analisis volatility spillover antara harga minyak …

ANALISIS VOLATILITY SPILLOVER ANTARA HARGA MINYAK

DUNIA DENGAN LIMA INDEKS SAHAM SEKTORAL DI INDONESIA,

SINGAPURA, KOREA, DAN HONG KONG

Muhammad Ali Ridwan

Program Studi S1 Reguler, Departmen Manajemen, Fakultas Ekonomi Universitas Indonesia

Abstrak :

Penelitian ini bertujuan untuk menganalisis ada tidaknya volatility spillover antara harga

minyak dengan lima saham sektoral, yaitu sektor basic material, sektor financial, sektor

consumer service, sektor telecommunication, dan sektor oil & gas. Penelitian ini dirancang

untuk melihat volatility spillover tersebut di Indonesia, Singapura, Korea, dan Hong Kong.

Selain itu, penelitian ini juga ingin melihat keterkaitan antar pasar saham di Indonesia,

Singapura, Korea, dan Hong Kong. Model penelitian ini menggunakan model multivariate

BEKK GARCH yang dikembangkan oleh Kroner dan Engle(1995).

Keywords :

Volatility spillover, GARCH, BEKK Model

1.Pendahuluan

Pada tahun 2008 lalu, harga minyak dunia mencapai level tertinggi sebesar $ 144 /

barrel dan masih pada tahun yang sama harga minyak dunia kemudian turun drastis hingga

mencapai level harga $ 32 / barrel. Menurut survei yang dilakukan oleh Seismic Micro

Technology pada tahun 2009, sebagian besar geolog percaya bahwa harga minyak dunia lima

tahun mendatang akan mencapai kisaran $100 - $150 / barrel (Huffman, 2009)

Kondisi harga minyak dunia yang fluktuatif sudah pasti berpengaruh terhadap

perekonomian suatu negara yang memiliki tingkat ketergantungan akan minyak dunia yang

cukup tinggi seperti Indonesia. Salah satu indikator yang dapat diamati dari fluktuatifnya

pergerakan harga minyak dunia tersebut adalah Indeks Harga Saham Gabungan (IHSG). Pada

tahun 2008 lalu IHSG menurun tajam dari level tertinggi saat itu di kisaran Rp 2.800

mengalami penurunan drastis hingga mencapai level di kisaran Rp 1.100 di akhir tahun. Hal

ini mengindikasikan bahwa pergerakan harga minyak dunia memiliki korelasi yang cukup

besar dengan pergerakan pasar modal di Indonesia.

Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013

Sejak pemulihan ekonomi global berlangsung di tahun 2009, banyak perusahaan –

perusahaan di Indonesia mendiversifikasi usahanya ke sektor komoditas. Sehingga sektor –

sektor selain pertambangan juga berpotensi terpengaruh oleh fluktuatifnya harga minyak

dunia (Sidarta, 2010). Kondisi ini menyebabkan pentingnya bagi investor untuk mengetahui

sektor – sektor mana saja terpengaruh sangat besar oleh fluktuatifnya harga minyak dunia,

serta sektor mana saja yang memiliki pengaruh yang kecil terhadap fluktuatifnya harga

minyak dunia.

Seperti negara – negara lainnya, ketergantungan Indonesia dengan minyak sebagai

sumber energi cukup besar. Berikut tabel konsumsi minyak mentah dunia di Indonesia dan

beberapa negara di Asia Pasifik dari tahun 2005 sampai tahun 2011, serta perbandingannya

dengan tingkat konsumsi di kawasan Asia dan Oceania, serta Dunia.

Tabel 1.1 Tingkat Konsumsi Minyak Mentah dalam ribuan barrel per hari

2005 2006 2007 2008 2009 2010 2011

Dunia 84.105,34 85.161,78 85.847,31 85.559,15 84.765,47 87.360,82 87.421 Asia & Oceania 23.973,52 24.646,94 25.022,79 25.345,98 26.086,58 27.513,12 27.901,71 Hong Kong 331,3004 318,4815 327,5262 306 353,2686 382,5478 366 Indonesia 1.279,15 1.256,492 1.226,943 1.290 1.300,889 1.384,363 1.119 Korea Selatan 2.191,337 2.179,904 2.240,51 2.142,309 2.188,26 2.268,353 2.230,167 Singapura 808,5758 828,9589 889,5878 1.006,518 1.169,607 1.380,063 896 Sumber : Energy Information Administration (EIA)

Pada tahun 2005 tingkat konsumsi minyak mentah di dunia sebesar 84.105,78,

sedangkan tingkat konsumsi di Asia dan Oceania pada tahun yang sama sebesar 23.973,52

atau 28,50% dari total konsumsi minyak mentah di dunia dan terbesar kedua setelah Amerika

Utara yang mengkonsumsi minyak mentah sebanyak 25.242,8 atau 30,01% dari total

konsumsi di dunia. Hal ini memperlihatkan kebutuhan negara – negara di kawasan Asia akan

minyak mentah yang sangat besar. Hal ini dimungkinkan karena mayoritas negara – negara di

kawasan Asia merupakan negara berkembang yang sedang menggiatkan aktivitas industrinya

di berbagai sektor, dimana dibutuhkan sumber energi yang cukup besar seperti minyak bumi.

Pemilihan negara Singapura, Hong Kong, dan Korea dikarenakan majunya

perekonomian ketiga negara tersebut di kawasan Asia Pasifik, selain itu bursa saham

Singapura, Hong Kong, dan Korea merupakan bursa saham yang paling aktif di Asia Pasifik

(Vrugt, 2009). Dengan demikian, peneliti dapat melihat berapa besar pengaruh perekonomian

negara maju di kawasan Asia terhadap negara berkembang seperti Indonesia.


Kling (1985) mempelajari hubungan antara harga minyak mentah dunia dengan

perilaku pasar saham Amerika Serikat dan menunjukkan hubungan yang negatif antara

keduanya. Huang et al (1996), Sadorsky (1999), Park and Ratti (2008), dan Apergis and

Miller (2009) mengacu pada Auto Regressive Model, internasional multifactor asset pricing

model, cointegration test, dan vector error correction models menyimpulkan bahwa pada

pasar berkembang (emerging market) harga minyak mentah dunia berkorealsi secara

signifikan terhadap return saham baik dalam jangka pendek maupun jangka panjang.

Dengan menggunakan metode BEKK-GARCH Malik and Hmmoudeh (2007)

menunjukkan bahwa pasar ekuitas di negara – negara teluk sangat sensitif terhadap volatilitas

pada pasar minyak mentah dunia walaupun volatility spillover antara harga minyak dan

saham hanya berlaku di Arab Saudi. Malik dan Ewing (2009) menginvestigasi volatility

spillover harga minyak mentah dengan lima sektor saham di Amerika Serikat ( financial,

industrial, consumer service, health care, and technology) dan menyimpulkan bahwa secara

signifikan terdapat volatilitas antara harga saham dan minyak mentah dunia.

Penemuan lain yang dilakukan oleh Arouri, Jouini, Nguyen (2011) menyimpulkan

bahwa terjadi volatility spillover antara harga minyak mentah dengan tujuh sektor saham

(automobile&parts, financial, industrial, basic material, technology, telecommunication,

utilities) pada pasar saham eropa dan Amerika serikat. Hasil penelitiannya menyimpulkan

bahwa terjadi volatility spillover satu arah antara harga minyak mentah terhadap saham

sektoral di eropa, dan volatility spillover dua arah di pasar saham Amerika serikat.

Beranjak dari masalah yang ada, maka penelitian ini dilakukan untuk mengetahui

volatility spillover antara harga minyak dunia dengan indeks sektoral di Indonesia, Hong

Kong, Korea, dan Singapura. Penelitian akan dilakukan pada periode Januari 2005 –

Desember 2011

2. Tinjauan Teoritis

2.1 Contagion

2.1.1 Definisi Contagion

Menurut Dombusch, Park, dan Claessens (2000), Contagion dapat didefinisikan

sebagai peningkatan yang signifikan pada hubungan antar pasar setelah terjadi guncangan

terhadap satu atau beberapa negara, yang diukur dengan tingkat harga aset atau aliran

keuangan yang bergerak secara bersama – sama pada pasar yang berbeda. Peningkatan pada


comovement tidak membutuhkan sikap irasional yang tercermin pada seorang investor. Saat

suatu negara terkena guncangan, hambatan likuiditas dapat memaksa investor untuk

meminjam uang dari negara lain.

2.1.2 Penyebab terjadinya contagion

Penyebab dari contagion dapat dibagi menjadi dua kategori yaitu spillover dan krisis

keuangan (Masson 1998 ; Wolf 1999 ; Forbes dan Rigobon 2000 ; Pritsker 2000) :

a. Spillover

Penyebab ini merupakan hasil dari ketergantungan normal antar pasar ekonomi.

Ketergantungan ini berarti bahwa guncangan tersebut, entah bersifat global maupun

lokal, dapat ditransmisikan antar negara karena adanya real linkage dan financial

linkage. Calvo dan Reinhart (1996), mengelompokkan krisis ini sebagai fundamental

– based contagion. Bentuk comovement ini tidak akan menegaskan contagion secara

normal, tapi jika hal ini berlangsung selama periode krisis dan efeknya merugikan, hal

ini akan dikategorikan sebagai contagion.

b. Krisis keuangan

Penyebab contagion ini tidak berhubungan dengan perubahan makroekonomi yang

diobservasi atau fundamental lainnya, namun semata – mata merupakan hasil dari

perilaku investor atau agen keuangan lainnya. Dalam definisi ini, contagion muncul

pada saat comovement terjadi, walaupun tidak ada guncangan dan ketergantungan

global. Krisis di suatu negara mungkin dapat menyebabkan investor menarik investasi

mereka dari pasar lainnya tanpa memperhatikan perbedaan fundamental ekonominya.

2.2 Risiko

Risiko dalam bidang keuangan dapat didefinisikan sebagai kemungkinan kerugian

yang ditanggung dalam berinvestasi pada suatu aset (Megginson, 1997). Aset – aset dengan

kemungkinan kerugian yang lebih besar, dikatakan lebih berisiko daripada aset – aset dengan

kemungkinan kerugian yang lebih kecil. Dalam berinvestasi, investor harus

mempertimbangkan risiko dan imbal hasil yang diterima agar tujuan investasi dapat tercapai.

Tingkat risiko dalam suatu portofolio dapat diukur dengan variance dan deviasi standar.

Variance merupakan ukuran statistik dari penyebaran imbal hasil dimana variance

yang tinggi menggambarkan penyebaran yang luas. Deviasi standar (volatilitas) yang


merupakan akar kuadrat dari variance, merupakan alat yang digunakan untuk mengukur

tingkat penyebaran dari imbal hasil yang diekspektasikan. Jika volatilitas dari imbal hasil

saham tinggi, maka dapat dikatakan bahwa saham tersebut memiliki risiko yang tinggi.

Dalam bidang keuangan, volatilitas dapat dinyatakan dengan deviasi standar dari

imbal hasil instrumen keuangan. Volatilitas digunakan untuk mengukur risiko dari suatu

instrumen keuangan. Pemodelan dan peramalan volatilitas pasar saham telah menjadi subjek

penelitian empiris dan teoritis penting selama beberapa dekade terakhir ini oleh para

akademisi dan praktisi, tentunya dengan tujuan dan motivasi yang berbeda beda

Volatilitas adalah salah satu konsep yang paling penting dalam dunia keuangan.

Volatilitas, yang dapat diukur dengan deviasi standar atau variance imbal hasil suatu aset,

sering digunakan sebagai ukuran dari total risiko aset keuangan. Sebagai contoh, model Value

at Risk (VaR) yang digunakan untuk mengukur risiko pasar memerlukan estimasi atau

proyeksi parameter volatilitas. Volatilitas dari harga saham juga dapat masuk langsung ke

dalam rumus Black Scholes dan digunakan untuk menghitung harga opsi.

3. Metode Penelitian

3.1 Data

Seperti yang telah dijelaskan oleh Arouri dan Nguyen (2010), penelitian ini

menggunakan data mingguan karena mampu menangkap interaksi antara harga minyak dan

saham. Selain itu, data mingguan yang digunakan dalam penelitian ini juga dapat menangkal

bias yang biasanya terjadi pada data harian (bid-ask-effect dan non-synchronous trading

days)serta data bulanan (agregat waktu dan kompensasi yang tinggi atas dampak positif atau

negatif dari guncangan)

Data indek sektoral yang dipilih merupakan Dow Jones Global Index (DJGI), indeks

ini dipilih karena pelaku pasar lebih banyak menggunakan indeks ini dibandingkan yang lain

dalam mengikuti pergerakan industri, selain itu indeks Dow Jones digunakan secara luas

dalam mengukur performa sektoral (Hasan dan Malik, 2006). Terdapat 10 sektor industri

yang di sediakan Dow Jones yaitu Basic Matrials, Consumer Goods, Consumer Services,

Financial, Healthcare, Industrial, Oil & Gas, Technology, Telecommunication, Utilities

Namun karena keterbatasan dan kelayakan data di masing – masing negara, peneliti

hanya menggunakan lima sektor dari sepuluh sektor yang tersedia, yaitu basic materials,

consumer service, financial, oil & gas, dan telecommunication.


Untuk harga minyak Dunia, peneliti menggunakan acuan harga minyak mentah Brent

yang di produksi di laut utara dan saat ini di perdagangkan di dua pertiga negara – negara di

dunia. Data harga minyak mentah diperoleh dari Energy Information Administration (EIA)

Indeks pasar yang digunakan dalam penelitian ini adalah data mingguan indeks pasar

saham di Indonesia, Singapura, Hongkong, dan Korea pada periode januari 2005 hingga

desember 2011. Berikut adalah indeks – indeks yang digunakan sebagai representasi pasar

saham negara - negara tersebut yang digunakan dalam penelitian Indeks Harga Saham

Gabungan (IHSG), Strait Times Index (STI), Hang Seng Index (HSI), Kospi Index

(KOSPI200)

3.2 Pembenrukan Model ARMA

Box dan Jenkins (1976) menemukan cara yang spesifik untuk mengestimasi model

ARMA. Cara ini merupakan cara yang praktikal dan pragmatis, yang mengikuti tiga langkah

berikut (Brooks, 2008)

1. Identifikasi

Identifikasi yang dimaksud adalah menemukan order autoregressive dan moving

average pada model yang mampu menangkap karakter – karakter pada data. Tahap ini

dilakukan dengan cara melihat hasil plot atas autocorrelation function dan partial

autocorrelation function pada correlogram.

2. Estimasi

Hal ini terkait dengan estimasi atas parameter autoregressive dan moving average

yang telah dipilih pada langkah identifikasi. Estimasi dapat dilakukan dengan

berbagai cara, seperti ordinary least square atau maximum likelihood

3. Model Checking

Tahap ini adalah tahap menentukan apakah parameter yang dipilih merupakan

parameter yang sesuai. Salah satu cara yang disarankan oleh Box dan Jenkins adalah

melakukan residual diagnostic. Residual diagnostic dilakukan dengan melihat

residual pada autocorrelation function dan partial autocorrelation function untuk

membuktikan masih adanya hubungan linier antara residual dan variabel dependen.


3.3 Generalized Auto Regressive Conditional Heteroscedasticity (GARCH)

GARCH (Generalized Auto Regressive Conditionally Heteroscedasticity) merupakan

model ARCH yang telah di generalisasi. Model ini dikembangkan secara independen oleh

Bollerslev (1986) dan Taylor (1986). Peramalan volatilitas dengan GARCH berdasar pada

konsep bahwa volatilitas saat ini dipengaruhi oleh volatilitas ( - ) dan varians (

) pada

periode sebelumnya.

Model GARCH dapat dinyatakan dengan persamaan:

∑ -

∑

-

(3.1)

Dengan asumsi tambahan bahwa ≥ 0, persamaan di atas disebut juga model GARCH

( ). Dalam model GARCH ( ), ( ) adalah notasi standar dimana angka pertama

menunjukkan berapa banyak autoregressive lags (ARCH terms) dan angka kedua

menunjukkan berapa banyak moving average lags (GARCH terms) yang muncul dalam

persamaan.

3.4 Model Multivariate BEKK GARCH

Ada beberapa model multivariate GARCH yang tersedia, yang dapat menghasilkan

estimasi yang berbeda dari conditional correlation yang sama. Namun, penelitian ini hanya

akan membatasi penjelasan mengenai model bivariate BEKK GARCH(1,1). Model ini juga

pernah digunakan sebelumnya oleh Malik dan Ewing (2009) untuk melihat volatility spillover

antara harga minyak mentah dunia dengan lima indek saham sektoral (financial, industrial,

consumer service, health care, dan technology) di Amerika Serikat.

Dalam model bivariate BEKK GARCH, harus bernilai definit positif. Hal ini

diharuskan agar setiap parameterisasi menjadi lebih wajar. Model bivariate BEKK GARCH

dapat dilihat dengan persamaan berikut:

∑

∑

(3.2)

Dimana , , dan

adalah matriks n x n.

Dari Persamaan (3.2), kita mendapatkan persamaan model bivariate BEKK

GARCH(1,1) sebagai berikut:


(3.3)

merupakan matriks conditional variance, adalah matriks 2x2 dengan tiga

parameter, sedangkan adalah matriks 2x2 yang merupakan sebuah parameter yang dapat

melihat hubungan antara conditional variance masa lalu terhubung dengan conditional

variance saat ini yang mana. adalah matriks 2x2 yang dapat melihat dan mengukur

hubungan antara conditional variance masa lalu terhubung dengan error masa lalu yang

mana. juga dapat melihat efek guncangan dari sebuah volatilitas.

Perbedaan model unrestricted bivariate BEKK GARCH(1,1) dengan model bivariate

BEKK GARCH(1,1) terletak pada matriks dan yang tidak bernilai nol pada sisi

diagonalnya. Sehingga, jika Persamaan (3.3) dijabarkan ke dalam model unrestricted

bivariate BEKK GARCH(1,1), persamaannya menjadi:

[

]

[

] [

]

[

] [

]

[

]

[

] (3.4)

Bila Persamaan (3.4) kita sederhanakan, maka persamaan untuk melihat volatility spillover

antara harga minyak mentah dunia dengan indek saham sektoral adalah sebagai berikut:

(3.5)

Sedangkan untuk melihat volatility spillover antara indek pasar saham Singapura, Hong

Kong, dan Korea terhadap indek pasar saham Indonesia, persamaan (3.7) dapat

disederhanakan kedalam persamaan berikut


(3.6)

Untuk melihat ada tidaknya volatility spillover antara harga minyak mentah brent dan

indeks saham sektoral, koefisien yang digunakan adalah dan . Jika salah satu dari

atau memiliki nilai yang berbeda dari nol, maka dapat dikatakan bahwa volatilitas

minyak mentah brent berpengaruh terhadap volatilitas suatu indeks saham sektoral di suatu

negara. Sedangkan untuk melihat ada tidaknya volatility spillover antara indek pasar saham

Singapura, Hong Kong, dan Korea dan indek pasar saham Indonesia, koefisien yang

digunakan adalah dan . Jika salah satu dari atau memiliki nilai yang

berbeda dari nol, maka dapat dikatakan bahwa volatilitas indek pasar saham Singapura, Hong

Kong, dan Korea berpengaruh terhadap volatilitas indek pasar saham Indonesia

4.Hasil dan Pembahasan Penelitian

Dalam pemodelan dengan GARCH, ada syarat yang harus dipenuhi, yaitu semua data

harus mean stationery. Dari semua sektor yang ada, ternyata masih terdapat sektor – sektor

yang memiliki autokorelasi yang signifikan. Metode yang digunakan dalam pemodelan

ARMA adalah metode Box-Jenkins, dan berikut hasil pemodelan ARMA terhadap sektor –

sektor yang sebelumnya masih terdapat autokorelasi.

Tabel 4.1 Pemodelan ARMA

rid_finance rid_ogas rsg_basic rkr_finance rhk_finance rhk_ogas

ARMA(4,4) ARMA(1,1) ARMA(1,1) ARMA(1,1) ARMA(1,1) ARMA(1,1)

P-value AR 0,0347 0,0000 0,0000 0,0000 0,0000 0,0011

P-value MA 0,0239 0,0000 0,0000 0,0000 0,0000 0,0081

Adjusted R-squared 0,006343 0,023282 0,007613 0,013522 0,006052 0,011449

AIC -3,220702 -2,543040 -2,813690 -2,997890 -3,610980 -2,804228

SIC -3,188384 -2,510921 -2,781570 -2,965771 -3,578860 -2,772108


Sumber : Data diolah sendiri menggunakan Eviews 6

Setelah dilakukan pemodelan ARMA terhadap sektor – sektor pada tabel 4.9, sudah

tidak ditemukan lagi autokorelasi, dan pemodelan dengan menggunakan GARCH pun dapat

dilakukan.

4.1 Analisis Volatility Spillover Antara Minyak Mentah Dunia Dengan Indeks Saham

Sektoral di indonesia

Tabel 4.2 Output Bivariate BEKK GARCH(1,1) Minyak Mentah Brent Dengan Lima Indeks

Sektoral di Indonesia

Basic - Brent Financial- Brent Tele – Brent Service – Brent

OGas –Brent

(0,301770) (0,356791) (0,140282) (0,564068) 0,930883

z-Statistic 3,370332 6,103338 3,168428 6,768479 1,095056

Prob. 0,0008 0,0000 0,0015 0,0000 0,0000

-0,079846 (-0,101111) -0,050461 0,275426 (0,649441)

z-Statistic -1,774808 -2,346858 -1,937715 1,153835 2,336220

Prob. 0,0759 0,0189 0,0527 0,2486 0,0195


Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Basic Material

Perusahaan – perusahaan yang termasuk dalam sektor basic material merupakan

perusahaan yang bergerak dalam bidang pertambangan, pengubahan bentuk logam mulia,

hasil hutan, produk dasar kimia, serta material konstruksi seperti semen. Bisa dilihat dalam

tabel 4.2, koefisien dan berturut – turut adalah 0,3017770 dan -0,079846 . jika kita

lihat nilai dan masing – masing koefisien, dapat disimpulkan bahwa

koefisien berbeda dari nol dan tidak berbeda dari nol, sehingga dapat dikatakan

terdapat volatility spilloover antara harga minyak mentah dan sektor basic material di

Indonesia.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Financial

Dapat dilihat pada tabel 4.2, koefisien dan sebesar 0,0356791 dan -0,10111.

Jika kita lihat kedua koefisien, masing – masing memiliki nilai berbeda dari nol

yang artinya terdapat volatility spillover antara harga minyak dengan sektor keuangan di

indonesia.


Penemuan ini juga selaras dengan hasil penelitian yang dilakukan oleh Arouri et al

(2011), dimana terdapat volatility spillover dua arah antara minyak Brent dengan sektor

financial. Arouri menyebutkan bahwa kenaikan atau penurunan harga minyak dapat

mempengaruhi sentimen konsumen dan investor terhadap produk keuangan.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Telecommunication


Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan nol,

sedangkan tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat

volatility spillover antara harga minyak dengan sektor telekomunikasi di indonesia.

Industri telekomunikasi merupakan salah satu industri yang memiliki performa baik

dalam sepuluh tahun terakhir, dengan tingginya penggunaan teknologi yang aplikatif dan

tepat guna baik bagi konsumen individu maupun bisnis, perusahaan – perusahaan

telekomunikasi di Indonesia terus meningkatkan pelayanan dengan dasar infrastruktur yang

terus dibangun dan diperbaiki.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Consumer Service

Dapat dilihat pada tabel 4.2, koefisien dan sebesar 0,564068 dan 0,275426.



volatility spillover antara harga minyak dengan sektor consumer service di indonesia

Hal ini selaras dengan hasil penelitian yang dilakukan oleh Malik dan Ewing (2009).

Volatilitas harga minyak berpengaruh terhadap imbal hasil sektor consumer service karena

adanya kebutuhan akan minyak dari perusahaan – perusahaan consumer service.

Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Oil & Gas

Dapat dilihat pada tabel 4.2, koefisien dan sebesar 0,930883 dan 0,649441.

Jika kita lihat kedua koefisien, memiliki nilai yang tidak berbeda dengan nol,

sedangkan kebalikannya, yaitu berbeda dengan nol. Dengan demikian, dapat disimpulkan

terdapat volatility spillover antara harga minyak dengan sektor oil & gas di indonesia


Sektor oil & gas di Indonesia, merupakan sektor yang paling besar memberikan

keuntungan bagi negara, serta menempati urutan nomor satu dalam sepuluh komoditas ekspor

utama Indonesia. Jumlah produksi minyak mentah Indonesia pada tahun 2009 sebesar

2.369.000 barrel/day, sedangkan pada tahun 2010 sebesar 2.327.716 barrel/day. Data ini

dikumpulkan oleh BP Migas, yang merupakan jumlah produksi dari seluruh perusahaan –

perusahaan atau kontraktor oil & gas di Indonesia.


Sektoral di Singapura

Tabel 4.3 Output Bivariate BEKK GARCH(1,1) Minyak Mnetah Brent Dengan Lima Indeks

Sektoral di Singapura

Basic – Brent

Financial- Brent

Tele – Brent Service - Brent

OGas -Brent

0,130625 (0,085242) (-0099077) (0,119309) 0,088734

z-Statistic 1,689841 2,066600 -2,071,322 4,843463 1,185967

Prob. 0,0911 0,0388 0,0383 0,0000 0,2356

-0,058040 -0,034053 (0,062781) -0,033420 -0,054756

z-Statistic -1,287911 -1,403799 2,189179 -1,920960 -1,058501

Prob. 0,1978 0,1604 0,0286 0,0547 02898




Jika kita lihat kedua koefisien, dan memiliki nilai yang tidak berbeda

dengan nol, sehingga dapat dikatakan bahwa volatility spillover tidak terjadi antara minyak

mentah dengan sektor basic material di Singapura.

Berbeda dengan hasil penelitian Arouri et al (2011) yang menyatakan bahwa di

Amerika Serikat dan Eropa, terdapat volatility spillover antara harga minyak dengan indek

saham sektor basic material. Hal ini dapat terjadi pada negara Singapura, karena untuk

pemenuhan kebutuhan dalam negeri akan produk – produk dasar kimia dan material

pertambangan lainnya, Singapura mengimpor dari negara tetangga seperti Indonesia,

Vietnam, dan Thailand. Mayoritas perusahaan – perusahaan yang bergerak di bidang hilir

sektor ini adalah perusahaan internasional, sehingga sangat mungkin tidak terjadi volatility

spillover antara harga minyak dunia dengan sektor basic material di Singapura.





sedangkan kebalikannya, yaitu tidak berbeda dengan nol. Dengan demikian, dapat

disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor financial di

Singapura

Singapura merupakan negara maju yang terus melakukan pembangunan di dalam

negerinya pada sektor jasa dan pariwisata, serta real estate. Sehingga diperlukan investasi

yang besar dalam sektor – sektor tersebut, perusahaan keuangan lah yang berperang penting

dalam pemenuhan kebutuhan modal dan pelayanan jasa keuangan lainnya, sehingga dalam

praktiknya, sektor keuangan di Singapura akan terpengaruh oleh pergerakan harga minyak

yang digunakan untuk pembangunan yang sedang dilaksanakan. Menurut Arouri et al (2011),

negara – negara yang memiliki tingkat ketergantungan yang tinggi terhadap minyak mentah

dunia, sektor keuangan negara – negara tersebut akan sangat sensitif terhadap volatilitas

harga minyak mentah dunia.


Dapat dilihat pada tabel 4.3, koefisien dan sebesar -0,099077 dan 0,062781.

Jika kita lihat kedua koefisien, dan memiliki nilai yang berbeda dengan

nol, sehingga dapat dikatakan terjadi volatility spillover antara minyak mentah dengan sektor

telekomunikasi di Singapura.

Hal ini selaras dengan penelitian yang dilakukan oleh Arouri et al (2011) yang

menemukan adanya volatility spillover antara harga minyak dnegan sektor telekomunikasi di

Amerika Serikat dan Eropa, walaupun efeknya tidak terlalu besar.





disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor consumer

service di Singapura.




Jika kita lihat kedua koefisien, dan memiliki nilai yang tidak berbeda

dengan nol, sehingga tidak terdapat volatility spillover antara harga minyak mnetah dengan

sektor oil & gas di Singapura.

Hasil ini bertentangan dengan penelitian yang telah dilakukan oleh Arouri dan

Nguyen (2010) yang menemukan adanya volatility spillover dua arah antara harga minyak

dengan imbal hasil sektor oil & gas di Eropa. Namun sama seperti Hong Kong dan Korea,

Singapura tidak memiliki cadangan minyak bumi dan gas alam. Dalam pemenuhan

kebutuhan akan minyak dan gas, negara tersebut mengimpor dari negara – negara penghasil

minyak dan gas di asia. Tidak terdapatnya volatility spillover antara harga minyak dunia

dengan sektor oil & gas di Singapura dikarenakan mayoritas perusahaan refinery atau

penyaringan minyak mentah merupakan perusahaan minyak internasional, dan sedikit sekali

perusahaan lokal yang berkecimpung dalam sektor ini.


Sektoral di Hong Kong

Tabel 4.4 Output Bivariate BEKK GARCH(1,1) Minyak Mentah Brent Dengan Lima Indeks

Sektoral di Hong Kong

Basic – Brent

Financial- Brent

Tele - Brent Service – Brent

OGas –Brent

(0,106321) (0,090623) (0,124787) (0,120812) (0,181421)

z-Statistic 1,956433 2,386332 2,973855 3,400260 2,622150

Prob. 0,0504 0,0170 0,0029 0,0007 0,0087

-0,032514 -0,029473 -0,033400 -0,030295 -0,022777

z-Statistic -1,069382 -1,596701 -1,538928 -1,448540 -0,412179

Prob. 0,2849 0,1103 0,1238 0,1475 0,6802



Dalam tabel 4.4, koefisien dan berturut – turut adalah 0,106321 dan -

0,032514. Jika kita lihat nilai dan masing – masing koefisien, dapat

disimpulkan bahwa koefisien berbeda dari nol dan tidak berbeda dari nol, sehingga

dapat dikatakan terdapat volatility spilloover antara harga minyak mentah terhadap sektor

basic material di Hong Kong




Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dnegan nol,

sedangkan tidak berbeda dengan nol, sehingga terjadi volatility spillover antara harga

minyak mentah dengan sektor keuangan di Hong Kong.


Pada tabel 4.4, koefisien dan menunjukkan angka sebesar 0,124787 dan -

0,033400. Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan

nol, sedangkan tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat

volatility spillover antara harga minyak dengan sektor telekomunikasi di Hong Kong.





volatility spillover antara harga minyak dengan sektor consumer service di Hong Kong





disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor oil & gas di

Hong Kong

Walaupun tidak memiliki sumber daya minyak bumi di dalam negeri, namun banyak

perusahaan minyak dan gas baik lokal maupun internasional yang beroperasi dan

menyediakan energi minyak bumi bagi masyarakat Hong Kong, mulai dari proses impor,

penyaringan, hingga penjualan langsung kepada konsumen.



Sektoral di Korea

Tabel 4.5 Output Bivariate BEKK GARCH(1,1) Minyak Mnetah Brent Dengan Lima Indeks

Sektoral di Korea

Basic – Brent

Financial- Brent

Tele - Brent Service – Brent

OGas -Brent

0,109071 (0,195351) (0,108815) (0,166559) (0,133053)

z-Statistic 1,630893 2,802821 3,926392 3,231695 2,127538

Prob. 0,1029 0,0051 0,0001 0,0012 0,0334

0,020567 (-0,086325) -0,031670 -0,044792 -0,044761 z-Statistic 0,349607 -2,310586 -1,189237 -1,016892 -1,247898

Prob. 0,7266 0,0209 0,2343 0,3092 0,2121



Perusahaan – perusahaan yang termasuk dalam sektor basic material merupakan

perusahaan yang bergerak dalam bidang pertambangan, pengubahan bentuk logam mulia,

hasil hutan, produk dasar kimia, serta material konstruksi seperti semen. dalam tabel 4.5,

koefisien dan berturut – turut adalah 0,109071 dan 0,020567. Jika jika lihat nilai

dan masing – masing koefisien, dapat disimpulkan bahwa koefisien dan

tidak berbeda dari nol, sehingga dapat dikatakan tidak terdapat volatility spilloover antara

harga minyak mentah dengan sektor basic material di Korea.

Berbeda dengan hasil penelitian Arouri et al (2011) yang menyatakan bahwa terdapat

volatility spillover antara harga minyak dengan indek saham sektor basic material. Hal ini

cukup mnegherankan, mengingat Korea merupakan konsumen minyak mentah terbesar di

antara Indonesia, Singapura, dan Hongkong yang menjadi objek penelitian ini. Namun,

sebagai salah satu negara maju di Asia, Korea memiliki preferensi dalam penggunaan minyak

mentah tersebut. minyak mentah yang dikonsumsi, lebih banyak digunakan pada sektor –

sektor consumer goods, industrial, utilities, atau consumer service.


Pada tabel 4.5, koefisien dan sebesar 0,195351 dan -0,086325. Jika kita lihat

kedua koefisien, dan berbeda dengan nol, sehingga terjadi volatility

spillover antara harga minyak mentah dengan sektor keuangan di Korea.


Sebagai negara dengan tingkat konsumsi minyak bumi yang besar di Asia,

perekonomian Korea ikut terpengaruh oleh volatilitas dari harga minyak bumi tersebut,

termasuk sektor keuangan, hal ini dikarenakan tingkat ketergantungan Korea terhadap

minyak mentah dalam perekonomiannya.





volatility spillover antara harga minyak denagn sektor telekomunikasi di Korea


Pada tabel 4.5, koefisien dan sebesar 0,166559 dan -0,044792. Jika kita

lihat kedua koefisien, memiliki nilai yang berbeda dengan nol, sedangkan

tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat volatility spillover

antara harga minyak dengan sektor consumer service di Korea

Hal ini selaras dengan hasil penelitian yang dilakukan oleh Malik dan Ewing (2009).

Volatilitas harga minyak berpengaruh terhadap imbal hasil sektor consumer service karena

adanya kebutuhan akan minyak dari perusahaan – perusahaan consumer service.





disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor oil & gas di

Korea

Walaupun Korea merupakan konsumen minyak bumi terbesar di antara tiga negara

lainnya, namun Korea tidak memiliki sumber minyak duni di dalam negerinya. Kebutuhan

minyak bumi Korea di dapat melalui impor dari negara – negara penghassil minyak bumi

seperti negara Arab. Pada tahun 2010 jumlah minyak bumi yang di import oleh Korea sebesar


3.100.000 barrel/day, sekaligus menempatkan Korea sebagai negara terbesar kelima

pengimpor minyak mentah.

4.5 Analisis Pengaruh Volatilitas Indeks Saham di Singapura, Hong Kong, dan Korea

Terhadap Volatilitas Indeks Saham di Indonesia

Tabel 4.6 Output Bivariate BEKK GARCH(1,1) Indeks Saham Indonesia dengan Indeks

Saham Hong Kong, Korea, dan Singapura

Indonesia – Hongkong

Indonesia – Korea

Indonesia – Singapura

0,341692 -0,205006 0,227241

z-Statistic 5,846762 -3,702189 3,963083

Prob. 0,0000 0,0002 0,0001

-0,062721 0,021354 -0,088887

z-Statistic -1,962402 0,575510 -3,197982

Prob. 0,0497 0,5649 0,0014


Analisis Volatility Spillovers dan Conditional Correlation antara IHSG dan Hangseng

Tabel 4.6 memberikan penjelasan mengenai hubungan volatilitas indeks saham di

Hong Kong terhadap volatilitas indeks saham Indonesia. Koefisien dan masing-

masing bernilai 0,341692 dan -0,062721 dengan sebesar 5,846762 dan -1,962402.

Hal tersebut menunjukkan bahwa volatilitas indeks saham yang lebih maju seperti indeks

saham Hong Kong (Hangseng), memiliki pengaruh terhadap volatilitas indeks saham

Indonesia. Dengan kata lain, terjadi volatility spillovers dari indeks saham Hong Kong ke

indeks saham Indonesia.

Analisis Volatility Spillovers dan Conditional Correlation antara IHSG dan KOSPI200

indeks saham Korea dikategorikan sebagai indeks saham yang maju di kawasan Asia.

Indeks saham yang terbilang maju dalam suatu kawasan atau regional tertentu, biasanya

memiliki pengaruh terhadap indeks saham pada emerging market seperti Indonesia. Pengaruh

indeks saham Korea terhadap indeks saham Indonesia dapat dilihat pada Tabel 4.6. Dalam

tersebut, koefisien dan yang digunakan sebagai parameter ada tidaknya volatility

spillovers, masing-masing bernilai -0,205006 dan -0,062721 dengan sebesar -

3,702189 dan 0,575510. Berdasarkan hasil tersebut, dapat dikatakan bahwa koefisien

memiliki nilai yang berbeda dari nol, artinya volatilitas indeks saham Korea memiliki

pengaruh terhadap volatilitas indeks saham Indonesia. Hal ini sesuai dengan anggapan


bahwa indeks saham pada pasar yang telah mature memiliki pengaruh terhadap indeks saham

pada emerging market.

Analisis Volatility Spillovers dan Conditional Correlation antara IHSG dan STI

Berdasarkan Tabel 4.6, koefisien dan masing-masing bernilai 0,2227241 dan

-0,088887 dengan nilai masing-masing bernilai 3,963083 dan -3,197982. sehingga

dapat dikatakan bahwa indeks saham Singapura mempengaruhi indeks Saham Indonesia.

5. Kesimpulan

Tujuan utama dari penelitian adalah melihat volatility spillover antara harga minyak

dunia dengan indek saham sektoral di Indonesia, Singapura, Hong Kong , dan Korea. Dengan

menggunakan model BEKK-GARCH, ditemukan adanya volatility spillover tersebut.

walaupun untuk beberapa sektor di negara tertentu seperti Singapura dan Korea, tidak

ditemukan adanya volatility spillover antara harga minyak dunia dengan sektor basic material

dan sektor oil & gas

Dalam penelitian ini pula ditemukan adanya volatility spillover antara indeks pasar

saham di Hong Kong, Singapura ,dan Korea terhadap indeks pasar saham Indonesia. Hal ini

menunjukkan indek saham Indonesia belum mencapai kedewasaan karena pergerakannya

banyak dipengaruhi oleh variabel – variabel eksternal seperti fluktuasi harga minyak mnetah

dan volatilitas indek saham di negara lain.

6. Kepustakaan

Agnolucci, P., (2009). Volatility in crude oil futures: a comparison of the predictive ability of

GARCH and implied volatility models. Energy Economics ,31, 316–321.

Apergis, N., Miller, S.M., (2009). Do structural oil-market shocks affect stock prices? Energy

Economics ,31, 569–575.

Arouri, M., Dinh, T.H., Nguyen, D.K., (2010). Time-varying predictability in crude oil

markets: the case of GCC countries. Energy Policy ,38 (8), 4371–4380.

Arouri, M., Nguyen, D.K., (2010). Oil prices, stock markets and portfolio investment:

evidence from sector analysis in Europe over the last decade. Energy Policy, 38 (8),

4528–4539.


Basher, S.A., Sadorsky, P., (2006). Oil price risk and emerging stock markets. Global

Finance Journal,17, 224–251.

Boyer, M.M., Filion, D., (2007). Common and fundamental factors in stock returns of

Canadian oil and gas companies. Energy Economics ,29, 428–453.

Bodie, Kane., Kane, Alex., Marcus, Alan., (2005). Investmens. New York : McGraw Hill

Bollerslev, T., (1990). Modelling the coherence in short-run nominal exchange rates: a

multivariate generalized ARCH approach. Review of Economics and Statistics, 72,

498–505.

Cameron, K., Schulenburg, O., (2009). Oil prices, SUVs, and Iraq: an investigation of

automobile manufacturer oil price sensitivity. Energy Economics ,31, 375–381.

Elder, J., Serletis, A., (2008). Long memory in energy futures prices. Review of Financial

Economics ,17, 146–155.

El-Sharif, I., Brown, D., Burton, B., Nixon, B., Russell, A., (2005). Evidence on the nature

and extent of the relationship between oiland equity value in UK. Energy Economics

27

Engle, R.F., (1982). Autoregressive conditional heteroscedasticity with estimates of the

variance of United Kingdom inflation. Econometrica ,50, 987–1007.

Engle, R.F., (2002). Dynamic conditional correlation: a simple class of multivariate GARCH

models. Journal of Business and Economic Statistics , 20, 339–350

Geman, H., Kharoubi, C., (2008). WTI crude oil futures in portfolio diversification: the time-

to-maturity effect. Journal of Banking and Finance ,32, 2553–2559.

Hamilton, J.D., (1983). Oil and the macroeconomy since world war II. Journal of Political

Economy, 92, 228–248.

Hamilton, J.D., (2003). What is an oil shock? Journal of Econometrics ,113, 363–398.

Hammoudeh, S., Yuan, Y., McAleer, M., (2009). Shock and volatility spillovers among

equity sectors of the Gulf Arab stock markets. Quarterly Review of Economics and

Finance ,49, 829–842.

Hammoudeh, S., Yuan, Y., McAleer, M., Thompson, M.A., (2010). Precious metals–

exchange rate volatility transmissions and hedging strategies. International Review of

Economics and Finance, 19, 633–647.

Hassan, H., Malik, F., (2007). Multivariate GARCH model of sector volatility transmission.

Quarterly Review of Economics and Finance, 47, 470–480.

Engle, R.F., Kroner, K.F., (1995). Multivariate simultaneous generalized ARCH.

Econometric Theory ,11, 122–150.


analisis volatility spillover antara harga minyak …

Documents