna dan pengalaman
berharga bagi penulis. Penulis menyadari bahwa dalam menyusun skripsi
ini masih banyak kekurangan. Dengan kerendahan hati, penulis meminta
maaf dan mengharapkan kritik dan saran yang membangun bagi perbaikan
skripsi penulis.
Semoga hasil dari skripsi ini dapat memberikan manfaat bagi penulis
maupun semua pihak yang membutuhkan.
Wassalamu’alaikum Wr.Wb.
Bogor, Agustus 2007
Gilman Pradana Nugraha H14103024
10
DAFTAR ISI
Halaman
DAFTAR TABEL.......................................................................................... iii
DAFTAR GAMBAR ..................................................................................... iv
DAFTAR LAMPIRAN.................................................................................. v
I. PENDAHULUAN
1.1. Latar Belakang ............................................................................ 1
1.2. Perumusan Masalah..................................................................... 12
1.3. Tujuan Penelitian......................................................................... 15
1.4. Kegunaan Penelitian.................................................................... 15
II. TINJAUAN PUSTAKA
2.1. Teori Investasi ............................................................................. 16
2.2. Pasar Modal dan Bursa Efek ...................................................... 17
2.3. Obligasi dan Saham …………………………………………..... 20
2.4. Indeks Harga Saham Gabungan ……………………………….. 23
2.5. Pertumbuhan Ekonomi ……………………………………….... 24
2.6. Perkembangan Pasar Modal dan Model Solow ……………….. 25
2.7. Penelitian Sebelumnya ………………………………………… 26
2.8. Kerangka Pemikiran ................................................................... 30
2.9. Hipotesis ………………………………………………………. 32
III. METODE PENELITIAN
3.1. Jenis dan Sumber Data ................................................................ 34
3.2. Metode Pengolahan dan Analisis Data ....................................... 34
3.2.1 Uji Stasioneritas ............................................................. 36
3.2.2 Model Umum Vector Autoregression (VAR) ................ 37
3.2.3 Penentuan Lag Optimal .................................................. 38
3.2.4 Uji Kointegrasi ............................................................... 38
3.2.5 Vector Error Correction Model (VECM) ...................... 39
3.2.6 Innovation Accounting ................................................... 39
3.2.7 The Cholensky Decomposition ....................................... 41
3.3. Model Penelitian .......................................................................... 42
11
IV. HASIL DAN PEMBAHASAN
4.1. Hasil Estimasi VAR .. ................................................................. 44
4.1.1. Unit Root Test (Pengujian Akar-Akar Unit) ................... 44
4.1.2. Penentuan Lag Optimum Menggunakan
Schwarz Information Criteria …………………………. 45
4.1.3. Kointegrasi ……………………………………………. 46
4.2. Pengaruh Indikator Pasar Modal terhadap Pembentukan Investasi Riil …………………………………….. 47
4.2.1. Hubungan Indikator Pasar Modal terhadap Investasi Riil pada Jangka Pendek........................................................ 48
4.2.2. Hubungan Indikator Pasar Modal terhadap Investasi Riil pada Jangka Panjang .............................................. ...... 53
4.2.3. Pengaruh Indikator Pasar Modal terhadap Investasi Riil (Analisis Variance Decomposition dan Impulse Response Function) .......................................... 56
4.3. Pengaruh Indikator Pasar Modal terhadap Pertumbuhan Ekonomi Indonesia ……………………………… 63
4.3.1. Hubungan Indikator Pasar Modal terhadap Pertumbuhan Ekonomi pada Jangka Pendek............................................. ................................ 64
4.3.2. Hubungan Indikator Pasar Modal terhadap Pertumbuhan Ekonomi pada Jangka Panjang ..................................... ..................................... 69
4.3.3. Pengaruh Indikator Pasar Modal terhadap Pertumbuhan Ekonomi (Analisis Variance Decomposition dan Impulse Response Function) ................................... 72
V. KESIMPULAN DAN SARAN ........................................................... 79
5.1. Kesimpulan ................................................................................. 79
5.2. Saran ........................................................................................... 80
DAFTAR PUSTAKA .................................................................................... 82
LAMPIRAN................................................................................................... 85
12
DAFTAR TABEL
Nomor Halaman
1.1. Perbandingan Regional Sektor Keuangan.......................................... 10
3.1. Data, Satuan, Simbol dan Sumber Data ............................................ 34
4.1. Hasil Pengujian Akar Unit pada Level .............................................. 44
4.2. Hasil Pengujian Akar Unit Pada First Difference............................. 45
4.3. Perhitungan Schwarz Information Criteria....................................... 46
4.4. Johansen Cointegration Test............................................................. 47
4.5. Hasil Estimasi VECM Persamaan Investasi Riil .............................. 48
4.6. Hasil Variance Decomposition (%) Persamaan Investasi Riil.......... 59
4.7. Hasil Estimasi VECM Persamaan Pertumbuhan Ekonomi............... 63
4.8. Perbandingan Kepemilikan Saham (2005-2007) .............................. 70
4.9. Hasil Variance Decomposition (%) Persamaan Pertumbuhan Ekonomi...................................................................... 75
13
DAFTAR GAMBAR
Nomor Halaman
1.1. Rasio Tabungan dan Investasi Indonesia terhadap Gross Domestik Product (GDP) .......................................................... 2
1.2. Perkembangan Produk Domestik Bruto Riil Indonesia ....................... 3
1.3. Perbandingan Total Tabungan, Total Kredit, dan Total Kredit Investasi pada Perbankan Nasional ............................... 6
1.4. Indeks Harga Saham Gabungan (1999-2006)....................................... 11
1.5. Perkembangan Kapitalisasi Pasar Saham dan Nilai Saham yang Diperdagangkan .......................................................................... 12
2.1 Model Solow ....................................................................................... 26
2.2. Kerangka Pemikiran Penelitian............................................................. 30
4.1. Perubahan Jumlah Emiten, Jumlah Saham yang Ditawarkan, dan Perubahan Harga Saham 1999-2006 (dalam persentase)
.............. 51
4.2. Grafik Impulse Response Function (Persamaan Investasi Riil)............ 62
4.2. Grafik Impulse Response Function (Persamaan Pertumbuhan Ekonomi)..................................................... 78
14
DAFTAR LAMPIRAN
Nomor Halaman
1. Data Penelitian ....................................................................................... 86
2. Uji Stasioneritas pada Level ................................................................... 88
3. Uji Stasioneritas pada First Difference .................................................. 91
4. Korelasi Matriks .................................................................................... 95
5. Uji Stabilitas VAR ............................................................................ .... 95
6. Uji Lag Optimal .................................................................................... 96
7. Uji Kointegrasi 1 .................................................................................. . 96
8. Uji Kointegrasi 2 ................................................................................... 97
9. Hasil Estimasi VECM (Persamaan Investasi Riil) ................................ 101
10. Variance Decomposition VECM (Persamaan Investasi Riil) ............... 103
11. Impulse Response Function VECM (Persamaan Investasi Riil) ........... 110
12. Hasil Estimasi VECM (Persamaan Pertumbuhan Ekonomi) ............... . 110
13. Variance Decomposition VECM (Persamaan Pertumbuhan Ekonomi) ..................................................... 112
14. Impulse Response Function VECM (Persamaan Pertumbuhan Ekonomi) ..................................................... 119
15
I. PENDAHULUAN
1.1. Latar Belakang
Pelaksanaan pembangunan ekonomi suatu negara, terutama negara-negara
berkembang atau less-developed countries (LDC) seringkali terbentur oleh
ketersediaan modal yang terbatas dan hal ini menjadi salah satu hambatan utama
bagi negara-negara tersebut untuk melaksanakan pembangunannya. Umumnya
negara berkembang memiliki tingkat pendapatan dan tabungan yang rendah.
Tabungan yang rendah tersebut tentu akan berdampak terhadap rendahnya dana
yang disediakan untuk investasi sehingga menghasilkan tingkat akumulasi kapital
yang rendah, hal ini menyebabkan tingkat pendapatan nasional di negara tersebut
juga menjadi rendah. Fenomena tersebut menurut Irawan dan Suparmoko (1999)
disebut lingkaran yang tak berujung pangkal atau vicious circle.
Pembangunan dan pertumbuhan ekonomi dapat terhambat apabila terdapat
kesenjangan antara tingkat tabungan dengan tingkat investasi. Pada periode
sebelum krisis ekonomi tahun 1997, rasio tabungan Indonesia terhadap Gross
Domestik Product (GDP) berada diatas 30 persen tetapi ketika krisis ekonomi
melanda, rasio tersebut mencapai titik terendahnya yaitu menjadi sekitar 19
persen. Demikian halnya dengan rasio investasi terhadap GDP dimana sebelum
krisis ekonomi persentasenya diatas 30 persen tetapi ketika krisis ekonomi terjadi,
persentase tersebut menurun tajam menjadi sekitar 15 persen. Rasio tabungan dan
investasi terhadap GDP mulai meningkat pada periode tahun 1999-2001, tetapi
persentasenya kembali menurun pada periode tahun 2002-2003. Hal ini dapat
dilihat pada Gambar 1.1.
16
0%
5%
10%
15%
20%
25%
30%
35%
40%
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
periode
persentase
terhadap GDP
Rasio InvestasiRasio Tabungan
Sumber : Badan Pusat Statistik, estimasi oleh Bank Dunia (2003)
Gambar 1.1. Rasio Tabungan dan Investasi Indonesia terhadap Gross Domestic
Product (GDP) (Berdasarkan tahun dasar 1993)
Rendahnya akumulasi kapital merupakan hambatan bagi suatu negara
untuk melaksanakan pembangunan ekonomi sehingga harus dicari alternatif
penyelesaiannya agar pembangunan bisa dapat terus berjalan. Tingkat akumulasi
kapital yang rendah di negara-negara berkembang mendorong pemerintah negara
bersangkutan mencari alternatif pembiayaan pembangunan, salah satunya ialah
dengan pengembangan pasar modal. Pada negara-negara sedang berkembang,
kapitalisasi pasar modal tumbuh dari 4 triliun USD menjadi 15,2 triliun USD
dalam periode antara 1985-an sampai dengan periode 1994-an. Jumlah saham
yang ditransaksikan juga meningkat dari 4 persen menjadi sekitar 13 persen dari
total saham yang diperdagangkan di seluruh negara pada periode tahun 1985
sampai dengan tahun 1994. Aktivitas perdagangan pada negara-negara
berkembang tergolong sangat cepat terlihat dari nilai saham-saham yang
diperdagangkan pada pasar-pasar modal di negara-negara berkembang tersebut
17
meningkat, yang pada awalnya 3 persen dari 1,6 triliun USD total nilai saham
dunia pada tahun 1985 menjadi 17 persen dari 9,6 triliun USD nilai seluruh saham
dunia yang ditransaksikan pada tahun 1994. Keadaan ini menunjukkan tingkat
pertumbuhan pasar modal dunia khususnya di negara berkembang yang sangat
pesat. Pasar modal merupakan salah satu instansi yang bertujuan dan bisa juga
menjadi salah satu usaha untuk mendemokrasikan ekonomi Indonesia.
Perubahan produk domesik bruto riil yang mencerminkan pertumbuhan
ekonomi Indonesia mengalami kenaikan secara bertahap dan mulai menunjukkan
tanda-tanda pemulihan dalam struktur perekonomian Indonesia khususnya sektor
finansial setelah sebelumnya dihantam krisis ekonomi yang berawal dari krisis
finansial yang menjalar menjadi krisis multidimensi dan memporakporandakan
fundamental ekonomi bangsa pada tahun 1997-1998. Perkembangan Produk
Domestik Riil Indonesia pascakrisis dapat dilihat pada Gambar 1.2.
0
50000
100000
150000
200000
250000
300000
350000
400000
450000
500000
1999 2000 2001 2002 2003 2004 2005 2006Periode
miliar Rp
Sumber : Bank Indonesia, Statistik Ekonomi Keuangan Indonesia (1999-2006)
Gambar 1.2. Perkembangan Produk Domestik Bruto Riil Indonesia (Berdasarkan tahun dasar 2000)
Perkembangan perekonomian dunia yang semakin cepat dan arus
globalisasi dalam perekonomian yang semakin cepat memaksa pelaku ekonomi
untuk memiliki respon yang jauh lebih cepat. Perkembangan teknologi
18
telekomunikasi dan perkembangan kapital membuat suatu perubahan besar dalam
struktur perekonomian dunia yang bergerak ke arah internalisasi sistem
perekonomian dunia termasuk sistem keuangannya. Kegiatan pasar modal
merupakan kegiatan swasta yang mencari jalan keluar dalam menghadapi
masalah-masalah pembiayaan usahanya. Politik ekonomi harus selalu diarahkan
pada keadilan ekonomi, adil dan layak apabila masyarakat juga diberi kesempatan
untuk ikut memiliki perusahaan dan industri melalui pasar modal.
Pembangunan nasional memerlukan dana yang tidak sedikit. Dana yang
diperlukan itu harus bertolak pada sumber-sumber dalam negeri untuk
menunjukkan kemandirian suatu negara, sedangkan dana yang berasal dari luar
negeri hanyalah sebagai pelengkap saja. Sumber dana dari dalam negeri berasal
dari tabungan pemerintah maupun tabungan masyarakat. Sektor keuangan yang
terdiversifikasi dengan baik merupakan kunci untuk mendukung tujuan
pembangunan yang telah diuraikan oleh pemerintah Indonesia, yaitu peningkatan
pertumbuhan ekonomi, penciptaan lapangan kerja yang lebih luas, dan perbaikan
taraf hidup bagi rakyat Indonesia. Bank dan LKNB (Lembaga Keuangan Non
Bank) merupakan kunci pokok untuk mencapai sistem keuangan yang sehat dan
stabil, saling melengkapi dan menawarkan sinergi bagi stabilitas perekonomian
Indonesia.
Pembentukan pasar modal merupakan suatu usaha ke arah penghimpunan
dana masyarakat untuk pembangunan sekaligus meningkatkan sumber-sumber
tabungan masyarakat dengan demikian menambah sumber penghasilan secara
nyata. Dalam melaksanakan pembangunan, sebagian besar kebutuhan dana pada
prinsipnya harus bersumber dari potensi dalam negeri. Peranan swasta dalam
19
pembangunan diharapkan semakin membesar dalam pembangunan ekonomi
sementara peran pemerintah hanyalah sebagai regulator. Tujuan utama pasar
modal ialah sebagai sarana pembentukan modal dan akumulasi dana bagi
pembiayaan pembangunan. Pasar modal merupakan salah satu sumber bagi
pembangunan nasional selain tabungan pemerintah, kredit perbankan, penanaman
modal asing (PMA), penanaman modal dalam negeri (PMDN), dan bantuan luar
negeri.
Pasar modal khususnya pasar saham memiliki beberapa tujuan diantaranya
yaitu meningkatkan likuiditas dari aset finansial, membuat suatu diversifikasi
resiko global yang lebih mudah bagi investor, keputusan kebijakan investasi yang
lebih efektif dan bijaksana dikarenakan saving surplus berdasarkan informasi
yang tersedia, menekan manajemen untuk bekerja lebih keras, dan penyaluran
tabungan yang lebih besar untuk perusahaan. Pasar modal selain sebagai sumber
dana bagi pembangunan yang berpotensi besar namun juga salah satu sarana
investasi bagi masyarakat maupun dunia perbankan. Dengan bentuk investasi
demikian akan mengurangi excess fund dan excess liabilities. Dengan demikian
jumlah dana dari pasar modal untuk membiayai pembangunan akan meningkat
dan pada gilirannya tingkat pertumbuhan ekonomi yang tinggi dapat tercapai dan
mengurangi dana bantuan luar negeri. Pasar modal harus dapat dikembangkan
dalam rangka menggairahkan partisipasi masyarakat dalam pengerahan dan
penghimpunan dana untuk digunakan secara produktif dalam pembiayaan
pembangunan nasional. Hal tersebut dijelaskan dalam Keppres No.52 Tahun 1976
tentang Pasar Modal, dan merupakan tonggak baru perkembangan pasar modal di
Indonesia setelah sebelumnya selama 18 tahun dinyatakan tidak aktif. Pengaktifan
20
pasar modal tersebut dilatarbelakangi atas pertimbangan bahwa pasar modal ialah
salah satu cara atau alat yang dapat dipergunakan untuk meningkatkan taraf hidup
bangsa.
Dunia perbankan pascakrisis jelas belum memiliki dampak yang besar
terhadap perluasan investasi dan proses pembangunan pascakrisis tahun 1997
selain hanya menghabiskan 50 persen dari PDB untuk proses rekapitalisasi
perbankan yang mengalami collapse. Selain itu ekspansi kredit investasi yang
diberikan perbankan bagi dunia usaha tergolong lebih kecil dibandingkan masa
sebelum krisis. Perbandingan total tabungan yang terhimpun pada perbankan,
besarnya kredit investasi perbankan, dan total kredit yang diberikan oleh
perbankan menunjukkan bahwa meskipun total kredit yang disalurkan meningkat
setelah masa krisis dan rekapitalisasi perbankan, jumlah kredit untuk investasi
cenderung tetap dan tidak mengalami perubahan yang berarti. Hal tersebut dapat
dilihat pada Gambar 1.3.
0
200000
400000
600000
800000
1000000
1200000
1999
2000
2001
2002
2003
2004
2005
2006
2007
periode
miliar Rp
TabunganKredit InvestasiTotal Kredit
Sumber : Bank Indonesia (1999-2006)
Gambar 1.3. Perbandingan Total Tabungan, Total Kredit, dan Total Kredit
Investasi pada Perbankan Nasional (1999-2006)
Perbankan lebih memilih memberikan kredit untuk konsumsi
dibandingkan kredit untuk investasi. Selain pengalaman pahit masa krisis, belum
21
pulihnya fundamental ekonomi dan ketidakpastian juga menjadi pertimbangan
utama perbankan dalam memberikan kreditnya untuk investasi. Keadaan ini
membuat korporasi sulit untuk mendapatkan kredit perbankan untuk
mengembangkan usahanya sehingga usaha untuk mempercepat proses
pembangunan terhambat. Untuk itu diperlukan suatu pembangunan peran lembaga
keuangan non bank seperti pasar modal untuk mengatasi kebuntuan investasi.
Menciptakan iklim yang sehat bagi dunia usaha mempunyai korelasi yang
sangat luas terhadap pemerataan pendapatan, lapangan kerja, produktivitas
nasional yang meningkatkan perluasan usaha baru untuk mengolah sendiri
sumber-sumber kekayaan alam yang akan memperkokoh struktur ekonomi secara
nasional dan mandiri. Pasar modal atau bursa saham Indonesia adalah suatu
sumber potensi untuk pengembangan dunia usaha nasional. Pasar modal di dalam
situasi dunia usaha yang berkembang baik mampu memobilisasi dana dan
berperan dalam mendistribusikan kekayaan melalui mekanisme yang mampu
berkembang dengan melipatgandakan transaksi jual beli saham atau obligasi di
pusat maupun daerah. Pasar modal akan memberikan perusahaan suatu insentif
kapital untuk mengembangkan perusahaannya yang dapat menyerap tenaga kerja
dalam jumlah yang relatif besar sehingga tingkat pengangguran dapat ditekan dan
bermuara pada pertumbuhan ekonomi yang lebih tinggi dan tingkat kesejahteraan
yang lebih baik.
Pasar modal adalah sarana mempertemukan pembeli dana dan penjual
dana. Dalam masa pembangunan, salah satu masalah pokok yang dihadapi
pemerintah, dalam rangka menjamin kesinambungan pembangunan nasional,
adalah bagaimana mengusahakan tersedianya dana bagi pembiayaan
22
pembangunan nasional. Masalah tersebut jelas menyangkut satu hal penting yang
juga dihadapi oleh para pengusaha dalam rangka meningkatkan dan
mengembangkan usahanya. Hampir 80 persen sistem keuangan di Indonesia
didominasi oleh sistem perbankan. Kehancuran perbankan pada periode krisis
ekonomi tahun 1997 yang disebabkan rush (pengambilan dana secara besar-
besaran) dan tingginya NPL (non performing loan), menunjukkan bahwa
perlunya mengembangkan pasar modal dan sistem keuangan non bank lainnya
untuk menghindari resiko yang sama pada saat periode krisis. Dengan adanya
pasar modal minimal ekspansi kredit dapat diperkecil, sebab perusahaan yang
memerlukan dana dapat mencarinya melalui penjualan saham atau pengeluaran
obligasi. Sedang untuk masyarakat, daya tarik dan manfaat yang diperoleh ialah
upaya untuk menambah nilai uang. Oleh karenanya pasar modal di Indonesia
merupakan salah satu sumber pembangunan di samping sumber-sumber lain
seperti tabungan pemerintah, kredit perbankan, PMA, PMDN, bantuan luar negeri
dan reinvestasi dalam perusahaan.
Pasar saham atau bursa efek memiliki peran yang besar dalam menentukan
perkembangan pasar modal karena sebagian besar aktivitas pasar modal ialah
dalam bentuk transaksi saham sehingga dapat disimpulkan bahwa pasar modal
identik dengan pasar saham. Perkembangan pasar saham secara teoritis memiliki
korelasi yang positif terhadap pertumbuhan ekonomi. Likuiditas, diversifikasi
resiko dan investasi yang lebih produktif akan membawa pada pertumbuhan
ekonomi yang lebih tinggi. Selain itu, harga saham merepresentasikan performa
ekonomi dari suatu perusahaan, oleh karena itu manajemen perusahaan akan
berusaha mengurangi inefisiensi, agency problem dan memaksimumkan
23
kesejahteraan pemegang saham. Hal ini mengindikasikan pula bahwa keuntungan
dari perusahaan-perusahaan mempunyai dampak bagi pertumbuhan ekonomi.
Kehadiran pasar saham di Indonesia harus dapat didayagunakan untuk
memberikan manfaat bagi pemerintah, perusahaan, dan masyarakat. Bagi
pemerintah dampak positifnya ialah pemupukan modal dalam negeri,
memperkecil kemungkinan pelarian modal ke luar negeri dan disamping itu
bermanfaat pula dalam hubungan dengan perbankan dalam mengendalikan
ekspansi kredit yang selalu meningkat.
Hingga pertengahan tahun 2005, jumlah investor pada pasar saham di
Indonesia baru sekitar 300 ribu orang menurut laporan Kustodian Sentral Efek
Indonesia (KSEI) dari 2 juta investor (1 persen dari 200 juta penduduk Indonesia)
yang menjadi target Bursa Efek Jakarta untuk periode 2005-2008. Berbeda dengan
negara-negara ASEAN lainnya seperti Singapura yang dihuni hanya 3.6 juta jiwa,
sekitar satu juta penduduknya ialah investor yang aktif pada pasar saham.
Malaysia dengan 25 juta jiwa penduduknya, tenyata memiliki 3.6 juta investor
yang berinvestasi pada pasar saham dan Cina dengan 1.2 miliar penduduknya,
ternyata memiliki sekitar 60 juta investor pada pasar sahamnya. Pasar Saham
Indonesia merupakan pasar yang kurang aktif karena memiliki nilai transaksi
perdagangannya yang relatif masih tergolong rendah yaitu sebesar US$ 130 juta
pada Mei 2005. Feldman dan Kumar (1995) menyatakan bahwa pasar saham
Indonesia merupakan pasar saham yang mempunyai kategori volatility (daya
gejolak) yang lebih kecil dibandingkan dengan bursa saham di negara-negara lain.
Pasar saham Indonesia memiliki kapitalisasi pasar saham terendah kedua dan
paling rendah dalam hal persentase terhadap gross domestik product pada tahun
24
2005 dibandingkan negara-negara lain di Asia Tenggara seperti Malaysia,
Thailand, dan Singapura. Perbandingan regional sektor keuangan beberapa negara
di Asia Tenggara tersebut dapat dilihat pada Tabel 1.1.
Tabel 1.1. Perbandingan Regional Sektor Keuangan
Sumber : Bank Dunia (2005)
Salah satu penyebab rendahnya kapitalisasi pasar tersebut adalah
hancurnya bursa saham di Thailand menyebabkan contagion effect (dampak yang
menjalar) pada bursa saham regional termasuk Indonesia sehingga terjadi aksi
penjualan saham besar-besaran oleh investor asing sehingga berakibat pada
penurunan harga saham secara drastis dan banyak perusahaan yang mengalami
delisting dari bursa saham karena mengalami kebangkrutan. Tingginya capital
outflow (pelarian modal dari dalam negeri) dari pasar saham menjadi awal krisis
nilai tukar dan menyebabkan krisis ekonomi berkepanjangan di Indonesia
Setelah tahun 1999, pasar saham secara bertahap menunjukkan
peningkatan yang berarti yang ditandai dengan meningkatnya indeks harga saham
gabungan. Peningkatan IHSG pada awal tahun 1999 disebabkan oleh beberapa
faktor yaitu mulai menurunnya tingkat suku bunga, kepercayaan pasar yang mulai
meningkat, dan boomingnya bursa-bursa saham regional. Selain itu masuknya
Soros Fund Management, rasionalnya RAPBN, dan pencairan bantuan IMF
25
sebesar 1 miliar USD membawa dampak positif tersendiri bagi pasar saham.
Perubahan indeks harga saham pascakrisis dapat dilihat pada Gambar 1.4.
Indeks Harga Saham Gabungan (1999-2006)
0
500
1000
1500
2000
1999 2000 2001 2002 2003 2004 2005 2006
periode
indekss
Sumber : Bursa Efek Jakarta
Gambar 1.4. Indeks Harga Saham Gabungan (1999-2006)
Dari Gambar 1.4, diketahui bahwa setelah periode krisis, IHSG sebagai
lead indicator dari pasar saham mengalami tren naik sampai menembus level
1000 pada akhir periode 2004 bahkan menembus level 2000 pada kuartal pertama
tahun 2007, yang merupakan rekor baru bagi Bursa Efek Jakarta. Peningkatan
indeks harga saham tersebut mengindikasikan kepercayaan investor asing dan
domestik yang meningkat terhadap kinerja perekonomian Indonesia dan
merupakan efek dari pertumbuhan ekonomi tinggi yang dialami China dan India
dalam beberapa tahun terakhir yang berpengaruh pada derasnya aliran dana
internasional masuk ke kawasan Asia khususnya Asia Timur dan Asia Tenggara.
Selain IHSG, kinerja pasar saham pascakrisis juga dapat dilihat dari
perkembangan kapitalisasi pasar dan nilai saham yang diperdagangkan yang
cenderung mengalami peningkatan sampai saat ini. Kapitalisasi pasar saham
mengalami peningkatan pada awal periode tahun 1999 kemudian mengalami
penurunan antara 2001-2003 yang salah satunya disebabkan oleh isu-isu politik
26
dan keamanan seperti isu terorisme yang mengguncang Amerika Serikat yang
menimbulkan dampak negatif terhadap perekonomian di negara-negara
berkembang seperti Indonesia. Tetapi setelah masa tersebut, kapitalisasi
mengalami peningkatan yang kontinu hingga mencapai lebih dari 2000 triliun
rupiah pada pertengahan tahun 2007, yang berarti ukuran pasar saham Indonesia
mengalami peningkatan yang luar biasa.
Likuiditas pasar saham pun mengalami peningkatan setelah tahun 2003
yang terlihat dari perbandingan nilai saham yang diperdagangkan dengan
kapitalisasi pasar saham. Walaupun terjadi peningkatan, likuiditas dan volatilitas
pasar saham Indonesia masih tergolong rendah bila dibandingkan pasar atau bursa
saham lainnya. Hal tersebut dapat dilihat pada Gambar 1.5.
Kapitalisasi Pasar Saham dan Nilai Saham yang Diperdagangkan
0
200000
400000
600000
800000
1000000
1200000
1400000
1999
2000
2001
2002
2003
2004
2005
2006
periode
Milia
r R
pp
Nilai Perdagangan
Kapitalisasi
Sumber : Bursa Efek Jakarta
Gambar 1.5. Perkembangan Kapitalisasi Pasar Saham dan Nilai Saham yang Diperdagangkan
1.2. Perumusan Masalah
Kebijakan pengembangan pasar modal dipercaya dapat menstimulus
pertumbuhan ekonomi. Modal yang diperoleh dari pasar modal diharapkan dapat
meningkatkan investasi negara yang bersangkutan, sehingga Gross Domestik
Product (GDP) juga diharapkan meningkat. Kondisi pasar modal yang mengalami
27
pasang surut menunjukkan bahwa aktivitas bisnis di pasar modal memiliki
keterkaitan erat dengan irama ekonomi makro. Dalam kegiatan ekonomi makro
terkandung aspek produksi, pendapatan, pengeluaran, anggaran nasional, jumlah
uang beredar dan neraca pembayaran. Perkembangan pasar modal di Indonesia
akan membawa pada stabilitas aspek-aspek ekonomi makro.
Pertumbuhan ekonomi makro biasanya, pertama, diukur dari pertumbuhan
produk domestik bruto. Besarnya tingkat pertumbuhan ekonomi menunjukkan
besarnya pertumbuhan dalam produksi barang dan jasa. Kegiatan investasi
khususnya pada pasar modal sangat diperlukan untuk menunjang peningkatan
dalam produksi dan pengembangan usaha yang selanjutnya memberikan dampak
yang kontributif bagi pertumbuhan ekonomi yang berkelanjutan. Sebaliknya jika
tingkat investasi di pasar modal rendah, maka akan memberikan dampak yang
negatif bagi perkembangan usaha di Indonesia sehingga akan berpengaruh pada
pertumbuhan ekonomi yang berkelanjutan. Sebagai contoh, dapat terlihat dari
kasus yang dialami oleh Thailand dimana indeks bursa Thailand terus mengalami
penurunan dimulai tahun 1996 dan menyebabkan pertumbuhan ekonomi Thailand
yang mengalami penurunan drastis. Walaupun pasar modal pada negara-negara
berkembang memiliki porsi yang kecil terhadap perekonomian negara-negara
tersebut tetapi memiliki dampak yang besar bagi stabilitas makroekonomi karena
tingkat mobilitas dana yang tinggi pada pasar modal dapat berpengaruh secara
langsung pada indikator-indikator makro lainnya seperti nilai tukar, inflasi, neraca
perdagangan, neraca pembayaran, dan produk nasional bruto. Tingkat
perkembangan pasar modal mengindikasikan tingkat kepercayaan investor atau
pemilik dana terhadap perekonomian suatu negara. Oleh karena itu perkembangan
28
pasar modal sangat diperlukan dalam mendorong pertumbuhan ekonomi. Peran
pemerintah sebagai regulator juga sangat diperlukan untuk menunjang
terselenggaranya pasar modal yang atraktif, modern, dan berkontribusi besar bagi
peningkatan fundamental ekonomi bangsa.
Perkembangan pasar modal dapat menambah ketersediaan modal bagi
dunia usaha, tetapi dalam beberapa periode terakhir terlihat secara kasat mata
bahwa meningkatnya aktivitas pada sektor finansial khususnya pasar modal belum
mampu mendorong sektor riil untuk ikut meningkat. Bahkan sektor riil semakin
terpuruk ditengah boomingnya sektor finansial. Terlihat hubungan yang semakin
terpisah antara sektor riil yang merupakan fundamental ekonomi bangsa dengan
sektor finansial sebagai penyedia jasa keuangan untuk sektor riil. Perkembangan
sektor finansial khususnya pasar modal yang cenderung pesat memang diikuti
dengan pertumbuhan ekonomi yang juga meningkat akan tetapi apabila dilihat
kualitasnya, pertumbuhan ekonomi yang meningkat tersebut lebih dari 60 persen
didominasi oleh aktivitas konsumsi bukan aktivitas investasi yang merupakan
aktivitas turunan dari pasar modal. Sehingga pertumbuhan ekonomi Indonesia
dapat dikatakan masih memiliki horizon jangka pendek.
Berdasarkan uraian diatas terdapat beberapa permasalahan yang menarik
untuk dikaji lebih lanjut, diantaranya :
1. Bagaimana pengaruh perkembangan pasar modal terhadap investasi riil di
Indonesia?
2. Bagaimana pengaruh perkembangan pasar modal terhadap pertumbuhan
ekonomi Indonesia?
29
1.3. Tujuan
Berdasarkan latar belakang dan perumusan masalah, maka tujuan dari
penelitian ini adalah sebagai berikut :
1. Menganalisis pengaruh perkembangan pasar modal terhadap investasi riil di
Indonesia.
2. Menganalisis pengaruh perkembangan pasar modal terhadap pertumbuhan
ekonomi Indonesia.
1.4. Kegunaan
Penelitian ini diharapkan dapat memberikan manfaat bagi para pemegang
kebijakan dan masyarakat pada umumnya. Manfaat atau kegunaan yang
diharapkan dari penelitian ini diantaranya yaitu memberikan masukan kepada
pemegang kebijakan mengenai dampak perkembangan pasar modal terhadap
investasi dan pertumbuhan ekonomi, selain itu penelitian ini juga diharapkan
dapat memberikan gambaran mengenai karakteristik dari pasar modal di
Indonesia. Manfaat dan kegunaan lain yang diharapkan dari penelitian ini adalah
memberikan informasi kepada para pemegang kebijakan dalam mengeluarkan alat
kebijakan yang tepat dalam meningkatkan perkembangan pasar modal.
30
II. TINJAUAN PUSTAKA
2.1. Teori Investasi
Investasi adalah penempatan sejumlah dana dengan harapan dapat
memelihara, menaikkan nilai, atau memberikan return yang positif (Sutha, 2000).
Investasi adalah penanaman uang dengan harapan mendapat hasil dan nilai
tambah (Webster, 1999). Menurut Lypsey (1997), investasi adalah pengeluaran
barang yang tidak dikonsumsi saat ini dimana berdasarkan periode waktunya,
investasi terbagi menjadi tiga diantaranya adalah investasi jangka pendek,
investasi jangka menengah, dan investasi jangka panjang. Investasi merupakan
komitmen sejumlah dana pada suatu periode untuk mendapatkan pendapatan yang
diharapkan di masa yang akan datang sebagai unit kompensasi. Unit yang
diinvestasikan mencakup waktu yang digunakan, tingkat inflasi yang diharapkan
dan ketidakpastian masa mendatang. Menurut Sumanto (2006), investasi
merupakan komitmen sejumlah dana suatu periode untuk mendapatkan
pendapatan yang diharapkan di masa yang akan datang sebagai kompensasi unit
yang diinvestasikan. Sedangkan Husnan dalam Anoraga dan Pakarti (2006)
mendefinisikan investasi sebagai penggunaan uang dengan maksud memperoleh
penghasilan. Investasi merupakan penanaman modal di dalam perusahaan, dengan
tujuan agar kekayaan suatu korporasi atau perusahaan bertambah. Investasi juga
didefinisikan sebagai barang-barang yang dibeli oleh individu ataupun perusahaan
untuk menambah persediaan modal mereka (Mankiw, 2000).
31
2.2. Pasar Modal dan Bursa Efek
Pasar modal adalah suatu bidang usaha perdagangan surat-surat berharga
seperti saham, sertifikat saham dan obligasi (efek-efek). Motif utama dari pasar
modal tersebut adalah masalah kebutuhan modal bagi perusahaan yang ingin lebih
memajukan usahanya dengan menjual sahamnya kepada pemilik dana, investor,
baik perorangan maupun lembaga usaha.
Wai dan Patrick dalam Departemen Penerangan (1984) dengan sebuah
paper IMF yang berjudul “Such or Bond Investment and Capital Markets on Less
Developed Countries” menjelaskan beberapa pengertian pasar modal, yaitu :
1. Definisi luas
Pasar modal ialah kebutuhan sistem keuangan yang terorganisir, termasuk
bank-bank komersil dan semua perantara di bidang keuangan, serta surat-surat
kertas berharga atau klaim, jangka panjang dan pendek, primer dan yang tidak
langsung.
2. Definisi dalam arti menengah
Pasar modal ialah semua pasar yang terorganisir dan lembaga-lembaga
yang memperdagangkan warkat-warkat kredit (biasanya berjangka lebih dari 1
tahun) termasuk saham-saham, obligasi-obligasi, pinjaman berjangka hipotik dan
tabungan serta deposito berjangka.
3. Definisi dalam arti sempit
Pasar modal adalah tempat pasar terorganisir yang memperdagangkan
saham-saham dan obligasi-obligasi dengan memakai jasa makelar, komisioner,
dan para underwriter
32
Secara umum pengertian pasar modal ialah pasar abstrak yang juga
sekaligus konkrit dimana yang diperjualbelikan adalah dana-dana jangka panjang
(abstrak) yakni, dana-dana yang berjangka lebih dari satu tahun, dalam bentuk
surat-surat berharga di bursa efek (konkrit). Bogen dalam Departemen Penerangan
(1984) dalam bukunya ”Financial Handbook” mengatakan yang dimaksud dengan
bursa efek adalah suatu sistem yang terorganisir dengan mekanisme resmi untuk
temukan penjual dan pembeli efek secara langsung atau melalui wakil-wakilnya.
Selain itu Leffler dalam Departemen Penerangan (1984) dengan bukunya
”Stockmarket” menjelaskan beberapa fungsi dari bursa efek dan pasar saham
ialah,
1. Menciptakan pasar secara terus menerus bagi efek yang telah ditawarkan
kepada masyarakat (efek yang telah dimiliki umum),
2. Untuk menciptakan harga yang wajar bagi efek yang bersangkutan melalui
mekanisme penawaran dan permintaan,
3. Untuk membantu pembelanjaan dunia usaha.
Pasar modal adalah pasar atau tempat bertemunya pihak yang menawarkan
dan memerlukan dana jangka panjang lebih dari satu tahun (Anoraga dan Pakarti,
2006) mengatakan bahwa pasar modal adalah pasar untuk berbagai instrumen
keuangan (sekuritas) jangka panjang yang dapat diperjualbelikan, baik dalam
bentuk utang maupun modal sendiri, baik yang diterbitkan pemerintah, public
authorities maupun perusahaan swasta.
Tujuan pasar modal diantaranya mempercepat proses ikut sertanya
masyarakat dalam kepemilikan saham perusahaan swasta menuju pemerataan
pendapatan masyarakat, dan menggairahkan partisipasi masyarakat dalam
33
pergerakan dana dan penggunaannya secara produktif untuk pembiayaan
pembangunan nasional (Rusdin, 2006). Pasar modal menjalankan fungsi ekonomi
yaitu menyediakan fasilitas untuk memindahkan dana dari pihak yang memiliki
dana kepada pihak yang memerlukan dana, sedangkan fungsi keuangan dari pasar
modal yaitu menyediakan sarana bagi pihak yang memerlukan dana dan pihak
yang berkelebihan dana tanpa harus terlibat langsung dalam kepemilikan aktual
riil yang diperlukan untuk investasi. Pasar modal memiliki dua daya tarik, yaitu
pasar modal diharapkan menjadi alternatif penghimpunan dana selain sistem
perbankan dan pasar modal memungkinkan para pemodal mempunyai berbagai
pilihan investasi yang sama dengan preferensi resiko mereka (Husnan dalam
Anoraga dan Pakarti, 2006).
Undang-Undang No.8 Tahun 1995 menjelaskan bahwa bursa efek adalah
pihak yang menyelenggarakan dan menyediakan sistem dan atau sarana untuk
mempertemukan penawaran jual dan beli efek kepada pihak-pihak lain dengan
tujuan memperdagangkan efek diantaranya. Menurut Putra (2002), bursa efek
adalah sistem yang terorganisasi dengan mekanisme resmi untuk mempertemukan
penjual dan pembeli secara langsung atau melalui wakil-wakilnya. Menurut
Darmadji dan Fakhrudin (2006) , bursa efek mempunyai tugas yang harus
dilakukan pada calon investor agar dapat menjadikan bursa efek lebih dikenal oleh
publik, yaitu :
1. Menyediakan sarana perdagangan efek,
2. Mengupayakan likuiditas instrumen yaitu mengalirnya dana secara cepat pada
efek-efek yang dijual,
3. Menyebarluaskan informasi bursa ke seluruh lapisan masyarakat,
34
4. Memasyarakatkan pasar modal untuk menarik investor dan perusahaan yang
go public, dan
5. menciptakan instrumen dan jasa baru.
Sedangkan sebagai Self Regulatory Organization (SRO), menurut
Darmadji dan Fakhrudin (2006), bursa efek memiliki tugas sebagai berikut:
1. Membuat peraturan yang berkaitan dengan kegiatan bursa,
2. Mencegah praktek transaksi yang dilarang melalui pelaksanaan fungsi
pengawasan, dan
3. Ketentuan bursa efek mempunyai kekuatan hukum yang mengikat bagi pelaku
pasar modal.
2.3. Obligasi dan Saham
Menurut Rusdin (2006), obligasi adalah sertifikat yang berisi kontrak
antara investor dan perusahaan, yang menyatakan bahwa investor tersebut atau
pemegang obligasi telah meminjamkan sejumlah uang kepada perusahaan.
Perusahaan yang menerbitkan obligasi mempunyai kewajiban untuk membayar
bunga secara reguler sesuai dengan jangka waktu yang telah ditetapkan serta
pokok pinjaman pada saat jatuh tempo. Obligasi merupakan surat utang yang
berjangka waktu lebih dari satu bulan dan memiliki tingkat suku bunga yang
berubah-ubah. Surat hutang ini dikeluarkan oleh perusahaan dengan tujuan
menarik dana dari masyarakat yang dapat digunakan untuk pembiayaan
perusahaan atau oleh pemerintah untuk keperluan anggaran belanja.
Saham adalah bukti kepemilikan bagian modal perseroan yang
memberikan berbagai hak menurut ketentuan undang-undang. Menurut Rusdin
35
(2006), saham ialah sertifikat yang menunjukkan bukti kepemilikan status
perusahaan, dan pemegang saham memiliki hak klaim atas penghasilan dan aktiva
perusahaan. Dalam prakteknya terdapat beberapa saham yang diperdagangkan,
dibedakan menurut cara peralihan dan manfaat yang diperoleh bagi pemegang
saham. Nilai saham terbagi atas 3 jenis, yaitu:
1. Nilai Nominal (Nilai Pari), yaitu nilai yang tercantum dalam sertifikat saham
yang bersangkutan, di Indonesia saham yang diterbitkan harus memiliki nilai
nominal dan untuk satu jenis saham yang sama pada suatu perusahaan harus
memiliki satu jenis nilai nominal.
2. Nilai Dasar, yaitu nilai yang ditentukan dari harga perdana saat saham tersebut
diterbitkan, harga dasar ini akan berubah sejalan dengan dilakukannya
berbagai tindakan emiten yang berhubungan dengan saham, antara lain : Right
Issue, Stock Split, ataupun Waran.
3. Nilai Pasar, yaitu harga suatu saham pada pasar yang sedang berlangsung, jika
bursa sudah tutup maka harga pasar saham tersebut adalah harga
penutupannya.
Berdasarkan atas cara peralihan, saham dibedakan menjadi dua, yaitu
saham atas unjuk (Bearer Stock) dan saham atas nama (Registered stock).
1. Saham atas unjuk (Bearer Stock), adalah saham yang tidak ditulis nama
pemiliknya, agar mudah dipindahtangankan dari satu investor ke investor yang
lain.
2. Saham atas nama (Registered Stock), adalah saham yang ditulis dengan jelas
siapa pemiliknya. Dimana cara pengalihannya harus melalui prosedur tertentu,
yaitu dengan dokumen peralihan dan kemudian nama pemiliknya dicatat
36
dalam buku perusahaan yang khusus membuat daftar nama pemegang saham.
Apabila terjadi kehilangan, pemegang saham tersebut dengan mudah
mendapat penggantinya.
Berdasarkan manfaat yang diperoleh pemegang saham, saham dibedakan
menjadi :
1. Saham biasa (Common Stock)
Saham biasa merupakan jenis efek yang paling sering dipergunakan oleh
emiten untuk memperoleh dana dari masyarakat dan juga merupakan jenis
yang paling popular di pasar modal.
2. Saham Preferen (Preferred Stock)
Saham preferen adalah bentuk gabungan antara obligasi dan saham biasa.
Jenis saham ini sering disebut dengan sekuritas campuran. Saham preferen
sama dengan saham biasa karena tidak memiliki tanggal jatuh tempo dan juga
mewakili kepemilikan dari modal. Di lain pihak saham preferen sama juga
dengan obligasi karena jumlah atas devidennya tetap selama masa berlaku dari
saham, memiliki klaim atas laba dan aktiva sebelumnya, memiliki hak tebus,
dan dapat dipertukarkan dengan saham biasa.
3. Participating Preferred Stock
Saham ini disamping memperoleh deviden tetap seperti yang telah
ditentukan juga memperoleh extra deviden apabila perusahaan dapat mencapai
sasaran yang telah ditetapkan. Besaran deviden jenis ini lebih kecil dari jenis
saham preferen lainnya.
37
2.4. Indeks Harga Saham Gabungan
Kegiatan pasar modal tidak terlepas dari apa yang disebut dengan indeks
harga saham. Menurut Sutha (2000), harga saham merefleksikan seluruh
informasi yang tersedia dan hal ini mengurangi kebutuhan yang mahal dan
pengamatan yang rumit untuk mendapatkan informasi tambahan. Informasi yang
tersedia dan efisien akan menghasilkan harga saham yang akurat dan hal ini akan
memicu investasi yang lebih baik sebagai akibat dari perilaku investor yang lebih
rasional dan selanjutnya akan menyebabkan pengalokasian dana perusahaan yang
lebih baik dan pertumbuhan ekonomi yang lebih tinggi. Menurut Anoraga dan
Pakarti (2006), indeks harga adalah suatu angka yang digunakan untuk
membandingkan suatu peristiwa dengan suatu peristiwa lainnya. Demikian juga
dengan indeks harga saham, indeks disini akan membandingkan perubahan harga
saham dari waktu ke waktu. Apakah suatu harga saham mengalami penurunan
atau kenaikan dibandingkan dengan suatu waktu tertentu.
Penentuan indeks harga saham, bisa dibedakan menjadi dua, yaitu yang
disebut dengan Indeks Harga Saham Individu dan Indeks Harga Saham
Gabungan. Indeks Harga Saham Individu hanya menunjukkan perubahan dari
suatu harga saham suatu perusahaan. Indeks ini tidak bisa untuk mengukur harga
dari suatu saham perusahaan tertentu apakah mengalami perubahan, kenaikan,
atau penurunan. Atau bisa dikatakan bahwa indeks individual saham merupakan
suatu nilai yang mempunyai fungsi mengukur kinerja kerja suatu saham tertentu
terhadap harga dasarnya. Sedangkan untuk Indeks Harga Saham Gabungan
(IHSG) akan menunjukkan pergerakan harga saham secara umum yang tercatat di
bursa efek. Indeks inilah yang paling banyak digunakan dan dipakai sebagai acuan
38
tentang perkembangan kegiatan pasar modal. IHSG ini bisa untuk menilai situasi
pasar secara umum atau mengukur apakah harga saham mengalami kenaikan atau
penurunan. Indeks harga ini melibatkan seluruh harga saham yang tercatat di
bursa.
2.5. Pertumbuhan Ekonomi
Menurut Irawan dan Suparmoko (1999), istilah pertumbuhan,
perkembangan dan pembangunan sering digunakan secara bergantian, tetapi
mempunyai maksud yang sama, terutama dalam pembicaraan-pembicaraan
mengenai masalah ekonomi. Apabila kedua istilah itu digunakan bersama maka
akan mempunyai pengertian masing-masing yang lebih khusus. Dikatakan ada
pertumbuhan ekonomi apabila terdapat lebih banyak output, dan terjadinya
perkembangan atau pembangunan ekonomi bila tidak hanya terdapat lebih banyak
output, tetapi juga perubahan-perubahan dalam kelembagaan dan pengetahuan
teknik dalam menghasilkan output yang lebih banyak. Pertumbuhan dapat
meliputi penggunaan input lebih banyak dan lebih efisien, yaitu adanya kenaikan
output per satuan input, dengan kata lain, dengan kesatuan input dapat
menghasilkan output yang lebih banyak. Pembangunan atau perkembangan
ekonomi menunjukkan perubahan-perubahan dalam struktur output dan alokasi
input pada berbagai sektor perekonomian disamping kenaikan output. Pada
umumnya perkembangan atau pembangunan selalu disertai dengan pertumbuhan,
tetapi pertumbuhan belum tentu disertai dengan pembangunan atau
perkembangan.
39
Menurut Arsyad (1999), pada umumnya para ekonom memberikan
pengertian yang sama untuk istilah pembangunan ekonomi dan pertumbuhan
ekonomi. Mereka mengartikan pertumbuhan atau pembangunan ekonomi sebagai
kenaikan GDP atau GNP saja. Dalam penggunaan yang lebih umum, istilah
pertumbuhan ekonomi biasanya digunakan untuk menyatakan perkembangan
ekonomi di negara-negara maju, sedangkan istilah pembangunan ekonomi untuk
menyatakan perkembangan ekonomi di negara sedang berkembang.
Namun ada beberapa ekonom yang membedakan pengertian pembangunan
ekonomi (economic development) dengan pertumbuhan ekonomi (economic
growth). Para ekonom yang membedakan kedua pengertian tersebut mengartikan
istilah pembangunan ekonomi sebagai peningkatan pendapatan per kapita
masyarakat yaitu tingkat pertumbuhan GDP atau GNP pada suatu tahun tertentu
adalah melebihi tingkat pertumbuhan penduduk, atau perkembangan GDP atau
GNP yang terjadi dalam suatu negara dibarengi oleh perombakan dan modernisasi
struktur ekonominya, sedangkan pertumbuhan ekonomi diartikan sebagai
kenaikan GDP atau GNP tanpa memandang apakah kenaikan itu lebih besar atau
lebih kecil dari tingkat pertumbuhan penduduk, atau apakah perubahan struktur
ekonomi terjadi atau tidak.
2.6. Perkembangan Pasar Modal dan Model Solow
Perkembangan pasar modal ditujukan untuk menstimulus investasi yang
dapat meningkatkan akumulasi kapital di dalam negeri sehingga dapat
meningkatkan perekonomian nasional. Modal yang diperoleh dari pasar modal,
tentunya dapat meningkatkan modal di dalam negeri. Peningkatan modal di dalam
40
negeri tentunya dimanfaatkan oleh perusahaan-perusahaan tersebut untuk
melakukan ekspansi sehingga dapat meningkatkan output nasional dan tentunya
akan mendorong pertumbuhan ekonomi.
Berdasarkan Gambar 2.1, ketika ada modal masuk yang diperoleh dari
perkembangan pasar modal akan pembentukan modal tetap dalam negeri
meningkat dari k1 ke k2 (diasumsikan perkembangan pasar modal disebabkan oleh
peningkatan penawaran saham baru). Peningkatan modal ini tentunya akan
meningkatkan kemampuan perusahaan untuk berinvestasi lebih besar pada sektor-
sektor yang produktif sehingga terjadi efek yang positif pada pembangunan
perekonomian dalam negeri. Peningkatan pada pembangunan ekonomi tentunya
akan meningkatkan output nasional, dan peningkatan output tentunya akan
mendorong pertumbuhan ekonomi (Mankiw, 2000).
Sumber : (Mankiw, 2000)
Gambar 2.1. Model Solow
2.7. Penelitian Sebelumnya
Menurut penelitian yang dilakukan Levine dan Zervos (1998), menyatakan
bahwa ada hubungan positif dan korelasi yang signifikan antara pengembangan
k2 k1
Investasi & Penyusutan
Modal per Pekerja, k
Penyusutan, δδδδk
Output, f(k)
Investasi, s2f(k)
Investasi, s1f(k)
41
pasar saham dan pertumbuhan ekonomi jangka panjang, bagaimanapun juga
penelitiannya melalui pendekatan cross-section dan memiliki keterbatasan secara
empiris dalam menangkap efek yang spesifik dari suatu negara. Penelitian yang
dilakukan Goldsmith (1969), McKinnon (1973), Shaw (1973) menunjukkan
bahwa intermediasi finansial baik melalui lembaga keuangan (bank) ataupun pasar
saham berkorelasi dengan performa ekonomi.
Menurut Levine (1991), bahwa terdapat hubungan atau korelasi yang
positif antara pasar saham dengan investasi aset riil, karena peningkatan likuiditas
saham akan meningkatkan minat investor untuk menanamkan dananya di pasar
saham, hal ini akan memotivasi perusahaan-perusahaan untuk go-public dan pada
akhirnya akan meningkatkan investasi pada barang-barang modal. Menurut Smith
(1991), bahwa terdapat hubungan yang negatif antara likuiditas di pasar saham
dengan proporsi tabungan (propensity to save). Semakin menariknya pasar saham
karena likuiditas yang semakin meningkat akan membuat para pemilik dana lebih
memilih untuk menginvestasikan dananya di pasar saham dibandingkan dengan
menyimpan dana tersebut dalam bentuk tabungan atau deposito di bank. Selain itu
terdiversifikasinya resiko di pasar saham juga mempunyai efek yang buruk pada
tabungan domestik.
Greenwood dan Smith (1996), dalam penelitiannya juga mengatakan
bahwa pasar saham memperkecil biaya dari mobilisasi saving (tabungan atau
dana) dan pengalokasian investasi pada sektor yang secara teknologi paling
produktif. Selain itu Obstfeld (1994), menyatakan bahwa pembagian resiko secara
internasional melalui pasar saham internasional yang terintegrasi dapat
meningkatkan alokasi sumber daya dan mempercepat pertumbuhan. Bencivenga,
42
et. Al (1996) dan Levine(1991) telah menyatakan bahwa likuiditas pasar saham
(kemampuan untuk bertransaksi lebih mudah khususnya dalam pencairan saham)
merupakan salah satu kunci pertumbuhan ekonomi. Walaupun investasi yang
menguntungkan membutuhkan komitmen modal jangka panjang tetapi pemilik
modal (dana) lebih menyukai untuk tidak berinvestasi untuk periode yang lama.
Pasar modal yang memiliki likuiditas tinggi mempermudah investor karena
menyediakan aset yang mudah untuk dicairkan kapan saja, sementara itu secara
bersamaan memberikan akses permanen pada modal yang meningkat atas
penjualan saham tersebut. Likuiditas juga meningkatkan insentif bagi investor
dalam hubungannya untuk memperoleh informasi pada perusahaan dan
meningkatkan kinerja manajemen perusahaan dengan demikian pertumbuhan
ekonomi dapat meningkat.
Menurut Hicks (1969), penemuan teknologi baru tidak meningkatkan
revolusi industri di Inggris pada abad ke-18. Sebagian besar inovasi yang terdapat
pada awal tahap revolusi industri telah ditemukan jauh sebelumnya. Sehingga
pasar finansial yang memiliki likuiditas yang tinggi memiliki kemungkinan
kemampuan untuk mengembangkan proyek yang memerlukan suntikan modal
yang besar untuk waktu yang lama sebelum proyek tersebut menghasilkan laba.
Tanpa pasar modal yang liquid, pemilik dana akan tidak memiliki minat untuk
berinvestasi pada proyek besar jangka panjang yang merupakan faktor penentu
revolusi industri dan percepatan pertumbuhan ekonomi. Bencivenga, et.al (1996)
mengatakan bahwa keberhasilan revolusi industri harus menunggu tercapainya
revolusi finansial. Peran likuiditas pasar saham dalam meningkatkan asimetris
43
informasi menciptakan suatu masalah free-rider yang mengurangi insentif bagi
investor untuk melakukan pengamatan yang mahal.
Kunt dan Levine (1996), melakukan penelitian tentang pengaruh dari
likuiditas pada pasar saham terhadap pertumbuhan ekonomi. Hasil yang didapat
ialah bahwa peningkatan likuiditas dari saham akan menghambat tingkat
pertumbuhan melalui tiga cara, yaitu :
1. Mengurangi tingkat tabungan melalui pendapatan dan efek substitusi,
2. Dengan mengurangi ketidakpastian yang berhubungan dengan investasi maka
pasar saham yang memiliki likuiditas tinggi akan mengurangi tingkat
tabungan karena lebih besarnya ketidakpastian pada tabungan,
3. Likuiditas yang tinggi pada pasar saham akan meningkatkan investor teknikal
yang akan mengurangi kinerja perusahaan yang akan mengurangi
pertumbuhan ekonomi.
Jensen dan Murphy (1990), mengatakan bahwa pada pasar saham yang
sempurna (berkembang baik) akan mengikat para manajer pada tanggung jawab
kompensasi atas saham sehingga menghasilkan suatu perangsang untuk
terciptanya alokasi sumberdaya yang efisien sehingga akan berdampak positif
pada pertumbuhan ekonomi. Penelitian lain yg dilakukan oleh Levine, Loayza,
dan Beck, bertujuan untuk melihat kausalitas dan menampilkan fakta mengenai
penentu perkembangan sektor keuangan dan pengaruhnya terhadap
perekonomian. Teknik yang digunakan adalah regresi dengan menggunakan data
cross sectional 71 negara pada periode analisis 1960-1995. Selain itu,
Nieuwerburgh, Buelens, dan Cuyvers (2005) melakukan penelitian yang bertujuan
untuk melihat hubungan jangka panjang antara pertumbuhan pasar finansial
44
terhadap pertumbuhan ekonomi Belgia. Data yang digunakan merupakan data
indikator pasar modal sebagai pendekatan dari pasar finansial agar dapat melihat
dampak dari pasar finansial tersebut terhadap perekonomian. Mereka menemukan
bukti yang kuat bahwa perkembangan pasar modal berpengaruh terhadap
perekonomian Belgia, khususnya untuk periode antara 1873-1914.
2.8. Kerangka Pemikiran
Alur pemikiran penelitian dapat dijelaskan oleh diagram alur sebagai
berikut,
Ket : ( ), tidak dibahas dalam penelitian ini
Gambar 2.2. Kerangka Pemikiran Penelitian
Perkembangan pasar modal dipengaruhi oleh beberapa indikator pasar
modal seperti nilai kapitalisasi, nilai saham yang ditransaksikan, dan indeks harga
45
saham. Perubahan dari variabel-variabel tersebut akan berpengaruh pada stabilitas
perekonomian maupun stabilitas politik dan keamanan Indonesia yang
merefleksikan tingkat kepercayaan pelaku ekonomi terhadap kondisi domestik.
Perkembangan pasar modal akan berpengaruh pada indikator-indikator
makroekonomi seperti nilai tukar riil, investasi riil, tingkat inflasi, dan juga
pertumbuhan ekonomi yang diukur berdasarkan produk domestik bruto riil. Pada
perekonomian yang terbuka, perkembangan pasar modal yang positif akan
direspon oleh investor asing dengan pembelian efek atau saham di bursa sehingga
terjadi capital inflow yang membawa nilai tukar pada tahap apresiasi, begitupun
sebaliknya. Selain itu perkembangan pasar modal yang meningkat akan membawa
perusahaan-perusahaan permodalan yang lebih kuat karena dana yang terhimpun
untuk kebutuhan investasi meningkat sehingga pengembangan usaha melalui
investasi pada sektor-sektor yang lebih luas dapat meningkat dan hal ini
mengindikasikan peningkatan investasi riil. Sebaliknya jika tingkat perkembangan
pasar modal tergolong rendah maka akan menurunkan tingkat investasi riil.
Peningkatan investasi riil sangat diperlukan dalam usaha meningkatkan output
nasional dan mengurangi tingkat pengangguran melalui pembukaan lapangan
kerja yang lebih luas.
Perkembangan pasar modal juga diperlukan dalam mengurangi tingkat
inflasi karena perkembangan pasar modal mengindikasikan perekonomian yang
berada pada kondisi derived supply, sehingga bersifat anti-inflatoir.
Perkembangan pasar modal yang tinggi akan membawa perekonomian pada
surplus neraca pembayaran karena tingkat aliran dana yang berasal dari luar
negeri lebih cepat dibandingkan tingkat aliran barang, sehingga terjadi balance of
46
payment surplus. Pada akhirnya perubahan nilai tukar, investasi riil, tingkat
inflasi, dan neraca pembayaran akan berpengaruh pada pertumbuhan ekonomi dan
menghasilkan trickle down-effect yang bermuara pada perbaikan tingkat
kesejahteraan masyarakat secara keseluruhan.
2.9. Hipotesis
Penelitian mengenai Analisis Pengaruh Perkembangan Pasar Modal
Terhadap Pertumbuhan Ekonomi di Indonesia memiliki hipotesis-hipotesis yang
ingin dijawab pada penelitian ini, yaitu :
1. Investasi riil memiliki hubungan positif yang signifikan terhadap pertumbuhan
ekonomi Indonesia karena investasi mempunyai hubungan langsung terhadap
pembentukan pendapatan nasional Indonesia.
2. Tingkat kapitalisasi pasar saham memiliki hubungan positif yang signifikan
terhadap investasi riil dan pertumbuhan ekonomi Indonesia. Kapitalisasi
saham dapat mengindikasikan adanya peningkatan jumlah saham maupun
jumlah emiten yang berarti adanya aliran dana segar bagi investasi pada
emiten-emiten tersebut yang secara agregat dapat mempengaruhi terhadap
pertumbuhan ekonomi.
3. Nilai saham yang diperdagangkan memiliki hubungan positif yang signifikan
terhadap investasi riil terhadap pertumbuhan ekonomi Indonesia. Perubahan
nilai saham yang diperdagangkan mencerminkan likuiditas pasar saham,
semakin besar likuiditas pasar saham akan meningkatkan ketertarikan investor
terhadap pasar saham sehingga meningkatkan kinerja bursa, investasi dan
pendapatan nasional.
47
4. Indeks Harga Saham Gabungan (IHSG) memiliki hubungan yang positif dan
signifikan terhadap investasi riil dan pertumbuhan ekonomi Indonesia. IHSG
sebagai lead indicator mengindikasikan stabilitas perekonomian suatu negara
dan optimisme terhadap kondisi ekonomi, yang akan membawa pada
peningkatan investasi baik secara langsung maupun pada portofolio saham
sehingga pertumbuhan ekonomi dapat meningkat.
48
III. METODOLOGI PENELITIAN
3.1. Jenis dan Sumber data
Jenis data yang digunakan dalam penelitian merupakan data sekunder
berupa data time series dari bulan Januari 1999 sampai dengan Desember 2006
yang diperoleh dari berbagai sumber, antara lain data-data statistik yang berasal
dari Bursa Efek Jakarta (BEJ) dan Bank Indonesia (BI). Data yang digunakan
adalah produk domestik bruto riil (PDBR) yang merefleksikan pertumbuhan
ekonomi, investasi riil (INVR) yang merefleksikan tingkat akumulasi kapital,
kapitalisasi pasar saham (KAP) yang merefleksikan ukuran pasar saham, nilai
saham yang diperdagangkan (NSP) yang merefleksikan likuiditas dari pasar
saham, indeks harga saham (IHSG) yang merefleksikan perubahan harga saham
secara umum dan nilai tukar riil (RER).
Tabel 3.1. Data, Satuan, Simbol dan Sumber Data
No Jenis Data Satuan Simbol Sumber
1 Produk Domestik Bruto Riil Miliar Rupiah GDPR BI
2 Investasi Riil Miliar Rupiah INVR BI
3 Nilai Kapitalisasi Pasar Saham Miliar Rupiah KAP BEJ
4 Nilai Saham yang Diperdagangkan Miliar Rupiah NSP BEJ
5 Indeks Harga Saham - IHSG BEJ
6 Nilai Tukar Riil Rp/USD RER BI Sumber : BI dan BEJ (2007) berdasarkan tahun dasar 2000 Catatan : Data PDBR, INVR, dan RER yang digunakan telah mengalami proses disagregasi
(interpolasi) dalam mengakomodir fluktuasi pasar modal yang tergolong cepat.
3.2. Metode Pengolahan dan Analisis Data
Penelitian ini akan menggunakan alat analisis Vector Autoregression
(VAR) jika data yang digunakan stasioner dan tidak terkointegrasi atau dengan
menggunakan alat analisis Vector Error Correction Model (VECM) jika data
yang digunakan stasioner namun terkointegrasi.
49
Vector Autoregression (VAR) adalah salah satu bentuk model
ekonometrika yang menjadikan suatu peubah sebagai fungsi linier dari konstanta
dan lag dari peubah itu sendiri serta nilai lag dari peubah lain yang terdapat dalam
suatu sistem persamaan tertentu.
Keunggulan metode VAR dibandingkan dengan metode ekonometri
konvensional ialah :
1. Mengembangkan model secara bersamaan di dalam suatu sistem yang
kompleks (multivariat), sehingga dapat menangkap hubungan keseluruhan
variabel di dalam persamaan itu.
2. Uji VAR yang multivariat bisa menghindari parameter yang bias akibat tidak
dimasukkannya variabel yang relevan.
3. Uji VAR dapat mendeteksi hubungan antar variabel di dalam sistem
persamaan, dengan menjadikan seluruh variabel sebagai endogenous.
4. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan
teori ekonomi yang sering muncul termasuk gejala perbedaan palsu (spurious
variable endogenty and exogenty) di dalam model ekonometri konvensional
terutama pada persamaan simultan, sehingga menghindari penafsiran yang
salah.
Namun model VAR juga memiliki banyak kritik sehingga terdapat
beberapa kelemahan. Menurut Gujarati (2003), kelemahan VAR antara lain:
1. Model VAR lebih bersifat teoritik karena tidak memanfaatkan informasi dari
teori-teori terdahulu;
2. Karena lebih menitikberatkan pada peramalan (forecasting), maka model
VAR dianggap tidak sesuai untuk implikasi kebijakan;
50
3. Tantangan terberat dalam VAR adalah pemilihan panjang lag yang tepat;
4. Semua variabel yang digunakan dalam model VAR harus stasioner;
5. Koefisien dalam estimasi VAR sulit untuk diinterpretasikan.
Metode yang digunakan untuk menganalisis data dalam penelitian ini
adalah metode analisis Vector Autoregression (VAR) yang dikombinasikan
dengan metode Vector Error Correction Model (VECM) dengan alat analisis
software e-views 4 dan microsoft excel. Metode VAR digunakan dalam penelitian
karena sesuai untuk data time series dan sesuai untuk menjawab permasalahan
yang telah dirumuskan di atas dan metode VECM digunakan untuk melihat
dampak jangka panjang dan jangka pendek. Tahapan-tahapan dalam analisis VAR
sebagai berikut:
3.2.1. Uji Stasioneritas
Uji stasioneritas sangat penting dalam analisis time series. Pengujian
stasioneritas ini dilakukan dengan menguji akar-akar unit atau unit root test. Data
yang tidak stasioner akan mempunyai akar-akar unit, sebaliknya data yang
stasioner tidak ada akar-akar unit. Data yang tidak stasioner akan menghasilkan
regresi lancung (spurious regression) yaitu regresi yang menggambarkan
hubungan dua variabel atau lebih yang nampaknya signifikan secara statistik
padahal kenyataannya tidak atau tidak sebesar regresi yang dihasilkan tersebut
(Laksani, 2004).
Cara yang dapat digunakan untuk mengetahui kestasioneran data adalah
pengujian akar-akar unit dengan metode Dickey-Fuller (DF). Misalkan model
persamaan time series sebagai berikut: yt = 1−tyρ + tε . Dengan mengurangkan
kedua sisi persamaan tersebut dengan yt-1 maka akan didapat persamaan:
51
∆yt = δ yt-1 + εt (3.1)
dimana ∆ merupakan perbedaan pertama (first difference), dan δ = ( ρ -1),
sehingga hipotesis yang diuji adalah: H0::δ = 0 dan hipotesis alternatif H0: δ < 0.
Model pengujian unit root yang digunakan dalam banyak penelitian adalah
model Aughmented Dickey Fuller (ADF) test. Model umum dari ADF adalah
sebagai berikut:
∆yt = k + αyt-1 + c1∆yt-1 + c2∆yt-2 + ..... + cp∆yt-p + Trend + εt (3.2)
Hipotesis yang diuji pada uji ADF adalah apakah H0::δ = 0 dengan
hipotesis alternatif H0: δ < 0. Jika nilai ADF statistiknya lebih kecil dari Mac
Kinnon Critical Value maka hipotesis nol yang menyatakan bahwa data tidak
stasioner ditolak terhadap hipotesis alternatifnya dengan kata lain dengan menolak
H0 berarti data stasioner. Solusi yang dapat dilakukan apabila data tidak stasioner
pada uji ADF adalah dengan melakukan difference non stasionary processes.
Test tersebut dilakukan untuk meningkatkan akurasi dari analisis apabila
data yang diamati stasioner. Test ini hanya merupakan pelengkap dari analisis
VAR, karena tujuan dari analisis VAR adalah untuk menilai adanya hubungan
timbal balik di antara variabel yang diamati.
3.2.2. Model Umum Vector Autoregression (VAR)
VAR dengan ordo p dengan peubah n buah peubah tak bebas pada waktu
ke-t dapat dimodelkan sebagai berikut:
yt = A0 + A1yt-1 + A2yt-2 + ... + Apyt-p + ε t (3.3)
dimana: yt = vektor peubah tak bebas (yt.1, yt.2, ..., yn.t),
A0 = vektor intersep berukuran n x 1,
A1 = matrik parameter berukuran,
ε t = vektor sisaan (ε 1.t, ε 2.t,..., ε n.t).
52
3.2.3. Penentuan Lag Optimal
Uji lag optimal dilakukan untuk mengetahui berapa jumlah lag yang
sesuai untuk diamati. Penetapan tingkat lag yang optimal dapat dilakukan dengan
menggunakan fungsi kriteria informasi (information criterion) sebagai berikut: (a)
Kriteria uji Likelihood Ratio (LR); (b) Final Prediction Criterion (FPE); (c)
Akaike Information Criterion (AIC); (d) Schwarz Information Criterion (SIC);
dan (e) Hannan-Quinn Criterion.
Penentuan lag optimal dalam analisis VAR sangat penting dilakukan karena dari
variabel endogen dalam sistem persamaan akan digunakan sebagai variabel
eksogen (Enders, 2004). Pengujian panjang lag optimal ini sangat berguna untuk
menghilangkan masalah autokorelasi dalam sistem VAR. Penelitian ini
menggunakan Schwarz Information Criterion (SIC) untuk menentukan lag
optimal. Model VAR diestimasi dengan tingkat lag yang berbeda-beda kemudian
dibandingkan nilai SIC-nya. Nilai SIC yang terkecil dipakai sebagai patokan nilai
lag yang optimal.
3.2.4. Uji Kointegrasi
Metode kointegrasi yang dapat digunakan diantaranya metode kointegrasi
Engle-Granger dan metode kointegrasi Johansen. Dalam penelitian ini digunakan
metode kointegrasi Johansen untuk memperoleh hubungan jangka panjang antara
variabel-variabel dalam model. Metode kointegrasi Johansen digunakan karena
dalam penelitian ini menggunakan metode analisis VAR. Metode kointegrasi
Johansen ini berbeda dengan metode Engle-Granger yang biasanya digunakan
untuk satu persamaan saja.
53
3.2.5. Vector Error Correction Model (VECM)
Model VECM digunakan jika dalam persamaan terdapat kointegrasi antar
variabel atau rank kointegrasi (r) lebih dari nol. Model VECM ordo p dan rank r
dituliskan sebagai:
(3.4)
dimana: π = αβ,
β = vektor kointegrasi berukuran rx1,
α = vektor adjustment berukuran rx1,
3.2.6. Innovation Accounting
Test ini dilakukan untuk menguji struktur dinamis dari sistem variabel
dalam model yang diamati yang dicerminkan oleh variabel inovasi (innovation
variable). Test ini terdiri dari The Impulse Response Function (IRF) dan The
Cholesky Decomposition (The Variance Decomposition).
Impulse Response Function (IRF) adalah metode yang digunakan untuk
melihat bagaimana respon suatu variabel endogen terhadap guncangan (shock)
varabel tertentu. Selain itu, IRF juga digunakan untuk mengetahui shock dari satu
variabel terhadap variabel yang lain dan berapa lama pengaruh tersebut terjadi.
Sebagai ilustrasi, dengan menggunakan fungsi VAR dua variabel yang
dikemukakan oleh Sims dalam Enders (2004) sebagai berikut:
(3.5)
tt
p
i
itt yyAy εφπ +∆++=∆ −
−
=
− ∑ 1
1
1
*
10
∑+=
−=p
ij
ji A1
* .φ
+
=
−
−∞
=
∑it
it
i
it
t
e
e
aa
aa
z
y
z
y
2
1
2221
1211
0
54
persamaan 3.6 merupakan persamaan persamaan VAR dengan dua variabel.
Persamaan tersebut menunjukkan bahwa yt dan zt adalah istilah untuk {e1t} dan
{e2t}. Berdasarkan model Sims, vektor dari error dapat dituliskan sebagai berikut:
(3.6)
Sehingga persamaan 3.6 dan 3.7 dapat dikombinasikan sebagai berikut:
(3.7)
Matriks di atas dapat disederhanakan dengan mendefinisikan matriks ordo 2.2 dengan elemen , sehingga: (3.8)
karena persamaan 3.6 dan 3.7 dapat ditulis dengan istilah {e1t} dan {e2t}, naka:
(3.9)
atau secara ringkas dapat ditulis sebagai berikut:
(3.10)
Koefisien dapat digunakan untuk mengeneralisasi pengaruh guncangan (shock)
terhadap perubahan {yt} dan {zt} secara keseluruhan.
IRF dalam penelitian ini untuk mengetahui respon dinamik variabel GDPR
terhadap variabel guncangan variabel investasi riil (INVR), kapitalisasi saham
(KAP), indeks harga saham gabungan (IHSG), nilai saham yang diperdagangkan
(NSP), dan nilai tukar riil (RER). Selain itu, IRF bertujuan untuk mengisolasi
suatu guncangan agar lebih spesifik artinya variabel ekonomi hanya dipengaruhi
−
−
−=
zt
yt
t
t
b
b
bbe
e
ε
ε
1
1
1
1
21
21
21122
1
−
−
−+
=
−
−∞
=
∑izt
iyt
i
it
t
t
t
b
b
aa
aa
bbz
y
z
y
ε
ε
1
1
1
1
21
12
2221
1211
02112
( )ijkφ
−
−
−=
1
1
1 21
12
2112
1
b
b
bb
Ai
φ
( ) ( )( ) ( )
+
=
−
−∞
=
∑izt
iyt
it
t
ii
ii
z
y
z
y
ε
ε
φφ
φφ
0 2221
1211
∑∞
=
−+=0i
ititx εφµ
iφ
iφ
ztyt εε ,
55
oleh shock atau guncangan tertentu saja. Apabila hal tersebut tidak dilakukan
maka shock spesifik tersebut tidak dapat diketahui dan yang dapat diketahui
adalah shock secara umum.
3.3.6. The Cholensky Decomposition
The Cholensky Decomposition atau biasa disebut dengan Forecast Error
Variance Decomposition (FEVD) dapat memberikan informasi mengenai variabel
inovasi yang relatif lebih penting dalam VAR. Tes ini dilakukan untuk
memberikan informasi mengenai bagaimana hubungan dinamis antara variabel
yang di analisis. Selain itu, FEVD ini dilakukan untuk melihat seberapa besar
pengaruh acak guncangan (random shock) dari variabel tertentu terhadap variabel
endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-
masing inovasi acak (random innovation structural disturbance) atau seberapa
kuat komposisi dari peranan variabel tertentu terhadap lainnya.
Berdasarkan Sims dalam Enders (2004), dengan menggunakan persamaan
3.11 untuk meramalkan (forecast) xt+1, maka one step forecast error dapat ditulis:
(3.11)
Jadi , forecast error untuk periode ke-n adalah:
(3.12)
dengan hanya semata-mata fokus pada {yt}, maka n-step-ahead forecast error
adalah:
(3.13)
dengan menotasikan n-step-ahead forecast error variance dari yt+n sebagai
int
i
intx −+
∞
=
+ ∑+= εφµ0
nttnt xEx ++ −
int
n
i
inttnt xEx −+
−
=
++ ∑=− εφ1
0
( ) ( ) ( )
( ) ( ) ( ) 11211212
11111111
1...10
1...10
+−++
+−++++
−++++
−+++=−
ztnztnzt
ytaytnytnttnt
n
nyEy
εφεφεφ
εφεφεφ
( )2nyσ
56
maka:
(3.14)
proporsi dari terhadap shock dapat dilihat pada persamaan
berikut:
(3.15)
(3.16)
Peramalan Error Variance Decomposition dalam penelitian ini untuk
melihat seberapa besar inovasi dari variabel investasi riil (INVR), kapitalisasi
pasar saham (KAP), nilai saham yang diperdagangkan (NSP), indeks harga saham
(IHSG), dan nilai tukar riil (RER) dalam menjelaskan produk domestik bruto riil
(GDPR) sebagai variabel endogen. Dengan demikian, dari peramalan ini dapat
diketahui peran relatif setiap shock dalam menjelaskan suatu variabel
makroekonomi yang yang berkaitan dengan pertumbuhan ekonomi.
3. 3. Model Penelitian
Model VAR adalah sebuah model yang memperkecil model struktural
yang tidak teridentifikasi atau unidentified dan dapat memberikan informasi
tentang perilaku dinamis dari kegiatan ekonomi (Woglom, 2000).
Pasar saham Indonesia merupakan pasar yang masih tergolong kecil, maka
diperlukan suatu analisis yang seksama dalam menentukan pengaruhnya terhadap
( ) ( ) ( ) ( )[ ]( ) ( ) ( )[ ]2
12
2
12
2
12
2
2
11
2
11
2
11
22
1...10
1...10
−+++
+−+++=
n
nn
z
yy
φφφσ
φφφσσ
( ) ( ) ( )[ ]( )2
2
11
2
11
2
11
2 1...10
n
n
y
y
σ
φφφσ −+++
( ) ( ) ( )[ ]( )2
2
12
2
12
2
12
2 1...10
n
n
y
z
σ
φφφσ −+++
( )2nyσ ztyt εε ,
57
pertumbuhan ekonomi. Penelitian ini akan menggunakan variabel produk
domestik bruto riil (GDPR), investasi riil (INVR), kapitalisasi pasar saham
(KAP), indeks harga saham gabungan (IHSG), nilai saham yang diperdagangkan
(NSP), dan nilai tukar riil (RER). Dengan demikian, model penelitian ini adalah:
rer
nsp
ihsg
kap
invr
gdpr
ln_
ln_
ln_
ln_
ln_
ln_
=
0
0
0
0
0
0
f
e
d
c
b
a
+
666564636261
565554535251
464544434241
363534333231
262524232221
161514131211
aaaaaa
aaaaaa
aaaaaa
aaaaaa
aaaaaa
aaaaaa
−
−
−
−
−
−
it
it
it
it
it
it
rer
nsp
ihsg
kap
invr
gdpr
ln_
ln_
ln_
ln_
ln_
ln_
+
t
t
t
t
t
t
e
e
e
e
e
e
6
5
4
3
2
1
dimana, GDPR = produk domestik riil bruto (miliar Rp)
INVR = investasi riil (miliar Rp)
KAP = Kapitalisasi Pasar Saham (miliar Rp)
IHSG = Indeks Harga Saham Gabungan
NSP = Nilai saham yang diperdagangkan (miliar Rp)
RER = Nilai tukar Riil (Rp/US$)
Untuk melihat seberapa pentingnya variabel VAR tersebut dalam ekonomi
dapat diukur dari jumlah koefisien estimasi, yang dilihat dari FEVD dan IRF. Dari
hasil analisis model VAR diatas akan dapat disimpulkan variabel pasar modal
apakah yang paling mempengaruhi pertumbuhan ekonomi berdasarkan hasil
signifikansi, hasil impulse response, dan hasil variance decomposition.
58
IV. HASIL DAN PEMBAHASAN
4.1. Hasil Estimasi VAR
4.1.1. Unit Root Test (Pengujian Akar-Akar Unit)
Pengujian akar-akar unit dilakukan untuk menganalisis apakah suatu
variabel stasioner atau tidak stasioner. Pengujian akar-akar unit ini dilakukan
terhadap semua variabel yang digunakan dalam analisis Vector Autoregression
(VAR). Hal ini berarti bahwa data yang digunakan dalam penelitian harus bersifat
stasioner memiliki ragam yang tidak terlalu besar dan mempunyai kecenderungan
untuk mendekati rata-ratanya.
Uji kestasioneran data merupakan tahap yang paling penting dalam
menganalisis data time series untuk melihat ada tidaknya unit root yang
terkandung diantara variabel sehingga hubungan antar variabel dalam persamaan
menjadi valid. Pengujian akar unit variabel dalam model penelitian didasarkan
pada Aughmented Dickey Fuller (ADF) test pada tingkat level. Hasil Pengujian
dapat dilihat pada tabel 4.1.
Tabel 4.1. Hasil Pengujian Akar Unit pada Level
Nilai Kritis Mc Kinnon Variabel
ADF
Statistic 1% 5% 10% Keterangan
LN_GDPR -1.916633 -3.506484 -2.894716 -2.584529 Tidak Stasioner
LN_INVR -0.683058 -3.504727 -2.893956 -2.584126 Tidak Stasioner
LN_KAP 1.742668 -3.505595 -2.894332 -2.584325 Tidak Stasioner
LN_IHSG 2.404226 -3.500669 -2.892200 -2.583192 Tidak Stasioner
LN_NSP -3.569023 -3.500669 -2.892200 -2.583192 Stasioner
LN_RER -1.242251 -3.505595 -2.894332 -2.584325 Tidak Stasioner Sumber: Lampiran 2
Hasil pengujian akar unit pada level menunjukkan bahwa semua variabel
kecuali nilai saham yang diperdagangkan (NSP) belum stasioner pada taraf nyata
59
yang digunakan yaitu 10%. Hal ini karena nilai ADF statistik lebih besar dari Mc
Kinnon Critical Value. Penelitian yang menggunakan data yang belum stasioner
ini akan menghasilkan regresi lancung (spurious regression) yaitu regresi yang
menggambarkan hubungan antara dua variabel atau lebih yang nampak signifikan
secara statistik tapi kenyataannya tidak atau tidak sebesar yang nampak dari
regresi yang dihasilkan tersebut sehingga dapat mengakibatkan misleading dalam
penelitian terhadap suatu fenomena ekonomi yang sedang terjadi. Oleh karena itu,
pengujian akar unit dilanjutkan dengan melakukan uji akar unit pada tingkat first
difference. Hasil pengujiannya dapat dilihat pada tabel 4.2.
Tabel 4.2. Hasil Pengujian Akar Unit Pada First Difference
Nilai Kritis Mc Kinnon Variabel
ADF
Statistic 1% 5% 10% Keterangan
LN_GDPR -6.475249 -4.063233 -3.460516 -3.156439 Stasioner
LN_INVR -3.435211 -4.066981 -3.462292 -3.157475 Stasioner
LN_KAP -4.318340 -4.066981 -3.462292 -3.157475 Stasioner
LN_IHSG -8.691806 -4.058619 -3.458326 -3.155161 Stasioner
LN_NSP -11.57156 -4.058619 -3.458326 -3.155161 Stasioner
LN_RER -4.477035 -4.066981 -3.462292 -3.157475 Stasioner Sumber: Lampiran 3
Pengujian akar unit pada tingkat first difference menunjukkan bahwa
semua data sudah stasioner. Hal ini terlihat dari nilai ADF statistik kurang dari Mc
Kinnon Critical Value pada taraf nyata yang digunakan yaitu 10%. Dengan
demikian, dapat dijelaskan bahwa seluruh variabel yang akan diestimasi dalam
penelitian ini telah stasioner pada derajat yang sama, yaitu pada derajat integrasi
satu I(1).
4.1.2. Penentuan Lag Optimum Menggunakan Schwarz Information Criteria
Penentuaan lag optimum sangat diperlukan karena variabel eksogen yang
digunakan tidak lain adalah lag dari variabel endogen dan juga variabel
60
eksogennya. Untuk menetapkan lag optimum digunakan nilai Schwarz
Information Criteria (SC) pada Tabel 4.3. diperoleh lag optimum adalah 2.
Tabel 4.3. Perhitungan Schwarz Information Criteria
Lag SC
0 -18.63611
1 -21.55921
2 -24.74418*
3 -24.37174
4 -23.22988
5 -22.93776
6 -21.94967
7 -21.04436
8 -20.29076
4.1.3. Kointegrasi
Keberadaan variabel yang tidak stasioner meningkatkan kemungkinan
adanya hubungan kointegrasi antar variabel. Untuk itu perlu dilakukan uji
kointegrasi untuk mengetahui ada tidaknya hubungan kointegrasi tersebut dan
memperoleh hubungan jangka panjang antar variabel pendapatan nasional riil,
investasi riil, kapitalisasi pasar saham, nilai saham yang diperdagangkan, indeks
harga saham, dan nilai tukar riil
Semua variabel stasioner pada derajat yang sama, yaitu derajat satu
(Lampiran 3). Oleh karena itu uji kointegrasi dapat dilakukan melalui uji
Johansen Cointegration Test dengan menggunakan panjang lag optimum 2. Tabel
4.4. menunjukkan hasil Johansen Cointegration Test yang digunakan untuk
mengetahui jumlah persamaan kointegrasi yang terdapat di dalam sistem. Jika
Trace Statistic > Critical Value maka persamaan tersebut terkointegrasi. Dengan
demikian H0 = non kointegrasi dengan hipotesis alternatifnya H1= kointegrasi.
61
Jika Trace Statistic > Critical Value maka kita tolak H0 atau terima H1 yang
artinya terjadi kointegrasi
Tabel 4.4. Johansen Cointegration Test
Hypothesized Eigenvalue Trace 5 Percent 1 Percent
No. of CE(s)
Statistic Critical
Value
Critical
Value
None ** 0.498592 142.3638 114.9 124.75
At most 1 0.2576 78.16256 87.31 96.58
At most 2 0.215982 50.46087 62.99 70.05
At most 3 0.133122 27.83181 42.44 48.45
At most 4 0.080994 14.54616 25.32 30.45 At most 5 0.069421 6.691181 12.25 16.26
Sumber : Lampiran 7 Catatan: **signifikan pada tingkat 5% dan 1% * signifikan pada tingkat 5%
E-views tidak dapat menampilkan hasil tes dengan taraf nyata 10% sehingga digunakan taraf nyata 5% khusus untuk uji kointegrasi Johansen
Hasil Uji Johansen Cointegration Test menunjukkan terdapat satu
persamaan kointegrasi (r =1) yaitu saat nilai Trace Statistic lebih besar daripada
nilai kritisnya. Diketahui r = 1 maka model yang digunakan ialah Vector Error
Correction Model (VECM).
4.2. Pengaruh Indikator Pasar Modal terhadap Pembentukan Investasi
Riil
Dari hasil estimasi VECM didapat hubungan jangka pendek dan jangka
panjang antara investasi riil (INVR) dengan produk domestik bruto riil (GDPR),
nilai kapitalisasi pasar saham (KAP), nilai saham yang diperdagangkan (NSP),
indeks harga saham gabungan (IHSG), dan nilai tukar riil (RER). Pada estimasi
ini yang menjadi variabel dependennya ialah investasi riil (INVR), sedangkan
yang menjadi variabel independennya ialah produk domestik bruto riil (GDPR),
nilai kapitalisasi pasar saham (KAP), nilai saham yang diperdagangkan (NSP),
indeks harga saham gabungan (IHSG), dan nilai tukar riil (RER).
62
Estimasi VECM dilakukan untuk melihat analisis jangka panjang dan
jangka pendek pengaruh variabel-variabel perkembangan pasar modal terhadap
tingkat pertumbuhan ekonomi dapat dilihat pada tabel 4.5.
Tabel 4.5. Hasil Estimasi VECM Persamaan Investasi Riil
Variabel Koefisien T-statistik
Jangka Pendek
D(LN_INVR(-1)) 1.504248 22.0315*
D(LN_INVR(-2)) -0.816812 -10.4349*
D(LN_GDPR(-1)) 0.142242 1.47560 D(LN_GDPR(-2)) 0.091813 0.94927
D(LN_KAP(-1)) -0.042981 -2.56228*
D(LN_KAP(-2)) 0.029408 1.91186* D(LN_IHSG(-1)) 0.000540 0.05672 D(LN_IHSG(-2)) -0.000864 -0.09143 D(LN_NSP(-1)) 0.000100 0.09941 D(LN_NSP(-2)) -0.000352 -0.36553 D(LN_RER(-1)) -0.022203 -1.32765 D(LN_RER(-2)) 0.005149 0.31241
C 0.000912 1.32327 CointEq1 -0.007301 -0.76684
Jangka Panjang
LN_GDPR(-1) -1.214709 -3.75713* LN_KAP(-1) -0.711030 -5.91840*
LN_IHSG(-1) 0.625667 4.90333* LN_NSP(-1) -0.059638 -5.82332* LN_RER(-1) 0.318556 3.08077*
@TREND(99:01) 0.016934 7.27354* C -29.00068 -
Sumber : Lampiran 9 Keterangan : * , Signifikan pada taraf 10 %
4.2.1. Hubungan Indikator Pasar Modal terhadap Investasi Riil pada Jangka
Pendek
Pada analisis jangka pendek untuk investasi riil (INVR), terdapat dugaan
parameter koreksi kesalahan persamaan kointegrasi pertama sebesar -0.007301
persen yang signifikan secara statistik. Investasi riil pada lag pertama secara
positif mempengaruhi investasi riil secara signifikan pada taraf 10 persen yaitu
sebesar 1.504248, yang artinya apabila terjadi kenaikan investasi riil pada lag
63
pertama sebesar 1 persen maka investasi riil akan meningkat sebesar 1.504248
persen. Hal ini sesuai dengan fakta yang terjadi bahwa investasi riil periode
sebelumnya menentukan optimisme pada investasi riil pada periode yang berjalan.
Selanjutnya, investasi riil pada lag kedua memiliki hubungan negatif terhadap
investasi riil pada periode berjalan yang secara statistik signifikan pada taraf nyata
10 persen sebesar -0.816812 yang berarti bahwa apabila terjadi kenaikan
pertumbuhan investasi riil pada lag kedua sebesar 1 persen maka investasi riil
pada periode yang berjalan akan mengalami penurunan sebesar 0.816812 persen.
Produk domestik bruto riil (GDPR) pada lag pertama memiliki hubungan
positif dengan investasi riil (INVR) yang tidak signifikan secara statistik pada
taraf nyata 10 persen yaitu sebesar 0.142242, yang artinya saat terjadi kenaikan
produk domestik bruto riil pada lag pertama sebesar 1 persen maka investasi riil
akan meningkat sebesar 0.142242 persen. Selanjutnya produk domestik bruto
(GDPR) pada lag kedua memiliki hubungan positif yang secara statistik juga tidak
signifikan pada taraf nyata 10 persen yaitu sebesar 0.091813, yang artinya saat
terjadi kenaikan PDB riil pada lag kedua sebesar 1 persen maka investasi riil akan
mengalami peningkatan sebesar 0.091813. Hal ini mengisyaratkan bahwa
peningkatan pertumbuhan ekonomi tidak serta merta membawa pada perbaikan
investasi di sektor riil. Banyak faktor yang menjadi pertimbangan dalam
melakukan investasi di sektor riil Indonesia seperti, tingkat suku bunga, kondisi
keamanan, undang-undang perburuhan, ketidakpastian, dan juga keruwetan
birokrasi yang menjadi penghambat utama. Selain itu struktur perekonomian
Indonesia yang masih lebih didominasi oleh sektor konsumsi menjadikan
64
pertambahan pendapatan nasional tidak serta merta membawa dampak yang besar
bagi perkembangan investasi.
Dari hasil estimasi jangka pendek VECM diketahui bahwa variabel
kapitalisasi pasar saham pada lag pertama memiliki hubungan negatif terhadap
investasi riil yang signifikan secara statistik pada taraf nyata 10 persen yaitu
sebesar -0.042981, yang artinya kenaikan kapitalisasi pasar saham pada lag
pertama sebesar 1 persen akan menyebabkan penurunan investasi riil sebesar
0.042981 persen. Hal ini terjadi karena dana segar yang meningkat pada
perusahaan belum bisa dimanfaatkan secara optimal oleh perusahaan untuk
sektor-sektor produktif. Hubungan yang negatif antara kapitalisasi pasar saham
terhadap investasi riil dapat disebabkan oleh pilihan investasi para pemilik dana.
Meningkatnya return pada pasar modal akan menyebabkan investor lebih memilih
menginvestasikan dananya pada pasar modal dibandingkan berinvestasi pada
sektor riil. Selain itu kualitas kapitalisasi pasar lebih didominasi oleh kenaikan
harga saham, dengan kata lain bukan karena penerbitan saham baru, yang
memang tidak berkaitan dengan kegiatan reinvestasi dan pendanaan ekspansi
korporasi.
Kapitalisasi pasar saham merupakan nilai saham pada harga
penutupannya, sehingga perubahan kapitalisasi pasar saham dapat disebabkan
oleh dua faktor yaitu perubahan jumlah saham yang ditawarkan, perubahan
jumlah emiten dan perubahan harga saham itu sendiri. Dominasi perubahan harga
saham terhadap kapitalisasi terlihat dari perubahan jumlah emiten, jumlah saham
yang terdaftar di Bursa Efek Jakarta yang lebih rendah dibandingkan perubahan
harga saham, yang berarti booming-nya pasar modal lebih banyak didorong
65
meningkatnya harga-harga saham. Perubahan jumlah emiten, lembar saham yang
ditawarkan, dan perubahan harga dapat dilihat pada Gambar 4.1.
-60
-40
-20
0
20
40
60
80
2000 2001 2002 2003 2004 2005 2006 2007
periode
% perubahan
Jumlah Emiten
Jumlah SahamIHSG
Sumber : Bursa Efek Jakarta
Gambar 4.1. Perubahan Jumlah Emiten, Jumlah saham yang ditawarkan, dan Perubahan Harga Saham 1999-2006 (dalam persentase)
Sedangkan kapitalisasi pasar saham pada lag kedua mempunyai hubungan
positif terhadap investasi riil yang secara statistik signifikan pada taraf nyata 10
persen yaitu sebesar 0.029408, yang artinya kenaikan kapitalisasi pasar saham
pada lag kedua sebesar 1 persen akan menyebabkan peningkatan investasi riil
sebesar 0.029408 persen. Hal ini menunjukkan bahwa semakin banyak perusahaan
yang go public dan menerbitkan saham baik IPO (Initial Public Offering) maupun
melalui penjualan saham kedua (right issue) maka semakin besar dan segar yang
diperoleh perusahaan-perusahaan yang menerbitkan saham, sehingga semakin
besar pula kemampuan mereka dalam melakukan investasi pada sektor riil.
Variabel indeks harga saham gabungan (IHSG) pada lag pertama memiliki
hubungan positif dan pada lag kedua memiliki hubungan negatif terhadap
investasi riil (INVR) pada jangka pendek namun tidak signifikan secara statistik
pada taraf nyata 10 persen yaitu sebesar 0.000540 dan -0.000864, yang artinya
66
apabila terjadi kenaikan indeks harga saham pada lag pertama sebesar 1 persen
maka investasi riil akan meningkat 0.000540 persen dan pada saat terjadi
kenaikan indeks harga saham pada lag kedua sebesar 1 persen maka investasi riil
akan menurun sebesar 0.000864. Indeks harga saham yang tidak signifikan
terhadap investasi riil di Indonesia disebabkan oleh peran pasar modal dan pasar
saham pada khususnya yang masih tergolong sangat kecil dalam sistem keuangan
Indonesia. Hampir sembilan puluh persen sistem keuangan didominasi oleh sektor
perbankan sehingga pengaruh indeks harga saham masih tergolong kecil apabila
dibandingkan pengaruh indikator-indikator perbankan terhadap pertumbuhan
ekonomi Indonesia.
Pada jangka pendek, nilai saham yang diperdagangkan (NSP) pada lag
pertama memiliki hubungan positif tehadap investasi riil yang tidak signifikan
secara statistik pada taraf nyata 10 persen yaitu sebesar 0.000100, yang artinya
kenaikan nilai saham yang diperdagangkan pada lag pertama sebesar 1 persen
akan mengakibatkan investasi riil mengalami peningkatan sebesar 0.000100
persen. Selain itu, nilai saham yang diperdagangkan pada lag kedua juga memiliki
hubungan negatif terhadap investasi riil yang tidak signifikan secara statistik pada
taraf nyata 10 persen yaitu sebesar -0.000352, yang artinya apabila terjadi
kenaikan nilai saham yang diperdagangkan pada lag kedua sebesar 1 persen maka
investasi riil akan mengalami penurunan sebesar 0.000352 persen. Hubungan
yang tidak signifikan antara nilai saham yang diperdagangkan dengan investasi
riil Indonesia disebabkan oleh karena aktivitas perdagangan pada pasar sekunder
tidak berpengaruh pada peningkatan dana investasi pada perusahaan seperti yang
terjadi pasar primer saham. Hal ini juga memperlihatkan bahwa likuiditas pasar
67
saham yang diindikasikan oleh aktivitas perdagangan saham pada pasar sekunder
tidak serta merta mendorong perusahaan-perusahaan untuk go-public, hal ini
dikarenakan biaya yang masih tinggi untuk ber-IPO, selain itu kemampuan
manajemen perusahaan untuk melakukan transparansi keuangan yang masih
tergolong rendah.
Pada jangka pendek, nilai tukar riil (RER) pada lag pertama memiliki
hubungan negatif terhadap investasi riil yang secara statistik tidak signifikan pada
taraf nyata 10 persen yaitu sebesar -0.022203, yang artinya ketika terjadi
peningkatan (depresiasi) nilai tukar riil pada lag pertama sebesar 1 persen maka
investasi riil akan mengalami penurunan sebesar 0.022203 persen. Depresiasi nilai
tukar riil mengindikasikan biaya yang lebih besar bagi perusahaan untuk
memenuhi kebutuhan alat-alat modal yang sebagian besar berasal dari luar negeri
sehingga investasi riil akan mengalami penurunan. Sedangkan nilai tukar riil pada
lag kedua memiliki hubungan positif terhadap investasi riil yang tidak signifikan
secara statistik pada taraf nyata 10 persen yaitu sebesar 0.005149, yang artinya
peningkatan nilai tukar riil pada lag kedua sebesar 1 persen akan mengakibatkan
investasi riil mengalami peningkatan sebesar 0.021091 persen. Hal ini disebabkan
oleh daya saing yang meningkat karena terdepresiasinya nilai tukar akan berimbas
pada penerimaan ekspor perusahaan, sehingga peningkatan penerimaan tersebut
akan dimanfaatkan perusahaan untuk berinvestasi.
4.2.2. Hubungan Indikator Pasar Modal terhadap Investasi Riil pada
Jangka Panjang
Pada estimasi jangka panjang terlihat bahwa variabel produk domestik
bruto riil pada lag pertama memiliki hubungan negatif terhadap investasi riil yang
signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 1.214709, yang
68
artinya peningkatan PDB riil pada lag pertama sebesar 1 persen akan
menyebabkan penurunan investasi riil pada jangka panjang sebesar 1.214709. Bila
struktur perekonomian Indonesia masih tetap didominasi oleh sektor konsumsi,
hal ini akan menyebabkan rendahnya akumulasi kapital dan berpengaruh buruk
pada perkembangan investasi di masa datang. Kemudian, variabel kapitalisasi
saham pada lag pertama juga memiliki hubungan negatif terhadap investasi riil
pada jangka panjang yang secara statistik signifikan pada taraf nyata 10 persen
yaitu sebesar -0.711030, yang artinya peningkatan kapitalisasi pasar saham pada
lag pertama sebesar 1 persen akan menyebabkan investasi riil pada jangka
panjang menurun sebesar 0.711030 persen. Hal ini mengindikasikan bahwa
dalam jangka panjang perubahan kapitalisasi pasar saham lebih didorong oleh
perubahan harga saham, bukan dipengaruhi oleh penerbitan saham baru baik IPO
maupun right issue sehingga tidak menghasilkan dampak positif pada investasi
riil. Indeks Harga Saham Gabungan (IHSG) pada lag pertama memiliki hubungan
positif terhadap investasi riil pada jangka panjang yang signifikan secara statistik
pada taraf nyata 10 persen yaitu sebesar 0.625667, yang artinya kenaikan indeks
harga saham gabungan sebesar 1 persen pada lag pertama akan mengakibatkan
investasi riil pada jangka panjang meningkat sebesar 0.625667 persen. Semakin
tinggi IHSG mengindikasikan semakin tingginya kepercayaan investor domestik
maupun investor asing terhadap perekonomian Indonesia. Tingginya kepercayaan
investor ini akan mengakibatkan meningkatnya PMDN (Penanaman Modal Dalam
Negeri) dan FDI (Foreign Direct Investment), sehingga investasi riil di Indonesia
akan mengalami peningkatan.
69
Variabel nilai saham yang diperdagangkan (NSP) pada lag pertama
memiliki hubungan negatif terhadap investasi riil pada jangka panjang yang
signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.059638, yang
artinya apabila terjadi kenaikan nilai saham yang diperdagangkan pada lag
pertama sebesar 1 persen maka investasi riil akan mengalami penurunan sebesar
0.059638 persen. Nilai saham yang diperdagangkan merupakan suatu indikator
yang menunjukkan tingkat likuiditas pada pasar saham. Semakin likuidnya pasar
saham akan mengindikasikan semakin atraktifnya investasi portofolio saham dan
selanjutnya menyebabkan investor baik asing maupun domestik lebih memilih
investasi portofolio yang dinilai lebih menguntungkan dan beresiko rendah. Hal
ini akan berdampak pada penurunan investasi riil di sektor usaha. Investor lebih
memilih untuk menginvestasikan dananya pada pasar saham dibandingkan
investasi langsung pada sektor usaha. Ketidakpastian yang bersumber dari
birokrasi yang rumit, law enforcement yang tidak berjalan dan infrastruktur yang
kurang baik menjadi faktor yang paling menentukan keputusan investor untuk
tidak berinvestasi di sektor usaha (riil) ditengah geliat pasar modal yang semakin
likuid dan menjanjikan return yang relatif lebih tinggi dalam waktu yang relatif
lebih singkat.
Variabel nilai tukar riil pada lag pertama memiliki hubungan yang positif
terhadap investasi riil jangka panjang yang signifikan secara statistik pada taraf
nyata 10 persen yaitu sebesar 0.318556, yang artinya pada saat terjadi kenaikan
nilai tukar riil (depresiasi) pada lag pertama sebesar 1 persen maka investasi riil
akan mengalami peningkatan sebesar 0.318556 persen. Hasil estimasi tersebut
sesuai dengan teori ekonomi dimana terdepresiasinya nilai tukar domestik akan
70
menyebabkan meningkatnya daya saing produk-produk domestik di pasar
internasional sehingga terjadi peningkatan nilai ekspor dan meningkatnya
penerimaan perusahaan-perusahaan domestik, sehingga keuntungan ini akan
mendorong perusahaan untuk berekspansi dan meningkatkan investasinya pada
sektor usaha yang menguntungkan sehingga investasi riil secara agregat
meningkat. Selain itu terdapat terdapat trend yang positif dari investasi riil yang
signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.016934.
4.2.3. Pengaruh Indikator Pasar Modal terhadap Investasi Riil (Analisis
Variance Decomposition dan Impulse Response Function)
Pengaruh perkembangan pasar modal terhadap pertumbuhan ekonomi juga
dapat dilihat melalui analisis Variance Decomposition (VD). Analisis ini dapat
menjelaskan sejauh mana peranan suatu variabel ekonomi dalam menjelaskan
guncangan variabel ekonomi lainnya. Analisis Variance Decomposition (VD)
dapat pula dipakai untuk melihat kekuatan dan kelemahan dari masing-masing
variabel dalam mempengaruhi variabel lainnya dalam kurun waktu yang panjang.
Hasil VD menunjukkan varians INVR dan GDPR dominan mempengaruhi INVR,
dengan kata lain investasi riil itu sendiri dan pertumbuhan ekonomi memiliki
pengaruh yang paling besar terhadap investasi riil. Pada periode awal sampai
periode 10 varians INVR menurun hingga sebesar 73.08 persen pada periode 60.
Kemudian pengaruh varians INVR tersebut mengalami peningkatan sampai
dengan periode akhir. Varians INVR memiliki dominasi tertinggi dalam
mempengaruhi pertumbuhan ekonomi sampai dengan periode 60. Kemudian
varians produk domestik riil (GDPR) memiliki pengaruh terbesar kedua dalam
mempengaruhi investasi riil (INVR). Pada periode awal sampai dengan periode
10, varians GDPR mengalami peningkatan dalam mempengaruhi INVR yaitu
71
menjadi 20.69 persen pada periode 10. Untuk selanjutnya varians GDPR
mengalami penurunan dalam mempengaruhi INVR sampai dengan periode 60
yaitu sebesar 19.193 persen pada akhir periode. Varians kapitalisasi pasar saham
(KAP) pada periode awal relatif mengalami peningkatan hingga mencapai
2.861101 persen sampai dengan periode 11. Kemudian terjadi peningkatan
pengaruh varians kapitalisasi pasar (KAP) terhadap investasi riil (INVR)
berlangsung sampai dengan periode terakhir. Pada periode terakhir (periode 60)
varians kapitalisasi (KAP) berpengaruh terhadap investasi riil (INVR) sebesar
1.127 persen.
Varians indeks harga saham gabungan (IHSG) pada awal periode sampai
dengan periode 60 mengalami peningkatan dalam mempengaruhi investasi riil
(INVR). Pada periode 4 varians IHSG hanya mampu mempengaruhi 0.0916
persen, peningkatan pengaruh varians IHSG berlangsung sampai dengan periode
11 menjadi 0.577 persen. Selanjutnya terjadi penurunan pengaruh varians IHSG
terhadap investasi riil (INVR) hingga periode 60 yaitu sebesar 0.509 persen pada
akhir periode. Pengaruh varians nilai saham yang diperdagangkan (NSP) terhadap
investasi riil (INVR) mengalami peningkatan dari awal periode sampai dengan
periode 11, untuk kemudian mengalami penurunan sampai dengan akhir periode
(periode 60). Pada periode 4, pengaruh varians NSP mampu mempengaruhi INVR
sebesar 0.196 persen kemudian meningkat menjadi 0.577 persen pada periode 11
dan mengalami penurunan sampai dengan periode terakhir yaitu sebesar 0.093
persen pada periode 60. Pengaruh varians nilai tukar riil (RER) terhadap INVR
juga memiliki kecenderungan yang lebih berfluktuatif dibandingkan dengan
variabel-variabel sebelumnya. Pengaruh varians RER relatif mengalami
72
peningkatan pada periode awal periode sampai dengan periode 8, yaitu varians
RER mampu mempengaruhi INVR hingga sebesar 2.983 persen pada periode 8.
Setelah itu pengaruh varians RER mengalami fluktuasi sampai dengan akhir
periode observasi. Pengaruh varians RER terhadap INVR menjadi 2.662 persen
pada akhir periode (periode 60).
Dari hasil VD (Variance Decomposition) yang telah dibahas dapat diambil
suatu konklusi bahwa variabel yang paling mempengaruhi investasi riil (INVR)
sesuai dengan urutan pengaruh terbesar ialah INVR itu sendiri, GDPR, RER,
KAP, IHSG, dan NSP. Variabel pasar modal yang paling mempengaruhi
pertumbuhan ekonomi ialah kapitalisasi pasar saham (KAP). Kapitalisasi
terbentuk dari penerbitan saham baik IPO maupun right issue karena kebutuhan
likuiditas bagi perusahaan atau emiten untuk berekspansi termasuk pembelian
barang modal baru yang berpengaruh kepada keputusan investasi perusahaan yang
pada akhirnya secara agregat dapat meningkatkan investasi riil. Variabel IHSG
memiliki pengaruh yang relatif kecil terhadap GDPR, hal ini mengindikasikan
bahwa indeks harga saham sebagai lead indicator dalam perekonomian modern
belum dapat mempengaruhi investasi riil Indonesia secara langsung sehingga
dapat dikatakan bahwa pasar saham di Indonesia belum mencapai taraf well-
developed market. Sama halnya dengan IHSG, NSP secara langsung juga
memiliki pengaruh yang relatif kecil bagi investasi riil.
Hasil VD ini memberikan suatu pemahaman bahwa untuk kasus Indonesia
indikator perkembangan pasar saham belum memiliki pengaruh yang besar bagi
investasi riil di Indonesia. Jumlah emiten korporasi yang relatif sedikit dan hanya
sebagian kecil dari korporasi-korporasi yang ada di Indonesia menyebabkan
73
perkembangan pasar modal kurang memiliki pengaruh bagi investasi riil. Investasi
riil di Indonesia juga masih dipengaruhi oleh indikator lain di luar pasar modal
seperti indikator-indikator makroekonomi. Hasil VD dari persamaan investasi riil
dapat dilihat pada Tabel 4.6.
Tabel 4.6. Hasil Variance Decomposition (%) Persamaan Investasi Riil
Period S.E. LN_INVR LN_GDPR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.004844 100.000000 0.000000 0.000000 0.000000 0.000000 0.000000
4 0.033913 92.481300 4.741970 1.579914 0.091653 0.196064 0.909100
8 0.066463 75.258960 19.872180 1.370141 0.382007 0.132909 2.983807
10 0.075035 73.077130 20.696260 2.683731 0.573432 0.168081 2.801363
11 0.077884 73.265630 20.438310 2.861101 0.577033 0.160528 2.697400
15 0.085700 74.626520 19.527080 2.439491 0.536598 0.140194 2.730112
20 0.097638 75.510400 19.228270 1.986002 0.513637 0.134663 2.627026
25 0.109535 75.442780 19.462760 1.747938 0.521354 0.121670 2.703497
30 0.118550 75.768520 19.321240 1.595244 0.518410 0.114922 2.681657
35 0.127676 75.989660 19.271840 1.449259 0.513428 0.108557 2.667261
40 0.136191 76.070800 19.275860 1.362283 0.513308 0.104039 2.673707
45 0.143961 76.196470 19.237450 1.284434 0.512110 0.100837 2.668700
50 0.151503 76.286640 19.220340 1.220245 0.510442 0.097728 2.664604
55 0.158644 76.349090 19.209950 1.171262 0.510024 0.095509 2.664165
60 0.165452 76.413260 19.193920 1.127666 0.509160 0.093548 2.662446
Sumber : Lampiran 10
Selain analisis Variance Decomposition, ada analisis lain yang dapat
menunjukkan pengaruh masing-masing variabel terhadap investasi riil Indonesia
yaitu analisis Impulse Response Function. Analisis ini menunjukkan respon
dinamis jangka panjang setiap variabel apabila ada suatu shock (guncangan)
tertentu sebesar satu standar deviasi pada setiap persamaan.
Hasil IRF menunjukkan bahwa pengaruh inovasi (guncangan) dari GDPR
terhadap INVR pada awal periode mengalami peningkatan sampai dengan periode
7, kemudian mengalami penurunan sampai dengan periode 16. Setelah itu
pengaruh guncangan investasi mengalami peningkatan sampai periode 20 dan
selanjutnya pada periode 36 pergerakan cenderung persistent (tetap) sampai akhir
periode inovasi (periode 60). Pengaruh guncangan (inovasi) dari kapitalisasi pasar
74
saham (KAP) terhadap INVR pada awal periode cenderung fluktuatif. Pada awal
periode sampai dengan periode 6, pengaruh guncangan (inovasi ) KAP terhadap
INVR meningkat dengan arah yang negatif, kemudian pada periode selanjutnya
sampai dengan periode 10 mengalami peningkatan. Peningkatan pengaruh
guncangan KAP tersebut mengalami penurunan sampai dengan periode 14, dan
setelah periode 35 pergerakan pengaruh inovasi KAP cenderung tetap (persistent)
atau stabil sampai pada akhir periode inovasi (periode 60).
Hasil IRF menunjukkan bahwa respon positif yang diberikan oleh INVR
terhadap inovasi dari IHSG menunjukkan peningkatan sampai dengan periode 3,
kemudian pengaruh negatif inovasi IHSG meningkat pada periode berikutnya
sampai dengan periode 8, untuk selanjutnya mengalami penurunan respon sampai
dengan periode 13. Pada periode 33, respon negatif yang diberikan oleh INVR
terhadap inovasi (guncangan) IHSG telah cenderung tetap (persistent) sehingga
dapat dikatakan bahwa dalam jangka panjang IHSG mampu mempengaruhi
investasi riil (INVR). Pengaruh inovasi (guncangan) nilai saham yang
diperdagangkan (NSP) terhadap INVR cenderung mengalami peningkatan respon
negatif sampai dengan periode 3, kemudian menurun dan respon positif
meningkat sampai dengan periode 9. Untuk selanjutnya respon INVR terhadap
inovasi NSP cenderung berfluktuatif tetapi tetap dengan arah yang positif. Pada
periode 26 sampai dengan akhir periode respon positif yang diberikan INVR
terhadap guncangan (inovasi) NSP telah cenderung persistent (tetap) sehingga
dalam jangka panjang likuiditas pasar saham yang tercermin dari nilai saham yang
diperdagangkan mampu mempengaruhi investasi riil Indonesia.
75
Pengaruh guncangan (inovasi) nilai tukar riil (RER) terhadap investasi riil
(INVR) mengalami peningkatan sampai dengan periode 6, kemudian respon
negatif INVR terhadap guncangan RER tersebut mengalami penurunan sampai
dengan periode 12. Pengaruh guncangan RER terhadap investasi riil (INVR)
cenderung mengalami kondisi persistent (tetap) dimulai pada periode 39 sampai
dengan periode akhir (periode 60).
Dari hasil Impulse Response Function dapat diketahui bahwa inovasi atau
guncangan dari GDPR terhadap investasi riil (INVR) memiliki pengaruh yang
sangat besar. Dari ketiga variabel perkembangan pasar modal yang digunakan,
inovasi atau guncangan dari kapitalisasi pasar saham (KAP) memiliki pengaruh
yang paling besar terhadap investasi riil (INVR) karena secara langsung
berhubungan dengan kemampuan perusahaan yang meningkat untuk berinvestasi
pada sektor usaha. Hal ini mengindikasikan bahwa INVR memiliki respon
dinamis yang kuat apabila variabel pertumbuhan ekonomi (GDPR) dan
kapitalisasi pasar saham (KAP) diguncang atau mengalami shock. Hal ini dapat
terjadi karena kapitalisasi saham dan GDPR berhubungan langsung dengan
kemampuan pembentukan modal dalam negeri sehingga berpengaruh pada
investasi riil (INVR).
76
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_INVR
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_GDPR
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_KAP
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_IHSG
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_NSP
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_RER
Response to Cholesky One S.D. Innovations
Sumber : Lampiran 11
Gambar 4.2. Grafik Impulse Response Function Persamaan Investasi Riil
77
4.3. Pengaruh Indikator Pasar Modal terhadap Pertumbuhan Ekonomi
Indonesia
Dari hasil estimasi VECM didapat hubungan jangka pendek dan jangka
panjang antara produk domestik bruto riil (GDPR) dengan investasi riil (INVR),
nilai kapitalisasi pasar saham (KAP), nilai saham yang diperdagangkan (NSP),
indeks harga saham gabungan (IHSG), dan nilai tukar riil (RER). Pada estimasi
ini yang menjadi variabel dependennya ialah produk domestik bruto riil (GDPR),
sedangkan yang menjadi variabel independennya ialah investasi riil (INVR), nilai
kapitalisasi pasar saham (KAP), nilai saham yang diperdagangkan (NSP), indeks
harga saham gabungan (IHSG), dan nilai tukar riil (RER) (Lampiran 12). Hasil
Estimasi VECM persamaan pertumbuhan ekonomi dapat dilihat pada Tabel 4.7.
Tabel 4.7. Hasil Estimasi VECM Persamaan Pertumbuhan Ekonomi
Variabel Koefisien T-statistik
Jangka Pendek
D(LN_GDPR(-1)) 1.548137 18.2933* D(LN_GDPR(-2)) -0.989754 -11.6561*
D(LN_INVR(-1)) 0.264866 4.41867* D(LN_INVR(-2)) -0.196413 -2.85810*
D(LN_KAP(-1)) 0.042560 2.88997*
D(LN_KAP(-2)) -0.008776 -0.64984 D(LN_IHSG(-1)) 0.012202 1.45898
D(LN_IHSG(-2)) 0.003987 0.48060 D(LN_NSP(-1)) -0.002029 -2.28604*
D(LN_NSP(-2)) -0.001585 -1.87492*
D(LN_RER(-1)) -0.019183 -1.30659
D(LN_RER(-2)) 0.021091 1.45762
C 0.001061 1.75365* CointEq1 0.046647 4.59421*
Jangka Panjang
LN_INVR(-1) -0.823242 -4.56208*
LN_KAP(-1) -0.585350 -5.83064*
LN_IHSG(-1) 0.515076 4.89798*
LN_NSP(-1) -0.049097 -5.10426*
LN_RER(-1) 0.262249 3.78413*
@TREND(99:01) 0.013941 9.35926*
C -23.87458 - Sumber : Lampiran 12 Keterangan : * , Signifikan pada taraf 10 %
78
4.3.1. Hubungan Indikator Pasar Modal terhadap Pertumbuhan Ekonomi
pada Jangka Pendek
Pada analisis jangka pendek untuk produk domestik bruto riil (GDPR),
terdapat dugaan parameter koreksi kesalahan persamaan kointegrasi pertama
(GDPR) sebesar 1.548 persen yang signifikan secara statistik. Pertumbuhan
ekonomi pada lag pertama secara positif mempengaruhi pertumbuhan ekonomi
secara signifikan pada taraf 10 persen yaitu sebesar 1.548137, yang artinya
apabila terjadi kenaikan pertumbuhan pertumbuhan ekonomi pada lag pertama
sebesar 1 persen maka pertumbuhan ekonomi akan meningkat sebesar 1.548137
persen. Hal ini sesuai dengan fakta yang terjadi bahwa pertumbuhan ekonomi
periode sebelumnya menentukan optimisme pada pertumbuhan ekonomi pada
periode yang berjalan. Selanjutnya, pertumbuhan ekonomi pada lag kedua
memiliki hubungan negatif terhadap pertumbuhan ekonomi pada periode berjalan
yang secara statistik signifikan pada taraf nyata 10 persen sebesar yang berarti
bahwa apabila terjadi kenaikan pertumbuhan ekonomi pada lag kedua sebesar
0.989754, yang artinya apabila terjadi kenaikan pertumbuhan ekonomi pada lag
kedua sebesar 1 persen maka pertumbuhan ekonomi pada periode yang berjalan
akan mengalami penurunan sebesar 0.989754.
Investasi riil yang dihitung berdasarkan pemebentukan modal tetap bruto
domestik pada lag pertama memiliki hubungan positif dengan pertumbuhan
ekonomi yang secara signifikan secara statistik pada taraf nyata 10 persen yaitu
sebesar 0.264866, yang artinya saat terjadi kenaikan investasi riil sebesar 1 persen
maka pertumbuhan ekonomi akan meningkat sebesar 0.264866 persen. Hal ini
sesuai dengan struktur perekonomian Indonesia dimana investasi riil sangat
diperlukan untuk memperluas lapangan kerja dan mengurangi pengangguran
79
sehingga kenaikan investasi riil akan berpengaruh pada tingkat pendapatan per
kapita dan pertumbuhan ekonomi. Tetapi investasi pada lag kedua memiliki
hubungan negatif yang secara statistik signifikan pada taraf nyata 10 persen yaitu
sebesar 0.196413, yang artinya saat terjadi kenaikan investasi riil pada lag kedua
sebesar 1 persen maka pertumbuhan ekonomi akan mengalami penurunan sebesar
0.196413. Hal ini terjadi karena kegiatan investasi merupakan kegiatan menahan
atau mengurangi konsumsi dengan harapan mendapatkan nilai tambah dari aset
yang diinvestasikan sehingga kenaikan investasi dapat berarti penurunan
konsumsi. Dengan struktur perekonomian Indonesia yang sekitar 60 persen
didominasi oleh kegiatan konsumsi, maka penurunan konsumsi akibat kenaikan
investasi dapat menyebabkan pertumbuhan ekonomi pun menurun secara
signifikan.
Dari hasil estimasi jangka pendek VECM diketahui bahwa variabel
kapitalisasi pasar saham pada lag pertama memiliki hubungan positif terhadap
pertumbuhan ekonomi yang signifikan secara statistik pada taraf nyata 10 persen
yaitu sebesar 0.042560, yang artinya kenaikan kapitalisasi pasar saham pada lag
pertama sebesar 1 persen akan menyebabkan peningkatan pertumbuhan ekonomi
sebesar 0.042560 persen. Hal ini menunjukkan bahwa semakin banyak perusahaan
yang go public dan menerbitkan saham baik IPO (Initial Public Offering) maupun
melalui penjualan saham kedua (right issue) maka semakin besar kapitalisasi
pasar saham sehingga pertumbuhan ekonomi dapat meningkat secara signifikan.
Penerbitan saham melalui IPO dan right issue akan meningkatkan dana segar bagi
perusahaan yang dapat dimanfaatkan untuk keperluan ekspansi perusahaan, hal ini
berarti semakin besar produk yang dihasilkan oleh perusahaan dan perluasan
80
lapangan pekerjaan yang secara agregat akan membawa kepada peningkatan
investasi riil dan pertumbuhan ekonomi. Sedangkan kapitalisasi pasar saham pada
lag kedua secara statistik tidak signifikan pada taraf nyata 10 persen dan
berhubungan negatif dengan pertumbuhan ekonomi yaitu sebesar 0.008776. Hal
ini terjadi karena dana segar yang meningkat pada perusahaan belum bisa
dimanfaatkan secara optimal oleh perusahaan untuk sektor-sektor produktif.
Perusahaan lebih memilih untuk memanfaatkan dana segar yang didapatkan dari
pasar saham untuk kegiatan spekulasi yang menjanjikan return yang relatif lebih
besar dan cepat apabila dibandingkan berinvestasi di sektor riil yang memiliki
tingkat uncertainty yang tinggi dan tingkat pengembalian yang tidak pasti dan
relatif lebih lama.
Variabel indeks harga saham gabungan (IHSG) pada lag pertama dan lag
kedua memiliki hubungan positif pada jangka pendek namun tidak signifikan
secara statistik pada taraf nyata 10 persen yaitu sebesar 0.012202 dan 0.003987,
yang artinya apabila terjadi kenaikan indeks harga saham pada lag pertama
sebesar 1 persen maka pertumbuhan ekonomi akan meningkat 0.012202 persen
dan pada saat terjadi kenaikan indeks harga saham pada lag kedua sebesar 1
persen maka pertumbuhan ekonomi akan meningkat 0.003987. Variabel harga
saham merupakan salah satu variabel kunci bagi perekonomian di negara-negara
maju yang mencerminkan suatu perkembangan pasar modal yang dilihat dari
perkembangan harga-harga saham yang terdaftar pada pasar saham tersebut.
Indeks harga saham yang tidak signifikan di Indonesia disebabkan oleh peran
pasar modal dan pasar saham pada khususnya yang masih tergolong sangat kecil
dalam sistem keuangan Indonesia. Hampir sembilan puluh persen sistem
81
keuangan didominasi oleh sektor perbankan sehingga pengaruh indeks harga
saham masih tergolong kecil apabila dibandingkan pengaruh indikator-indikator
perbankan terhadap pertumbuhan ekonomi Indonesia.
Pada jangka pendek, nilai saham yang diperdagangkan pada lag pertama
memiliki hubungan negatif tehadap pertumbuhan ekonomi yang signifikan secara
statistik pada taraf nyata 10 persen yaitu sebesar 0.002029, yang artinya kenaikan
nilai saham yang diperdagangkan pada lag pertama sebesar 1 persen akan
mengakibatkan pertumbuhan ekonomi mengalami penurunan sebesar 0.002029
persen. Selain itu, nilai saham yang diperdagangkan pada lag kedua juga memiliki
hubungan negatif terhadap pertumbuhan ekonomi yang signifikan secara statistik
pada taraf nyata 10 persen yaitu sebesar 0.001585, yang artinya apabila terjadi
kenaikan nilai saham yang diperdagangkan pada lag kedua sebesar 1 persen maka
pertumbuhan ekonomi akan mengalami penurunan sebesar 0.001585 persen.
Hubungan yang negatif antara nilai saham yang diperdagangkan dengan
pertumbuhan ekonomi Indonesia disebabkan oleh masih tingginya
ketidakpercayaan investor terhadap stabilitas perekonomian Indonesia. Perubahan
nilai saham yang diperdagangkan merupakan suatu ukuran likuiditas suatu pasar
saham. Semakin tinggi nilai saham yang diperdagangkan maka pasar saham
tersebut semakin likuid dan investor akan semakin tertarik untuk berinvestasi pada
pasar saham tersebut untuk mendapatkan capital gain yang lebih tinggi dan
kemampuan untuk menghindari resiko. Secara teoritis kenaikan investasi pada
sektor keuangan akan diikuti oleh kenaikan investasi pada sektor-sektor usaha
karena tingkat kepercayaan investor yang lebih tinggi pada kondisi perekonomian.
Akan tetapi yang terjadi di Indonesia ialah adanya trade-off antara investasi sektor
82
keuangan dengan investasi pada sektor usaha (sektor riil), sehingga saat terjadi
booming pada nilai saham yang diperdagangkan maka investor akan memilih
menginvestasikan dananya pada pasar saham dibandingkan pada sektor riil. Hal
ini menyebabkan pertumbuhan ekonomi menurun akibat penurunan investasi pada
sektor riil.
Pada jangka pendek, nilai tukar riil (RER) pada lag pertama memiliki
hubungan negatif terhadap pertumbuhan ekonomi yang secara statistik tidak
signifikan pada taraf nyata 10 persen yaitu sebesar -0.019183, yang artinya ketika
terjadi peningkatan (depresiasi) nilai tukar riil pada lag pertama sebesar 1 persen
maka pertumbuhan ekonomi akan mengalami penurunan sebesar 0.019183 persen.
Depresiasi nilai tukar riil mengindikasikan biaya yang lebih besar bagi perusahaan
untuk memenuhi kebutuhan alat-alat modal yang sebagian besar berasal dari luar
negeri. Sedangkan nilai tukar riil pada lag kedua memiliki hubungan positif
terhadap pertumbuhan ekonomi yang tidak signifikan secara statistik pada taraf
nyata 10 persen yaitu sebesar 0.021091, yang artinya peningkatan nilai tukar riil
pada lag kedua sebesar 1 persen akan mengakibatkan pertumbuhan ekonomi
mengalami peningkatan sebesar 0.021091 persen. Hal ini disebabkan oleh daya
saing yang meningkat karena terdepresiasinya nilai tukar akan berimbas pada
produk-produk domestik yang relatif menjadi lebih murah pada pasar
internasional.
83
4.3.2. Hubungan Indikator Pasar Modal terhadap Pertumbuhan Ekonomi
pada Jangka Panjang
Pada estimasi jangka panjang terlihat bahwa variabel investasi riil pada lag
pertama memiliki hubungan negatif terhadap pertumbuhan ekonomi yang
signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.823242, yang
artinya peningkatan investasi riil pada lag pertama sebesar 1 persen akan
menyebabkan penurunan pertumbuhan ekonomi pada jangka panjang sebesar
0.823242. Hal ini disebabkan oleh banyaknya kegiatan investasi yang berfokus
pada usaha-usaha yang tidak berbasis sumber daya lokal yang mengakibatkan
sebagian besar alat-alat modal dan tenaga kerja terampil yang berasal dari luar
negeri yang secara agregat pada jangka panjang akan menyebabkan neraca
pembayaran menjadi defisit dan pertumbuhan ekonomi akan mengalami
penurunan. Kemudian, variabel kapitalisasi saham pada lag pertama juga
memiliki hubungan negatif terhadap pertumbuhan ekonomi pada jangka panjang
yang secara statistik signifikan pada taraf nyata 10 persen yaitu sebesar 0.585350,
yang artinya peningkatan kapitalisasi pasar saham pada lag pertama sebesar 1
persen akan menyebabkan pertumbuhan ekonomi pada jangka panjang menurun
sebesar 0.585350 persen.
Ekses likuiditas yang besar pada pasar keuangan internasional, ditengah
ancaman resesi terhadap perekonomian Amerika Serikat, mendorong investor-
investor asing untuk mengalirkan dananya pada pasar-pasar modal di Asia Timur
dan Asia Tenggara. Kepemilikan asing pada pasar modal telah mencapai 73.40
persen pada tahun 2006 dan hal ini memang berpengaruh kepada nilai kapitalisasi
pasar modal Indonesia yang meningkat drastis pada jangka pendek. Perbandingan
kepemilikan saham tersebut dapat dilihat pada Tabel 4.8.
84
Tabel 4.8. Perbandingan Kepemilikan Saham (2005-2007)
Sumber : KSEI (2005-2007)
Masuknya dana-dana asing ke dalam pasar modal Indonesia membawa
dampak positif bagi perkembangan pasar modal, namun dominasi kepemilikan
asing pada pasar modal Indonesia membuat pasar modal Indonesia memiliki
kelemahan yaitu sangat rentan terhadap guncangan eksternal dan pada jangka
panjang akan menyebabkan neraca pembayaran akan mengalami ancaman defisit
akibat pembayaran deviden terhadap luar negeri, sehingga pertumbuhan ekonomi
akan mengalami efek pembalikan pada jangka panjang. Selain itu dominasi
perusahaan-perusahaan emiten yang tidak berbasis sumber daya lokal pada pasar
saham maupun pada perekonomian secara keseluruhan menyebabkan
sustainability dari perusahaan tersebut diragukan pada jangka panjang dan dapat
berdampak buruk pada perekonomian secara agregat.
Indeks Harga Saham Gabungan (IHSG) pada lag pertama memiliki
hubungan positif terhadap pertumbuhan ekonomi pada jangka panjang yang
signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.515076, yang
artinya kenaikan indeks harga saham gabungan sebesar 1 persen pada lag pertama
akan mengakibatkan pertumbuhan ekonomi pada jangka panjang meningkat
85
sebesar 0.515076 persen. Indeks harga saham merupakan salah satu lead indicator
dalam perekonomian negara-negara maju dan pada saat ini telah dapat dilihat
bahwa indeks pasar saham di negara-negara berkembang khususnya Indonesia
mengalami peningkatan secara signifikan. Aliran dana-dana internasional secara
deras masuk ke pasar modal Indonesia sebagai akibat bangkitnya perekonomian
China yang membawa dampak pada stabilitas perekonomian regional Asia. Indeks
Harga Saham Gabungan merupakan salah satu ukuran trust atau kepercayaan
terhadap perekonomian Indonesia di masa yang akan datang. Semakin tinggi
IHSG mengindikasikan semakin tingginya kepercayaan pelaku ekonomi domestik
maupun asing terhadap perekonomian Indonesia. Tingginya kepercayaan pelaku
ekonomi ini akan berdampak pada investasi secara langsung maupun tidak
langsung meningkat dan pertumbuhan ekonomi pun meningkat.
Variabel nilai saham yang diperdagangkan (NSP) pada lag pertama
memiliki hubungan negatif terhadap pertumbuhan ekonomi pada jangka panjang
yang signifikan secara statistik pada taraf nyata 10 persen yaitu sebesar 0.049097,
yang artinya apabila terjadi kenaikan nilai saham yang diperdagangkan pada lag
pertama sebesar 1 persen maka pertumbuhan ekonomi akan mengalami penurunan
sebesar 0.049097 persen. Seperti yang telah diuraikan sebelumnya pada
keseimbangan jangka pendek, nilai saham yang diperdagangkan merupakan suatu
indikator yang menunjukkan tingkat likuiditas pada pasar saham. Untuk kasus
Indonesia, semakin likuidnya pasar saham akan menyebabkan penurunan di sektor
usaha. Investor lebih memilih untuk menginvestasikan dananya pada pasar saham
dibandingkan investasi langsung pada sektor usaha. Ketidakpastian yang
bersumber dari birokrasi yang rumit, law enforcement yang tidak berjalan dan
86
infrastruktur yang kurang baik menjadi faktor yang paling menentukan keputusan
investor untuk tidak berinvestasi di sektor usaha (riil) ditengah geliat pasar modal
yang semakin likuid dan menjanjikan return yang relatif lebih tinggi dalam waktu
yang relatif lebih singkat. Bila hal ini terus berlanjut maka peningkatan likuiditas
pasar modal akan menurunkan investasi langsung pada sektor riil yang pada
jangka panjang akan menurunkan pendapatan nasional dan pertumbuhan ekonomi.
Variabel nilai tukar riil pada lag pertama memiliki hubungan yang positif
terhadap pertumbuhan ekonomi jangka panjang yang signifikan secara statistik
pada taraf nyata 10 persen yaitu sebesar 0.262249, yang artinya pada saat terjadi
kenaikan nilai tukar riil (depresiasi) pada lag pertama sebesar 1 persen maka
pertumbuhan ekonomi akan mengalami peningkatan sebesar 0.262249 persen.
Hasil estimasi tersebut sesuai dengan teori ekonomi dimana terdepresiasinya nilai
tukar domestik akan menyebabkan meningkatnya daya saing produk-produk
domestik di pasar internasional sehingga terjadi peningkatan nilai ekspor dan
meningkatnya pertumbuhan ekonomi. Selain itu terdapat terdapat tren yang positif
dari pertumbuhan ekonomi yang signifikan secara statistik pada taraf nyata 10
persen yaitu sebesar 0.013941.
4.3.3. Pengaruh Indikator Pasar Modal terhadap Pertumbuhan Ekonomi
(Analisis Variance Decomposition dan Impulse Response Function)
Pengaruh perkembangan pasar modal terhadap pertumbuhan ekonomi juga
dapat dilihat melalui analisis Variance Decomposition (VD). Analisis ini dapat
menjelaskan sejauh mana peranan suatu variabel ekonomi dalam menjelaskan
guncangan variabel ekonomi lainnya. Analisis Variance Decomposition (VD)
dapat pula dipakai untuk melihat kekuatan dan kelemahan dari masing-masing
variabel dalam mempengaruhi variabel lainnya dalam kurun waktu yang panjang.
87
Hasil VD menunjukkan varians GDPR dan INVR dominan mempengaruhi
GDPR, dengan kata lain investasi riil dan pertumbuhan ekonomi itu sendiri
memiliki pengaruh yang paling besar terhadap pertumbuhan ekonomi. Pada
periode 4 sampai periode terakhir varians GDPR terus menurun hingga sebesar
59,55 persen pada periode 60. Walaupun begitu varians GDPR masih paling
dominan dalam mempengaruhi pertumbuhan ekonomi sampai dengan periode 60.
Kemudian varians Investasi Riil (INVR) memiliki pengaruh terbesar kedua dalam
mempengaruhi pertumbuhan ekonomi (GDPR). Pada periode 4 sampai dengan
periode 8, varians INVR mengalami peningkatan drastis dalam mempengaruhi
GDPR yaitu 7.79 persen menjadi 23,35 persen pada periode 8. Untuk selanjutnya
varians INVR mengalami penurunan dalam mempengaruhi pertumbuhan ekonomi
(GDPR) sampai dengan periode 60 yaitu sebesar 18,74 persen pada periode
terakhir. Varians kapitalisasi pasar saham (KAP) pada periode awal mengalami
peningkatan sampai dengan periode 10, yaitu 5.74 persen pada periode 4 menjadi
10.02 persen pada periode 8. Peningkatan pengaruh varians kapitalisasi pasar
(KAP) terhadap pertumbuhan ekonomi (GDPR) masih berlanjut sampai periode
13 menjadi 10.91 persen. Pada periode terakhir (periode 60) varians kapitalisasi
(KAP) berpengaruh terhadap pertumbuhan ekonomi (GDPR) sebesar 10.65
persen. Hal ini menunjukkan bahwa kapitalisasi pasar sebagai salah satu variabel
perkembangan pasar modal memiliki peranan yang besar dalam mempengaruhi
pertumbuhan ekonomi.
Varians indeks harga saham gabungan (IHSG) pada awal periode sampai
dengan periode 60 mengalami peningkatan dalam mempengaruhi pertumbuhan
ekonomi (GDPR). Pada periode 4 varians IHSG hanya mampu mempengaruhi
88
1.53 persen, tetapi pada periode 13 varians IHSG meningkat menjadi 3.31 persen.
Peningkatan pengaruh varians IHSG terhadap GDPR terus meningkat hingga
periode 60 yaitu sebesar 4.03 persen pada akhir periode. Pengaruh varians nilai
saham yang diperdagangkan (NSP) terhadap pertumbuhan ekonomi (GDPR)
mengalami peningkatan dari awal periode sampai dengan akhir periode (periode
60). Pada periode 4, pengaruh varians NSP mampu mempengaruhi GDPR sebesar
0.26 persen kemudian meningkat menjadi 2.133 persen pada periode 13 dan terus
mengalami peningkatan sampai dengan periode terakhir yaitu sebesar 3.32 persen
pada periode 60. Pengaruh varians nilai tukar riil (RER) terhadap GDPR secara
umum mengalami peningkatan selama periode observasi. Pengaruh varians RER
mengalami peningkatan pada periode awal periode sampai dengan periode 8, yaitu
varians RER mampu mempengaruhi GDPR hingga sebesar 3.61 persen pada
periode 8. Setelah itu pengaruh varians RER mengalami penurunan menjadi 3.51
persen pada periode 13 dan meningkat kembali yaitu sebesar 3.69 persen sampai
dengan periode 20. Pengaruh varians RER terhadap GDPR mengalami kenaikan
hingga menjadi 3.80 persen pada akhir periode (periode 60).
Dari hasil VD (Variance Decomposition) yang telah dibahas dapat diambil
suatu konklusi bahwa variabel yang paling mempengaruhi pertumbuhan ekonomi
(GDPR) selain variabel GDPR itu sendiri ialah investasi riil (INVR). Investasi riil
merupakan pembentukan modal tetap bruto domestik yang mengukur PMDN,
PMA, dan pembentukan modal pada sektor UMKM, sehingga memiliki peran
yang signifikan dalam pembentukan output riil (GDPR). Variabel pasar modal
yang paling mempengaruhi pertumbuhan ekonomi ialah kapitalisasi pasar saham
(KAP). Kapitalisasi dapat terbentuk dari penerbitan saham baik IPO maupun right
89
issue karena kebutuhan likuiditas bagi perusahaan/emiten untuk berekspansi
termasuk pembelian barang modal baru yang berpengaruh kepada keputusan
investasi perusahaan. Variabel IHSG memiliki pengaruh yang relatif kecil
terhadap GDPR, hal ini mengindikasikan bahwa indeks harga saham sebagai lead
indicator dalam perekonomian modern belum dapat mempengaruhi pertumbuhan
ekonomi Indonesia secara langsung sehingga dapat dikatakan bahwa pasar saham
di Indonesia belum mencapai taraf well-developed market. Sama halnya dengan
IHSG, NSP secara langsung juga memiliki pengaruh yang relatif kecil bagi
pertumbuhan ekonomi. Hasil VD ini memberikan suatu pemahaman bahwa untuk
kasus Indonesia likuiditas pasar saham belum memiliki pengaruh yang besar bagi
pertumbuhan ekonomi. Walaupun begitu, secara umum dapat dikatakan bahwa
semua variabel perkembangan pasar modal (KAP, IHSG, dan NSP) memiliki
pengaruh yang semakin meningkat secara konsisten sampai dengan akhir perode,
yang berarti bahwa pengaruh perkembangan pasar modal semakin besar bagi
pertumbuhan ekonomi pada jangka panjang (Lampiran 13).
Tabel 4.9. Hasil Variance Decomposition (%) Persamaan Pertumbuhan
Ekonomi
Period S.E. LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.004253 100.000000 0.000000 0.000000 0.000000 0.000000 0.000000
4 0.026632 82.924940 7.799530 5.747328 1.531749 0.260427 1.736029
8 0.046665 59.506670 23.354190 10.024670 2.348764 1.147757 3.617940
13 0.060090 60.600270 19.516430 10.914460 3.316723 2.133761 3.518349
20 0.073687 60.289700 19.383650 10.416850 3.574268 2.642032 3.693496
25 0.083062 59.859340 19.290550 10.688390 3.681964 2.799249 3.680511
30 0.090735 59.824740 18.930160 10.711700 3.811797 2.993480 3.728114
35 0.098178 59.736700 18.915670 10.647280 3.863674 3.073598 3.763079
40 0.105088 59.671290 18.826150 10.674050 3.917080 3.146203 3.765236
45 0.111442 59.641390 18.745470 10.664410 3.957518 3.207962 3.783256
50 0.117547 59.601190 18.703450 10.661180 3.987292 3.252190 3.794700
55 0.123327 59.572810 18.661960 10.661460 4.013474 3.289403 3.800898
60 0.128833 59.551870 18.623950 10.659710 4.034823 3.321246 3.808410 Sumber : Lampiran 13
90
Selain analisis Variance Decomposition, ada analisis lain yang dapat
menunjukkan pengaruh masing-masing variabel terhadap pertumbuhan ekonomi
yaitu analisis Impulse Response Function. Analisis ini menunjukkan respon
dinamis jangka panjang setiap variabel apabila ada suatu shock (guncangan)
tertentu sebesar satu standar deviasi pada setiap persamaan.
Hasil IRF menunjukkan bahwa pengaruh inovasi (guncangan) dari
investasi riil terhadap GDPR pada awal periode mengalami peningkatan sampai
dengan periode 7, kemudian mengalami penurunan sampai dengan periode 16.
Setelah itu pengaruh guncangan investasi mengalami peningkatan sampai periode
20 dan selanjutnya pada periode 36 pergerakan cenderung persistent (tetap)
sampai akhir periode inovasi (periode 60). Pengaruh guncangan (inovasi) dari
kapitalisasi pasar saham (KAP) terhadap GDPR pada awal periode cenderung
fluktuatif. Pada awal periode sampai dengan periode 6, pengaruh guncangan
(inovasi ) KAP terhadap GDPR meningkat, kemudian pada periode selanjutnya
sampai dengan periode 14 mengalami penurunan. Peningkatan pengaruh
guncangan KAP tersebut kembali meningkat sampai dengan periode 18, dan
setelah periode 27 pergerakan pengaruh inovasi KAP cenderung tetap (persistent)
atau stabil sampai pada akhir periode inovasi (periode 60).
Hasil IRF menunjukkan bahwa respon negatif yang diberikan oleh GDPR
terhadap inovasi dari IHSG menunjukkan peningkatan sampai dengan periode 5,
kemudian pengaruh negatif inovasi IHSG menurun pada periode berikutnya
sampai dengan periode 8, untuk selanjutnya mengalami peningkatan sampai
dengan periode 14. Pada periode 23, respon negatif yang diberikan oleh GDPR
terhadap inovasi (guncangan) IHSG telah cenderung tetap (persistent) sehingga
91
dapat dikatakan bahwa dalam jangka panjang IHSG mampu mempengaruhi
pertumbuhan ekonomi (GDPR). Selanjutnya, pengaruh inovasi (guncangan) nilai
saham yang diperdagangkan (NSP) terhadap GDPR cenderung mengalami
peningkatan sampai dengan periode 13, kemudian menurun sampai dengan
periode 17. Pada periode 28 sampai dengan akhir periode respon positif yang
diberikan GDPR terhadap guncangan (inovasi) NSP telah cenderung persistent
(tetap) sehingga dalam jangka panjang likuiditas pasar saham yang tercermin dari
nilai saham yang diperdagangkan mampu mempengaruhi pertumbuhan ekonomi.
Pengaruh guncangan (inovasi) nilai tukar riil (RER) terhadap pertumbuhan
ekonomi (GDPR) mengalami peningkatan sampai dengan periode 6, kemudian
respon negatif GDPR terhadap guncangan RER tersebut cenderung mengalami
penurunan sampai dengan periode 17. Pengaruh guncanan RER terhadap
pertumbuhan ekonomi (GDPR) cenderung mengalami kondisi persistent (tetap)
dimulai pada periode 36 sampai dengan periode akhir (periode 60).
Dari hasil Impulse Response Function dapat diketahui bahwa inovasi atau
guncangan dari investasi riil terhadap GDPR memiliki pengaruh yang sangat
besar. Dari ketiga variabel perkembangan pasar modal yang digunakan, inovasi
atau guncangan dari kapitalisasi pasar saham memiliki pengaruh yang paling
besar terhadap pertumbuhan ekonomi karena secara langsung berhubungan
dengan pembentukan modal sehingga dapat mempengaruhi pertumbuhan output
riil Indonesia. Hal ini mengindikasikan bahwa GDPR respon dinamis yang kuat
apabila variabel Investasi riil dan kapitalisasi pasar saham diguncang atau
mengalami shock. Hal ini dapat terjadi karena kapitalisasi saham dan invetasi riil
92
berhubungan langsung dengan pembentukan modal dalam negeri yang akan
menentukan pembentukan output riil dan pertumbuhan ekonomi.
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_GDPR
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_INVR
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_KAP
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_IHSG
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_NSP
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_RER
Response to Cholesky One S.D. Innovations
Sumber : Lampiran 14
Gambar 4.3. Grafik Impulse Response Function
93
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan, maka dapat dibuat
kesimpulan sebagai berikut :
1. Hasil estimasi VECM menunjukkan bahwa pada dalam jangka pendek,
kapitalisasi pasar saham (KAP) signifikan berpengaruh terhadap investasi riil
(INVR) dan produk domestik bruto riil (GDPR). Hal ini mengindikasikan
perkembangan pasar modal dalam jangka pendek mampu mempengaruhi
perilaku investasi riil dan pertumbuhan ekonomi Indonesia. Variabel
perkembangan pasar modal yang paling besar pengaruhnya terhadap investasi
riil (INVR) dan pertumbuhan ekonomi Indonesia (GDPR) ialah kapitalisasi
pasar modal (KAP). Hal ini mengindikasikan bahwa variabel pasar modal
yang paling dominan mempengaruhi investasi riil dan pertumbuhan ekonomi
ialah tingkat kapitalisasi pasar saham (KAP).
2. Hasil estimasi VECM menunjukkan bahwa pada persamaan pertumbuhan
ekonomi, seluruh variabel yang digunakan (INVR, KAP, IHSG, NSP, RER)
signifikan mempengaruhi pertumbuhan ekonomi pada jangka panjang. Selain
itu pada persamaan investasi riil, seluruh variabel yang digunakan (GDPR,
KAP, IHSG, NSP, RER) signifikan mempengaruhi investasi riil Indonesia
jangka panjang. Kedua hasil estimasi jangka panjang tersebut menunjukkan
bahwa perkembangan pasar modal berpengaruh terhadap investasi riil dan
pertumbuhan ekonomi Indonesia jangka panjang. Dari ketiga variabel pasar
modal yang digunakan hanya variabel IHSG memiliki hubungan yang positif
94
terhadap investasi riil (INVR) dan pertumbuhan ekonomi (GDPR) jangka
panjang.
3. Hasil estimasi VECM menunjukkan adanya trade-off antara perkembangan
pasar modal dengan perkembangan investasi riil dan pertumbuhan ekonomi.
Kinerja pasar modal Indonesia meningkat bukan karena peningkatan
penawaran saham baru tetapi lebih kepada peningkatan harga saham sehingga
menimbulkan dampak yang kontraproduktif terhadap investasi pada sektor riil.
Perkembangan pasar modal yang didominasi oleh perubahan harga saham
tersebut akan berdampak buruk terhadap kondisi perekonomian baik dalam
jangka pendek maupun jangka panjang.
5.2 Saran
1. Berdasarkan penelitian, diketahui bahwa fluktuasi dari investasi riil dan
produk domestik bruto riil sangat dipengaruhi perkembangan pasar modal
khususnya kapitalisasi pasar saham. Selain itu terdapat trade-off antara
kapitalisasi pasar saham dan investasi riil. Oleh karena itu hal yang paling
mungkin dilakukan ialah mendorong perusahaan-perusahaan yang ada di
Indonesia untuk go public sehingga meningkatkan penawaran saham baru dan
aliran dana segar bagi korporasi untuk keperluan investasi pada sektor riil
sehingga perkembangan pasar modal terbentuk bukan karena perubahan harga
saham semata dan trade-off antara perkembangan pasar modal dan investasi
riil dapat diminimalisasi.
2. Selain itu pembenahan tata kelola korporasi, perluasan kewenangan Bapepam,
pengembangan infrastruktur pasar modal harus bisa menjadi prioritas
kebijakan dalam mempercepat pengembangan pasar modal yang sudah
95
mendesak sehingga efisiensi pasar modal dapat tercapai dan menjadi
penggerak investasi riil dan pertumbuhan ekonomi. Pemerintah Indonesia juga
harus dapat menjaga stabilitas keamanan dan politik dalam negeri, melakukan
law enforcement, dan juga pembangunan infrastruktur karena hal tersebut
sangat berpengaruh kepada tingkat kepercayaan investor, kepastian (certainty)
dan perkembangan pasar modal yang positif terhadap perekonomian..
3. Untuk penelitian selanjutnya, sebaiknya menganalisis lebih jauh tentang
peranan perkembangan pasar modal terhadap variabel makroekonomi lainnya
seperti inflasi, neraca perdagangan, dan neraca pembayaran Indonesia.
Perbaikan data sangat dianjurkan untuk menunjang penelitian selanjutnya
mengingat data yang telah penulis gunakan mengalami proses disagregasi
(interpolasi).
96
DAFTAR PUSTAKA
Anoraga, P. dan P. Pakarti. 2006. Pengantar Pasar Modal. Rineka Cipta, Jakarta. Arestis, P. dan P. Demetriades. 1997. Financial Development and Economic
Growth: Assessing The Evidence. Royal Economic Society : Blackwell Arsyad, L. 1999. Ekonomi Pembangunan. Yogyakarta : STIE Yayasan Keluarga
Pahlawan.
Auerbach, P. dan J.U. Siddiki. 2004. Financial Liberalisation and Economic
Development: An Assessment. Journal of Economic Surveys Vol.18 No.3 Bank Indonesia. Berbagai Edisi. Statistik Ekonomi Keuangan Indonesia. Bank
Indonesia, Jakarta Bursa Efek Jakarta. Berbagai Edisi. Statistik Pasar Modal. Bursa Efek Jakarta,
Jakarta Batiz, F. L. R. dan L. A. R. Batiz. 1994. International Finance and Open
Economy, Macroeconomics. Mcmillan Publishing co. New York. Blackburn, K., N. Bose, dan S. Capasso. 2005. Financial Development, Financing
Choice, and Economic Growth. Review of Development Economics, 9(2), 135-149
_________________.2003. Rasio Tabungan dan Investasi Indonesia terhadap
Gross Domestik Product (GDP) (Berdasarkan tahun dasar 1993). Badan Pusat Statistik, Jakarta.
Capasso, S. 2003. Stock Market Development and Economic Growth : A Matter of
Informational Problems. University of Manchester, Manchester Capasso, S. 2004. Financial Markets, Development and Economic Growth: Tales
of Informational Asymmetries. Journal of Economic Surveys Vol.18, No.3 Darmadji, T dan H. M. Fakhruddin. 2006. Pasar Modal di Indonesia Pendekatan
Tanya Jawab. Salemba Empat, Jakarta. Delfin, S dan M. Pradeep. 1998. Trade Liberalization, Fiscal Adjustment and
Exchange Rate Policy In India. Paper was Presented at Conference on
Trade, Growth and Development at Yale University.
Departemen Penerangan. 1984. Pasar Modal dan Pembangunan Nasional. Departemen Penerangan, Jakarta
97
Enders, W. 2004. Applied Econometric Time Series (Second Edition). John Willey & Sons, Inc, Alabama
Gujarati, D.N. 2003. Basic Econometrics, Fourth Edition. McGraw Hill, USA. Haugen, R. A. 1990. Modern Investment Theory. New Jersey : Prentice Hall
International Irawan dan Suparmoko M. 1999. Ekonomi Pembangunan. Yogyakarta : BPFE. Levine, R. 1996. Stock Markets : A Spur to Economic Growth. Journal of
Economic Surveys Vol. 5, No.6 Lypsey R.G, P.N. Courant, D.D. Purvis dan P.O. Steiner. 1997. Pengantar
Makroekonomi. Bina Rupa Aksara, Jakarta. Mankiw NG. 2000. Teori Makroekonomi. Terjemahan dari : Imam N. Erlangga,
Jakarta. Manurung, A.H. 2005. Pasar Modal Indonesia Menjadi Bursa Kelas Dunia. Elex
Media komputindo, Jakarta. Mishkin, F. S. 1999. The Economics of Money, Banking, and Financial Market.
Columbia University, Boston. Muslumov, A. 1998. Stock Markets and Economic Growth: A Causality Test.
Istanbul Technical University Nicholson, W.1998. Microeconomic Theory : Basic Principles and Extensions.
Forthworth: The Dryden Press Nieuwerburgh, S.V, F. Buelens, L. Cuyvers. 2005. Stock Market Development
and Economic Growth in Belgium. University of Antwerp, Antwerp Riyanto J.E., J. Hur, dan M. Raj. 2006. Finance and Trade: A Cross-Country
Empirical Analysis on the Impact of Financial Development and Asset
Tangibility on International Trade. World Development Vol.34 : Elsevier Rusdin. 2006. Pasar Modal : Teori, Masalah, dan Kebijakan dalam Praktek.
Alfabeta, Jakarta. Sugema, I. 2001. Restrukturisasi Perbankan dan Instabilitas Fiskal dan Moneter.
Bisnis dan Ekonomi Politik, 4(4):21-32 Sumanto, E. 2006. Analisis Pengaruh Perkembangan Pasar Modal Terhadap
Perekonomian Indonesia [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor.
98
Sutha, I.P.G.A. 2000. Menuju Pasar Modal Modern. Jakarta: Yayasan SAD Satria Bhakti
Sutha, I.P.G.A. 2000. Foundation of Our Capital Market. Jakarta: Yayasan SAD
Satria Webster, E. 1999. The Economics of Intangible Investment. Edward Elgar
Publishing : Cheltenham
99
100
Lampiran 1. DATA PENELITIAN
PERIODE GDPR INVR NSP IHSG KAP RER
1999:01 274812.01 57632.46 5415.60 411.93 162733.22 7590.22
1999:02 278085.59 57195.81 3287.90 396.00 146442.39 8075.66
1999:03 280814.71 57245.42 2949.70 393.62 167267.00 8560.58
1999:04 280130.14 56863.06 8765.80 495.22 243616.05 8430.02
1999:05 278406.82 56326.47 17220.30 585.24 344283.54 8001.58
1999:06 278960.05 55732.03 21034.40 662.02 416062.00 7602.92
1999:07 283335.50 55584.82 18406.90 597.87 418241.35 7547.27
1999:08 288990.76 56041.02 11591.20 572.66 383674.06 7663.53
1999:09 291613.78 57665.53 10696.10 547.94 357710.00 7766.15
1999:10 289722.24 60255.94 19056.60 593.86 378918.86 7676.47
1999:11 286886.99 63146.16 13271.20 583.80 421235.61 7490.74
1999:12 289508.57 64902.81 16184.40 676.92 451815.00 7312.12
2000:01 301431.96 64610.38 23508.64 636.37 440723.23 7288.11
2000:02 318179.11 63244.50 16578.80 576.54 405838.65 7389.32
2000:03 332716.37 62298.67 15255.60 583.27 367951.00 7630.69
2000:04 338759.45 63204.61 6773.80 526.73 349049.98 7948.37
2000:05 340199.84 65184.66 10476.20 454.32 339340.65 8295.50
2000:06 341678.35 67399.38 10457.40 515.11 330228.00 8546.43
2000:07 347126.76 68897.89 6258.70 492.19 314068.56 8626.76
2000:08 353870.14 70044.19 7493.30 466.38 295635.62 8624.93
2000:09 358524.50 71090.86 5595.10 421.33 280654.00 8680.64
2000:10 358772.27 72335.76 8687.70 405.34 272660.15 8877.66
2000:11 356838.65 73675.24 7233.70 429.21 267697.47 9118.20
2000:12 356015.27 75050.95 4465.12 416.32 259621.00 9248.54
2001:01 359603.13 76415.21 5410.50 425.61 246248.88 9237.56
2001:02 365961.14 77802.56 10387.30 428.30 232635.15 9223.43
2001:03 373457.58 79258.19 7118.90 381.05 227797.00 9466.92
2001:04 379499.99 80377.62 4723.90 358.23 236788.74 9999.52
2001:05 384423.85 80913.39 9327.60 405.86 253120.36 10576.19
2001:06 387603.88 80168.33 8787.40 437.62 266339.00 10722.59
2001:07 388216.64 78104.35 13883.40 444.08 265545.29 10166.95
2001:08 386475.68 75399.58 7216.30 435.55 255742.41 9247.69
2001:09 382396.40 73391.22 8001.80 392.47 241487.00 8505.82
2001:10 377242.26 73192.09 26437.80 383.74 232783.14 8441.35
2001:11 371629.59 74021.42 6376.10 380.31 230076.21 8763.31
2001:12 367422.80 74874.02 6614.10 392.03 239259.00 9139.74
2002:01 366181.62 74693.03 30498.80 392.03 261444.87 9155.93
2002:02 366821.51 73955.20 88946.00 453.25 291297.72 8936.47
2002:03 367953.22 73085.55 97647.00 481.86 318702.00 8523.19
2002:04 368718.68 72719.52 182822.00 544.85 330186.82 8099.23
2002:05 370078.10 72749.80 144968.00 530.79 329132.25 7714.30
2002:06 373522.86 73279.45 99545.00 505.01 315563.00 7559.45
2002:07 378489.69 74366.03 103294.00 463.67 296211.45 7635.02
2002:08 383205.62 75935.23 70075.00 456.40 274419.07 7750.16
2002:09 383843.02 77867.20 60587.00 412.43 260235.00 7523.32
2002:10 379053.52 79527.20 59876.00 371.14 259807.69 6817.61
2002:11 371990.53 80717.70 59767.00 390.42 266162.23 5946.13
2002:12 368286.71 80726.28 102004.00 424.94 268423.00 5466.63
101
2003:01 371993.59 79308.49 51138.00 388.44 260652.70 5781.17
2003:02 379504.27 77054.54 35003.00 399.22 250758.29 6533.05
2003:03 385630.75 75022.65 40406.00 398.00 251585.00 7209.88
2003:04 386095.63 74259.13 74381.00 435.04 272639.77 7304.35
2003:05 383948.24 74228.93 74867.00 494.78 305830.80 7075.19
2003:06 383148.52 74385.15 101334.00 497.81 339728.00 6786.20
2003:07 386277.01 74281.01 97268.00 508.70 362465.57 6725.59
2003:08 390664.06 74240.06 109609.00 530.86 379540.73 6773.67
2003:09 392260.59 74686.03 149033.00 599.84 396015.00 6835.16
2003:10 388532.32 75816.46 183140.00 629.05 416759.62 6810.38
2003:11 382261.16 77306.41 98287.00 617.08 439148.68 6744.79
2003:12 377743.83 78604.76 167466.00 679.30 460366.00 6679.44
2004:01 378959.26 79180.39 220492.00 752.93 476127.09 6658.32
2004:02 383600.23 79318.84 216703.00 761.08 487105.88 6662.38
2004:03 389041.76 79325.61 205084.00 735.67 492508.00 6675.50
2004:04 392839.49 79845.06 214133.00 783.41 494174.76 6725.23
2004:05 396396.25 80893.83 182130.00 733.99 493821.19 6841.46
2004:06 401295.49 82827.39 13387.00 732.40 495798.00 7097.79
2004:07 407833.50 85601.18 15168.40 756.98 507305.28 7359.65
2004:08 414574.98 88837.48 11060.50 746.76 527592.38 7486.20
2004:09 418797.47 91758.53 20583.30 819.82 558758.00 7128.48
2004:10 418871.15 93443.38 24741.70 860.35 597792.88 6261.92
2004:11 416703.56 94209.31 27707.40 977.77 641093.66 5223.20
2004:12 415294.91 94230.41 30052.80 1000.23 679949.00 4673.41
2005:01 417622.74 94113.65 35213.90 1045.44 705737.55 5095.85
2005:02 422175.65 93988.42 30814.60 1073.83 722859.99 6071.05
2005:03 427419.61 94416.99 70170.90 1080.17 735807.00 7001.76
2005:04 432252.01 95958.64 28042.80 1080.17 748875.12 7289.90
2005:05 437655.59 98330.73 53933.00 1088.17 759721.97 7233.68
2005:06 445044.52 101247.63 27752.10 1122.37 765811.00 7130.51
2005:07 453637.75 103766.66 28174.80 1182.30 765946.46 7258.61
2005:08 461630.59 105702.12 37052.90 1050.09 762066.99 7459.74
2005:09 465023.17 106211.29 31197.60 1079.27 757452.00 7556.45
2005:10 461489.17 104793.75 25959.40 1058.26 760818.83 7390.95
2005:11 453865.36 102042.03 16056.00 1017.73 773246.76 7061.76
2005:12 446662.06 98890.98 24234.20 1162.63 801253.00 6687.01
2006:01 444685.19 96787.90 27237.10 1229.70 840882.16 6423.62
2006:02 445827.38 95521.59 23093.90 1216.14 883639.33 6231.93
2006:03 448276.80 95393.30 35109.50 1322.97 910557.00 6111.05
2006:04 450388.70 96398.28 39487.50 1464.40 911625.21 6042.93
2006:05 453152.50 98232.89 61110.72 1330.00 900806.51 6019.41
2006:06 457724.70 100287.48 241885.32 1310.26 901021.00 6015.15
2006:07 463915.10 101775.82 198122.84 1351.65 935180.23 5992.89
2006:08 470472.11 102914.43 290644.00 1444.49 991819.86 5959.35
2006:09 474797.50 103743.25 27967.68 1534.62 1059467.00 5909.32
2006:10 474500.23 104375.51 31222.72 1582.63 1122927.88 5840.67
2006:11 470983.05 104827.86 37755.90 1718.96 1186078.50 5757.56
2006:12 465855.90 105190.26 49080.00 1805.52 1249074.00 5667.21 Sumber : BI dan BEJ (2007) berdasarkan tahun dasar 2000 Catatan : Data PDBR, INVR, dan RER yang digunakan telah mengalami proses disagregasi
(interpolasi) dalam mengakomodir fluktuasi pasar modal yang tergolong cepat
102
Lampiran 2.UJI STASIONERITAS PADA LEVEL
Null Hypothesis: GDPR has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.916633 0.3234
Test critical values: 1% level -3.506484 5% level -2.894716 10% level -2.584529
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(GDPR) Method: Least Squares Date: 07/04/07 Time: 23:52 Sample(adjusted): 1999:09 2006:12 Included observations: 88 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
GDPR(-1) -0.004432 0.002312 -1.916633 0.0589 D(GDPR(-1)) 1.948566 0.107936 18.05301 0.0000 D(GDPR(-2)) -1.213505 0.242980 -4.994251 0.0000 D(GDPR(-3)) -0.720414 0.275146 -2.618301 0.0106 D(GDPR(-4)) 1.458221 0.233537 6.244078 0.0000 D(GDPR(-5)) -0.492909 0.274933 -1.792834 0.0768 D(GDPR(-6)) -0.428936 0.239440 -1.791411 0.0771 D(GDPR(-7)) 0.286213 0.105759 2.706283 0.0083
C 2057.351 926.1987 2.221284 0.0292
R-squared 0.960869 Mean dependent var 2009.831 Adjusted R-squared 0.956907 S.D. dependent var 4702.418 S.E. of regression 976.1735 Akaike info criterion 16.70181 Sum squared resid 75280265 Schwarz criterion 16.95518 Log likelihood -725.8798 F-statistic 242.4834 Durbin-Watson stat 1.969944 Prob(F-statistic) 0.000000
Null Hypothesis: INVR has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -0.683058 0.8450
Test critical values: 1% level -3.504727 5% level -2.893956 10% level -2.584126
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(INVR) Method: Least Squares Date: 07/04/07 Time: 23:57
103
Sample(adjusted): 1999:07 2006:12 Included observations: 90 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
INVR(-1) -0.001969 0.002883 -0.683058 0.4965 D(INVR(-1)) 1.900429 0.101209 18.77730 0.0000 D(INVR(-2)) -1.303211 0.214104 -6.086829 0.0000 D(INVR(-3)) -0.188056 0.251272 -0.748418 0.4563 D(INVR(-4)) 0.738069 0.208465 3.540500 0.0007 D(INVR(-5)) -0.361293 0.098126 -3.681943 0.0004
C 272.5620 234.3039 1.163284 0.2480
R-squared 0.940265 Mean dependent var 549.5359 Adjusted R-squared 0.935947 S.D. dependent var 1396.430 S.E. of regression 353.4173 Akaike info criterion 14.64776 Sum squared resid 10367013 Schwarz criterion 14.84219 Log likelihood -652.1493 F-statistic 217.7468 Durbin-Watson stat 1.860671 Prob(F-statistic) 0.000000
Null Hypothesis: KAP has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 1.742668 0.9997
Test critical values: 1% level -3.505595 5% level -2.894332 10% level -2.584325
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KAP) Method: Least Squares Date: 07/04/07 Time: 23:58 Sample(adjusted): 1999:08 2006:12 Included observations: 89 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
KAP(-1) 0.004731 0.002715 1.742668 0.0852 D(KAP(-1)) 2.005817 0.100184 20.02138 0.0000 D(KAP(-2)) -1.411826 0.198741 -7.103863 0.0000 D(KAP(-3)) -0.420437 0.190712 -2.204570 0.0303 D(KAP(-4)) 1.561730 0.194766 8.018480 0.0000 D(KAP(-5)) -1.135569 0.194016 -5.852960 0.0000 D(KAP(-6)) 0.304506 0.094352 3.227341 0.0018
C -1031.115 1164.951 -0.885115 0.3787
R-squared 0.964314 Mean dependent var 9335.198 Adjusted R-squared 0.961230 S.D. dependent var 22927.79 S.E. of regression 4514.477 Akaike info criterion 19.75355 Sum squared resid 1.65E+09 Schwarz criterion 19.97725 Log likelihood -871.0332 F-statistic 312.6890 Durbin-Watson stat 1.696859 Prob(F-statistic) 0.000000
104
Null Hypothesis: IHSG has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 2.404226 1.0000
Test critical values: 1% level -3.500669 5% level -2.892200 10% level -2.583192
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IHSG) Method: Least Squares Date: 07/04/07 Time: 23:56 Sample(adjusted): 1999:02 2006:12 Included observations: 95 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
IHSG(-1) 0.037423 0.015565 2.404226 0.0182 C -11.76985 12.22090 -0.963092 0.3380
R-squared 0.058517 Mean dependent var 14.66937 Adjusted R-squared 0.048393 S.D. dependent var 53.26249 S.E. of regression 51.95773 Akaike info criterion 10.75957 Sum squared resid 251063.3 Schwarz criterion 10.81333 Log likelihood -509.0794 F-statistic 5.780304 Durbin-Watson stat 1.854241 Prob(F-statistic) 0.018189
Null Hypothesis: NSP has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.569023 0.0082
Test critical values: 1% level -3.500669 5% level -2.892200 10% level -2.583192
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(NSP) Method: Least Squares Date: 07/04/07 Time: 23:59 Sample(adjusted): 1999:02 2006:12 Included observations: 95 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
NSP(-1) -0.237815 0.066633 -3.569023 0.0006 C 13653.07 5703.481 2.393814 0.0187
R-squared 0.120467 Mean dependent var 459.6253 Adjusted R-squared 0.111010 S.D. dependent var 44898.85 S.E. of regression 42333.46 Akaike info criterion 24.16537 Sum squared resid 1.67E+11 Schwarz criterion 24.21914 Log likelihood -1145.855 F-statistic 12.73792
105
Durbin-Watson stat 2.126642 Prob(F-statistic) 0.000569
Null Hypothesis: RER has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.242251 0.6531
Test critical values: 1% level -3.505595 5% level -2.894332 10% level -2.584325
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(RER) Method: Least Squares Date: 07/05/07 Time: 00:00 Sample(adjusted): 1999:08 2006:12 Included observations: 89 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
RER(-1) -0.011032 0.008881 -1.242251 0.2177 D(RER(-1)) 1.967796 0.100218 19.63518 0.0000 D(RER(-2)) -1.580502 0.195267 -8.094046 0.0000 D(RER(-3)) -0.215392 0.202859 -1.061783 0.2915 D(RER(-4)) 1.424901 0.189666 7.512704 0.0000 D(RER(-5)) -1.154671 0.177319 -6.511820 0.0000 D(RER(-6)) 0.373776 0.093727 3.987915 0.0001
C 78.24593 67.27272 1.163115 0.2482
R-squared 0.945148 Mean dependent var -21.12427 Adjusted R-squared 0.940408 S.D. dependent var 363.2773 S.E. of regression 88.68122 Akaike info criterion 11.89356 Sum squared resid 637013.0 Schwarz criterion 12.11726 Log likelihood -521.2635 F-statistic 199.3875 Durbin-Watson stat 2.054973 Prob(F-statistic) 0.000000
Lampiran 3.UJI STASIONERITAS PADA FIRST DIFFERENCE
Null Hypothesis: D(GDPR) has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.475249 0.0000
Test critical values: 1% level -4.063233 5% level -3.460516 10% level -3.156439
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(GDPR,2)
106
Method: Least Squares Date: 07/04/07 Time: 23:55 Sample(adjusted): 1999:07 2006:12 Included observations: 90 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(GDPR(-1)) -0.267054 0.041242 -6.475249 0.0000 D(GDPR(-1),2) 1.182781 0.080783 14.64147 0.0000 D(GDPR(-2),2) -0.174683 0.127681 -1.368120 0.1750 D(GDPR(-3),2) -0.501128 0.118852 -4.216394 0.0001 D(GDPR(-4),2) 0.648867 0.083511 7.769831 0.0000
C 791.3466 265.2877 2.982975 0.0037 @TREND(1999:01) -5.415710 4.232212 -1.279641 0.2042
R-squared 0.904386 Mean dependent var -63.11533 Adjusted R-squared 0.897474 S.D. dependent var 3218.881 S.E. of regression 1030.676 Akaike info criterion 16.78840 Sum squared resid 88170335 Schwarz criterion 16.98283 Log likelihood -748.4782 F-statistic 130.8452 Durbin-Watson stat 1.754843 Prob(F-statistic) 0.000000
Null Hypothesis: D(INVR) has a unit root Exogenous: Constant, Linear Trend Lag Length: 7 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.435211 0.0534
Test critical values: 1% level -4.066981 5% level -3.462292 10% level -3.157475
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(INVR,2) Method: Least Squares Date: 07/04/07 Time: 23:57 Sample(adjusted): 1999:10 2006:12 Included observations: 87 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(INVR(-1)) -0.173380 0.050471 -3.435211 0.0010 D(INVR(-1),2) 1.185532 0.098901 11.98708 0.0000 D(INVR(-2),2) -0.167534 0.141130 -1.187090 0.2388 D(INVR(-3),2) -0.760003 0.142927 -5.317437 0.0000 D(INVR(-4),2) 0.704280 0.152099 4.630397 0.0000 D(INVR(-5),2) 0.216280 0.137911 1.568264 0.1209 D(INVR(-6),2) -0.652082 0.133915 -4.869353 0.0000 D(INVR(-7),2) 0.393594 0.098165 4.009499 0.0001
C 51.14912 81.68999 0.626137 0.5331 @TREND(1999:01) 0.617254 1.322196 0.466840 0.6419
R-squared 0.866538 Mean dependent var -14.50701 Adjusted R-squared 0.850938 S.D. dependent var 799.8467 S.E. of regression 308.8089 Akaike info criterion 14.41111 Sum squared resid 7342948. Schwarz criterion 14.69454 Log likelihood -616.8831 F-statistic 55.54911 Durbin-Watson stat 1.701402 Prob(F-statistic) 0.000000
107
Null Hypothesis: D(KAP) has a unit root Exogenous: Constant, Linear Trend Lag Length: 7 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.318340 0.0047
Test critical values: 1% level -4.066981 5% level -3.462292 10% level -3.157475
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KAP,2) Method: Least Squares Date: 07/04/07 Time: 23:58 Sample(adjusted): 1999:10 2006:12 Included observations: 87 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(KAP(-1)) -0.173905 0.040271 -4.318340 0.0000 D(KAP(-1),2) 1.225741 0.097381 12.58704 0.0000 D(KAP(-2),2) -0.078663 0.152439 -0.516027 0.6073 D(KAP(-3),2) -1.077927 0.127176 -8.475901 0.0000 D(KAP(-4),2) 1.090206 0.133251 8.181588 0.0000 D(KAP(-5),2) -0.008429 0.137154 -0.061458 0.9512 D(KAP(-6),2) -0.481682 0.124548 -3.867435 0.0002 D(KAP(-7),2) 0.332834 0.082365 4.040956 0.0001
C -2890.460 1034.829 -2.793176 0.0066 @TREND(1999:01) 87.63423 21.93807 3.994619 0.0001
R-squared 0.919477 Mean dependent var 1022.524 Adjusted R-squared 0.910065 S.D. dependent var 12261.40 S.E. of regression 3677.088 Akaike info criterion 19.36541 Sum squared resid 1.04E+09 Schwarz criterion 19.64885 Log likelihood -832.3954 F-statistic 97.69420 Durbin-Watson stat 1.899755 Prob(F-statistic) 0.000000
Null Hypothesis: D(IHSG) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -8.691806 0.0000
Test critical values: 1% level -4.058619 5% level -3.458326 10% level -3.155161
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IHSG,2) Method: Least Squares Date: 07/04/07 Time: 23:56
108
Sample(adjusted): 1999:03 2006:12 Included observations: 94 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(IHSG(-1)) -0.911872 0.104912 -8.691806 0.0000 C -9.395760 11.01196 -0.853232 0.3958
@TREND(1999:01) 0.477635 0.203909 2.342386 0.0213
R-squared 0.453677 Mean dependent var 1.090319 Adjusted R-squared 0.441670 S.D. dependent var 69.44564 S.E. of regression 51.89081 Akaike info criterion 10.76756 Sum squared resid 245031.8 Schwarz criterion 10.84872 Log likelihood -503.0751 F-statistic 37.78407 Durbin-Watson stat 1.978173 Prob(F-statistic) 0.000000
Null Hypothesis: D(NSP) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -11.57156 0.0000
Test critical values: 1% level -4.058619 5% level -3.458326 10% level -3.155161
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(NSP,2) Method: Least Squares Date: 07/04/07 Time: 23:59 Sample(adjusted): 1999:03 2006:12 Included observations: 94 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(NSP(-1)) -1.191143 0.102937 -11.57156 0.0000 C 2965.046 9463.103 0.313327 0.7547
@TREND(1999:01) -49.73473 170.2777 -0.292080 0.7709
R-squared 0.595380 Mean dependent var 143.1043 Adjusted R-squared 0.586487 S.D. dependent var 69633.45 S.E. of regression 44777.78 Akaike info criterion 24.28821 Sum squared resid 1.82E+11 Schwarz criterion 24.36937 Log likelihood -1138.546 F-statistic 66.95111 Durbin-Watson stat 1.963822 Prob(F-statistic) 0.000000
Null Hypothesis: D(RER) has a unit root Exogenous: Constant, Linear Trend Lag Length: 7 (Automatic based on SIC, MAXLAG=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.477035 0.0029
Test critical values: 1% level -4.066981 5% level -3.462292 10% level -3.157475
109
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(RER,2) Method: Least Squares Date: 07/05/07 Time: 00:00 Sample(adjusted): 1999:10 2006:12 Included observations: 87 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(RER(-1)) -0.305649 0.068270 -4.477035 0.0000 D(RER(-1),2) 1.285734 0.102353 12.56174 0.0000 D(RER(-2),2) -0.107029 0.150704 -0.710195 0.4797 D(RER(-3),2) -0.995056 0.145232 -6.851501 0.0000 D(RER(-4),2) 1.233692 0.150058 8.221421 0.0000 D(RER(-5),2) -0.078884 0.138358 -0.570146 0.5702 D(RER(-6),2) -0.463251 0.125978 -3.677251 0.0004 D(RER(-7),2) 0.436001 0.090599 4.812405 0.0000
C 7.235305 19.77488 0.365884 0.7155 @TREND(1999:01) -0.284371 0.346763 -0.820074 0.4147
R-squared 0.928294 Mean dependent var -2.218046 Adjusted R-squared 0.919913 S.D. dependent var 281.5624 S.E. of regression 79.68125 Akaike info criterion 11.70173 Sum squared resid 488880.8 Schwarz criterion 11.98517 Log likelihood -499.0252 F-statistic 110.7589 Durbin-Watson stat 1.757491 Prob(F-statistic) 0.000000
Lampiran 4.KORELASI MATRIKS
LN_GDPR LN_IHSG LN_INVR LN_KAP LN_NSP LN_RER
LN_GDPR 1.000000 0.649704 0.963710 0.686725 0.416163 -0.442446 LN_IHSG 0.649704 1.000000 0.729397 0.980560 0.340799 -0.664364 LN_INVR 0.963710 0.729397 1.000000 0.751272 0.345354 -0.494451 LN_KAP 0.686725 0.980560 0.751272 1.000000 0.383966 -0.667259 LN_NSP 0.416163 0.340799 0.345354 0.383966 1.000000 -0.561549 LN_RER -0.442446 -0.664364 -0.494451 -0.667259 -0.561549 1.000000
Lampiran 5.UJI STABILITAS VAR
Roots of Characteristic Polynomial Endogenous variables: D(LN_GDPR) D(LN_INVR) D(LN_KAP) D(LN_IHSG) D(LN_NSP) D(LN_RER) Exogenous variables: C Lag specification: 1 2 Date: 07/05/07 Time: 00:08
Root Modulus
0.608143 - 0.683566i 0.914931 0.608143 + 0.683566i 0.914931 0.624663 - 0.668015i 0.914575 0.624663 + 0.668015i 0.914575 0.831244 + 0.373854i 0.911446
110
0.831244 - 0.373854i 0.911446 0.666500 - 0.548228i 0.863005 0.666500 + 0.548228i 0.863005 -0.150064 - 0.492122i 0.514493 -0.150064 + 0.492122i 0.514493 -0.101721 - 0.268640i 0.287254 -0.101721 + 0.268640i 0.287254
No root lies outside the unit circle. VAR satisfies the stability condition.
Lampiran 6.UJI LAG OPTIMAL
VAR Lag Order Selection Criteria Endogenous variables: D(LN_GDPR) D(LN_INVR) D(LN_KAP) D(LN_IHSG) D(LN_NSP) D(LN_RER) Exogenous variables: C Date: 07/05/07 Time: 00:08 Sample: 1999:01 2006:12 Included observations: 87
Lag LogL LR FPE AIC SC HQ
0 824.0686 NA 2.74E-16 -18.80617 -18.63611 -18.73770 1 1031.610 381.6848 5.32E-18 -22.74965 -21.55921 -22.27030 2 1250.542 372.4371 8.03E-20 -26.95500 -24.74418* -26.06477 3 1314.727 100.3351 4.33E-20 -27.60293 -24.37174 -26.30182* 4 1345.443 43.77856 5.17E-20 -27.48144 -23.22988 -25.76947 5 1413.122 87.12709* 2.75E-20* -28.20970 -22.93776 -26.08685 6 1450.526 42.99372 3.09E-20 -28.24199 -21.94967 -25.70827 7 1491.532 41.47684 3.44E-20 -28.35706 -21.04436 -25.41246 8 1539.137 41.58567 3.64E-20 -28.62383* -20.29076 -25.26836
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Lampiran 7.UJI KOINTEGRASI 1
Date: 07/05/07 Time: 00:10 Sample: 1999:01 2006:12 Included observations: 93 Series: LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER Lags interval: 1 to 2
Data Trend: None None Linear Linear Quadratic
Rank or No Intercept
Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend
Selected (5% level) Number of Cointegrating Relations by
Model (columns)
111
Trace 1 1 0 1 1 Max-Eig 1 2 0 1 1
Log Likelihood by Rank (rows) and Model (columns)
0 1287.061 1287.061 1302.941 1302.941 1308.742 1 1310.579 1312.696 1321.135 1335.041 1340.729 2 1321.500 1330.809 1332.494 1348.892 1352.182 3 1328.170 1337.667 1339.227 1360.207 1363.496 4 1333.746 1343.869 1345.330 1366.849 1369.015 5 1336.236 1347.782 1349.160 1370.777 1372.789 6 1336.262 1349.370 1349.370 1374.123 1374.123
Akaike Information Criteria by Rank (rows) and Model
(columns)
0 -26.13035 -26.13035 -26.34281 -26.34281 -26.33854 1 -26.37805 -26.40207 -26.47602 -26.75358 -26.76836 2 -26.35484 -26.51202 -26.46223 -26.77187* -26.75660 3 -26.24022 -26.37995 -26.34897 -26.73563 -26.74185 4 -26.10206 -26.23375 -26.22215 -26.59891 -26.60246 5 -25.89755 -26.03832 -26.04645 -26.40381 -26.42558 6 -25.64004 -25.79291 -25.79291 -26.19618 -26.19618
Schwarz Criteria by Rank (rows) and Model (columns)
0 -24.16963 -24.16963 -24.21869 -24.21869 -24.05103 1 -24.09054 -24.08733 -24.02512 -24.27544* -24.15406 2 -23.74054 -23.84326 -23.68454 -23.93972 -23.81552 3 -23.29914 -23.35717 -23.24449 -23.54945 -23.47398 4 -22.83419 -22.85695 -22.79089 -23.05872 -23.00781 5 -22.30289 -22.30750 -22.28840 -22.50959 -22.50413 6 -21.71859 -21.70807 -21.70807 -21.94795 -21.94795
Lampiran 8.UJI KOINTEGRASI 2
Date: 07/05/07 Time: 00:10 Sample(adjusted): 1999:04 2006:12 Included observations: 93 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test
Hypothesized Trace 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical
Value Critical Value
None ** 0.498592 142.3638 114.90 124.75 At most 1 0.257600 78.16256 87.31 96.58 At most 2 0.215982 50.46087 62.99 70.05 At most 3 0.133122 27.83181 42.44 48.45 At most 4 0.080994 14.54616 25.32 30.45 At most 5 0.069421 6.691181 12.25 16.26
112
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels
Hypothesized Max-Eigen 5 Percent 1 Percent No. of CE(s) Eigenvalue Statistic Critical
Value Critical Value
None ** 0.498592 64.20122 43.97 49.51 At most 1 0.257600 27.70168 37.52 42.36 At most 2 0.215982 22.62906 31.46 36.65 At most 3 0.133122 13.28565 25.54 30.34 At most 4 0.080994 7.854976 18.96 23.65 At most 5 0.069421 6.691181 12.25 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER @TREND(99:02) -23.02251 -18.95310 -13.47623 11.85833 -1.130332 6.037624 0.320958 4.210111 13.76295 -11.70185 14.26906 0.853874 -4.817003 -0.176215 22.33838 -9.090680 -6.577893 6.273998 0.047270 2.981553 -0.026248 -16.70946 11.64840 -0.129877 0.671312 1.362796 6.202677 0.013653 -36.82342 31.55504 -2.115837 -2.340696 -0.203018 -0.892807 0.060999 -36.23350 10.42029 7.166096 -8.162162 -0.007886 13.77851 0.149214
Unrestricted Adjustment Coefficients (alpha):
D(LN_GDPR) -0.002026 0.001045 -0.001033 -0.000276 0.000163 0.000284 D(LN_INVR) 0.000385 -0.000232 -0.000703 -4.03E-05 -0.000971 -0.000625 D(LN_KAP) 0.012918 -0.002936 -0.002116 0.001152 0.002542 -0.001132 D(LN_IHSG) -0.003403 -0.025423 -0.008692 0.001504 0.003172 -0.000994 D(LN_NSP) 0.095548 -0.072240 0.000845 -0.190231 0.011725 0.014820 D(LN_RER) -0.008295 0.004003 -0.001860 -0.001601 0.001152 -0.003512
1 Cointegrating Equation(s):
Log likelihood
1335.041
Normalized cointegrating coefficients (std.err. in parentheses) LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER @TREND(99:02) 1.000000 0.823242 0.585350 -0.515076 0.049097 -0.262249 -0.013941
(0.18045) (0.10039) (0.10516) (0.00962) (0.06930) (0.00149)
Adjustment coefficients (std.err. in parentheses) D(LN_GDPR) 0.046647
(0.01015) D(LN_INVR) -0.008869
(0.01157) D(LN_KAP) -0.297399
(0.04707) D(LN_IHSG) 0.078335
(0.14249) D(LN_NSP) -2.199751
(1.43319) D(LN_RER) 0.190979
113
(0.04919)
2 Cointegrating Equation(s):
Log likelihood
1348.892
Normalized cointegrating coefficients (std.err. in parentheses) LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER @TREND(99:02) 1.000000 0.000000 1.717935 -1.829254 -0.002644 0.034597 -0.004545
(0.33508) (0.35266) (0.02454) (0.20584) (0.00152) 0.000000 1.000000 -1.375762 1.596345 0.062850 -0.360581 -0.011413
(0.37624) (0.39597) (0.02756) (0.23113) (0.00170)
Adjustment coefficients (std.err. in parentheses) D(LN_GDPR) 0.051045 0.052779
(0.00995) (0.00996) D(LN_INVR) -0.009846 -0.010496
(0.01174) (0.01175) D(LN_KAP) -0.309759 -0.285237
(0.04722) (0.04726) D(LN_IHSG) -0.028699 -0.285408
(0.12845) (0.12855) D(LN_NSP) -2.503891 -2.805169
(1.44448) (1.44564) D(LN_RER) 0.207832 0.212317
(0.04889) (0.04893)
3 Cointegrating Equation(s):
Log likelihood
1360.207
Normalized cointegrating coefficients (std.err. in parentheses) LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER @TREND(99:02) 1.000000 0.000000 0.000000 0.013894 0.017617 0.002630 -0.005396
(0.03509) (0.00976) (0.07930) (0.00059) 0.000000 1.000000 0.000000 0.120310 0.046625 -0.334981 -0.010732
(0.04450) (0.01238) (0.10056) (0.00075) 0.000000 0.000000 1.000000 -1.072885 -0.011794 0.018608 0.000495
(0.05327) (0.01482) (0.12039) (0.00090)
Adjustment coefficients (std.err. in parentheses) D(LN_GDPR) 0.027978 0.062167 0.021873
(0.01323) (0.01027) (0.00778) D(LN_INVR) -0.025547 -0.004106 0.002149
(0.01603) (0.01245) (0.00942) D(LN_KAP) -0.357038 -0.265996 -0.125807
(0.06482) (0.05034) (0.03811) D(LN_IHSG) -0.222868 -0.206390 0.400526
(0.17473) (0.13569) (0.10273) D(LN_NSP) -2.485022 -2.812848 -0.447835
(1.99683) (1.55070) (1.17397) D(LN_RER) 0.166281 0.229226 0.077180
(0.06724) (0.05222) (0.03953)
4 Cointegrating Equation(s):
Log likelihood
1366.849
Normalized cointegrating coefficients (std.err. in parentheses) LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER @TREND(99:02) 1.000000 0.000000 0.000000 0.000000 0.041873 0.223942 -0.004338
(0.01543) (0.13290) (0.00071)
114
0.000000 1.000000 0.000000 0.000000 0.256654 1.581377 -0.001566 (0.07772) (0.66952) (0.00356)
0.000000 0.000000 1.000000 0.000000 -1.884774 -17.07088 -0.081243 (0.73208) (6.30647) (0.03354)
0.000000 0.000000 0.000000 1.000000 -1.745741 -15.92854 -0.076186 (0.68246) (5.87907) (0.03127)
Adjustment coefficients (std.err. in parentheses) D(LN_GDPR) 0.032582 0.058957 0.021909 -0.015784
(0.01485) (0.01129) (0.00776) (0.00799) D(LN_INVR) -0.024873 -0.004576 0.002154 -0.003181
(0.01804) (0.01372) (0.00942) (0.00971) D(LN_KAP) -0.376281 -0.252582 -0.125956 0.098787
(0.07281) (0.05537) (0.03803) (0.03918) D(LN_IHSG) -0.247997 -0.188872 0.400331 -0.456636
(0.19656) (0.14949) (0.10268) (0.10578) D(LN_NSP) 0.693642 -5.028739 -0.423129 -0.020169
(2.10796) (1.60318) (1.10115) (1.13444) D(LN_RER) 0.193041 0.210572 0.077388 -0.053992
(0.07539) (0.05734) (0.03938) (0.04057)
5 Cointegrating Equation(s):
Log likelihood
1370.777
Normalized cointegrating coefficients (std.err. in parentheses) LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER @TREND(99:02) 1.000000 0.000000 0.000000 0.000000 0.000000 -0.103356 -0.005466
(0.06959) (0.00039) 0.000000 1.000000 0.000000 0.000000 0.000000 -0.424763 -0.008479
(0.11539) (0.00064) 0.000000 0.000000 1.000000 0.000000 0.000000 -2.338529 -0.030477
(0.97875) (0.00546) 0.000000 0.000000 0.000000 1.000000 0.000000 -2.282932 -0.029164
(0.93309) (0.00520) 0.000000 0.000000 0.000000 0.000000 1.000000 7.816508 0.026935
(2.76568) (0.01542)
Adjustment coefficients (std.err. in parentheses) D(LN_GDPR) 0.026576 0.064104 0.021564 -0.016166 0.002725
(0.02109) (0.01710) (0.00780) (0.00804) (0.00081) D(LN_INVR) 0.010893 -0.035225 0.004209 -0.000908 -0.000525
(0.02502) (0.02029) (0.00925) (0.00954) (0.00096) D(LN_KAP) -0.469892 -0.172364 -0.131335 0.092836 -0.016155
(0.10248) (0.08308) (0.03787) (0.03905) (0.00391) D(LN_IHSG) -0.364816 -0.088767 0.393619 -0.464062 -0.016868
(0.27893) (0.22613) (0.10308) (0.10630) (0.01065) D(LN_NSP) 0.261890 -4.658759 -0.447937 -0.047613 -0.431272
(2.99713) (2.42979) (1.10765) (1.14221) (0.11440) D(LN_RER) 0.150636 0.246910 0.074952 -0.056688 0.010290
(0.10701) (0.08676) (0.03955) (0.04078) (0.00408)
115
Lampiran 9.HASIL ESTIMASI VECM (PERSAMAAN INVESTASI RIIL)
Vector Error Correction Estimates Date: 07/18/07 Time: 19:18 Sample(adjusted): 1999:04 2006:12 Included observations: 93 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
LN_INVR(-1) 1.000000
LN_GDPR(-1) 1.214709 (0.32331) [ 3.75713]
LN_KAP(-1) 0.711030 (0.12014) [ 5.91840]
LN_IHSG(-1) -0.625667 (0.12760) [-4.90333]
LN_NSP(-1) 0.059638 (0.01024) [ 5.82332]
LN_RER(-1) -0.318556 (0.10340) [-3.08077]
@TREND(99:01) -0.016934 (0.00233) [-7.27354]
C -29.00068
Error Correction: D(LN_INVR)
D(LN_GDPR)
D(LN_KAP) D(LN_IHSG)
D(LN_NSP)
D(LN_RER)
CointEq1 -0.007301 0.038402 -0.244832 0.064489 -1.810928 0.157222 (0.00952) (0.00836) (0.03875) (0.11730) (1.17986) (0.04050) [-0.76684] [ 4.59421] [-6.31822] [ 0.54977] [-1.53487] [ 3.88211]
D(LN_INVR(-1)) 1.504248 0.264866 -0.612421 -0.244676 -9.647905 0.832045 (0.06828) (0.05994) (0.27789) (0.84119) (8.46102) (0.29043) [ 22.0315] [ 4.41867] [-2.20386] [-0.29087] [-1.14028] [ 2.86491]
D(LN_INVR(-2)) -0.816812 -0.196413 0.692278 -0.171924 9.675219 -1.115569 (0.07828) (0.06872) (0.31858) (0.96439) (9.70024) (0.33296) [-10.4349] [-2.85810] [ 2.17298] [-0.17827] [ 0.99742] [-3.35043]
D(LN_GDPR(-1)) 0.142242 1.548137 -0.583309 0.304152 -2.275122 1.190551 (0.09640) (0.08463) (0.39233) (1.18762) (11.9456) (0.41003) [ 1.47560] [ 18.2933] [-1.48679] [ 0.25610] [-0.19046] [ 2.90354]
D(LN_GDPR(-2)) 0.091813 -0.989754 0.899803 -1.456091 -5.613698 -1.062678 (0.09672) (0.08491) (0.39364) (1.19160) (11.9856) (0.41141) [ 0.94927] [-11.6561] [ 2.28583] [-1.22196] [-0.46837] [-2.58301]
116
D(LN_KAP(-1)) -0.042981 0.042560 1.133811 1.100424 1.956695 0.189116
(0.01677) (0.01473) (0.06827) (0.20667) (2.07873) (0.07135) [-2.56228] [ 2.88997] [ 16.6073] [ 5.32466] [ 0.94129] [ 2.65042]
D(LN_KAP(-2)) 0.029408 -0.008776 -0.610790 -0.349527 -0.795258 -0.136159 (0.01538) (0.01350) (0.06260) (0.18951) (1.90614) (0.06543) [ 1.91186] [-0.64984] [-9.75650] [-1.84440] [-0.41721] [-2.08102]
D(LN_IHSG(-1)) 0.000540 0.012202 -0.080885 -0.311511 -1.512225 0.048195 (0.00953) (0.00836) (0.03877) (0.11736) (1.18048) (0.04052) [ 0.05672] [ 1.45898] [-2.08627] [-2.65427] [-1.28103] [ 1.18940]
D(LN_IHSG(-2)) -0.000864 0.003987 -0.004747 -0.241267 -0.633235 0.044635 (0.00945) (0.00830) (0.03846) (0.11643) (1.17109) (0.04020) [-0.09143] [ 0.48060] [-0.12342] [-2.07223] [-0.54072] [ 1.11038]
D(LN_NSP(-1)) 0.000100 -0.002029 0.009034 -0.005016 -0.132141 -0.008345 (0.00101) (0.00089) (0.00411) (0.01245) (0.12527) (0.00430) [ 0.09941] [-2.28604] [ 2.19590] [-0.40279] [-1.05487] [-1.94068]
D(LN_NSP(-2)) -0.000352 -0.001585 0.004540 -0.003733 -0.025964 -0.006166 (0.00096) (0.00085) (0.00392) (0.01187) (0.11935) (0.00410) [-0.36553] [-1.87492] [ 1.15826] [-0.31460] [-0.21754] [-1.50517]
D(LN_RER(-1)) -0.022203 -0.019183 0.120995 -0.060759 -1.268755 1.145255 (0.01672) (0.01468) (0.06806) (0.20603) (2.07237) (0.07113) [-1.32765] [-1.30659] [ 1.77769] [-0.29490] [-0.61223] [ 16.0999]
D(LN_RER(-2)) 0.005149 0.021091 -0.134912 0.199762 1.800752 -0.731723 (0.01648) (0.01447) (0.06708) (0.20306) (2.04243) (0.07011) [ 0.31241] [ 1.45762] [-2.01123] [ 0.98378] [ 0.88167] [-10.4372]
C 0.000912 0.001061 0.007475 0.017360 0.087113 -0.003628 (0.00069) (0.00060) (0.00280) (0.00849) (0.08538) (0.00293) [ 1.32327] [ 1.75365] [ 2.66558] [ 2.04511] [ 1.02026] [-1.23779]
R-squared 0.933028 0.904130 0.936241 0.471360 0.178279 0.869202 Adj. R-squared 0.922008 0.888354 0.925749 0.384368 0.043059 0.847678 Sum sq. resids 0.001854 0.001429 0.030711 0.281416 28.47154 0.033546 S.E. equation 0.004844 0.004253 0.019717 0.059684 0.600333 0.020607 F-statistic 84.66168 57.31031 89.23414 5.418457 1.318436 40.38343 Log likelihood 371.3079 383.4157 240.7701 137.7629 -76.91949 236.6648 Akaike AIC -7.684040 -7.944424 -4.876777 -2.661568 1.955258 -4.788491 Schwarz SC -7.302789 -7.563173 -4.495526 -2.280316 2.336509 -4.407239 Mean dependent 0.006542 0.005443 0.021619 0.016379 0.030234 -0.004435 S.D. dependent 0.017347 0.012729 0.072358 0.076068 0.613690 0.052799
Determinant Residual Covariance
3.64E-20
Log Likelihood 1335.041 Log Likelihood (d.f. adjusted) 1289.522 Akaike Information Criteria -25.77467 Schwarz Criteria -23.29653
117
Lampiran 10. VARIANCE DECOMPOSITION VECM (PERSAMAAN
INVESTASI RIIL)
Variance
Decomposition of LN_INVR:
Period S.E. LN_INVR LN_GDPR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.004844 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.013018 99.21153 0.293497 0.349479 0.052276 0.024717 0.068500 3 0.023218 96.67227 1.698634 1.054788 0.103012 0.119175 0.352120 4 0.033913 92.48130 4.741970 1.579914 0.091653 0.196064 0.909100 5 0.044002 87.37866 9.163086 1.552389 0.054748 0.197829 1.653289 6 0.052885 82.36267 13.88775 1.154056 0.080040 0.149975 2.365514 7 0.060361 78.19892 17.67124 0.972710 0.207374 0.119461 2.830301 8 0.066463 75.25896 19.87218 1.370141 0.382007 0.132909 2.983807 9 0.071304 73.61029 20.67863 2.109164 0.516128 0.159704 2.926083
10 0.075035 73.07713 20.69626 2.683731 0.573432 0.168081 2.801363 11 0.077884 73.26563 20.43831 2.861101 0.577033 0.160528 2.697400 12 0.080144 73.71121 20.15107 2.779771 0.561855 0.151610 2.644484 13 0.082085 74.10742 19.90372 2.650684 0.546207 0.144571 2.647396 14 0.083892 74.39124 19.70034 2.543449 0.537020 0.139338 2.688616 15 0.085700 74.62652 19.52708 2.439491 0.536598 0.140194 2.730112 16 0.087636 74.86564 19.37190 2.335087 0.540874 0.146659 2.739838 17 0.089800 75.10899 19.24231 2.242241 0.542110 0.151064 2.713282 18 0.092231 75.32220 19.16569 2.158252 0.536227 0.148795 2.668842 19 0.094881 75.46262 19.16400 2.072976 0.525130 0.142154 2.633112 20 0.097638 75.51040 19.22827 1.986002 0.513637 0.134663 2.627026 21 0.100365 75.48667 19.32113 1.905646 0.506235 0.128018 2.652305 22 0.102949 75.43859 19.40264 1.840650 0.505139 0.123410 2.689566 23 0.105334 75.40722 19.45167 1.795329 0.509418 0.121527 2.714840 24 0.107518 75.40954 19.46813 1.767242 0.515898 0.121511 2.717683 25 0.109535 75.44278 19.46276 1.747938 0.521354 0.121670 2.703497 26 0.111430 75.49645 19.44621 1.727893 0.524158 0.121019 2.684271 27 0.113247 75.56036 19.42348 1.701692 0.524357 0.119610 2.670496 28 0.115020 75.62807 19.39466 1.669108 0.522849 0.117908 2.667401 29 0.116781 75.69751 19.35952 1.632682 0.520626 0.116292 2.673372 30 0.118550 75.76852 19.32124 1.595244 0.518410 0.114922 2.681657 31 0.120342 75.83854 19.28660 1.559014 0.516581 0.113726 2.685541 32 0.122161 75.90092 19.26289 1.525636 0.515240 0.112530 2.682780 33 0.124001 75.94810 19.25424 1.496169 0.514333 0.111232 2.675922 34 0.125847 75.97664 19.25927 1.470889 0.513759 0.109868 2.669577 35 0.127676 75.98966 19.27184 1.449259 0.513428 0.108557 2.667261 36 0.129471 75.99537 19.28431 1.430214 0.513268 0.107400 2.669437 37 0.131219 76.00287 19.29119 1.412628 0.513222 0.106423 2.673660 38 0.132918 76.01805 19.29083 1.395667 0.513242 0.105579 2.676636 39 0.134573 76.04173 19.28476 1.378911 0.513284 0.104798 2.676518 40 0.136191 76.07080 19.27586 1.362283 0.513308 0.104039 2.673707 41 0.137780 76.10084 19.26664 1.345883 0.513274 0.103306 2.670053 42 0.139346 76.12859 19.25834 1.329845 0.513146 0.102621 2.667462 43 0.140895 76.15307 19.25097 1.314248 0.512903 0.101997 2.666812 44 0.142432 76.17520 19.24409 1.299111 0.512547 0.101415 2.667643 45 0.143961 76.19647 19.23745 1.284434 0.512110 0.100837 2.668700 46 0.145485 76.21765 19.23134 1.270251 0.511645 0.100228 2.668885 47 0.147005 76.23829 19.22634 1.256643 0.511211 0.099583 2.667928 48 0.148517 76.25718 19.22293 1.243724 0.510856 0.098926 2.666379 49 0.150018 76.27332 19.22111 1.231585 0.510601 0.098297 2.665088 50 0.151503 76.28664 19.22034 1.220245 0.510442 0.097728 2.664604
118
51 0.152968 76.29813 19.21979 1.209629 0.510351 0.097228 2.664877 52 0.154413 76.30928 19.21868 1.199586 0.510293 0.096781 2.665383 53 0.155839 76.32133 19.21660 1.189938 0.510233 0.096358 2.665539 54 0.157249 76.33473 19.21358 1.180529 0.510147 0.095937 2.665080 55 0.158644 76.34909 19.20995 1.171262 0.510024 0.095509 2.664165 56 0.160027 76.36359 19.20615 1.162114 0.509867 0.095081 2.663204 57 0.161399 76.37743 19.20254 1.153117 0.509687 0.094666 2.662562 58 0.162759 76.39024 19.19930 1.144337 0.509501 0.094272 2.662351 59 0.164110 76.40208 19.19645 1.135839 0.509323 0.093902 2.662408 60 0.165452 76.41326 19.19392 1.127666 0.509160 0.093548 2.662446
Variance Decomposition of LN_GDPR:
Period S.E. LN_INVR LN_GDPR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.004253 2.557855 97.44214 0.000000 0.000000 0.000000 0.000000 2 0.011081 0.669165 98.20163 0.674532 0.201611 0.016887 0.236175 3 0.018993 0.517697 95.01350 2.729008 0.809605 0.061031 0.869157 4 0.026632 2.401144 88.32332 5.747328 1.531749 0.260427 1.736029 5 0.033307 5.854556 80.37179 8.547877 2.051944 0.593938 2.579899 6 0.038778 9.636370 73.87606 10.11906 2.281395 0.897438 3.189680 7 0.043116 12.48241 70.18867 10.41169 2.332232 1.071544 3.513455 8 0.046665 13.77001 69.09086 10.02467 2.348764 1.147757 3.617940 9 0.049822 13.68928 69.53726 9.534686 2.427705 1.208382 3.602689
10 0.052790 12.89191 70.29454 9.312649 2.616623 1.330995 3.553285 11 0.055553 11.95566 70.50697 9.571231 2.887166 1.559131 3.519842 12 0.058008 11.17415 70.08030 10.22929 3.145607 1.858306 3.512346 13 0.060090 10.64768 69.46903 10.91446 3.316723 2.133761 3.518349 14 0.061866 10.38085 69.09838 11.28701 3.393875 2.314939 3.524939 15 0.063528 10.31172 69.06980 11.28003 3.411131 2.399419 3.527906 16 0.065280 10.33954 69.26740 11.02508 3.407258 2.426635 3.534081 17 0.067220 10.37357 69.51853 10.69145 3.415909 2.442921 3.557623 18 0.069326 10.36799 69.65996 10.42953 3.455051 2.483658 3.603808 19 0.071514 10.32310 69.60735 10.33929 3.515900 2.557229 3.657129 20 0.073687 10.26445 69.40890 10.41685 3.574268 2.642032 3.693496 21 0.075774 10.21714 69.19198 10.56620 3.613584 2.709272 3.701825 22 0.077745 10.18892 69.05502 10.68507 3.633928 2.747341 3.689716 23 0.079607 10.16941 69.01582 10.73098 3.645537 2.764491 3.673765 24 0.081375 10.14146 69.03363 10.71951 3.659508 2.777170 3.668712 25 0.083062 10.09365 69.05624 10.68839 3.681964 2.799249 3.680511 26 0.084676 10.02602 69.05401 10.66803 3.712213 2.836015 3.703706 27 0.086231 9.948021 69.02874 10.66971 3.744827 2.882829 3.725878 28 0.087745 9.872606 69.00016 10.68687 3.773885 2.929437 3.737047 29 0.089240 9.810664 68.98539 10.70481 3.796170 2.967190 3.735779 30 0.090735 9.767749 68.98716 10.71170 3.811797 2.993480 3.728114 31 0.092237 9.743048 68.99571 10.70443 3.823002 3.011174 3.722635 32 0.093742 9.730728 68.99854 10.68756 3.832448 3.025289 3.725441 33 0.095241 9.723246 68.98935 10.66872 3.842023 3.039821 3.736837 34 0.096721 9.714733 68.97072 10.65428 3.852468 3.056198 3.751606 35 0.098178 9.702443 68.94993 10.64728 3.863674 3.073598 3.763079 36 0.099610 9.686133 68.93298 10.64760 3.875172 3.090427 3.767693 37 0.101018 9.666689 68.92145 10.65314 3.886500 3.105723 3.766495 38 0.102401 9.645144 68.91340 10.66108 3.897346 3.119613 3.763413 39 0.103758 9.622382 68.90606 10.66873 3.907553 3.132877 3.762394 40 0.105088 9.599302 68.89813 10.67405 3.917080 3.146203 3.765236 41 0.106391 9.576980 68.89027 10.67602 3.925991 3.159739 3.770993 42 0.107672 9.556536 68.88401 10.67482 3.934414 3.173115 3.777107 43 0.108937 9.538755 68.88013 10.67152 3.942469 3.185790 3.781332
119
44 0.110193 9.523750 68.87797 10.66763 3.950190 3.197411 3.783048 45 0.111442 9.510948 68.87591 10.66441 3.957518 3.207962 3.783256 46 0.112685 9.499420 68.87248 10.66248 3.964351 3.217676 3.783597 47 0.113919 9.488360 68.86721 10.66172 3.970639 3.226834 3.785234 48 0.115143 9.477418 68.86072 10.66157 3.976444 3.235617 3.788234 49 0.116352 9.466678 68.85411 10.66147 3.981931 3.244072 3.791742 50 0.117547 9.456372 68.84827 10.66118 3.987292 3.252190 3.794700 51 0.118728 9.446553 68.84345 10.66080 3.992656 3.259985 3.796559 52 0.119896 9.436979 68.83937 10.66057 3.998043 3.267527 3.797508 53 0.121051 9.427260 68.83558 10.66067 4.003376 3.274915 3.798200 54 0.122195 9.417134 68.83182 10.66103 4.008546 3.282211 3.799255 55 0.123327 9.406676 68.82809 10.66146 4.013474 3.289403 3.800898 56 0.124447 9.396292 68.82456 10.66170 4.018138 3.296411 3.802905 57 0.125557 9.386503 68.82136 10.66159 4.022568 3.303136 3.804841 58 0.126657 9.377681 68.81848 10.66114 4.026809 3.309509 3.806381 59 0.127749 9.369868 68.81575 10.66046 4.030890 3.315528 3.807496 60 0.128833 9.362797 68.81302 10.65971 4.034823 3.321246 3.808410
Variance Decomposition
of LN_KAP:
Period S.E. LN_INVR LN_GDPR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.019717 0.565317 19.26910 80.16559 0.000000 0.000000 0.000000 2 0.046486 1.303307 21.39450 75.96072 0.322167 0.480963 0.538342 3 0.073392 2.237168 21.76546 69.28243 2.012499 2.564193 2.138246 4 0.096876 3.293280 20.36157 59.93651 4.781360 7.254163 4.373117 5 0.116994 4.344413 18.31686 50.02915 7.423990 13.60059 6.284996 6 0.134462 5.403664 16.98164 41.86973 9.176250 19.33511 7.233608 7 0.150109 6.610383 17.14833 35.93302 10.02846 22.94648 7.333318 8 0.165511 8.024249 18.99195 31.45070 10.26814 24.25630 7.008665 9 0.181941 9.535910 21.82746 27.73656 10.21982 24.03148 6.648768
10 0.199188 10.94210 24.39914 24.57560 10.17058 23.36976 6.542823 11 0.216082 12.05601 25.90401 21.98060 10.25408 23.02947 6.775836 12 0.231582 12.78691 26.40303 19.97096 10.44610 23.21014 7.182849 13 0.245252 13.16506 26.39655 18.50511 10.67422 23.74564 7.513426 14 0.257253 13.29132 26.32348 17.47867 10.89306 24.37565 7.637813 15 0.268117 13.26887 26.38129 16.74959 11.08994 24.92237 7.587941 16 0.278380 13.17660 26.56391 16.18161 11.26769 25.34231 7.467885 17 0.288354 13.07071 26.75757 15.68670 11.42872 25.68158 7.374716 18 0.298134 12.98668 26.85089 15.23702 11.56567 25.99503 7.364708 19 0.307723 12.94270 26.81660 14.84315 11.66691 26.29600 7.434635 20 0.317117 12.94632 26.71369 14.52025 11.72958 26.55993 7.530223 21 0.326354 12.99679 26.63000 14.26155 11.76357 26.75595 7.592126 22 0.335507 13.08354 26.62604 14.03320 11.78493 26.87428 7.598021 23 0.344621 13.18728 26.71008 13.79470 11.80772 26.93441 7.565816 24 0.353662 13.28594 26.84502 13.52647 11.83893 26.97320 7.530433 25 0.362530 13.36297 26.97846 13.23853 11.87730 27.02314 7.519603 26 0.371123 13.41310 27.07534 12.95766 11.91701 27.09724 7.539663 27 0.379385 13.44191 27.13058 12.70931 11.95326 27.18919 7.575755 28 0.387327 13.45977 27.15886 12.50616 11.98511 27.28430 7.605801 29 0.395016 13.47494 27.17736 12.34539 12.01450 27.37111 7.616696 30 0.402526 13.49013 27.19551 12.21339 12.04374 27.44706 7.610180 31 0.409910 13.50334 27.21399 12.09471 12.07366 27.51674 7.597573 32 0.417188 13.51136 27.22939 11.97967 12.10304 27.58586 7.590683 33 0.424361 13.51355 27.23962 11.86618 12.12972 27.65604 7.594892 34 0.431423 13.51324 27.24654 11.75673 12.15212 27.72406 7.607302 35 0.438381 13.51616 27.25469 11.65401 12.17023 27.78462 7.620287 36 0.445247 13.52697 27.26794 11.55836 12.18524 27.83401 7.627478
120
37 0.452036 13.54655 27.28711 11.46789 12.19863 27.87223 7.627597 38 0.458755 13.57144 27.31003 11.38022 12.21148 27.90278 7.624059 39 0.465399 13.59589 27.33324 11.29426 12.22426 27.93058 7.621769 40 0.471952 13.61502 27.35398 11.21059 12.23702 27.95963 7.623762 41 0.478401 13.62709 27.37123 11.13071 12.24974 27.99157 7.629666 42 0.484738 13.63369 27.38550 11.05591 12.26250 28.02582 7.636586 43 0.490967 13.63808 27.39788 10.98661 12.27533 28.06065 7.641456 44 0.497101 13.64306 27.40908 10.92240 12.28811 28.09432 7.643030 45 0.503154 13.64973 27.41926 10.86249 12.30044 28.12581 7.642273 46 0.509138 13.65746 27.42828 10.80616 12.31187 28.15493 7.641306 47 0.515061 13.66491 27.43614 10.75291 12.32213 28.18202 7.641895 48 0.520926 13.67118 27.44326 10.70230 12.33129 28.20752 7.644449 49 0.526732 13.67641 27.45031 10.65384 12.33968 28.23172 7.648036 50 0.532478 13.68152 27.45790 10.60697 12.34772 28.25467 7.651223 51 0.538166 13.68744 27.46631 10.56122 12.35565 28.27631 7.653074 52 0.543796 13.69451 27.47534 10.51644 12.36350 28.29658 7.653633 53 0.549369 13.70225 27.48453 10.47281 12.37109 28.31562 7.653701 54 0.554887 13.70975 27.49335 10.43071 12.37828 28.33372 7.654194 55 0.560351 13.71623 27.50144 10.39049 12.38505 28.35123 7.655561 56 0.565759 13.72143 27.50871 10.35226 12.39154 28.36847 7.657597 57 0.571113 13.72566 27.51526 10.31589 12.39790 28.38560 7.659693 58 0.576413 13.72950 27.52131 10.28106 12.40427 28.40257 7.661284 59 0.581662 13.73342 27.52706 10.24752 12.41060 28.41921 7.662193 60 0.586863 13.73758 27.53263 10.21509 12.41676 28.43527 7.662662
Variance Decomposition of LN_IHSG:
Period S.E. LN_INVR LN_GDPR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.059684 0.685147 6.094753 15.94521 77.27489 0.000000 0.000000 2 0.079630 0.384952 8.921127 28.85628 61.79886 0.008155 0.030627 3 0.097932 0.418660 13.04126 36.77913 49.37646 0.160401 0.224089 4 0.119343 0.544427 15.90250 36.54214 45.17448 0.608271 1.228187 5 0.137807 0.856189 17.01067 33.41995 44.60244 1.737880 2.372876 6 0.152817 1.370610 17.52305 30.07292 44.79749 3.147126 3.088799 7 0.166142 2.038458 18.24296 27.21444 45.11404 4.131101 3.259000 8 0.178810 2.811461 19.57860 24.99991 44.93494 4.550569 3.124524 9 0.191606 3.560680 21.42031 23.26486 44.20206 4.611170 2.940920
10 0.204607 4.128556 23.22921 21.83633 43.36742 4.570351 2.868125 11 0.217156 4.449855 24.47729 20.63902 42.83271 4.615528 2.985602 12 0.228620 4.562045 25.03260 19.66420 42.69852 4.811338 3.231302 13 0.238804 4.548223 25.11781 18.92604 42.85811 5.104567 3.445243 14 0.247909 4.484011 25.03568 18.41892 43.14346 5.393283 3.524647 15 0.256373 4.414480 24.98563 18.09499 43.41077 5.607656 3.486472 16 0.264621 4.359388 25.03779 17.87710 43.58500 5.740331 3.400394 17 0.272870 4.324207 25.16584 17.69283 43.66399 5.825186 3.327941 18 0.281122 4.306869 25.29769 17.50240 43.68086 5.901214 3.310976 19 0.289285 4.304383 25.38093 17.30255 43.66644 5.988357 3.357340 20 0.297268 4.317752 25.41992 17.10871 43.63922 6.082806 3.431595 21 0.305044 4.350393 25.45754 16.93098 43.60714 6.168441 3.485508 22 0.312661 4.402148 25.53373 16.76278 43.57055 6.233003 3.497792 23 0.320173 4.465001 25.65927 16.58889 43.53024 6.276827 3.479766 24 0.327585 4.524647 25.81364 16.40155 43.49356 6.310474 3.456137 25 0.334844 4.567552 25.96063 16.20789 43.47009 6.346094 3.447744 26 0.341890 4.588170 26.07108 16.02480 43.46436 6.389834 3.461754 27 0.348691 4.590552 26.13744 15.86859 43.47452 6.439852 3.489042 28 0.355264 4.584086 26.17152 15.74685 43.49520 6.489727 3.512612 29 0.361660 4.577820 26.19200 15.65563 43.51971 6.533656 3.521185
121
30 0.367942 4.576790 26.21320 15.58297 43.54196 6.569733 3.515338 31 0.374153 4.581134 26.24088 15.51617 43.55821 6.599920 3.503684 32 0.380305 4.587738 26.27359 15.44768 43.56736 6.627707 3.495926 33 0.386390 4.593400 26.30709 15.37632 43.57015 6.655524 3.497520 34 0.392395 4.597309 26.33874 15.30471 43.56838 6.683584 3.507274 35 0.398312 4.601215 26.36910 15.23571 43.56441 6.710468 3.519095 36 0.404143 4.607661 26.40042 15.17020 43.56025 6.734585 3.526883 37 0.409896 4.617866 26.43418 15.10719 43.55687 6.755368 3.528519 38 0.415578 4.630677 26.46977 15.04544 43.55440 6.773557 3.526157 39 0.421188 4.643183 26.50483 14.98481 43.55277 6.790619 3.523791 40 0.426722 4.652504 26.53666 14.92648 43.55206 6.807846 3.524452 41 0.432175 4.657440 26.56361 14.87202 43.55263 6.825732 3.528567 42 0.437544 4.658885 26.58574 14.82241 43.55488 6.843937 3.534151 43 0.442833 4.658973 26.60443 14.77748 43.55889 6.861695 3.538533 44 0.448052 4.659756 26.62145 14.73621 43.56403 6.878319 3.540236 45 0.453210 4.662232 26.63809 14.69736 43.56912 6.893526 3.539675 46 0.458316 4.666140 26.65489 14.66009 43.57290 6.907468 3.538507 47 0.463376 4.670478 26.67177 14.62411 43.57471 6.920530 3.538403 48 0.468388 4.674338 26.68844 14.58939 43.57470 6.933078 3.540058 49 0.473352 4.677454 26.70472 14.55585 43.57373 6.945295 3.542953 50 0.478266 4.680203 26.72066 14.52325 43.57282 6.957170 3.545890 51 0.483128 4.683175 26.73641 14.49130 43.57266 6.968586 3.547869 52 0.487941 4.686693 26.75203 14.45988 43.57330 6.979444 3.548663 53 0.492706 4.690591 26.76736 14.42916 43.57435 6.989744 3.548792 54 0.497424 4.694362 26.78210 14.39955 43.57536 6.999584 3.549040 55 0.502098 4.697505 26.79594 14.37142 43.57609 7.009107 3.549931 56 0.506727 4.699836 26.80871 14.34492 43.57666 7.018425 3.551454 57 0.511312 4.701554 26.82045 14.31990 43.57735 7.027572 3.553173 58 0.515855 4.703073 26.83143 14.29602 43.57839 7.036504 3.554581 59 0.520358 4.704765 26.84196 14.27296 43.57975 7.045137 3.555431 60 0.524821 4.706776 26.85229 14.25051 43.58117 7.053404 3.555846
Variance Decomposition
of LN_NSP:
Period S.E. LN_INVR LN_GDPR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.600333 0.224502 0.019700 0.237895 2.568168 96.94973 0.000000 2 0.757060 1.254896 0.194724 0.249603 2.149653 96.12658 0.024539 3 0.870739 2.095658 0.882488 0.199388 2.528050 94.17335 0.121066 4 0.969729 2.534105 2.013262 0.175722 3.513442 90.94956 0.813910 5 1.057319 2.849416 3.247699 0.269988 4.228369 87.43598 1.968550 6 1.139762 3.280848 4.481396 0.462351 4.788919 84.02168 2.964802 7 1.220458 4.045723 5.669836 0.671364 5.309046 80.88049 3.423544 8 1.300907 5.203782 6.773063 0.848217 5.742694 77.96309 3.469157 9 1.380700 6.509080 7.769982 0.977720 6.105482 75.25181 3.385930
10 1.456954 7.580688 8.639637 1.070000 6.440807 72.89243 3.376432 11 1.526941 8.207643 9.352974 1.145136 6.766817 70.98731 3.540122 12 1.590007 8.438128 9.891506 1.219144 7.087714 69.51747 3.846039 13 1.647001 8.451962 10.26798 1.299876 7.402203 68.42521 4.152761 14 1.699493 8.414104 10.52206 1.385605 7.701169 67.64006 4.336998 15 1.749461 8.422948 10.69974 1.465097 7.968788 67.05851 4.384920 16 1.798581 8.514102 10.84135 1.523839 8.191251 66.57054 4.358920 17 1.847589 8.668456 10.97814 1.554066 8.366218 66.10175 4.331373 18 1.896419 8.835839 11.12818 1.559518 8.503891 65.61712 4.355453 19 1.944702 8.976135 11.29514 1.551849 8.620832 65.10861 4.447433 20 1.992086 9.083739 11.47399 1.544387 8.732608 64.58934 4.575939 21 2.038431 9.178831 11.65723 1.547996 8.847670 64.08096 4.687314 22 2.083899 9.283858 11.83755 1.568111 8.964671 63.59668 4.749133
122
23 2.128760 9.406363 12.00880 1.602304 9.075880 63.14036 4.766294 24 2.173072 9.535339 12.16667 1.641427 9.174260 62.71688 4.765423 25 2.216601 9.650225 12.30813 1.675346 9.258243 62.33417 4.773890 26 2.259029 9.735574 12.43077 1.698794 9.331608 61.99708 4.806174 27 2.300152 9.790234 12.53377 1.712704 9.400417 61.70482 4.858047 28 2.339969 9.825381 12.61930 1.721504 9.469521 61.45234 4.911948 29 2.378690 9.855785 12.69212 1.729687 9.540167 61.23098 4.951258 30 2.416653 9.891824 12.75789 1.739694 9.609915 61.02952 4.971159 31 2.454172 9.936070 12.82152 1.751404 9.674817 60.83770 4.978494 32 2.491409 9.984644 12.88596 1.763025 9.732129 60.64944 4.984802 33 2.528368 10.03168 12.95171 1.772748 9.781722 60.46301 4.999122 34 2.564959 10.07381 13.01737 1.780028 9.825717 60.27955 5.023524 35 2.601087 10.11178 13.08106 1.785733 9.867027 60.10144 5.052963 36 2.636706 10.14876 13.14164 1.791374 9.907785 59.93078 5.079660 37 2.671832 10.18727 13.19899 1.798145 9.948533 59.76841 5.098654 38 2.706516 10.22719 13.25359 1.806335 9.988498 59.61413 5.110255 39 2.740785 10.26596 13.30584 1.815337 10.02656 59.46773 5.118575 40 2.774628 10.30040 13.35562 1.824140 10.06210 59.32949 5.128252 41 2.808010 10.32889 13.40229 1.831946 10.09531 59.19989 5.141679 42 2.840911 10.35222 13.44523 1.838511 10.12686 59.07914 5.158042 43 2.873340 10.37291 13.48437 1.844087 10.15742 58.96675 5.174450 44 2.905350 10.39366 13.52039 1.849114 10.18723 58.86141 5.188194 45 2.937009 10.41593 13.55445 1.853929 10.21605 58.76120 5.198440 46 2.968376 10.43951 13.58767 1.858651 10.24349 58.66430 5.206372 47 2.999480 10.46309 13.62074 1.863235 10.26930 58.56957 5.214071 48 3.030315 10.48532 13.65369 1.867615 10.29356 58.47671 5.223110 49 3.060863 10.50566 13.68608 1.871804 10.31661 58.38612 5.233718 50 3.091107 10.52453 13.71736 1.875899 10.33886 58.29847 5.244889 51 3.121046 10.54279 13.74719 1.880004 10.36053 58.21425 5.255240 52 3.150693 10.56111 13.77557 1.884150 10.38163 58.13359 5.263952 53 3.180066 10.57951 13.80270 1.888273 10.40205 58.05630 5.271172 54 3.209174 10.59747 13.82883 1.892255 10.42166 57.98205 5.277735 55 3.238019 10.61432 13.85408 1.896001 10.44046 57.91061 5.284527 56 3.266597 10.62973 13.87841 1.899488 10.45855 57.84187 5.291951 57 3.294908 10.64385 13.90174 1.902764 10.47609 57.77578 5.299776 58 3.322959 10.65724 13.92402 1.905907 10.49317 57.71225 5.307406 59 3.350768 10.67045 13.94537 1.908976 10.50978 57.65109 5.314333 60 3.378352 10.68379 13.96598 1.911980 10.52584 57.59197 5.320439
Variance Decomposition
of LN_RER:
Period S.E. LN_INVR LN_GDPR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.020607 4.274908 23.65281 0.575975 2.279243 0.026557 69.19051 2 0.051183 6.241348 27.54696 2.196758 3.496785 0.070163 60.44798 3 0.081640 7.992274 30.80890 4.980566 4.466881 0.156812 51.59457 4 0.104437 9.102685 33.34061 8.576884 5.484746 0.512006 42.98307 5 0.118417 9.347982 34.73984 11.98203 6.437571 1.298331 36.19425 6 0.126279 9.021204 35.13209 14.10794 7.162898 2.436430 32.13944 7 0.130917 8.622073 35.19662 14.81820 7.718604 3.609374 30.03513 8 0.134864 8.292577 35.17920 14.64254 8.207891 4.520514 29.15727 9 0.140567 8.019045 34.76345 13.90679 8.612077 5.040262 29.65838
10 0.148682 7.941893 34.07563 13.02340 8.940635 5.280269 30.73817 11 0.157551 8.054830 33.67443 12.57222 9.269432 5.509683 30.91941 12 0.165396 8.152705 33.74104 12.67493 9.601055 5.893847 29.93642 13 0.171757 8.132473 34.07877 12.99206 9.882516 6.401969 28.51221 14 0.177060 8.060042 34.50507 13.20078 10.10072 6.906946 27.22644 15 0.182038 8.040917 34.91584 13.20636 10.27596 7.297763 26.26316
123
16 0.187494 8.150819 35.18347 13.04492 10.41252 7.524337 25.68393 17 0.193795 8.397688 35.24866 12.81827 10.51340 7.616134 25.40585 18 0.200496 8.680639 35.22466 12.66396 10.60627 7.668891 25.15558 19 0.206820 8.860994 35.26257 12.65342 10.71689 7.772993 24.73313 20 0.212353 8.885729 35.39792 12.74480 10.84437 7.954339 24.17284 21 0.217175 8.803532 35.57301 12.85205 10.97484 8.180716 23.61585 22 0.221618 8.691380 35.71776 12.91903 11.09798 8.400813 23.17304 23 0.226046 8.607481 35.78182 12.93048 11.20530 8.574637 22.90029 24 0.230694 8.587185 35.75506 12.89712 11.28983 8.689647 22.78115 25 0.235526 8.631928 35.68747 12.84537 11.35439 8.764085 22.71675 26 0.240313 8.703792 35.65697 12.80145 11.41092 8.831112 22.59575 27 0.244863 8.756163 35.70550 12.77569 11.46947 8.914356 22.37883 28 0.249156 8.769624 35.81638 12.76399 11.53230 9.016448 22.10126 29 0.253305 8.755753 35.94119 12.75944 11.59636 9.124340 21.82293 30 0.257453 8.738839 36.03436 12.75812 11.65624 9.220762 21.59167 31 0.261691 8.739098 36.07526 12.75821 11.70669 9.294594 21.42615 32 0.266001 8.762481 36.07671 12.75872 11.74641 9.346945 21.30874 33 0.270270 8.798146 36.07314 12.75905 11.77973 9.389278 21.20066 34 0.274384 8.827554 36.09330 12.75835 11.81317 9.434698 21.07293 35 0.278303 8.838591 36.14138 12.75585 11.85078 9.489937 20.92346 36 0.282075 8.831924 36.20045 12.75193 11.89251 9.553350 20.76983 37 0.285783 8.817121 36.24857 12.74806 11.93527 9.617882 20.63311 38 0.289499 8.805373 36.27311 12.74545 11.97484 9.675905 20.52531 39 0.293247 8.803780 36.27711 12.74407 12.00836 9.723546 20.44313 40 0.296995 8.812486 36.27564 12.74280 12.03594 9.762325 20.37082 41 0.300690 8.825860 36.28468 12.74031 12.06019 9.797205 20.29175 42 0.304298 8.837173 36.31062 12.73603 12.08416 9.832877 20.19913 43 0.307821 8.843045 36.34798 12.73056 12.10947 9.871172 20.09778 44 0.311291 8.844488 36.38523 12.72532 12.13582 9.910795 19.99835 45 0.314742 8.844919 36.41285 12.72167 12.16167 9.948840 19.91006 46 0.318194 8.847361 36.42843 12.72007 12.18538 9.982921 19.83584 47 0.321637 8.852604 36.43677 12.72000 12.20636 10.01265 19.77162 48 0.325047 8.859104 36.44553 12.72035 12.22533 10.03964 19.71005 49 0.328401 8.864444 36.45990 12.72013 12.24366 10.06617 19.64569 50 0.331690 8.867141 36.47982 12.71895 12.26238 10.09371 19.57800 51 0.334927 8.867475 36.50119 12.71699 12.28169 10.12225 19.51040 52 0.338132 8.867019 36.51942 12.71478 12.30095 10.15057 19.44727 53 0.341320 8.867487 36.53235 12.71275 12.31926 10.17723 19.39092 54 0.344498 8.869719 36.54128 12.71104 12.33605 10.20148 19.34044 55 0.347657 8.873355 36.54951 12.70956 12.35137 10.22359 19.29261 56 0.350787 8.877279 36.56003 12.70814 12.36579 10.24453 19.24424 57 0.353880 8.880454 36.57363 12.70669 12.37992 10.26527 19.19404 58 0.356936 8.882537 36.58886 12.70523 12.39411 10.28619 19.14307 59 0.359963 8.883921 36.60335 12.70387 12.40826 10.30702 19.09358 60 0.362968 8.885315 36.61539 12.70268 12.42202 10.32716 19.04744
Cholesky Ordering: LN_INVR LN_GDPR LN_KAP LN_IHSG LN_NSP LN_RER
124
Lampiran 11. IMPULSE RESPONSE FUNCTION VECM (PERSAMAAN
INVESTASI RIIL)
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_INVR
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_GDPR
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_KAP
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_IHSG
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_NSP
-.01
.00
.01
.02
.03
10 20 30 40 50 60
Response of LN_INVR to LN_RER
Response to Cholesky One S.D. Innovations
Lampiran 12. HASIL ESTIMASI VECM (PERSAMAAN PERTUMBUHAN
EKONOMI)
Vector Error Correction Estimates Date: 07/05/07 Time: 00:11 Sample(adjusted): 1999:04 2006:12 Included observations: 93 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
LN_GDPR(-1) 1.000000
LN_INVR(-1) 0.823242 (0.18045) [ 4.56208]
LN_KAP(-1) 0.585350 (0.10039) [ 5.83064]
LN_IHSG(-1) -0.515076 (0.10516) [-4.89798]
LN_NSP(-1) 0.049097 (0.00962) [ 5.10426]
125
LN_RER(-1) -0.262249 (0.06930) [-3.78413]
@TREND(99:01) -0.013941 (0.00149) [-9.35926]
C -23.87458
Error Correction: D(LN_GDPR)
D(LN_INVR) D(LN_KAP)
D(LN_IHSG)
D(LN_NSP)
D(LN_RER)
CointEq1 0.046647 -0.008869 -0.297399 0.078335 -2.199751 0.190979 (0.01015) (0.01157) (0.04707) (0.14249) (1.43319) (0.04919) [ 4.59421] [-0.76684] [-6.31822] [ 0.54977] [-1.53487] [ 3.88211]
D(LN_GDPR(-1)) 1.548137 0.142242 -0.583309 0.304152 -2.275122 1.190551 (0.08463) (0.09640) (0.39233) (1.18762) (11.9456) (0.41003) [ 18.2933] [ 1.47560] [-1.48679] [ 0.25610] [-0.19046] [ 2.90354]
D(LN_GDPR(-2)) -0.989754 0.091813 0.899803 -1.456091 -5.613698 -1.062678 (0.08491) (0.09672) (0.39364) (1.19160) (11.9856) (0.41141) [-11.6561] [ 0.94927] [ 2.28583] [-1.22196] [-0.46837] [-2.58301]
D(LN_INVR(-1)) 0.264866 1.504248 -0.612421 -0.244676 -9.647905 0.832045 (0.05994) (0.06828) (0.27789) (0.84119) (8.46102) (0.29043) [ 4.41867] [ 22.0315] [-2.20386] [-0.29087] [-1.14028] [ 2.86491]
D(LN_INVR(-2)) -0.196413 -0.816812 0.692278 -0.171924 9.675219 -1.115569 (0.06872) (0.07828) (0.31858) (0.96439) (9.70024) (0.33296) [-2.85810] [-10.4349] [ 2.17298] [-0.17827] [ 0.99742] [-3.35043]
D(LN_KAP(-1)) 0.042560 -0.042981 1.133811 1.100424 1.956695 0.189116 (0.01473) (0.01677) (0.06827) (0.20667) (2.07873) (0.07135) [ 2.88997] [-2.56228] [ 16.6073] [ 5.32466] [ 0.94129] [ 2.65042]
D(LN_KAP(-2)) -0.008776 0.029408 -0.610790 -0.349527 -0.795258 -0.136159 (0.01350) (0.01538) (0.06260) (0.18951) (1.90614) (0.06543) [-0.64984] [ 1.91186] [-9.75650] [-1.84440] [-0.41721] [-2.08102]
D(LN_IHSG(-1)) 0.012202 0.000540 -0.080885 -0.311511 -1.512225 0.048195 (0.00836) (0.00953) (0.03877) (0.11736) (1.18048) (0.04052) [ 1.45898] [ 0.05672] [-2.08627] [-2.65427] [-1.28103] [ 1.18940]
D(LN_IHSG(-2)) 0.003987 -0.000864 -0.004747 -0.241267 -0.633235 0.044635 (0.00830) (0.00945) (0.03846) (0.11643) (1.17109) (0.04020) [ 0.48060] [-0.09143] [-0.12342] [-2.07223] [-0.54072] [ 1.11038]
D(LN_NSP(-1)) -0.002029 0.000100 0.009034 -0.005016 -0.132141 -0.008345 (0.00089) (0.00101) (0.00411) (0.01245) (0.12527) (0.00430) [-2.28604] [ 0.09941] [ 2.19590] [-0.40279] [-1.05487] [-1.94068]
D(LN_NSP(-2)) -0.001585 -0.000352 0.004540 -0.003733 -0.025964 -0.006166 (0.00085) (0.00096) (0.00392) (0.01187) (0.11935) (0.00410) [-1.87492] [-0.36553] [ 1.15826] [-0.31460] [-0.21754] [-1.50517]
D(LN_RER(-1)) -0.019183 -0.022203 0.120995 -0.060759 -1.268755 1.145255 (0.01468) (0.01672) (0.06806) (0.20603) (2.07237) (0.07113)
126
[-1.30659] [-1.32765] [ 1.77769] [-0.29490] [-0.61223] [ 16.0999]
D(LN_RER(-2)) 0.021091 0.005149 -0.134912 0.199762 1.800752 -0.731723 (0.01447) (0.01648) (0.06708) (0.20306) (2.04243) (0.07011) [ 1.45762] [ 0.31241] [-2.01123] [ 0.98378] [ 0.88167] [-10.4372]
C 0.001061 0.000912 0.007475 0.017360 0.087113 -0.003628 (0.00060) (0.00069) (0.00280) (0.00849) (0.08538) (0.00293) [ 1.75365] [ 1.32327] [ 2.66558] [ 2.04511] [ 1.02026] [-1.23779]
R-squared 0.904130 0.933028 0.936241 0.471360 0.178279 0.869202 Adj. R-squared 0.888354 0.922008 0.925749 0.384368 0.043059 0.847678 Sum sq. resids 0.001429 0.001854 0.030711 0.281416 28.47154 0.033546 S.E. equation 0.004253 0.004844 0.019717 0.059684 0.600333 0.020607 F-statistic 57.31031 84.66168 89.23414 5.418457 1.318436 40.38343 Log likelihood 383.4157 371.3079 240.7701 137.7629 -76.91949 236.6648 Akaike AIC -7.944424 -7.684040 -4.876777 -2.661568 1.955258 -4.788491 Schwarz SC -7.563173 -7.302789 -4.495526 -2.280316 2.336509 -4.407239 Mean dependent 0.005443 0.006542 0.021619 0.016379 0.030234 -0.004435 S.D. dependent 0.012729 0.017347 0.072358 0.076068 0.613690 0.052799
Determinant Residual Covariance
3.64E-20
Log Likelihood 1335.041 Log Likelihood (d.f. adjusted) 1289.522 Akaike Information Criteria -25.77467 Schwarz Criteria -23.29653
Lampiran 13.VARIANCE DECOMPOSITION VECM (PERSAMAAN
PERTUMBUHAN EKONOMI)
Variance
Decomposition of LN_GDPR:
Period S.E. LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.004253 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.011081 98.00450 0.866296 0.674532 0.201611 0.016887 0.236175 3 0.018993 92.04415 3.487053 2.729008 0.809605 0.061031 0.869157 4 0.026632 82.92494 7.799530 5.747328 1.531749 0.260427 1.736029 5 0.033307 73.21114 13.01520 8.547877 2.051944 0.593938 2.579899 6 0.038778 65.57596 17.93647 10.11906 2.281395 0.897438 3.189680 7 0.043116 61.12000 21.55108 10.41169 2.332232 1.071544 3.513455 8 0.046665 59.50667 23.35419 10.02467 2.348764 1.147757 3.617940 9 0.049822 59.74549 23.48105 9.534686 2.427705 1.208382 3.602689
10 0.052790 60.61406 22.57239 9.312649 2.616623 1.330995 3.553285 11 0.055553 61.12435 21.33828 9.571231 2.887166 1.559131 3.519842 12 0.058008 61.00596 20.24849 10.22929 3.145607 1.858306 3.512346 13 0.060090 60.60027 19.51643 10.91446 3.316723 2.133761 3.518349 14 0.061866 60.30382 19.17541 11.28701 3.393875 2.314939 3.524939 15 0.063528 60.24488 19.13664 11.28003 3.411131 2.399419 3.527906 16 0.065280 60.35620 19.25074 11.02508 3.407258 2.426635 3.534081 17 0.067220 60.51305 19.37905 10.69145 3.415909 2.442921 3.557623 18 0.069326 60.58546 19.44249 10.42953 3.455051 2.483658 3.603808 19 0.071514 60.49898 19.43147 10.33929 3.515900 2.557229 3.657129 20 0.073687 60.28970 19.38365 10.41685 3.574268 2.642032 3.693496 21 0.075774 60.06512 19.34400 10.56620 3.613584 2.709272 3.701825 22 0.077745 59.91196 19.33198 10.68507 3.633928 2.747341 3.689716
127
23 0.079607 59.84958 19.33565 10.73098 3.645537 2.764491 3.673765 24 0.081375 59.84661 19.32849 10.71951 3.659508 2.777170 3.668712 25 0.083062 59.85934 19.29055 10.68839 3.681964 2.799249 3.680511 26 0.084676 59.86041 19.21962 10.66803 3.712213 2.836015 3.703706 27 0.086231 59.84712 19.12964 10.66971 3.744827 2.882829 3.725878 28 0.087745 59.83153 19.04124 10.68687 3.773885 2.929437 3.737047 29 0.089240 59.82412 18.97194 10.70481 3.796170 2.967190 3.735779 30 0.090735 59.82474 18.93016 10.71170 3.811797 2.993480 3.728114 31 0.092237 59.82481 18.91395 10.70443 3.823002 3.011174 3.722635 32 0.093742 59.81538 18.91388 10.68756 3.832448 3.025289 3.725441 33 0.095241 59.79389 18.91871 10.66872 3.842023 3.039821 3.736837 34 0.096721 59.76507 18.92038 10.65428 3.852468 3.056198 3.751606 35 0.098178 59.73670 18.91567 10.64728 3.863674 3.073598 3.763079 36 0.099610 59.71433 18.90478 10.64760 3.875172 3.090427 3.767693 37 0.101018 59.69899 18.88915 10.65314 3.886500 3.105723 3.766495 38 0.102401 59.68844 18.87011 10.66108 3.897346 3.119613 3.763413 39 0.103758 59.67974 18.84871 10.66873 3.907553 3.132877 3.762394 40 0.105088 59.67129 18.82615 10.67405 3.917080 3.146203 3.765236 41 0.106391 59.66319 18.80406 10.67602 3.925991 3.159739 3.770993 42 0.107672 59.65631 18.78424 10.67482 3.934414 3.173115 3.777107 43 0.108937 59.65096 18.76793 10.67152 3.942469 3.185790 3.781332 44 0.110193 59.64641 18.75531 10.66763 3.950190 3.197411 3.783048 45 0.111442 59.64139 18.74547 10.66441 3.957518 3.207962 3.783256 46 0.112685 59.63490 18.73700 10.66248 3.964351 3.217676 3.783597 47 0.113919 59.62685 18.72873 10.66172 3.970639 3.226834 3.785234 48 0.115143 59.61794 18.72020 10.66157 3.976444 3.235617 3.788234 49 0.116352 59.60915 18.71164 10.66147 3.981931 3.244072 3.791742 50 0.117547 59.60119 18.70345 10.66118 3.987292 3.252190 3.794700 51 0.118728 59.59425 18.69575 10.66080 3.992656 3.259985 3.796559 52 0.119896 59.58815 18.68819 10.66057 3.998043 3.267527 3.797508 53 0.121051 59.58263 18.68021 10.66067 4.003376 3.274915 3.798200 54 0.122195 59.57753 18.67143 10.66103 4.008546 3.282211 3.799255 55 0.123327 59.57281 18.66196 10.66146 4.013474 3.289403 3.800898 56 0.124447 59.56845 18.65240 10.66170 4.018138 3.296411 3.802905 57 0.125557 59.56434 18.64352 10.66159 4.022568 3.303136 3.804841 58 0.126657 59.56031 18.63585 10.66114 4.026809 3.309509 3.806381 59 0.127749 59.55617 18.62946 10.66046 4.030890 3.315528 3.807496 60 0.128833 59.55187 18.62395 10.65971 4.034823 3.321246 3.808410
Variance Decomposition of LN_INVR:
Period S.E. LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.004844 2.557855 97.44214 0.000000 0.000000 0.000000 0.000000 2 0.013018 1.243246 98.26178 0.349479 0.052276 0.024717 0.068500 3 0.023218 0.392655 97.97825 1.054788 0.103012 0.119175 0.352120 4 0.033913 0.927836 96.29543 1.579914 0.091653 0.196064 0.909100 5 0.044002 3.034260 93.50749 1.552389 0.054748 0.197829 1.653289 6 0.052885 5.955354 90.29506 1.154056 0.080040 0.149975 2.365514 7 0.060361 8.550621 87.31953 0.972710 0.207374 0.119461 2.830301 8 0.066463 10.10547 85.02567 1.370141 0.382007 0.132909 2.983807 9 0.071304 10.64328 83.64564 2.109164 0.516128 0.159704 2.926083
10 0.075035 10.59711 83.17628 2.683731 0.573432 0.168081 2.801363 11 0.077884 10.35612 83.34782 2.861101 0.577033 0.160528 2.697400 12 0.080144 10.10478 83.75750 2.779771 0.561855 0.151610 2.644484 13 0.082085 9.891761 84.11938 2.650684 0.546207 0.144571 2.647396 14 0.083892 9.716199 84.37538 2.543449 0.537020 0.139338 2.688616 15 0.085700 9.563588 84.59002 2.439491 0.536598 0.140194 2.730112
128
16 0.087636 9.421904 84.81564 2.335087 0.540874 0.146659 2.739838 17 0.089800 9.294580 85.05672 2.242241 0.542110 0.151064 2.713282 18 0.092231 9.200981 85.28690 2.158252 0.536227 0.148795 2.668842 19 0.094881 9.159567 85.46706 2.072976 0.525130 0.142154 2.633112 20 0.097638 9.168326 85.57035 1.986002 0.513637 0.134663 2.627026 21 0.100365 9.203247 85.60455 1.905646 0.506235 0.128018 2.652305 22 0.102949 9.235557 85.60568 1.840650 0.505139 0.123410 2.689566 23 0.105334 9.248595 85.61029 1.795329 0.509418 0.121527 2.714840 24 0.107518 9.240977 85.63669 1.767242 0.515898 0.121511 2.717683 25 0.109535 9.219559 85.68598 1.747938 0.521354 0.121670 2.703497 26 0.111430 9.191457 85.75120 1.727893 0.524158 0.121019 2.684271 27 0.113247 9.160046 85.82380 1.701692 0.524357 0.119610 2.670496 28 0.115020 9.125385 85.89735 1.669108 0.522849 0.117908 2.667401 29 0.116781 9.087179 85.96985 1.632682 0.520626 0.116292 2.673372 30 0.118550 9.047342 86.04243 1.595244 0.518410 0.114922 2.681657 31 0.120342 9.010268 86.11487 1.559014 0.516581 0.113726 2.685541 32 0.122161 8.981006 86.18281 1.525636 0.515240 0.112530 2.682780 33 0.124001 8.962704 86.23964 1.496169 0.514333 0.111232 2.675922 34 0.125847 8.954807 86.28110 1.470889 0.513759 0.109868 2.669577 35 0.127676 8.953234 86.30826 1.449259 0.513428 0.108557 2.667261 36 0.129471 8.952548 86.32713 1.430214 0.513268 0.107400 2.669437 37 0.131219 8.948620 86.34545 1.412628 0.513222 0.106423 2.673660 38 0.132918 8.940016 86.36886 1.395667 0.513242 0.105579 2.676636 39 0.134573 8.927671 86.39882 1.378911 0.513284 0.104798 2.676518 40 0.136191 8.913596 86.43307 1.362283 0.513308 0.104039 2.673707 41 0.137780 8.899611 86.46787 1.345883 0.513274 0.103306 2.670053 42 0.139346 8.886644 86.50028 1.329845 0.513146 0.102621 2.667462 43 0.140895 8.874731 86.52931 1.314248 0.512903 0.101997 2.666812 44 0.142432 8.863491 86.55579 1.299111 0.512547 0.101415 2.667643 45 0.143961 8.852662 86.58126 1.284434 0.512110 0.100837 2.668700 46 0.145485 8.842364 86.60663 1.270251 0.511645 0.100228 2.668885 47 0.147005 8.833001 86.63163 1.256643 0.511211 0.099583 2.667928 48 0.148517 8.824946 86.65517 1.243724 0.510856 0.098926 2.666379 49 0.150018 8.818263 86.67617 1.231585 0.510601 0.098297 2.665088 50 0.151503 8.812606 86.69437 1.220245 0.510442 0.097728 2.664604 51 0.152968 8.807371 86.71054 1.209629 0.510351 0.097228 2.664877 52 0.154413 8.801966 86.72599 1.199586 0.510293 0.096781 2.665383 53 0.155839 8.796042 86.74189 1.189938 0.510233 0.096358 2.665539 54 0.157249 8.789574 86.75873 1.180529 0.510147 0.095937 2.665080 55 0.158644 8.782791 86.77625 1.171262 0.510024 0.095509 2.664165 56 0.160027 8.776017 86.79372 1.162114 0.509867 0.095081 2.663204 57 0.161399 8.769520 86.81045 1.153117 0.509687 0.094666 2.662562 58 0.162759 8.763433 86.82611 1.144337 0.509501 0.094272 2.662351 59 0.164110 8.757758 86.84077 1.135839 0.509323 0.093902 2.662408 60 0.165452 8.752429 86.85475 1.127666 0.509160 0.093548 2.662446
Variance Decomposition
of LN_KAP:
Period S.E. LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.019717 17.74856 2.085853 80.16559 0.000000 0.000000 0.000000 2 0.046486 19.22761 3.470197 75.96072 0.322167 0.480963 0.538342 3 0.073392 19.10180 4.900827 69.28243 2.012499 2.564193 2.138246 4 0.096876 17.42734 6.227510 59.93651 4.781360 7.254163 4.373117 5 0.116994 15.29508 7.366191 50.02915 7.423990 13.60059 6.284996 6 0.134462 13.85805 8.527258 41.86973 9.176250 19.33511 7.233608 7 0.150109 13.71634 10.04238 35.93302 10.02846 22.94648 7.333318 8 0.165511 14.98752 12.02868 31.45070 10.26814 24.25630 7.008665
129
9 0.181941 17.10322 14.26016 27.73656 10.21982 24.03148 6.648768 10 0.199188 19.01842 16.32282 24.57560 10.17058 23.36976 6.542823 11 0.216082 20.07764 17.88237 21.98060 10.25408 23.02947 6.775836 12 0.231582 20.35284 18.83711 19.97096 10.44610 23.21014 7.182849 13 0.245252 20.26557 19.29603 18.50511 10.67422 23.74564 7.513426 14 0.257253 20.17019 19.44462 17.47867 10.89306 24.37565 7.637813 15 0.268117 20.21775 19.43241 16.74959 11.08994 24.92237 7.587941 16 0.278380 20.38966 19.35085 16.18161 11.26769 25.34231 7.467885 17 0.288354 20.57530 19.25298 15.68670 11.42872 25.68158 7.374716 18 0.298134 20.66923 19.16834 15.23702 11.56567 25.99503 7.364708 19 0.307723 20.64425 19.11505 14.84315 11.66691 26.29600 7.434635 20 0.317117 20.55096 19.10905 14.52025 11.72958 26.55993 7.530223 21 0.326354 20.46568 19.16111 14.26155 11.76357 26.75595 7.592126 22 0.335507 20.44232 19.26726 14.03320 11.78493 26.87428 7.598021 23 0.344621 20.49157 19.40579 13.79470 11.80772 26.93441 7.565816 24 0.353662 20.58583 19.54513 13.52647 11.83893 26.97320 7.530433 25 0.362530 20.68328 19.65815 13.23853 11.87730 27.02314 7.519603 26 0.371123 20.75474 19.73369 12.95766 11.91701 27.09724 7.539663 27 0.379385 20.79473 19.77776 12.70931 11.95326 27.18919 7.575755 28 0.387327 20.81380 19.80483 12.50616 11.98511 27.28430 7.605801 29 0.395016 20.82514 19.82716 12.34539 12.01450 27.37111 7.616696 30 0.402526 20.83629 19.84935 12.21339 12.04374 27.44706 7.610180 31 0.409910 20.84822 19.86910 12.09471 12.07366 27.51674 7.597573 32 0.417188 20.85861 19.88214 11.97967 12.10304 27.58586 7.590683 33 0.424361 20.86579 19.88738 11.86618 12.12972 27.65604 7.594892 34 0.431423 20.87069 19.88910 11.75673 12.15212 27.72406 7.607302 35 0.438381 20.87607 19.89478 11.65401 12.17023 27.78462 7.620287 36 0.445247 20.88435 19.91056 11.55836 12.18524 27.83401 7.627478 37 0.452036 20.89607 19.93759 11.46789 12.19863 27.87223 7.627597 38 0.458755 20.91004 19.97144 11.38022 12.21148 27.90278 7.624059 39 0.465399 20.92439 20.00475 11.29426 12.22426 27.93058 7.621769 40 0.471952 20.93770 20.03130 11.21059 12.23702 27.95963 7.623762 41 0.478401 20.94943 20.04889 11.13071 12.24974 27.99157 7.629666 42 0.484738 20.95972 20.05948 11.05591 12.26250 28.02582 7.636586 43 0.490967 20.96884 20.06711 10.98661 12.27533 28.06065 7.641456 44 0.497101 20.97688 20.07526 10.92240 12.28811 28.09432 7.643030 45 0.503154 20.98373 20.08526 10.86249 12.30044 28.12581 7.642273 46 0.509138 20.98939 20.09635 10.80616 12.31187 28.15493 7.641306 47 0.515061 20.99414 20.10691 10.75291 12.32213 28.18202 7.641895 48 0.520926 20.99851 20.11594 10.70230 12.33129 28.20752 7.644449 49 0.526732 21.00304 20.12368 10.65384 12.33968 28.23172 7.648036 50 0.532478 21.00809 20.13133 10.60697 12.34772 28.25467 7.651223 51 0.538166 21.01370 20.14005 10.56122 12.35565 28.27631 7.653074 52 0.543796 21.01964 20.15021 10.51644 12.36350 28.29658 7.653633 53 0.549369 21.02561 20.16118 10.47281 12.37109 28.31562 7.653701 54 0.554887 21.03132 20.17179 10.43071 12.37828 28.33372 7.654194 55 0.560351 21.03662 20.18105 10.39049 12.38505 28.35123 7.655561 56 0.565759 21.04148 20.18866 10.35226 12.39154 28.36847 7.657597 57 0.571113 21.04592 20.19500 10.31589 12.39790 28.38560 7.659693 58 0.576413 21.05003 20.20079 10.28106 12.40427 28.40257 7.661284 59 0.581662 21.05387 20.20662 10.24752 12.41060 28.41921 7.662193 60 0.586863 21.05751 20.21269 10.21509 12.41676 28.43527 7.662662
Variance Decomposition of LN_IHSG:
Period S.E. LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.059684 6.601608 0.178291 15.94521 77.27489 0.000000 0.000000
130
2 0.079630 9.070513 0.235566 28.85628 61.79886 0.008155 0.030627 3 0.097932 12.61962 0.840297 36.77913 49.37646 0.160401 0.224089 4 0.119343 15.01145 1.435477 36.54214 45.17448 0.608271 1.228187 5 0.137807 15.74735 2.119509 33.41995 44.60244 1.737880 2.372876 6 0.152817 15.92051 2.973148 30.07292 44.79749 3.147126 3.088799 7 0.166142 16.27496 4.006453 27.21444 45.11404 4.131101 3.259000 8 0.178810 17.17494 5.215119 24.99991 44.93494 4.550569 3.124524 9 0.191606 18.54761 6.433381 23.26486 44.20206 4.611170 2.940920
10 0.204607 19.95437 7.403399 21.83633 43.36742 4.570351 2.868125 11 0.217156 20.94228 7.984858 20.63902 42.83271 4.615528 2.985602 12 0.228620 21.38071 8.213932 19.66420 42.69852 4.811338 3.231302 13 0.238804 21.44244 8.223595 18.92604 42.85811 5.104567 3.445243 14 0.247909 21.37462 8.145068 18.41892 43.14346 5.393283 3.524647 15 0.256373 21.34108 8.059032 18.09499 43.41077 5.607656 3.486472 16 0.264621 21.39716 8.000014 17.87710 43.58500 5.740331 3.400394 17 0.272870 21.51602 7.974033 17.69283 43.66399 5.825186 3.327941 18 0.281122 21.63238 7.972177 17.50240 43.68086 5.901214 3.310976 19 0.289285 21.69975 7.985562 17.30255 43.66644 5.988357 3.357340 20 0.297268 21.72206 8.015611 17.10871 43.63922 6.082806 3.431595 21 0.305044 21.73734 8.070595 16.93098 43.60714 6.168441 3.485508 22 0.312661 21.78190 8.153980 16.76278 43.57055 6.233003 3.497792 23 0.320173 21.86805 8.256227 16.58889 43.53024 6.276827 3.479766 24 0.327585 21.98182 8.356458 16.40155 43.49356 6.310474 3.456137 25 0.334844 22.09501 8.433165 16.20789 43.47009 6.346094 3.447744 26 0.341890 22.18321 8.476045 16.02480 43.46436 6.389834 3.461754 27 0.348691 22.23824 8.489751 15.86859 43.47452 6.439852 3.489042 28 0.355264 22.26750 8.488109 15.74685 43.49520 6.489727 3.512612 29 0.361660 22.28462 8.485195 15.65563 43.51971 6.533656 3.521185 30 0.367942 22.30078 8.489216 15.58297 43.54196 6.569733 3.515338 31 0.374153 22.32112 8.500898 15.51617 43.55821 6.599920 3.503684 32 0.380305 22.34541 8.515909 15.44768 43.56736 6.627707 3.495926 33 0.386390 22.37095 8.529542 15.37632 43.57015 6.655524 3.497520 34 0.392395 22.39559 8.540462 15.30471 43.56838 6.683584 3.507274 35 0.398312 22.41921 8.551101 15.23571 43.56441 6.710468 3.519095 36 0.404143 22.44296 8.565115 15.17020 43.56025 6.734585 3.526883 37 0.409896 22.46776 8.584291 15.10719 43.55687 6.755368 3.528519 38 0.415578 22.49343 8.607019 15.04544 43.55440 6.773557 3.526157 39 0.421188 22.51884 8.629173 14.98481 43.55277 6.790619 3.523791 40 0.426722 22.54253 8.646635 14.92648 43.55206 6.807846 3.524452 41 0.432175 22.56341 8.657633 14.87202 43.55263 6.825732 3.528567 42 0.437544 22.58125 8.663370 14.82241 43.55488 6.843937 3.534151 43 0.442833 22.59654 8.666866 14.77748 43.55889 6.861695 3.538533 44 0.448052 22.61013 8.671072 14.73621 43.56403 6.878319 3.540236 45 0.453210 22.62286 8.677465 14.69736 43.56912 6.893526 3.539675 46 0.458316 22.63529 8.685740 14.66009 43.57290 6.907468 3.538507 47 0.463376 22.64771 8.694544 14.62411 43.57471 6.920530 3.538403 48 0.468388 22.66015 8.702624 14.58939 43.57470 6.933078 3.540058 49 0.473352 22.67256 8.709610 14.55585 43.57373 6.945295 3.542953 50 0.478266 22.68485 8.716016 14.52325 43.57282 6.957170 3.545890 51 0.483128 22.69693 8.722658 14.49130 43.57266 6.968586 3.547869 52 0.487941 22.70874 8.729977 14.45988 43.57330 6.979444 3.548663 53 0.492706 22.72021 8.737740 14.42916 43.57435 6.989744 3.548792 54 0.497424 22.73123 8.745235 14.39955 43.57536 6.999584 3.549040 55 0.502098 22.74169 8.751762 14.37142 43.57609 7.009107 3.549931 56 0.506727 22.75149 8.757055 14.34492 43.57666 7.018425 3.551454 57 0.511312 22.76062 8.761391 14.31990 43.57735 7.027572 3.553173 58 0.515855 22.76915 8.765355 14.29602 43.57839 7.036504 3.554581 59 0.520358 22.77724 8.769480 14.27296 43.57975 7.045137 3.555431
131
60 0.524821 22.78508 8.773989 14.25051 43.58117 7.053404 3.555846
Variance Decomposition
of LN_NSP:
Period S.E. LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.600333 0.003940 0.240262 0.237895 2.568168 96.94973 0.000000 2 0.757060 0.066350 1.383270 0.249603 2.149653 96.12658 0.024539 3 0.870739 0.506003 2.472143 0.199388 2.528050 94.17335 0.121066 4 0.969729 1.366970 3.180397 0.175722 3.513442 90.94956 0.813910 5 1.057319 2.349164 3.747951 0.269988 4.228369 87.43598 1.968550 6 1.139762 3.312914 4.449330 0.462351 4.788919 84.02168 2.964802 7 1.220458 4.179940 5.535619 0.671364 5.309046 80.88049 3.423544 8 1.300907 4.917776 7.059069 0.848217 5.742694 77.96309 3.469157 9 1.380700 5.551005 8.728056 0.977720 6.105482 75.25181 3.385930
10 1.456954 6.112588 10.10774 1.070000 6.440807 72.89243 3.376432 11 1.526941 6.607600 10.95302 1.145136 6.766817 70.98731 3.540122 12 1.590007 7.018351 11.31128 1.219144 7.087714 69.51747 3.846039 13 1.647001 7.330484 11.38946 1.299876 7.402203 68.42521 4.152761 14 1.699493 7.548696 11.38747 1.385605 7.701169 67.64006 4.336998 15 1.749461 7.693945 11.42874 1.465097 7.968788 67.05851 4.384920 16 1.798581 7.795547 11.55990 1.523839 8.191251 66.57054 4.358920 17 1.847589 7.883849 11.76275 1.554066 8.366218 66.10175 4.331373 18 1.896419 7.981438 11.98258 1.559518 8.503891 65.61712 4.355453 19 1.944702 8.097281 12.17400 1.551849 8.620832 65.10861 4.447433 20 1.992086 8.228256 12.32947 1.544387 8.732608 64.58934 4.575939 21 2.038431 8.365089 12.47097 1.547996 8.847670 64.08096 4.687314 22 2.083899 8.498040 12.62337 1.568111 8.964671 63.59668 4.749133 23 2.128760 8.620777 12.79438 1.602304 9.075880 63.14036 4.766294 24 2.173072 8.731459 12.97055 1.641427 9.174260 62.71688 4.765423 25 2.216601 8.830699 13.12766 1.675346 9.258243 62.33417 4.773890 26 2.259029 8.918851 13.24749 1.698794 9.331608 61.99708 4.806174 27 2.300152 8.995469 13.32854 1.712704 9.400417 61.70482 4.858047 28 2.339969 9.060620 13.38407 1.721504 9.469521 61.45234 4.911948 29 2.378690 9.115927 13.43198 1.729687 9.540167 61.23098 4.951258 30 2.416653 9.164491 13.48522 1.739694 9.609915 61.02952 4.971159 31 2.454172 9.210030 13.54756 1.751404 9.674817 60.83770 4.978494 32 2.491409 9.255627 13.61498 1.763025 9.732129 60.64944 4.984802 33 2.528368 9.302590 13.68080 1.772748 9.781722 60.46301 4.999122 34 2.564959 9.350275 13.74090 1.780028 9.825717 60.27955 5.023524 35 2.601087 9.397003 13.79584 1.785733 9.867027 60.10144 5.052963 36 2.636706 9.441319 13.84908 1.791374 9.907785 59.93078 5.079660 37 2.671832 9.482728 13.90353 1.798145 9.948533 59.76841 5.098654 38 2.706516 9.521643 13.95914 1.806335 9.988498 59.61413 5.110255 39 2.740785 9.558800 14.01300 1.815337 10.02656 59.46773 5.118575 40 2.774628 9.594582 14.06144 1.824140 10.06210 59.32949 5.128252 41 2.808010 9.628719 14.10246 1.831946 10.09531 59.19989 5.141679 42 2.840911 9.660567 14.13688 1.838511 10.12686 59.07914 5.158042 43 2.873340 9.689669 14.16762 1.844087 10.15742 58.96675 5.174450 44 2.905350 9.716165 14.19789 1.849114 10.18723 58.86141 5.188194 45 2.937009 9.740794 14.22959 1.853929 10.21605 58.76120 5.198440 46 2.968376 9.764542 14.26264 1.858651 10.24349 58.66430 5.206372 47 2.999480 9.788176 14.29565 1.863235 10.26930 58.56957 5.214071 48 3.030315 9.811934 14.32708 1.867615 10.29356 58.47671 5.223110 49 3.060863 9.835532 14.35621 1.871804 10.31661 58.38612 5.233718 50 3.091107 9.858444 14.38344 1.875899 10.33886 58.29847 5.244889 51 3.121046 9.880251 14.40973 1.880004 10.36053 58.21425 5.255240 52 3.150693 9.900839 14.43584 1.884150 10.38163 58.13359 5.263952
132
53 3.180066 9.920387 14.46182 1.888273 10.40205 58.05630 5.271172 54 3.209174 9.939177 14.48712 1.892255 10.42166 57.98205 5.277735 55 3.238019 9.957412 14.51099 1.896001 10.44046 57.91061 5.284527 56 3.266597 9.975115 14.53302 1.899488 10.45855 57.84187 5.291951 57 3.294908 9.992181 14.55341 1.902764 10.47609 57.77578 5.299776 58 3.322959 10.00850 14.57276 1.905907 10.49317 57.71225 5.307406 59 3.350768 10.02408 14.59175 1.908976 10.50978 57.65109 5.314333 60 3.378352 10.03902 14.61075 1.911980 10.52584 57.59197 5.320439
Variance Decomposition
of LN_RER:
Period S.E. LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
1 0.020607 19.98213 7.945585 0.575975 2.279243 0.026557 69.19051 2 0.051183 22.86559 10.92272 2.196758 3.496785 0.070163 60.44798 3 0.081640 25.27765 13.52353 4.980566 4.466881 0.156812 51.59457 4 0.104437 27.22650 15.21679 8.576884 5.484746 0.512006 42.98307 5 0.118417 28.40584 15.68198 11.98203 6.437571 1.298331 36.19425 6 0.126279 28.86051 15.29279 14.10794 7.162898 2.436430 32.13944 7 0.130917 29.06395 14.75474 14.81820 7.718604 3.609374 30.03513 8 0.134864 29.16956 14.30222 14.64254 8.207891 4.520514 29.15727 9 0.140567 28.87794 13.90455 13.90679 8.612077 5.040262 29.65838
10 0.148682 28.27653 13.74100 13.02340 8.940635 5.280269 30.73817 11 0.157551 27.87914 13.85012 12.57222 9.269432 5.509683 30.91941 12 0.165396 27.90491 13.98884 12.67493 9.601055 5.893847 29.93642 13 0.171757 28.21109 14.00015 12.99206 9.882516 6.401969 28.51221 14 0.177060 28.61707 13.94805 13.20078 10.10072 6.906946 27.22644 15 0.182038 28.99112 13.96563 13.20636 10.27596 7.297763 26.26316 16 0.187494 29.19558 14.13871 13.04492 10.41252 7.524337 25.68393 17 0.193795 29.18306 14.46329 12.81827 10.51340 7.616134 25.40585 18 0.200496 29.08358 14.82172 12.66396 10.60627 7.668891 25.15558 19 0.206820 29.06503 15.05854 12.65342 10.71689 7.772993 24.73313 20 0.212353 29.17602 15.10763 12.74480 10.84437 7.954339 24.17284 21 0.217175 29.35752 15.01902 12.85205 10.97484 8.180716 23.61585 22 0.221618 29.52332 14.88581 12.91903 11.09798 8.400813 23.17304 23 0.226046 29.60576 14.78354 12.93048 11.20530 8.574637 22.90029 24 0.230694 29.58541 14.75683 12.89712 11.28983 8.689647 22.78115 25 0.235526 29.50999 14.80941 12.84537 11.35439 8.764085 22.71675 26 0.240313 29.46053 14.90023 12.80145 11.41092 8.831112 22.59575 27 0.244863 29.48697 14.97469 12.77569 11.46947 8.914356 22.37883 28 0.249156 29.58061 15.00539 12.76399 11.53230 9.016448 22.10126 29 0.253305 29.69540 15.00154 12.75944 11.59636 9.124340 21.82293 30 0.257453 29.78272 14.99048 12.75812 11.65624 9.220762 21.59167 31 0.261691 29.81775 14.99661 12.75821 11.70669 9.294594 21.42615 32 0.266001 29.81075 15.02844 12.75872 11.74641 9.346945 21.30874 33 0.270270 29.79594 15.07534 12.75905 11.77973 9.389278 21.20066 34 0.274384 29.80418 15.11667 12.75835 11.81317 9.434698 21.07293 35 0.278303 29.84280 15.13717 12.75585 11.85078 9.489937 20.92346 36 0.282075 29.89671 15.13567 12.75193 11.89251 9.553350 20.76983 37 0.285783 29.94336 15.12233 12.74806 11.93527 9.617882 20.63311 38 0.289499 29.96789 15.11060 12.74545 11.97484 9.675905 20.52531 39 0.293247 29.97092 15.10997 12.74407 12.00836 9.723546 20.44313 40 0.296995 29.96607 15.12205 12.74280 12.03594 9.762325 20.37082 41 0.300690 29.96935 15.14119 12.74031 12.06019 9.797205 20.29175 42 0.304298 29.98840 15.15940 12.73603 12.08416 9.832877 20.19913 43 0.307821 30.01933 15.17169 12.73056 12.10947 9.871172 20.09778 44 0.311291 30.05153 15.17818 12.72532 12.13582 9.910795 19.99835 45 0.314742 30.07542 15.18234 12.72167 12.16167 9.948840 19.91006
133
46 0.318194 30.08794 15.18785 12.72007 12.18538 9.982921 19.83584 47 0.321637 30.09316 15.19621 12.72000 12.20636 10.01265 19.77162 48 0.325047 30.09842 15.20621 12.72035 12.22533 10.03964 19.71005 49 0.328401 30.10909 15.21526 12.72013 12.24366 10.06617 19.64569 50 0.331690 30.12553 15.22143 12.71895 12.26238 10.09371 19.57800 51 0.334927 30.14401 15.22466 12.71699 12.28169 10.12225 19.51040 52 0.338132 30.15993 15.22651 12.71478 12.30095 10.15057 19.44727 53 0.341320 30.17084 15.22900 12.71275 12.31926 10.17723 19.39092 54 0.344498 30.17764 15.23335 12.71104 12.33605 10.20148 19.34044 55 0.347657 30.18344 15.23943 12.70956 12.35137 10.22359 19.29261 56 0.350787 30.19121 15.24609 12.70814 12.36579 10.24453 19.24424 57 0.353880 30.20199 15.25209 12.70669 12.37992 10.26527 19.19404 58 0.356936 30.21458 15.25682 12.70523 12.39411 10.28619 19.14307 59 0.359963 30.22671 15.26056 12.70387 12.40826 10.30702 19.09358 60 0.362968 30.23667 15.26404 12.70268 12.42202 10.32716 19.04744
Cholesky Ordering:
LN_GDPR LN_INVR LN_KAP LN_IHSG LN_NSP LN_RER
Lampiran 14.IMPULSE RESPONSE FUNCTION VECM (PERSAMAAN
PERTUMBUHAN EKONOMI)
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_GDPR
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_INVR
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_KAP
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_IHSG
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_NSP
-.008
-.004
.000
.004
.008
.012
.016
.020
10 20 30 40 50 60
Response of LN_GDPR to LN_RER
Response to Cholesky One S.D. Innovations
134