efisiensi dan integrasi pasar modal syariah · sekretaris i osis mts. attaqwa 17 bekasi ketua osis...
TRANSCRIPT
EFISIENSI DAN INTEGRASI PASAR MODAL SYARIAH
(Studi Empiris di Indonesia, Malaysia, Jepang, Cina, Eropa, dan Amerika Serikat
Periode 2014-2018)
SKRIPSI
Diajukan kepada Fakultas Ekonomi dan Bisnis untuk Memenuhi Persyaratan
Memperoleh Gelar Sarjana Ekonomi (S.E.)
Oleh:
Nurhasanah
NIM. 11150810000051
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1440 H/2019 M
i
ii
iii
iv
v
DAFTAR RIWAYAT HIDUP
Identitas Diri
Nama
Tempat, Tanggal Lahir
Agama
Alamat
Ayah
Ibu
No. Telp
:
:
:
:
:
:
:
:
Nurhasanah
Pemalang, 17 April 1998
Islam
Jl. Raya Pertamina, RT 002/01, Desa Kedung Jaya,
Kecamatan Babelan, Kabupaten Bekasi, Provinsi Jawa
Barat
Parkatin
Rohati
0895370436899
Pendidikan Formal
2004 – 2010
2010 – 2012
2012 – 2015
2015 - 2019
:
:
:
:
MI. ATTAQWA 14 Bekasi
MTs. ATTAQWA 17 Bekasi
MA. ATTAQWA 02 Bekasi
Program Sarjana S1 Manajemen Keuangan Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah
Pendidikan Nonformal
2015
2015 – 2016
:
:
Pelatihan Leadership UIN Youth Camp
Ma’had Putri Al-Jami’ah UIN Syarif Hidayatullah
Pengalaman Organisasi
2011 – 2012
2014 – 2015
:
:
Sekretaris I OSIS MTs. ATTAQWA 17 Bekasi
Ketua OSIS MA. ATTAQWA 02 Bekasi
vi
2015 – 2016
2016 – 2017
2016 – 2017
2017 – 2018
2017 – 2018
2019
:
:
:
:
:
:
:
Divisi Sosial dan Agama Dewan Eksekutif Mahasiswa
(DEMA) Fakultas Ekonomi dan Bisnis UIN Jakarta
Sekretaris Koord. Divisi Sosial dan Agama HMJ
Manajemen Fakultas Ekonomi dan Bisnis UIN Jakarta
Sekretaris Departemen Kaderisasi dan Pendidikan UKM
HIQMA (Himpunan Qari dan Qariah Mahasiswa)
Sekretaris II UKM HIQMA UIN Syarif Hidayatullah
Bendahara Senat Mahasiswa (SEMA) Fakultas Ekonomi
dan Bisnis UIN Syarif Hidayatullah Jakarta
Sekretaris I UKM HIQMA UIN Syarif Hidayatullah
Penghargaan
2014
:
Juara I Olimpiade Sains Bidang Ekonomi SLTA
sekabupaten Bekasi di Cikarang
Pengalaman Kerja
2015 – 2017
2017 – 2019
:
:
Guru Ekonomi SMA dan SBMPTN di Bimbingan
Belajar (Bimbel) Teknos Cirende
Guru Privat Ekonomi dan Matematika SMA serta
SBMPTN dan UN
vii
ABSTRACT
The purpose of this research is to test efficient market hypotheses in weak form
and analyze the integration of the Indonesian Islamic capital market/ISSI,
Malaysia/DJIMY, Japan/DJIJP, China/DJICHKU, Europe/DJIEU, and the United
States/IMUS. Market efficiency testing uses Kolmogorov Smirnov test analysis, Run
Test, Autocorrelation and Unit Root with daily stock return data, while analyzing
integration uses the Vector Error Correction Model (VECM) method with daily
closing index data from 2014 to 2018.
The results of this research indicate that the Indonesian, Malaysian, Japanese,
Chinese, European and American sharia capital markets followed a random walk
pattern which meant that all markets were efficient in weak form. This weak form
efficient market shows that stock prices reflect all available information. The six
sharia capital markets in this study are in accordance with one of the principles of
Islamic investment, which is transparent, where the right information is put forward
so that it is good for investors. Whereas the findings in the integration analysis show
that there is a one-way relationship namely the Malaysian Islamic capital market
influencing the Indonesian Islamic capital market and the Indonesian Islamic capital
market affecting the United States Islamic capital market. Based on Cointegration
analysis, the entire Islamic capital market in this study has a long-term relationship
with the Indonesian Islamic capital market. Furthermore, based on the analysis of
Forecast Error Variance Decomposition (FEVD), it is seen that the Indonesian
Islamic capital market receives the largest contribution from the movements of the
Chinese and Japanese sharia capital markets. Meanwhile, the Indonesian Islamic
capital market was the biggest contributor to the movement of the Japanese sharia
capital market.
Keywords: Islamic capital markets, efficient market hypotheses in the form of weak,
integration, VECM, causality, cointegration, FEVD, IRF
viii
ABSTRAK
Tujuan penelitian ini adalah menguji hipotesis pasar efisien dalam bentuk lemah
dan menganalisis integrasi pasar modal syariah Indonesia/ISSI, Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS. Pengujian
efisiensi pasar menggunakan analisis uji Kolmogorov Smirnov, Run Test,
Autokorelasi dan Unit Root dengan data return saham harian, sedangkan untuk
menganalisa integrasi menggunakan metode Vector Error Correction Model (VECM)
dengan data indeks penutupan harian mulai dari 2014 sampai 2018.
Hasil penelitian ini menunjukkan bahwa pasar modal syariah Indonesia,
Malaysia, Jepang, Cina, Eropa, dan Amerika Serikat mengikuti pola random walk
yang berarti bahwa semua pasar efisien dalam bentuk lemah. Pasar efisien bentuk
lemah ini menunjukkan bahwa harga saham telah mencerminkan semua informasi
yang tersedia. Ke enam pasar modal syariah dalam penelitian ini sesuai dengan salah
satu prinsip investasi syariah yaitu transparan di mana mengedepankan informasi
yang benar sehingga memberikan kebaikan untuk investor. Temuan dalam analisis
integrasi menunjukkan bahwa terdapat hubungan satu arah yaitu pasar modal syariah
Malaysia mempengaruhi pasar modal syariah Indonesia dan pasar modal syariah
Indonesia mempengaruhi pasar modal syariah Amerika Serikat. Kemudian
berdasarkan analisis Kointegrasi, seluruh pasar modal syariah dalam penelitian ini
memiliki hubungan jangka panjang dengan pasar modal syariah Indonesia.
Selanjutnya, berdasarkan analisis Forecast Error Variance Decomposition (FEVD)
terlihat bahwa pasar modal syariah Indonesia menerima kontribusi terbesar dari
pergerakan pasar modal syariah Cina dan Jepang. Sementara itu, pasar modal syariah
Indonesia menjadi penyumbang terbesar terhadap pergerakan pasar modal syariah
Jepang.
Kata kunci: Pasar modal syariah, hipotesis pasar efisien bentuk lemah, integrasi,
VECM, kausalitas, kointegrasi, FEVD, IRF
ix
KATA PENGANTAR
Puji syukur kehadirat Allah SWT, berkat rahmat dan hidayahnya dengan kasih
sayangnya yang tiada batas kepada semua makhluk-Nya, sehingga penulis dapat
menyelesaikan skripsi yang berjudul “Efisiensi dan Integrasi Pasar Modal Syariah
(Studi Empiris di Indonesia, Malaysia, Jepang, Cina, Eropa, dan Amerika
Serikat Periode 2014-2018)”, di mana menjadi tugas akhir dalam memperoleh gelar
Sarjana Ekonomi Jurusan Manajemen Universitas Islam Negeri Syarif Hidayatullah
Jakarta.
Shalawat dan salam tetap tercurahkan kepada Baginda Nabi Besar Muhammad
SAW, sang revolusioner sejati yang telah banyak merubah tatanan sosial di berbagai
penjuru dunia ke jalan yang diridhai Allah SWT “minaz dzulumati ilannur aw minad
dholalati ilal huda”.
Perjalanan panjang penulis dalam upaya menyelesaikan skripsi ini dihiasi dengan
segala kekurangan dan kelemahan penulis, dan diwarnai dengan berbagai cobaan,
tantangan, dan penuh perjuangan seperti hujan dan badai yang harus dihadapi. Karena
itu skripsi ini tidak mungkin selesai jika tanpa bantuan dari berbagai pihak. Untuk itu
penulis menyampaikan terima kasih kepada semua pihak yang telah membantu dalam
penyusunan skripsi ini, khususnya kepada:
1. Ayahanda tercinta Parkatin dan Ibunda tercinta Rohati, yang telah merawat,
membesarkan juga mendidik serta senantiasa selalu percaya, mendoakan,
memotivasi, mendukung dan memberikan seluruh kerja kerasnya untuk
mewujudkan keinginan anak-anaknya dalam meraih cita-cita.
2. Keluarga besar terutama kepada Nenek, Kakek, Paman, Bibi, dan Sepupu tercinta
yang selalu memberikan dukungan dan motivasi sehingga membuat penulis dapat
menyelesaikan program studi S-1 Ekonomi Jurusan Manajemen Keuangan.
x
3. Ibu Prof. Dr. Hj. Amany Lubis, M.A selaku Rektor Universitas Islam Negeri
Syarif Hidayatullah Jakarta.
4. Bapak Prof. Dr. Amilin, S.E.Ak., M.Si., CA., QIA., BKP., CRMP selaku Dekan
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
5. Ibu Titi Dewi Warninda, SE., M.Si., selaku Ketua Jurusan Manajemen Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang sangat baik kepada
penulis.
6. Ibu Ir. Ela Patriana, M.M., selaku Sekretaris Jurusan Manajemen Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang membuat penulis
merasakan bagai Ibu sendiri.
7. Bapak Prof. Dr. Ahmad Rodoni, MM., selaku Dosen Pembimbing Skripsi yang
telah meluangkan waktunya di tengah kesibukannya untuk membimbing dan
mengarahkan penulis dalam menyusun skripsi ini serta memberikan motivasi
yang begitu besar kepada penulis, sehingga penulis sangat termotivasi untuk terus
belajar dan menjadikannya sebagai dosen yang sangat penulis banggakan karena
karakter mendidik dan membimbing yang sangat baik, akhirnya penulis
mendoakan jazakumullah khoiron katsiir dan semoga menjadi amal jariyah yang
tidak akan terputus kepadanya.
8. Bapak Deni Pandu Nugraha, M.Sc., selaku Dosen Pembimbing Akademik yang
selalu memberikan arahan dan motivasi kepada penulis.
9. Seluruh Dosen dan Staf Jurusan Manajemen Fakultas Ekonomi dan Bisnis
Universitas Islam Negeri Syarif Hidayatullah Jakarta yang telah memberikan ilmu
dan bantuan yang bermanfaat.
10. Sahabat yang selalu memberikan motivasi kepada penulis dan telah menjadi
bagian besar dalam perjalanan kuliah penulis yang tak akan terlupakan yaitu
Abdul Aziz Muslim, Helsi Dwi Yana, Yunita Anggraini dan Deni Arif.
11. Keluargaku upin ipin family yang selalu memotivasi penulis dan yang membuat
penulis merasa bagaikan saudara karena tinggal satu atap yang sama-sama jauh
dari orang tua yaitu Aimia KDK, Khurun In Umama, Fizna Sa’diyya.
xi
12. Badan Pengurus Harian (BPH) HIQMA 2018 dan 2019 yang membuat penulis
melatih kedewasaan dan manajemen waktu di tengah kesibukan dalam
mengemban amanah namun harus tetap mengutamakan pendidikan. Terima kasih
teman-teman BPH yang telah menjadi bagian perjalanan kuliah dan organisasi
penulis di UIN Syarif Hiayatullah Jakarta.
13. Keluarga besar UKM Himpunan Qari dan Qariah Mahasiswa (HIQMA) yang
telah membuat penulis merasa mempunyai keluarga di Kota yang jauh dari sanak
saudara ini. Rasa nyaman yang membuat penulis bertahan di HIQMA selama
empat tahun mengikuti pendidikan Alquran dan seni Islami serta pendidikan
organisasi yang sangat memberikan pengaruh besar dalam pembentukan karakter
berorganisasi penulis.
14. Keluarga besar KKN 110 RELEVANT dan warga kampung Tipar desa Argapura
yang telah memberikan pengalaman dan pelajaran yang sangat berharga dan
menjadikan penulis berusaha lebih giat untuk bisa bermanfaat pada orang lain.
15. Teman-teman Manajemen angkatan 2015 yang telah mengukir sejarah dalam
hidup penulis. Hal pertama yang menjadi kerinduan setelah selesainya pendidikan
S1 penulis adalah belajar bersama kalian saat kita ada tugas atau mendekati UTS
dan UAS. Masa-masa yang akan terkenang indah bagi penulis.
Penulis menyadari skripsi ini masih jauh dari sempurna dan memiliki banyak
kekurangan. Dengan segenap kerendahan hati penulis mengharapkan saran, arahan
maupun kritikan yang konstruktif demi penyempurnaan hasil penelitian ini.
Akhirnya semoga Allah membalas budi baik semua serta skripsi ini dapat
membuka jalan untuk meraih cita-cita bagi penulis dan memberikan sambungan yang
bermanfaat bagi semuanya. Aamiin Ya Robbal ‘Alamin.
Jakarta, 06 Mei 2019
Penyusun
(Nurhasanah)
xii
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI ................................................................. i
LEMBAR PENGESAHAN UJIAN KOMPREHENSIP .................................... ii
LEMBAR PENGESAHAN UJIAN SKRIPSI .................................................... iii
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ............................. iv
DAFTAR RIWAYAT HIDUP ............................................................................. v
ABSTACT ........................................................................................................... vii
ABSTRAK ........................................................................................................... viii
KATA PENGANTAR ......................................................................................... ix
DAFTAR ISI ....................................................................................................... xii
DAFTAR TABEL ............................................................................................... xvii
DAFTAR GAMBAR ........................................................................................... xix
DAFTAR LAMPIRAN ....................................................................................... xx
BAB I PENDAHULUAN
A. Latar Belakang ................................................................................... 1
B. Batasan Masalah ................................................................................ 17
C. Rumusan Masalah ............................................................................. 17
D. Tujuan Penelitian ............................................................................... 18
E. Manfaat Penelitian ............................................................................. 19
xiii
BAB II TINJAUAN PUSTAKA
A. Landasan Teori .................................................................................... 21
1. Pasar Modal Syariah ..................................................................... 21
a. Pengertian Pasar Modal Syariah ............................................ 21
b. Sejarah dan Perkembangan Pasar Modal Syariah .................. 22
c. Instrumen Pasar Modal Syariah ............................................. 24
2. Indeks Saham Syariah Indonesia (ISSI) ....................................... 30
3. Dow Jones Islamic Market Index .................................................. 32
4. Diversifikasi Internasional ............................................................ 36
5. Efisiensi Pasar Modal ................................................................... 40
a. Konsep Pasar Efisien ............................................................ 40
b. Ciri-Ciri Pasar Efisien ........................................................... 43
c. Implikasi pada Keuangan Perusahaan ................................... 45
d. Bentuk Pasar Modal Efisien .................................................. 45
e. Uji Efisiensi Pasar ................................................................. 53
6. Contagion Effect ........................................................................... 56
7. Integrasi Pasar Modal ................................................................... 58
a. Pengertian Integrasi Pasar Modal ........................................... 58
b. Faktor-Faktor Integrasi Pasar Modal ..................................... 60
B. Penelitian Terdahulu ........................................................................... 61
C. Kerangka Pemikiran ............................................................................. 70
D. Hipotesis Penelitian ............................................................................. 75
xiv
BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian .................................................................. 77
B. Jenis dan Sumber Data ....................................................................... 81
C. Populasi dan Sampel ........................................................................... 82
1. Populasi ........................................................................................ 82
2. Sampel .......................................................................................... 82
D. Teknik Pengumpulan Data ................................................................. 83
E. Teknis Analisis Data ........................................................................... 84
1. Analisis Statistik Deskriptif .......................................................... 85
2. Uji Normalitas (Kolmogorov Smirnov Test) ............................... 86
3. Uji Run .......................................................................................... 87
4. Uji Autokorelasi ............................................................................ 89
5. Analisis VAR/VECM ................................................................... 91
a. Uji Stasioneritas (Unit Root) ................................................... 92
b. Penentuan Panjang Lag ........................................................... 93
c. Stabilitas VAR ........................................................................ 95
d. Uji Kausalitas Granger ........................................................... 95
e. Uji Kointegrasi Johansen ........................................................ 97
f. Estimasi VECM ...................................................................... 99
g. Analisis Impulse Response Function (IRF) ............................ 101
h. Analisis Forecast Error Variance Decomposition (FEVD) ... 102
xv
F. Operasional Variabel Penelitian ......................................................... 103
BAB IV ANALISIS DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian ................................................... 106
B. Analisis dan Pembahasan Efisiensi Pasar Modal Syariah ................. 108
1. Statistik Deskriptif Return Saham ............................................... 113
2. Uji Kolmogorov Smirnov ............................................................. 120
3. Uji Run ........................................................................................ 122
4. Uji Autokorelasi .......................................................................... 125
5. Uji Unit Roots .............................................................................. 128
C. Analisis dan Pembahasan Integrasi Pasar Modal Syariah ................. 131
1. Statistik Deskriptif Daily Closing Price ..................................... 137
2. Uji Stasioneritas Unit Roots ........................................................ 143
3. Penentuan Panjang Lag ............................................................... 145
4. Uji Stabilitas VAR ...................................................................... 149
5. Uji Kausalitas Granger ................................................................ 154
6. Uji Kointegrasi Johansen ............................................................ 160
7. Estimasi VECM .......................................................................... 167
8. Impulse Response Function (IRF) .............................................. 186
9. Forecast Error Variance Decomposition .................................... 196
D. Interpretasi Hasil Uji ........................................................................ 204
1. Efisiensi Pasar Modal Syariah .................................................... 204
xvi
2. Integrasi Pasar Modal Syariah ................................................. 207
BAB V SIMPULAN DAN SARAN
A. Simpulan ............................................................................................. 219
B. Saran .................................................................................................. 221
DAFTAR PUSTAKA ......................................................................................... 222
LAMPIRAN ........................................................................................................ 228
xvii
DAFTAR TABEL
Tabel 2.1
Tabel 4.1
Tabel 4.2
Tabel 4.3
Tabel 4.4
Tabel 4.5
Tabel 4.6
Tabel 4.7
Tabel 4.8
Tabel 4.9
Tabel 4.10
Tabel 4.11
Tabel 4.12
Tabel 4.13
Tabel 4.14
Tabel 4.15
Tabel 4.16
Tabel 4.17
Tabel 4.18
Tabel 4.19
Penelitian Terdahulu ...................................................................
Statistik Deskriptif atas Return Saham Pasar Modal Syariah .....
Hasil Uji Kolmogorov Smirnov ..................................................
Hasil Uji Run ...............................................................................
Hasil Uji Autokorelasi .................................................................
Hasil Uji Unit Root ......................................................................
Statistik Deskriptif Daily Closing Price Pasar Modal Syariah ...
Hasil Uji Stasioneritas Daily Closing Price Pasar Modal
Syariah ........................................................................................
Penentuan Lag Optimal atas DJIMY dengan ISSI ......................
Penentuan Lag Optimal atas DJIJP dengan ISSI ........................
Penentuan Lag Optimal atas DJICHKU dengan ISSI .................
Penentuan Lag Optimal atas DJIEU dengan ISSI .......................
Penentuan Lag Optimal atas IMUS dengan ISSI ........................
Hasil Uji Stabilitas VAR atas DJIMY dengan ISSI ....................
Hasil Uji Stabilitas VAR atas DJIJP dengan ISSI .......................
Hasil Uji Stabilitas VAR atas DJICHKU dengan ISSI ...............
Hasil Uji Stabilitas VAR atas DJIEU dengan ISSI .....................
Hasil Uji Stabilitas VAR atas IMUS dengan ISSI ......................
Hasil Uji Kausalitas Granger atas DJIMY dengan ISSI .............
Hasil Uji Kausalitas Granger atas DJIJP dengan ISSI ................
62
114
121
123
126
129
137
144
146
147
147
148
149
150
151
152
152
153
155
156
xviii
Tabel 4.20
Tabel 4.21
Tabel 4.22
Tabel 4.23
Tabel 4.24
Tabel 4.25
Tabel 4.26
Tabel 4.27
Tabel 4.28
Tabel 4.29
Tabel 4.30
Tabel 4.31
Tabel 4.32
Tabel 4.33
Tabel 4.34
Tabel 4.35
Tabel 4.36
Tabel 4.37
Tabel 4.38
Tabel 4.39
Tabel 4.40
Tabel 4.41
Hasil Uji Kausalitas Granger atas DJICHKU dengan ISSI ........
Hasil Uji Kausalitas Granger atas DJIEU dengan ISSI ...............
Hasil Uji Kausalitas Granger atas IMUS dengan ISSI ................
Hasil Uji Kointegrasi Johansen atas DJIMY dengan ISSI ..........
Hasil Uji Kointegrasi Johansen atas DJIJP dengan ISSI ............
Hasil Uji Kointegrasi Johansen atas DJICHKU dengan ISSI .....
Hasil Uji Kointegrasi Johansen atas DJIEU dengan ISSI ...........
Hasil Uji Kointegrasi Johansen atas IMUS dengan ISSI ............
Hasil Estimasi VECM atas DJIMY dengan ISSI ........................
Hasil Estimasi VECM atas DJIJP dengan ISSI ...........................
Hasil Estimasi VECM atas DJICHKU dengan ISSI ...................
Hasil Estimasi VECM atas DJIEU dengan ISSI .........................
Hasil Estimasi VECM atas IMUS dengan ISSI ...........................
FEVD atas DJIMY dengan ISSI ..................................................
FEVD atas DJIJP dengan ISSI ....................................................
FEVD atas DJICHKU dengan ISSI .............................................
FEVD atas DJIEU dengan ISSI ...................................................
FEVD atas IMUS dengan ISSI ....................................................
Neraca Perdagangan Indonesia dengan Malaysia .......................
Neraca Perdagangan Indonesia dengan Malaysia .......................
Neraca Perdagangan Indonesia dengan Malaysia .......................
Neraca Perdagangan Indonesia dengan Malaysia .......................
157
158
159
161
162
163
165
166
169
172
176
178
183
196
198
199
201
203
208
210
214
217
xix
DAFTAR GAMBAR
Gambar 1.1
Gambar 1.2
Gambar 2.1
Gambar 2.2
Gambar 2.3
Gambar 2.4
Gambar 4.1
Gambar 4.2
Gambar 4.3
Gambar 4.4
Gambar 4.5
Gambar 4.6
Gambar 4.7
Gambar 4.8
Gambar 4.9
Gambar 4.10
Gambar 4.11
Gambar 4.12
Gambar 4.13
Gambar 4.14
Gambar 4.15
Gambar 4.16
Gambar 4.17
Perkembangan Saham Syariah ...................................................
Indeks Saham Syariah Beberapa Negara ....................................
Pengurangan Risiko dengan Diversifikasi ...................................
Informasi Pasar Efisien ...............................................................
Sumber Data dalam Kaitannya dengan Pandangan Seseorang
tentang Efisien Tidaknya Sebuah Pasar Modal ..........................
Kerangka Pemikiran ....................................................................
Pergerakan Return Saham atas ISSI ............................................
Pergerakan Return Saham atas DJIMY .......................................
Pergerakan Return Saham atas DJIJP ..........................................
Pergerakan Return Saham atas DJICHKU ..................................
Pergerakan Return Saham atas DJIEU ........................................
Pergerakan Return Saham atas IMUS .........................................
Pergerakan Indeks Harian atas ISSI ............................................
Pergerakan Indeks Harian atas DJIMY .......................................
Pergerakan Indeks Harian atas DJIJP ..........................................
Pergerakan Indeks Harian atas DJICHKU ..................................
Pergerakan Indeks Harian atas DJIEU ........................................
Pergerakan Indeks Harian atas IMUS .........................................
Impulse Response Function atas DJIMY dengan ISSI ................
Impulse Response Function atas DJIJP dengan ISSI ...................
Impulse Response Function atas DJICHKU dengan ISSI ...........
Impulse Response Function atas DJIEU dengan ISSI .................
Impulse Response Function atas IMUS dengan ISSI ..................
7
11
37
42
52
74
109
109
110
111
111
112
132
133
133
134
135
135
188
190
191
193
195
xx
DAFTAR LAMPIRAN
Lampiran 1
Lampiran 2
Lampiran 3
Lampiran 4
Lampiran 5
Lampiran 6
Lampiran 7
Lampiran 8
Lampiran 9
Lampiran 10
Lampiran 11
Lampiran 12
Lampiran 13
Lampiran 14
Lampiran 15
Lampiran 16
Lampiran 17
Lampiran 18
Lampiran 19
Lampiran 20
Statistik Deskriptif atas Return Saham Pasar Modal Syariah ........
Uji Kolmogorov Smirnov ...............................................................
Uji Run atas ISSI ............................................................................
Uji Run atas DJIMY .......................................................................
Uji Run atas DJIJP .........................................................................
Uji Run atas DJICHKU ..................................................................
Uji Run atas DJIEU ........................................................................
Uji Run atas IMUS .........................................................................
Uji Autokorelasi atas ISSI .............................................................
Uji Autokorelasi atas DJIMY ........................................................
Uji Autokorelasi atas DJIJP ...........................................................
Uji Autokorelasi atas DJICHKU ...................................................
Uji Autokorelasi atas DJIEU .........................................................
Uji Autokorelasi atas IMUS ...........................................................
Uji Unit Root Return Saham atas ISSI ...........................................
Uji Unit Root Return Saham atas DJIMY ......................................
Uji Unit Root Return Saham atas DJIJP ........................................
Uji Unit Root Return Saham atas DJICHKU .................................
Uji Unit Root Return Saham atas DJIEU .......................................
Uji Unit Root Return Saham atas IMUS ........................................
228
228
229
229
229
230
230
230
231
231
231
231
231
231
232
232
232
233
233
233
xxi
Lampiran 21
Lampiran 22
Lampiran 23
Lampiran 24
Lampiran 25
Lampiran 26
Lampiran 27
Lampiran 28
Lampiran 29
Lampiran 30
Lampiran 31
Lampiran 32
Lampiran 33
Lampiran 34
Lampiran 35
Lampiran 36
Lampiran 37
Lampiran 38
Lampiran 39
Lampiran 40
Lampiran 41
Lampiran 42
Statistik Deskriptif Daily Closing Price Pasar Modal Syariah ......
Uji Stasioneritas Daily Closing Prices Tingkat Level ISSI ...........
Uji Stasioneritas Daily Closing Prices Tingkat Level DJIMY.......
Uji Stasioneritas Daily Closing Prices Tingkat Level DJIJP ........
Uji Stasioneritas Daily Closing Prices Tingkat Level DJICHKU..
Uji Stasioneritas Daily Closing Prices Tingkat Level DJIEU........
Uji Stasioneritas Daily Closing Prices Tingkat Level IMUS ........
Uji Stasioneritas Tingkat First Difference ISSI .............................
Uji Stasioneritas Tingkat First Difference DJIMY.........................
Uji Stasioneritas Tingkat First Difference DJIJP ..........................
Uji Stasioneritas Tingkat First Difference DJICHKU....................
Uji Stasioneritas Tingkat First Difference DJIEU..........................
Uji Stasioneritas Tingkat First Difference IMUS ..........................
Penentuan Lag Optimal atas DJIMY dengan ISSI .........................
Penentuan Lag Optimal atas DJIJP dengan ISSI ...........................
Penentuan Lag Optimal atas DJICHKU dengan ISSI ....................
Penentuan Lag Optimal atas DJIEU dengan ISSI ..........................
Penentuan Lag Optimal atas IMUS dengan ISSI ...........................
Uji Stabilitas VAR atas DJIMY dengan ISSI ................................
Uji Stabilitas VAR atas DJIJP dengan ISSI ...................................
Uji Stabilitas VAR atas DJICHKU dengan ISSI ...........................
Uji Stabilitas VAR atas DJIEU dengan ISSI .................................
234
234
234
235
235
235
236
236
236
237
237
237
238
238
239
239
240
240
241
241
241
242
xxii
Lampiran 43
Lampiran 44
Lampiran 45
Lampiran 46
Lampiran 47
Lampiran 48
Lampiran 49
Lampiran 50
Lampiran 51
Lampiran 52
Lampiran 53
Lampiran 54
Lampiran 55
Lampiran 56
Lampiran 57
Lampiran 58
Lampiran 59
Lampiran 60
Lampiran 61
Lampiran 62
Lampiran 63
Uji Stabilitas VAR atas IMUS dengan ISSI ..................................
Uji Kausalitas Granger atas DJIMY dengan ISSI .........................
Uji Kausalitas Granger atas DJIJP dengan ISSI ............................
Uji Kausalitas Granger atas DJICHKU dengan ISSI .....................
Uji Kausalitas Granger atas DJIEU dengan ISSI ...........................
Uji Kausalitas Granger atas IMUS dengan ISSI ............................
Uji Kointegrasi Johansen atas DJIMY dengan ISSI ......................
Uji Kointegrasi Johansen atas DJIJP dengan ISSI .........................
Uji Kointegrasi Johansen atas DJICHKU dengan ISSI .................
Uji Kointegrasi Johansen atas DJIEU dengan ISSI .......................
Uji Kointegrasi Johansen atas IMUS dengan ISSI ........................
Estimasi VECM atas DJIMY dengan ISSI ....................................
Estimasi VECM atas DJIJP dengan ISSI .......................................
Estimasi VECM atas DJICHKU dengan ISSI ...............................
Estimasi VECM atas DJIEU dengan ISSI .....................................
Estimasi VECM atas IMUS dengan ISSI ......................................
FEVD atas VECM atas DJIMY dengan ISSI ................................
FEVD atas VECM atas DJIJP dengan ISSI ...................................
FEVD atas VECM atas DJICHKU dengan ISSI ...........................
FEVD atas VECM atas DJIEU dengan ISSI .................................
FEVD atas VECM atas IMUS dengan ISSI ..................................
242
243
243
243
243
244
244
245
245
246
247
247
248
249
250
251
253
253
254
255
255
1
BAB I
PENDAHULUAN
A. Latar Belakang
Sejarah perkembangan industri keuangan syariah yang meliputi perbankan,
asuransi, dan pasar modal merupakan proses sejarah yang sangat panjang.
Lahirnya agama Islam sekitar 15 abad yang lalu meletakkan dasar prinsip syariah
dalam industri keuangan karena dalam Islam dikenal kaidah muamalah yang
merupakan kaidah hukum atas hubungan dengan manusia, yang di dalamnya
termasuk hubungan perdagangan dalam arti luas (Umam, 2013:122).
Dalam Islam, investasi merupakan kegiatan muamalah yang sangat
dianjurkan, karena dengan berinvestasi harta yang dimiliki menjadi produktif dan
mendatangkan manfaat bagi orang lain (Sutedi, 2011:33). Sampai tahun 1970,
banyak masyarakat muslim tidak dapat berinvestasi di pasar modal yang
disebabkan larangan Islam pada aktivitas-aktivitas bisnis tertentu. Untuk
memenuhi kepentingan pemodal yang ingin melakukan investasi berdasarkan
prinsip-prinsip syariah, maka sejumlah bursa efek dunia telah disusun indeks
yang secara khusus terdiri dari instrumen-instrumen yang tergolong kegiatan
usahanya tidak bertentangan dengan prinsip syariah. Rodoni (2009:39)
mengatakan prinsip-prinsip umum investasi syariah adalah (1) prinsip halal dan
thayyib, (2) prinsip transparansi, (3) prinsip keadilan dan persamaan, (4) dari segi
2
penawaran (supply) maupun permintaan (demand), investor dan emiten maupun
bursa efek dan self regulating organization lainnya tidak boleh melakukan hal-hal
yang menyebabkan gangguan yang disengaja atas mekanisme pasar.
Menurut Laporan Data Sosial Ekonomi Badan Pusat Statistik (BPS)
Indonesia tahun 2014, jumlah penduduk di Indonesia sesuai dari hasil Sensus
Penduduk tahun 2010 (SP2010) berjumlah 237.741.326 juta orang dan jumlah
penduduk Indonesia yang beragama Islam berjumlah 207.176.162 jiwa atau
sebesar 87,18%. Bersumber dari hal tersebut, maka mayoritas penduduk di
Indonesia adalah penganut ajaran agama Islam. Jika melihat dari besarnya jumlah
penduduk muslim di Indonesia maka pasar modal memiliki pangsa pasar yang
sangat besar untuk industri keuangan syariah dan sangat memungkinkan untuk
memiliki pasar modal syariah yang maju, karena investor muslim dapat ikut
berkontribusi dalam pembangunan negara melalui pasar modal yang sesuai
dengan syariat Islam.
Pasar modal (capital market) dipandang sebagai salah satu elemen penting
dan tolak ukur kemajuan perekonomian suatu negara. Salah satu ciri-ciri negara
industri maju maupun negara industri baru adalah adanya pasar modal yang
tumbuh dan berkembang dengan baik. Pasar modal juga bisa dijadikan sebagai
sarana untuk mengundang masuk investor asing dan dana-dana asing guna
membantu kemajuan perekonomian negara (Hariyani dan Purnomo, 2010:1).
3
Berkembangnya sistem ekonomi Islam di berbagai negara telah menjadi
fenomena yang menarik dan menggembirakan terutama bagi masyarakat yang
beragama Islam di seluruh dunia. Pasar modal syariah telah menjadi financial
nerve centre (saraf finansial dunia) pada dunia ekonomi modern. Oleh karena itu,
adanya pasar modal yang berlandaskan syariah ini bertujuan untuk
menghilangkan praktik kegiatan ekonomi konvensional, khususnya dalam
kegiatan pasar modal yang mengandung unsur spekulasi sebagai salah satu
komponen yang nampaknya masih menjadi hambatan psikologis bagi umat Islam
untuk turut aktif dalam kegiatan investasi terutama di bidang pasar modal
(Nurrahmi dan Rodoni, 2014:2-3).
Permasalahan penting pasar modal adalah mengenai risiko dan nilai saham
yang dinilai terlalu murah jika pasar modal hanya dilakukan dalam lingkup lokal,
dari sisi risiko investor lokal dianggap akan memiliki risiko yang tinggi jika
hanya berinvestasi pada satu pasar modal lokal, sejalan dengan konsep tersebut
karena saham lokal dianggap memiliki risiko tinggi dan nilai saham juga akan
dinilai terlalu rendah (undervalue). Untuk mengatasi permasalahan tersebut
konsep pasar modal lintas negara mulai diperkenalkan.
Adanya globalisasi serta revolusi dalam bidang informasi dan teknologi saat
ini membuat pengaruh yang terjadi pada belahan dunia yang satu dapat dengan
cepat terpengaruh terhadap belahan dunia yang lain. Apabila suatu negara
mengalami gejolak ekonomi yang memburuk maka gejolak tersebut akan
4
menimbulkan efek domino (contagion effect) pada negara lainnya yang memiliki
hubungan dengan negara tersebut. Globalisasi menimbulkan gejala menyatunya
ekonomi semua bangsa yang mengakibatkan suatu negara mengalami
interdependensi dengan negara lain. Hal ini ditunjukkan oleh fakta-fakta bahwa
setiap pasar modal di dunia telah tersambung jaringan online shares trading
quotations yang dibangun oleh perusahaan layanan jasa trading seperti
Bloomberg. Perkembangan sistem informasi dunia terutama penerapan teknologi
informasi telah pula memiliki progresivitas proses globalisasi perdagangan
saham. Perkembangan dan penerapan teknologi informasi seperti ini, maka
penyebarluasan informasi pasar modal telah semakin canggih dan merata kepada
investor di seluruh negara (Yudhistira Ardana, 2017:225).
Pasar modal global yang terintegrasikan sepenuhnya (artinya tidak ada
hambatan apapun untuk memiliki sekuritas di setiap pasar modal, dan juga tidak
ada hambatan dalam capital inflow out flow) akan menciptakan biaya modal yang
lebih rendah dari seandainya pasar modal tidak terintegrasikan. Hal ini
disebabkan karena para pemodal bisa melakukan diversifikasi investasi dengan
lebih luas (bukan hanya antar industri tetapi antar negara) (Dedy Saputra,
2014:36). Kemudian adanya efek contagion pada kajian integrasi pasar modal
membuat investor asing yang ingin berinvestasi mempunyai kesempatan
diversifikasi portofolio di bursa berbagai negara. Integrasi ini menjadi penting
karena dengan melihat integrasi pasar modal syariah maka investor dapat
5
melakukan diversifikasi internasional untuk mengurangi risiko dari investasi dan
meningkatkan return yang didapat. Sejak saat itu globalisasi menjadi upaya suatu
negara atau wilayah dalam memaksimalkan keunggulan bersaing (competitive
advantage) sehingga tercapailah efisiensi dalam pasar modal.
Konsep pasar modal yang efisien telah menjadi suatu topik perdebatan yang
menarik dan cukup kontroversial di bidang keuangan. Dalam bidang keuangan,
konsep pasar yang efisien lebih ditekankan pada aspek informasi, artinya pasar
yang efisien adalah pasar di mana harga semua sekuritas yang diperdagangkan
telah mencerminkan semua informasi yang tersedia. Dalam hal ini, informasi
yang tersedia dapat meliputi informasi di masa lalu seperti laba perusahaan tahun
lalu, maupun informasi saat ini seperti rencana kenaikan dividen tahun ini,
rencana merger, dan sebagainya, serta informasi yang bersifat pendapat/opini
rasional yang beredar di pasar yang bisa mempengaruhi harga saham seperti
banyak investor di pasar berpendapat bahwa harga saham akan naik, maka
informasi tersebut nantinya akan tercermin pada perubahan harga sekuritas yang
cenderung naik. Konsep pasar efisien ini memang menarik untuk dibahas ataupun
diteliti karena konsep ini merupakan konsep yang bisa membantu memahami
bagaimana sebenarnya mekanisme harga yang terjadi di pasar.
Pasar modal efisien didefinisikan sebagai pasar modal dengan harga
sekuritas telah mencerminkan semua informasi yang relevan (Martalena dan
Maya, 2011:41). Pasar modal akan menjadi semakin efisien ketika informasi baru
6
semakin cepat tercermin pada harga sekuritas. Sehingga investor akan sulit untuk
mendapatkan informasi asimetris (asymetric information) yang digunakan untuk
memperoleh keuntungan di atas keuntungan yang diharapkan (expected return).
Hipotesis pasar efisien dikemukakan pertama kali oleh Fama (1970) bahwa
pasar efisien diklasifikasikan menjadi tiga bentuk, yaitu pasar efisien bentuk kuat,
bentuk semi kuat dan bentuk lemah. Kemudian Fama (1991) menyempurnakan
bentuk pasar efisien tersebut dalam klasifikasi yang lebih umum, untuk pasar
efisien bentuk kuat menjadi private information yaitu dalam bentuk ini para
investor dapat mengetahui seluruh informasi baik yang bersifat umum maupun
bersifat private dari suatu perusahaan. Kemudian untuk pasar efisien bentuk semi
kuat menjadi event studies yang dapat diartikan bahwa pada bentuk ini investor
dapat melihat dan menganalisis peristiwa-peristiwa yang terjadi di pasar modal
sedangkan pada pasar efisien bentuk lemah diklasifikasikan menjadi daya prediksi
return. Dalam ketiga bentuk efisiensi tersebut investor mendapatkan informasi
untuk memprediksi harga pasar yang bertujuan untuk mendapatkan keuntungan
dalam berinvestasi.
Sejarah pasar modal syariah di Indonesia dimulai dengan diterbitkannya
Reksadana Syariah oleh PT. Danareksa Investment Management pada 3 Juli
1997. Selanjutnya. Bursa Efek Indonesia bekerja sama dengan PT. Danareksa
Investment Management meluncurkan Jakarta Islamic Index pada tanggal 3 Juli
2000 yang bertujuan untuk memandu investor yang ingin menginvestasikan
7
dananya secara syariah (Umam, 2013:94-95). Kemudian Bapepam-LK yang kini
telah berubah menjadi OJK (Otoritas Jasa Keuangan) yang memiliki wewenang
dan merupakan regulator bekerja sama dengan DSN-MUI (Dewan Syariah
Nasional - Majelis Ulama Indonesia) kemudian menerbitkan ISSI (Indeks Saham
Syariah Indonesia) pada tanggal 12 Mei 2011. Investasi syariah di Indonesia
mengalami perkembangan yang cukup baik. Hal ini terlihat dari peningkatan
jumlah saham syariah yang terdapat dalam Indeks Saham Syariah Indoneisia
(ISSI). Berikut ini gambar perkembangan saham syariah dalam ISSI:
Gambar 1.1 Perkembangan Saham Syariah
Sumber: www.ojk.go.id (data diolah)
Berdasarkan gambar perkembangan saham syariah di atas, terlihat bahwa
jumlah saham syariah mengalami peningkatan dari tahun ke tahun. Hal ini
mengindikasikan bahwa keberadaan saham syariah sangat diminati oleh para
322 331 321
368
407
334 331 345
393413
0
50
100
150
200
250
300
350
400
450
2014 2015 2016 2017 2018
Perkembangan Saham Syariah
Periode 1 Periode 2
8
investor. Peningkatan jumlah saham syariah seiring dengan peningkatan jumlah
perusahaan yang melakukan penawaran umum saham serta bertambahnya emiten
yang sahamnya memenuhi kriteria sebagai saham syariah.
Jika dilihat dari perspektif sejarah, negara yang pertama kali
mengembangkan indeks syariah dan equity fund seperti reksadana adalah
Amerika Serikat. Hal ini ditandai dengan peluncuran The North American Islamic
Trust sebagai equity fund pertama di dunia pada tahun 1986 oleh The Amana
Fund. Selanjutnya pada bulan Februari 1999, Dow Jones meluncurkan indeks
pasar syariah yang pertama, yaitu Dow Jones Islamic Market Index (DJIMI)
merupakan bagian dari kelompok indeks-indeks global Dow Jones (Dow Jones
Global Index atau DJGI) (Huda dan Nasution, 2014:47). Terbukti bahwa negara
Amerika Serikat adalah negara yang pertama kali melaksanakan kegiatan pasar
modal syariah di dunia. Hal ini menggambarkan bahwa konsep ekonomi syariah
adalah konsep yang berlaku universal dan diterima oleh berbagai kalangan di
dunia.
Dow Jones Islamic Market Index ini meliputi saham-saham dari 34 negara,
serta mencakup 10 sektor ekonomi, 18 sektor pasar, 51 kelompok industri dan 89
sub kelompok industri. Saham-saham syariah yang ada di negara-negara tersebut
merupakan saham dengan harga yang cukup tinggi dibandingkan dengan negara-
negara lainnya (Beik dan Fatmawati, 2014:158).
9
Kerja sama Indonesia dengan Malaysia dalam bidang ekonomi, yaitu
banyaknya investor dari Malaysia yang berinvestasi di Indonesia sedikit banyak
membantu pemerintah Indonesia di dalam mengentaskan pengangguran. Investor
dari Malaysia banyak menanamkan investasinya dalam industri perkebunan
kelapa sawit (Mutia Asmarani, 2014: 06). Di samping itu, adanya perjanjian
bilateral antara Bursa Efek Indonesia (BEI) dengan Bursa Malaysia tentang
perdagangan beberapa perusahaan dan produk syariah. Hal ini membuat investor
Indonesia berpeluang melakukan perdagangan saham (trading) di Malaysia
sehingga hubungan antara Indonesia dan Malaysia semakin terbangun erat di
bidang syariah.
Badan Koordinasi Penanaman Modal (BKPM) mencatat realisasi investasi
Jepang periode 2010-2015 senilai total 14,9 juta dolar AS masih terpusat di
provinsi-provinsi di Pulau Jawa. Dalam data tersebut, sebesar 14,2 juta dolar AS
atau sekitar 94,8% dari sejumlah investasi Jepang terdistribusi di Pulau Jawa,
sementara 5,19% sisanya terbagi di wilayah lainnya di seluruh Indonesia. Hal
tersebut membuktikan negara Jepang bekerja sama dengan Indonesia dalam
bidang industri Manufaktur.
Meluasnya sektor keuangan Islam di Cina membuat Indonesia cukup
terintegrasi. Sebab komunitas masyarakat regional di kawasan ASEAN dan Cina
telah membentuk komunitas perdagangan bebas, yakni melalui perjanjian
ACFTA (ASEAN China Free Trade Area). Negara yang tergabung dalam
10
perjanjian tersebut dapat berinteraksi dengan lebih masif dalam jual beli saham
antar negara.
Tidak hanya hubungan antara Indonesia dengan Jepang yang sudah terjalin
sejak lama, bahkan Uni Eropa juga sudah menjalin hubungan kerja sama dengan
Indonesia sejak tahun 1967 dalam berbagai bidang. Saat itu UE berwujud
European Economic Community (EEC). Kerja sama secara politis dikokohkan
dengan penandatanganan perjanjian kemitraan dan kerja sama Uni Eropa dalam
Partnership and Cooperation Agreement (PCA) pada November 2009.
Pendidikan menjadi fokus utama kerja sama Indonesia dengan UE, kemudian
terbangun juga kerja sama dalam lingkungan, perlindungan hak-hak manusia,
demokrasi, perdagangan & investasi. Kemudian Indonesia dan UE telah mencapai
sebuah kesepakatan kerja sama internasional revolusioner pada tahun 2009,
dimana melalui kesepakatan ini, Indonesia diharapkan dapat mengalami
perkembangan terutama pertumbuhan secara domestik yang signifikan.
Hubungan kerja sama Indonesia dengan Amerika Serikat sudah terbangun
sejak lama yaitu tahun 1949. Upaya-upaya untuk meningkatkan hubungan
perekonomian, perdagangan dan investasi dengan Amerika Serikat merupakan
salah satu prioritas diplomasi Indonesia dalam rangka mendukung pembangunan
dan pertumbuhan ekonomi nasional serta peningkatan kesejahteraan rakyat
Indonesia. Sebagai mitra Indonesia, Kawasan Amerika menjadi kawasan yang
potensial dan menjanjikan karena perekonomian Amerika Serikat yang dinilai
11
sudah sangat maju yang merupakan pasar tradisional bagi produk ekspor
indonesia.
Gambar 1.2 menunjukkan bagaimana pergerakan indeks harga saham syariah
yang ada di Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan
Amerika Serikat/IMUS jika dibandingkan dengan Indeks Saham Syariah
Indonesia/ISSI
Gambar 1.2 Indeks Saham Syariah Beberapa Negara
Sumber: www.investing.com (data diolah)
Perbedaan pasar modal syariah Indonesia terhadap Negara Malaysia, Jepang,
Cina, Eropa, dan Amerika Serikat sangat jauh. Ini menjadi permasalahan yang
besar karena Indonesia terkenal sebagai negara yang mayoritas penduduk
beragama Islam. Sedangkan negara Cina memiliki penduduk muslim yang sedikit
tetapi pasar modal syariah negara Cina lebih tinggi. Terlebih jika dilihat dari
gambar di atas, negara Jepang terkenal sebagai negara Atheis, namun negara
tersebut mampu melebihi pasar modal syariah Indonesia. Begitupun dengan pasar
0
1000
2000
3000
4000
5000
6000
2018 2017 2016 2015 2014
JKISSI
DJIMY
DJICKU
DJIJP
IMUS
DJIEU
12
modal syariah Amerika Serikat dan Eropa yang berada pada urutan pasar modal
syariah terbanyak pada garfik di atas, sedangkan Indonesia yang merupakan
penduduknya mayoritas beragama Islam namun berada di posisi paling bawah
yang menandakan pasar modal syariahnya sedikit. Untuk itu peneliti sangat
tertarik akan hubungan antara 6 negara ini.
Kajian dari efisiensi dan integrasi pasar modal syariah antar negara menjadi
topik yang menarik untuk diteliti dan dianalisis. Penelitian tentang masalah
efisiensi dan integrasi pasar modal telah banyak dilakukan oleh beberapa peneliti
namun hanya ada sedikit penelitian empiris yang menguji efisiensi menggunakan
pasar modal syariah dan menggabungkan dengan integrasi. Beberapa diantaranya
adalah Hamid, et.al (2010) melakukan penelitian efisiensi pasar modal yang
berjudul “Testing the Weak Form of Efficient Market Hypothesis: Empirical
Evidence from Asia-Pasific Markets”. Penelitian ini menggunakan uji
Autokorelasi, Ljug-Box Q-statistik, Run Test, Unit Root Test dan Variance Ratio
Hasil penelitian menunjukkan bahwa return bulanan pada pasar modal di Asia-
Pasifik tidak mengikuti pola random walk artinya pasar modal tidak efisien dalam
bentuk lemah.
Penelitian tentang integrasi pasar modal dilakukan oleh Beik dan Fatmawati
(2014) yang berjudul “Pengaruh Indeks Harga Saham Syariah Internasional dan
Variabel Makro Ekonomi terhadap Jakarta Islamic Index”. Penelitian ini
menggunakan Uji Akar Unit, Stabilitas VAR, Kointegrasi Johansen, Kausalitas
13
Grenger, IRF, dan FEVD. Hasil penelitian ini menunjukkan bahwa JII
dipengaruhi secara positif dan signifikan oleh DJIEU, DJIMY dan IPI sedangkan
JII dipengaruhi secara negatif dan signifikan oleh DJIJP, IMUS, M2 dan SBIS. JII
paling cepat mencapai kestabilan ketika merespon guncangan terhadap jumlah
uang yang beredar (M2).
Penelitian yang dilakukan oleh Seth dan Sharma (2015) yang berjudul
“International Stock Market Efficiency and Integration: Evidences from Asian
and US Market” di mana dalam penelitiannya menguji efisiensi pasar bentuk
lemah dan integrasasi pasar modal. Penelitian ini menggunakan pengujian Run
Test, Unit Root Test, GARCH (1,1), Person Correlation, Johansen’s
Cointegration Test, dan Granger Causality Test. Hasil penelitian ini
menunjukkan bahwa pasar yang diteliti tidak efisien dalam bentuk lemah dan
tercipta abnormal bagi investor. Kemudian pasar tersebut berkorelasi dan
terintegrasi dalam jangka panjang yang mengakibatkan diversifikasi dana
internasional tidak signifikan.
Penelitian lain juga dilakukan oleh Riyanti dan Palagan (2016) yang berjudul
“Pengujian Efisiensi Market Hipotesis Pra dan Pasca MEA (Pendekatan
Johansen Cointegration Test)”. Penelitian ini menguji efisiensi pasar modal 5
(lima) negara ASEAN yaitu Fhilipina, Indonesia, Malaysia, Singapura, dan
Thailand. Pengujian yang dilakukan dengan Unit Root Test, GARCH, Uji
Kointegrasi Johansen, Uji Kausalitas Granger, dan Uji IRF. Hasil penelitian
14
menunjukkan bahwa terjadi integrasi pasar modal dalam jangka panjang namun
tidak terjadi integrasi dalam jangka pendek dan pasar modal antar negara tersebut
saling berpengaruh satu sama lain serta volatilitas saham Indonesia lebih volite
setelah terjadinya MEA dibandingkan sebelum MEA.
Yudhistira Ardana (2017) melakukan penelitian yang berjudul “Co-
Integration and Contagion Effect antara Indeks Saham Syariah di beberapa
Negara dan Jakarta Islami Index (JII) pada periode Krisis Yunani”. Pengujian
yang dilakukan yaitu dengan Unit Root Test, Uji Stabilitas VAR, Uji Kointegrasi
Johansen, VECM, IRF, dan FEVD. Adapun hasil penelitiannya menunjukkan
bahwa sebelum krisis Yunani dalam jangka panjang terjadi integrasi antara bursa
saham syariah Indonesia, Malaysia, Kanada, Amerika Serikat, United Kingdom,
Jepang dan Eropa kecuali Asia Pasifik. Sedangkan setelah krisis Yunani tidak
terjadi integrasi. Pada sebelum krisis Yunani JII dipengaruhi oleh semua indeks.
Sedangakan setelah krisis Yunani JII dipengaruhi indeks saham syariah negara
Kanada, Eropa, AS dan Jepang.
Penelitian oleh Rasyidin (2016) yang berjudul “Integrasi Pasar Modal
ASEAN Pasca Pemberlakukan MEA” menguji tentang integrasi bursa saham 6
(enam) negara ASEAN. Penelitian ini menggunakan Uji Akar Unit, Kointegrasi
Johansen, dan VECM. Hasil penelitian menunjukkan bahwa pasar modal
Indonesia, Malaysia, Singapura, Filipina, Thailand, dan Vietnam saling
terintegrasi yang mengindikasikan adanya hubungan jangka panjang. Sedangkan
15
negara Singapura, Filipina, Vietnam tidak memiliki hubungan jangka pendek
dengan Indonesia.
Globalisasi di pasar keuangan membuat jumlah investor meningkat dan kerja
sama antar negara menjadi semakin erat yang berdampak pada meluasnya sektor
keuangan Islam melalui pasar modal syariah di berbagai negara. Jika pasar modal
syariah di Indonesia terintegrasi dengan pasar modal syariah negara lainnya maka
akan terjadi peningkatan jumlah penawaran dan permintaan produk syariah di
pasar modal sehingga dapat mendorong peningkatan jumlah emiten yang
sahamnya dimuat dalam Daftar Efek Syariah (DES). Untuk mengukur seberapa
jauh kapitalisasi pasar modal syariah Indonesia maka dibandingkan dengan
aktivitas pasar modal syariah internasional.
Globalisasi membuat terintegrasinya bursa-bursa saham dunia dari segi
investasi. Terbukanya pasar modal syariah bagi pemodal asing menjadi alternatif
untuk melakukan diversifikasi di pasar modal syariah internasional. Kemudian
adanya efek contagion pada kajian integrasi pasar modal membuat investor asing
yang ingin berinvestasi mempunyai kesempatan diversifikasi portofolio di bursa.
Globalisasi akan menjadi upaya suatu negara untuk competitive advantages
sehingga akan tercapai efisiensi dalam pasar modal. Jika terdapat efisiensi pasar
dan investor berperilaku secara rasional maka akan terjadi capital flight dari pasar
modal syariah Indonesia kepada pasar modal syariah negara lainnya sesuai
dengan konsekuensi logis praktik dari Theory Efficiency Market Hypothesis.
16
Oleh karena itu, penelitian mengenai uji efisiensi dan integrasi pasar modal
syariah antar negara menjadi sangat menarik terutama dengan menggunakan
objek pasar modal syariah.
Pengujian efisiensi dan integrasi pasar modal syariah telah banyak dilakukan
oleh para peneliti terdahulu namun memberikan hasil yang berbeda-beda.
Perbedaan penelitian ini dengan penelitian-penelitian sebelumnya adalah (1)
Menggabungkan penelitian mengenai efisiensi dan integrasi pasar modal syariah.
Sebagian besar peneliti terdahulu menguji efisiensi dan integrasi pasar modal
secara terpisah di mana hanya ada penelitian empiris yang dilakukan oleh
Abdelbari El-Khamichi (2014), Seth dan Sharma (2015) dan Riyanti dan Palagan
(2016), yang menguji efisiensi dan integrasi pasar modal secara menyatu. (2)
Menggunakan pasar modal syariah sebagai objek penelitian di mana penelitian
efisiensi pasar modal syariah belum pernah diteliti oleh peneliti terdahulu. (3)
Periode penelitian terbaru 2014-2018, periode ini dipilih karena adanya
perubahan pergerakan saham syariah yang terbilang signifikan. (4) Menggunakan
10 metode pengujian efisiensi dan integrasi pasar modal syariah untuk
mendukung keakuratan hasil dari penelitian ini. Berdasarkan uraian yang telah
dipaparkan, penulis tertarik untuk melakukan penelitian dengan judul “Efisiensi
dan Integrasi Pasar Modal Syariah (Studi Empiris di Indonesia, Malaysia,
Jepang, Cina, Eropa, dan Amerika Serikat Periode 2014-2018)”
17
B. Batasan Masalah
Berdasarkan latar belakang di atas, agar penelitian lebih fokus dan tidak
meluas dari pembahasan yang dimaksud, maka penulis menetapkan pembatasan
masalah. Penelitian ini berfokus pada pengujian efisiensi pasar modal syariah
bentuk lemah (weak form efficiency) dan integrasi pasar modal syariah. Data yang
digunakan adalah data harga saham harian dan return harga saham harian pasar
modal syariah Indonesia, Malaysia, Jepang, Cina, Eropa, dan Amerika Serikat.
C. Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan di atas, maka dapat
dirumuskan permasalahan sebagai berikut:
1. Apakah terjadi pasar efisiensi dalam bentuk lemah di pasar modal syariah
negara Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU,
Eropa/DJIEU, dan Amerika Serikat/IMUS?
2. Apakah terdapat hubungan kausalitas antara pasar modal syariah di
Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan
Amerika Serikat/IMUS dengan pasar modal syariah negara Indonesia/ISSI?
3. Apakah terdapat hubungan jangka panjang antara pasar modal syariah di
Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan
Amerika Serikat/IMUS dengan pasar modal syariah negara Indonesia/ISSI?
18
4. Apakah terdapat kontribusi tiap pasar modal syariah di Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS
dengan pergerakan pasar modal syariah negara Indonesia/ISSI?
D. Tujuan Penelitian
Berdasarkan rumusan masalah yang telah ditetapkan, maka tujuan dari
penelitian ini adalah:
1. Untuk menguji efisiensi pasar bentuk lemah di pasar modal syariah
Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU,
Eropa/DJIEU, dan Amerika Serikat/IMUS.
2. Untuk menganalisis hubungan kausalitas yang terjadi antara pasar modal
syariah di Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU,
dan Amerika Serikat/IMUS dengan pasar modal syariah negara
Indonesia/ISSI.
3. Untuk menganalisis hubungan jangka panjang antara pasar modal syariah di
Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan
Amerika Serikat/IMUS dengan pasar modal syariah negara Indonesia/ISSI.
4. Untuk menganalisis kontribusi tiap pasar modal syariah di Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS
dengan pergerakan pasar modal syariah negara Indonesia/ISSI.
19
E. Manfaat Penelitian
Dari setiap penelitian tentunya akan diperoleh hasil yang diharapkan dapat
memberi manfaat bagi peneliti maupun pihak lain yang membutuhkan. Adapun
manfaat dari penelitian ini adalah:
1. Manfaat Teoritis
a. Dari segi ilmiah, penelitian ini diharapkan dapat menambah khazanah
ilmu pengetahuan, khususnya tentang efisiensi dan integrasi pasar modal
syariah di Indonesia, Malaysia, Jepang, Cina, Eropa, dan Amerika Serikat.
b. Penelitian ini diharapkan dapat menjadi sumber referensi bagi para
akademisi dan pihak-pihak terkait tentang pendidikan pasar modal dan
keuangan untuk memperluas wawasan mengenai efisiensi dan integrasi
pasar modal syariah.
c. Penelitian ini diharapkan dapat digunakan sebagai acuan di bidang
penelitian sejenis.
2. Manfaat Praktis
a. Bagi Investor
Hasil penelitian ini diharapkan dapat dipakai dalam
mempertimbangkan strategi investasi yang efektif dalam melakukan
diversifikasi portofolio di pasar modal syariah. Selain itu hasil penelitian
ini dapat membantu investor meramalkan pergerakan dalam pasar modal
20
syariah sehingga sangat penting dibutuhkan pemahaman menyeluruh
mengenai hubungan antar pasar modal.
b. Bagi Penulis
Hasil penelitian ini merupakan sumbangan pemikiran dalam rangka
memperkaya ilmu pengetahuan dan keterampilan mengenai efisiensi dan
integrasi pasar modal syariah sebagaimana yang telah dipelajari dalam
perkuliahan dan sebagai pengetahuan pasar modal, investasi, efficiency
market hypothesis (EMH), dan integrasi.
c. Bagi Pembaca
Hasil penelitan ini diharapkan dapat menambah dan mengembangkan
wawasan pembaca terkait masalah efisiensi dan integrasi pasar modal
syariah terutama pada negara-negara yang ada dalam penelitian ini. Selain
itu sebagai referensi bagi pembaca yang tertarik dan ingin mengkaji lebih
dalam tentang penelitian ini.
d. Bagi Pemerintah
Penelitian ini diharapkan berguna sebagai bahan referensi pemerintah
dalam menentukan kebijakan strategis untuk menghadapi permasalahan di
pasar modal syariah. Selain itu hasil penelitian ini juga berguna sebagai
fakta empiris yang berfungsi sebagai petunjuk dan pengingat untuk selalu
mengkaji efektifitas setiap kebijakan yang dilaksanakan.
21
BAB II
TINJAUAN PUSTAKA
1. Landasan Teori
1. Pasar Modal Syariah
a. Pengertian Pasar Modal Syariah
Pasar modal syariah adalah pasar modal yang dijalankan dengan prinsip
syariah di mana setiap transaksinya dilaksanakan sesuai dengan syariat Islam
(Sutedi, 2011:29). Adapun pasar modal secara sederhana dapat diartikan
sebagai pasar modal yang menerapkan prinsip-prinsip syariah dalam
kegiatan transaksi ekonomi dan terlepas dari hal-hal yang dilarang oleh
syariat, seperti unsur riba, perjudian, bersifat spekulasi, dan lain-lain (Al
Arif, 2012:345).
Pasar modal syariah adalah setiap kegiatan pasar modal syariah
berhubungan dengan kegiatan perdagangan efek syariah, perusahaan publik
yang berkaitan dengan efek yang diterbitkan serta lembaga profesi yang
berkaitan dengannya, di mana produk dan mekanisme operasionalnya
berjalan tidak bertentangan dengan hukum muamalat Islamiyah. Setiap
transaksi surat berharga di pasar modal syariah dilaksanakan dengan
ketentuan syariat Islam. Pasar modal syariah idealnya dikaterisasi oleh
ketiadaan transaksi yang berbasis bunga, transaksi meragukan dan saham
perusahaan yang berbisnis pada aktivitas dan barang haram serta adanya
22
upaya yang sistematis menjadikan produk syariah sebagai sarana
mewujudkan tujuan syariah di bidang ekonomi dan keuangan (Soemitra,
2014:84).
Dari pengertian di atas, dapat disimpulkan bahwa pasar modal syariah
adalah pasar modal yang dijalankan dengan menggunakan prinsip-prinsip
syariah di mana produk dan mekanisme operasionalnya berjalan tidak
bertentangan dengan hukum muamalat Islamiyah. Pembahasan muamalah
dalam ilmu fiqih adalah hubungan diantara manusia yang terkait dengan
perniagaan. Berdasarkan hal tersebut maka kegiatan pasar modal syariah
dikembangkan dengan basis fiqih muamalah. Dalam fiqih muamalah,
terdapat kaidah yang menyatakan bahwa “pada dasarnya, segala bentuk
muamalah itu boleh dilakukan sepanjang tidak ada dalil yang
mengharamkannya.”. Konsep inilah yang menjadi prinsip pasar modal
syariah.
b. Sejarah dan Perkembangan Pasar Modal Syariah di Indonesia
Secara resmi pasar modal syariah diluncurkan pada tahun 2003 namun
instrumen pasar modal telah hadir di Indonesa sejak tahun 1997 yang
ditandai dengan diterbitkannya Reksadana Syariah oleh PT. Danareksa
Investment Management pada 3 Juli 1997. Selanjutnya, Bursa Efek Indonesia
bekerja sama dengan PT. Danareksa Investment Management meluncurkan
Jakarta Islamic Index pada tanggal 3 Juli 2000 yang bertujuan untuk
23
memandu investor yang ingin menginvestasikan dananya secara syariah.
Dengan hadirnya indeks tersebut para pemodal telah disediakan saham-
saham yang dapat dijadikan sarana berinvestasi sesuai dengan prinsip syariah
(Umam, 2013:94-95).
Pada tanggal 18 April untuk pertama kali Dewan Syariah Nasional
Majelis Ulama Indonesia (DSN-MUI) mengeluarkan fatwa yang berkaitan
langsung dengan pasar modal, yaitu Fatwa Nomor 20/DSN-MUI/IV/2001
tentang Pedoman Pelaksanaan Investasi untuk Reksadana Syariah.
Selanjutnya, instrumen investasi syariah di pasar modal terus bertambah
dengan kehadiran obligasi syariah PT. Indosat Tbk. Pada awal September
2002. Instrumen ini merupakan Obligasi Syariah pertama dan akad yang
digunakan adalah akad mudharabah.
Menurut Muhamad (2014:568) perkembangan pasar modal syariah di
Indonesia secara umum ditandai oleh berbagai indikator diantaranya semakin
maraknya pelaku pasar modal syariah yang mengeluarkan efek-efek syariah
seperti saham-saham dalam JII. Dalam perjalanannya perkembangan pasar
modal syariah di Indonesia telah mengalami kemajuan, sebagai gambaran
bahwa setidaknya terdapat beberapa perkembangan dan kemajuan pasar
modal syariah yang patut dicatat hingga tahun 2004, diantaranya adalah telah
diterbitkan 6 (enam) fatwa Dewan Syariah Nasional Majelis Ulama
24
Indonesia (DSN-MUI) yang berkaitan dengan industri pasar modal. Adapun
ke enam fatwa yang dimaksud adalah:
1. No.05 /DSN-MUI/IV/2000 tentang Jual Beli Saham
2. No.20 /DSN-MUI/IX/2000 tentang Pedoman Pelaksanaan Investasi untuk
Reksa Dana Syariah
3. No.32/ DSN-MUI/IX/2002 tentang Obligasi Syariah
4. No.33/ DSN-MUI/IX/2002 tentang Obligasi Syariah Mudharabah
5. No.40/DSN-MUI/IX/2003 tentang Pasar Modal dan Pedoman Umum
Penerapan Prinsip Syariah di Bidang Pasar Modal
6. No.41/DSN-MUI/III/2004 tentang Obligasi Syariah Ijarah
c. Instrumen Pasar Modal Syariah
Menurut Ahmad Rodoni (2009:67) efek-efek yang boleh diperdagangkan
dalam pasar modal syariah hanya memenuhi kriteria syariah, seperti saham
syariah, obligasi syariah dan reksadana syariah. Untuk menghasilkan
instrument yang benar-benar sesuai dengan syariah, telah dilakukan upaya-
upaya rekonstruksi terhadap surat berharga diantaranya:
1. Penghapusan bunga tetap dan mengalihkannya ke bunga investasi yang
ikut serta dalam keuntungan dan dalam kerugian serta tunduk pada
kaidah Al-Ghunmu bi al-ghurn (keuntungan/penghasilan berimbang
dengan kerugian yang ditanggung).
25
2. Penghapusan syarat jaminan atas kembalinya harga obligasi dan bunga,
sehingga menjadi seperti saham biasa.
3. Pengalihan obligasi ke saham biasa.
Pasar modal syariah secara khusus memperjualbelikan efek syariah. Efek
syariah adalah efek yang akad, pengelolaan perusahaan dan cara
penerbitannya memenuhi prinsip-prinsip syariah yang didasarkan atas ajaran
Islam, yang penetapannya dilakukan oleh DSN-MUI dalam bentuk fatwa.
Adapun instrumen pasar modal syariah di Indonesia yaitu:
1) Saham Syariah
Saham syariah adalah sertifikat yang menunjukkan bukti kepemilikan
perusahaan yang diterbitkan oleh emiten yang kegiatan usaha dan cara
pengelolaannya tidak bertentangan dengan prinsip syariah. Penyertaan
modal dalam bentuk saham yang dilakukan pada suatu perusahaan yang
kegiatan usahanya tidak bertentangan dengan prinsip syariah dapat
dilakukan berdasarkan akad musyarakah dan mudharabah. Akad
musyarakah umumnya dilakukan pasa saham perusahaan privat,
sedangkan akad mudharabah umumnya dilakukan pada perusahaan
publik (Darmadji dan Fakhruddin, 2011:184).
26
2) Obligasi Syariah (Sukuk)
Sukuk berasal dari kata sukuk yang merupakan bentuk jamak dari jak
yang berarti dokumen, surat berharga, akte, dan cek. Obligasi syariah
sesuai dengan Fatwa Dewan Syariah No. 32/DSN-MUI/IX/2002 adalah
suatu surat berharga jangka panjang berdasarkan prinsip-prinsip syariah
yang dikeluarkan emiten kepada pemegang saham syariah yang
mewajibkan emiten untuk membayar pendapatan kepada pemegang
obligasi syariah berupa bagi hasil/ margin/ fee, serta membayar kembali
dana obligasi pada saat jatuh tempo.
Iqbal dan Mirakhor (2015: 225) mengatakan istilah sukuk bukanlah
barang baru dan telah dikenal dalam yurisprudensi tradisional Islam.
Larangan terhadap bunga jelas menutup pintu sekuritas utang murni,
akan tetapi obligasi yang berhubungan dengan kinerja aset riil dapat
diterima. Dengan kata lain syariah menerima validitas aset finansial yang
mendasarkan pengembaliannya dari kinerja asset riil dasar.
Obligasi syariah dikenal dengan nama sukuk. Jenis-jenis sukuk antara
lain:
1) Sukuk Korporasi
Sukuk Korporasi adalah jenis obligasi syariah yang diterbitkan
oleh suatu perusahaan yang memenuhi prinsip-prinsip syariah.
27
Menurut Umam (2013:180) berbagai jenis sukuk dikenal secara
internasional dan telah mendapatkan endorsement dari The Accounting
and Auditing Organization of Islamic Financial Institution (AAOIFI)
dan diadopsi dalam UU No. 19 Tahun 2008 tentang SBSN, antara lain:
a) Sukuk Ijarah
Sukuk ijarah adalah sukuk yang diterbitkan berdasarkan
perjanjian atau akad ijarah di mana satu pihak bertindak sendiri
atau melalui wakilnya menjual atau menyewakan hak manfaat
kepada pihak lain yang berdasarkan harga dan periode yang
disepakati, tanpa diikuti dengan pemindahan kepemilikan aset itu
sendiri.
b) Sukuk Mudharabah
Sukuk Mudharabah adalah sukuk yang diterbitkan
berdasarkan perjanjian atau akad mudharabah di mana satu pihak
menyediakan modal (rab al-maal) dan pihak lain yang
menyediakan tenaga dan keahlian (midharib), keuntungan dari
kerja sama tersebut akan dibagi berdasarkan perbandingan yang
telah disetujui sebelumnya. Kerugian yang timbul ditanggung
sepenuhnya oleh pihak yang menjadi penyedia modal.
28
c) Sukuk Musyarakah
Menurut Rodoni (2009:117) Sukuk Musyarakah mempunyai
persamaan dengan sukuk mudharabah, namun berbeda dari segi
hubungan antara investor dengan pengelola. Pada sukuk
mudharabah, investor tidak ikut campur dengan kebijakan
perusahaan (kecuali dalam bidang pengawasan) karena modal
biasanya hanya berasal dari satu pihak (investor), sedang praktik
sukuk musyarakah, investor ikut campur dalam hal pengelolaan
karena modal berasal dari kedua belah pihak.
d) Sukuk Istisna
Sukuk Istisna yaitu sukuk yang diterbitkan berdasarkan
perjanjian atau akad istisna di mana para pihak menyepakati jual
beli dalam rangka pembiayaan dalam suatu proyek/barang.
Adapun harga, waktu penyerahan, dan spesifikasi barang/proyek
ditentukan terlebih dahulu berdasarkan kesepakatan.
2) Sukuk Berharga Syariah Negara (SBSN)
SBSN adalah surat berharga negara yang diterbitkan berdasarkan
prinsip syariah, sebagai bukti atas bagian penyertaan terhadap asset
SBSN, baik dalam mata uang rupiah maupun valuta asing.
29
3) Surat Berharga Syariah Negara (SBSN)
Surat Berharga Syariah Negara (SBSN) dapat disebut sukuk negara
adalah surat berharga negara yang diterbitkan berdasarkan prinsip
syariah, sebagai bukti atas bagian penyertaan terhadap aset SBSN, baik
dalam mata uang rupiah maupun valuta asing.
4) Reksadana Syariah
Reksadana syariah merupakan salah satu alternatif investasi bagi
masyarakat pemodal, khususnya pemodal kecil dan pemodal yang tidak
mempunyai banyak keahlian dan waktu untuk menghitung atas investasi
mereka (Aziz, 2010:139). Tujuan utama investasi reksadana syariah
adalah untuk memenuhi kebutuhan investor yang ingin memperoleh
pendapatan dari sumber dan cara yang bersih, sejalan dengan prinsip
syariah dan dapat dipertanggungjawabkan secara religius.
5) Efek Beragunan Aset Syariah
Efek beragunan syariah adalah efek yang diterbitkan oleh kontrak
investasi kolektif EBA syariah yang portofolionya terdiri atas aset
keuangan berupa tagihan yang timbul dari surat berharga komersial,
tagihan yang timbul pada kemudian hari, jual beli pemilikan aset fisik
oleh lembaga keuangan, efek bersifat investasi yang dijamin oleh
pemerintah, sarana peningkatan investasi/ arus kas serta aset keuangan
setara yang sesuai dengan prinsip-prinsip syariah.
30
6) Warrant Syariah
Fatwa DSN-MUI No. 66/DSN-MUI/III/2008 tentang Warrant
Syariah pada tanggal 6 Maret 2008 memastikan bahwa kehalalan
investasi di pasar modal tidak hanya berhenti pada instrument efek yang
bernama saham saja, tetapi juga pada produk derivatifnya. Produk
turunan saham (derivative) yang dinilai sesuai dengan kriteria DSN
adalah warrant. Berdasarkan fatwa pengalihan saham dengan imbalan
(warrant), seorang pemegang saham diperbolehkan untuk mengalihkan
kepemilikan sahamnya kepada orang lain dengan mendapat imbalan.
2. Indeks Saham Syariah Indonesia (ISSI)
Indeks harga saham adalah indikator atau mencerminkan pergerakan harga
saham. Indeks merupakan salah satu pedoman bagi investor untuk melakukan
investasi di pasar modal, khususnya saham (Mailangky, 2013:724). Menurut
Nor Hadi (2013:184) indeks harga saham menggambarkan kinerja saham baik
individual maupun kumulatif (kinerja pasar), sehingga dapat diketahui konteks
yang terjadi, bagaimana sesungguhnya perilaku investor dan saluran dana
secara makro lewat mekanisme pasar modal.
Daftar Efek Syariah (DES) di Indonesia telah ada sejak November 2007.
Sejak dikeluarkannya Daftar Efek Syariah oleh Bapepam-LK (sekarang
menjadi OJK), BEI kemudian menindaklanjuti dengan meluncurkan indeks
31
khusus berisi saham syariah Indonesia yang bernama Indeks Saham Syariah
Indonesia (ISSI) pada tanggal 12 Mei 2011. Sejak tanggal 12 Mei 2011, BEI
memiliki dua indeks saham syariah, yaitu Indeks Saham Syariah Indonesia
(ISSI) dan Jakarta Islamic Index (JII).
Indeks harga saham merupakan salah satu parameter ekonomi makro
karena indeks harga saham merupakan indikator utama yang menggambarkan
pergerakan harga saham. Fungsi indeks harga saham menurut Nor Hadi
(2013:184-185), antara lain:
a. Sebagai indikator trend pasar.
b. Sebagai indikator tingkat keuntungan.
c. Sebagai tolak ukur (benchmark) kinerja suatu portofolio.
d. Memfasilitasi pembentukan portofolio dengan strategi pasif.
e. Berkembangnya produk derivatif.
f. Menunjukkan kualifikasi dan kerja emiten.
g. Menunjukkan kepercayaan investor dalam dan luar.
h. Menggambarkan arah capital flow di suatu negara.
i. Bergairahnya sumber pendanaan eksternal dengan cost capital rendah.
Indeks Saham Syariah Indonesia menjadi indikator yang menunjukkan
kinerja/pergerakan indeks harga saham syariah yang terdaftar di Bursa Efek
Syariah. Konstituen ISSI adalah seluruh saham syariah yang tercatat di BEI dan
terdaftar menjadi Daftar Efek Syariah (DES), sehingga ISSI merupakan indeks
32
yang mencerminkan seluruh saham syariah yang terdaftar di BEI. Konstituen
ISSI direview setiap enam bulan sekali (Mei dan November) dan dipublikasikan
pada bulan berikutnya. Konstituen ISSI juga dilakukan penyesuaian apabila
saham syariah yang baru tercatat atau dihapuskan dari DES.
Pergerakan indeks menjadi indikator penting bagi para investor untuk
menentukan apakah mereka akan menjual, menahan atau membeli suatu atau
beberapa saham. Keran harga-harga saham bergerak dalam hitungan detik dan
menit maka nilai indeks pun bergerak turun naik dalam hitungan waktu yang
cepat pula (Martalena dan Maya, 2011:99).
3. Dow Jones Islamic Market Index
Menurut Rodoni (2009:71) dalam konteks ekonomi Islam, pada pola
investasi syariah, equity fund dan indeks saham syariah pertama kali justru
diluncurkan di negara yang selama ini sangat alergi terhadap Islam yaitu
Amerika Serikat. Equity Fund pertama kali diperkenalkan kepada masyarakat
pada tahun 1986 oleh The Nort America Trust. Sementara Dow Jones Index
pertama kali memperkenalkan indeks syariah pada tahun 1999 dengan
membentuk Dow Jones Islamic Market Index (DJIMI). DJIM pioner indeks
saham Islam ini pertama kali dluncurkan pada 8 Februari 1999 di Manama,
Bahrain. Pencetus dan perintis ide tersebut adalah A. Rushdi Siddiqui, yang
sebelumnya bekerja di sebuah perusahaan investment bank di Wall Street.
33
Beliau menelaah apakah usaha para emiten sesuai dengan ajaran Islam atau
tidak. Analis ini berhasil menemukan 1.708 emiten yang berasal dari 34 negara
di dunia.
Berdasarkan temuannya itu, lalu ia menyodorkan ide pembentukan indeks
syariah kepada David Moran, bos Dow Jones Index. Moran langsung tertarik
pada usulan tersebut dan mengajak Sidiqui untuk bergabung dengan Dow
Jones. Dua bulan kemudian Siddiqui berhasil merealisasikan indeks syariah dan
diberi nama Indeks Dow Jones Islamic Market (DJIM). Beliau pun terpilih
sebagai direktur pertama di DJIM. Peluncuran Indeks syariah mendapat
sambutan positif. Pada tahun pertama (1999), nilai kapitalisasi pasar dari 1.708
saham hampir mencapai angka 10 triliun dolar AS. Angka tersebut
mengalahkan nilai indeks-indeks konvensional, selain itu nilai return
(perolehan bagi investor) yang dibukukan DJIM juga sangat tinggi untuk
ukuran usianya yang baru beberapa bulan, yakni 19,22% (Rodoni, 2009:72).
Menurut Huda dan Nasution (2014: 48) Dow Jones Islamic Market Index
(DJIMI) merupakan bagian dari kelompok indeks-indeks Global Dow Jones
(DJGI), yang meliputi saham-saham DJIM terdiri dari 34 negara sesuai dengan
prinsip syariah dan mencakup 10 sektor ekonomi, 18 sektor pasar, 40 kelompok
dan 70 sub kelompok. Saat ini DJIM Family Indeks yang terdiri dari 636
bursa/stock DJIM, dengan 234 di dalam DJIM US Index, 32 di dalam DJIM
Canada Index, 218 di dalam DJI Pasific Index, 117 di dalam DJIM Jepang
34
Index, 127 di dalam Eropa Index, 43 di dalam DJIM UK Index, 100 di dalam
DJI Extra Liquid Index dan DJIM Technology Index.
Dalam pelaksanaannya, untuk menentukan kelayakan suatu perusahaan agar
dapat bergabung dengan DJIMI ini, maka telah ditetapkan standar yang
memenuhi persyaratan syariah seperti jenis produk, kegiatan usaha, tingkat
utang, pendapatan dan beban bunga. Untuk memastikan bahwa setiap saham
yang beredar telah memenuhi standar yang ditetapkan berdasarkan hukum
syariah, maka perusahaan yang menerbitkan saham tersebut dilarang untuk
terlibat pada kegiatan yang termasuk dalam standar berikut:
a. Alkohol
b. Produk yang mengandung babi
c. Jasa keuangan konvensional
d. Hiburan
e. Tembakau
f. Senjata dan pertahanan
g. Pada tahap penyaringan rasio keuangan, perusahaan harus memenuhi syarat
yaitu semua hal berikut harus kurang dari 33%.
1) Total hutang dibagi dengan rata-rata kapitalisasi pasar selama 24 bulan.
2) Jumlah kas dan bunga perusahaan sekuritas dibagi dengan rata-rata
kapitalisasi pasar selama 24 bulan.
3) Piutang dibagi dengan rata-rata kapitalisasi pasar selama 24 bulan
35
Untuk menjaga integrasi dan investasi, Dewan Pengawas Syariah di AS
yang terdiri dari ulama Islam terkemuka mengawasi dan meninjau ulang
komponen tersebut. Langkah ini dilakukan untuk melisting perusahaan yang
melanggar prinsip syariah. DJIMI melakukan beberapa langkah untuk
mengecualikan perusahaan yang dianggap memiliki potensi risiko yang tinggi.
Perusahaan yang memiliki tingkat utang yang tinggi dan pendapatan bunga
yang tinggi tidak dapat masuk dalam DJIMI. Menurut Huda dan Nasution
(2014:46) saringan kedua berupa ketentuan atas rasio finansial untuk
mengeluarkan perusahaan-perusahaan dengan utang dan/atau tingkat
pendapatan dari bunga. Perusahaan akan dikeluarkan dari DJIMI jika:
a. Total utang/total asset = atau < 33%
b. Total piutang/total asset = atau >47%
c. Non Operating Interest Income/Operating Income = atau >9%
Komposisi DJIMI dievaluasi setiap tiga bulan (secara kuartal) dengan
perubahan-perubahan yang diimplementasikan pada Jumat ketiga bulan Maret,
Juni, September, dan Desember. Data pasar pada akhir Januari, April, Juli, dan
Oktober digunakan sebagai dasar untuk proses revisi. Proses evaluasi
dilaksanakan dengan mengulang kriteria dan komponen umum proses seleksi,
sebagaimana yang telah dijelaskan sebelumnya. Sebagai tambahan dari evaluasi
berdasarkan proses berjalan. Suatu perubahan pada indeks diperlukan jika
terjadi kejadian luar biasa seperti kebangkrutan, merger, dan pengambilalihan
36
yang mempengaruhi komponen indeks. Selanjutnya saat ada masalah-masalah
baru dan hal tersebut ditambahkan pada indeks-indeks Global Dow Jones, hal
tersebut juga dievaluasi berdasarkan kriteria DJIMI untuk menentukan apakah
akan dimasukkan dalam DJIMI.
DJIMI pasti mempunyai suatu efek yang kekal pada seluruh konsep
keuangan berbasis syariah dan standarisasi itu telah mencapai sesuatu yang
sangat banyak dicari pada era keuangan Islam yang lain. Dengan 35 indeks
Islam hampir 1,8 miliar Dollar AS diatur berdasarkan syariah. DJIM telah
sangat sukses dalam waktu yang relatif pendek.
4. Diversifikasi Internasional
Konsep diversifikasi berawal dari sejak ditemukan cara berinvestasi yang
efisien dan optimal sebagaimana dikemukakan Harry Markowittz pada tahun
1952. Teori portofolio yang dikemukakan Markowittz dikenal dengan model
Markowittz, memberikan suatu cara bagaimana berinvestasi dengan efisien dan
optimal, yaitu dengan membentuk portofolio (Sudirman, 2015:69).
Menurut Abdul Halim (2015:59) portofolio merupakan kombinasi,
gabungan atau sekumpulan aset, baik berupa real assets maupun financial
assets yang dimiliki oleh investor. Hakikat pembentukan portofolio adalah
untuk mengurangi risiko dengan cara diversifikasi, yaitu mengalokasikan
sejumlah dana pada berbagai alternatif investasi yang berkorelasi negatif.
37
Diversifikasi adalah proses pembentukan investasi portofolio, melalui
pemilihan kombinasi sejumlah aset sedemikian rupa sehingga risiko dapat
diminimalkan. Cara melakukan diversifikasi adalah menyusun isi portofolio
dengan instrumen keuangan seperti saham, obligasi, dan lain-lain, yang
hasilnya disebut dengan portofolio (Auruma, 2013: 27). Gambaran mengenai
penurunan risiko portofolio melalui diversifikasi dapat dilihat pada gambar
berikut.
Gambar 2.1 Pengurangan Risiko Melalui Diversifikasi
Sumber: Tyas Auruma (2013:28)
Pada gambar di atas, tampak bahwa risiko total portofolio dibagi menjadi
dua, yaitu risiko sistematis dan risiko tidak sistematis. Risiko sistematis
(systematic risk) merupakan risiko yang tidak dapat dihilangkan dengan
melakukan diversifikasi, karena fluktuasi risiko ini dipengaruhi oleh faktor-
faktor makro yang dapat mempengaruhi pasar secara keseluruhan. Misalnya ada
perubahan tingkat bunga, kurs valas, kebijakan pemerintah, dan sebagainya.
38
Risiko tidak sistematis (unsystematic risk) merupakan risiko yang dapat
dihilangkan dengan melakukan diversifikasi, karena risiko ini hanya ada dalam
satu perusahaan atau industri tertentu. Misalnya faktor struktur modal, struktur
aset, tingkat likuiditas, tingkat keuntungan dan sebagainya (Halim, 2015: 50-
51).
Banyak investor yang memulai investasi dalam lingkup lokal. Investasi
lokal memiliki tingkat risiko yang tinggi dan nilai saham yang dinilai terlalu
murah. Untuk mengatasi permasalahan tersebut konsep pasar modal antar
negara menjadi hal yang menarik untuk menghindari dari menurunnya mata
uang lokal. Hal ini menyebabkan banyak orang menggunakan diversifikasi
internasional sebagai teknik manajemen risiko.
Diversifikasi internasional merupakan suatu proses investasi yang
berkaitan dengan bagaimana seorang investor membuat keputusan berinvestasi
pada beberapa jenis aset di berbagai negara, kapan investasi seharusnya
dilaksanakan dan di mana investasi dilakukan. Sudah terbukti secara empiris
bahwa pembentukan portofolio melalui diversifikasi internasional memberikan
manfaat lebih besar daripada hanya melakukan diversifikasi secara domestik.
Dengan melakukan diversifikasi internasional, investor dapat menurunkan total
risiko lebih besar bila dibandingkan dengan diversifikasi secara domestik. Hal
ini disebabkan dalam diversifikasi saham secara internasional, investor tidak
hanya mendiversifikasikan investasinya pada aset yang berbeda tetapi juga
39
mendiversifikasikan pada negara yang berbeda. Sesuai dengan konsep
portofolio, diversifikasi pada berbagai aset dan berbagai negara mampu
memberikan tingkat pendapatan yang diharapkan serta manfaat pengurangan
risiko yang lebih besar dibandingkan dengan berinvestasi hanya pada pasar
domestik saja (Tandelilin, 2010:505).
Diversifikasi internasional dapat menurunkan dampak risiko nilai tukar
mata uang. Walaupun keuntungan diversifikasi internasional lebih besar
daripada sisi kerugiannya, bagaimanapun sebagai seorang investor harus tetap
mempelajari dan mengetahui kerugian yang melekat pada diversifikasi
internasional. Kerugian diversifikasi internasional ialah adanya peningkatan
korelasi pasar modal di berbagai negara. Peningkatan korelasi antar negara
tersebut merupakan korelasi yang besar membawa dampak risiko yang besar
pula, karena apabila terjadi krisis di salah satu pasar modal di suatu negara,
maka pasar modal negara lain juga ikut terpengaruh adanya krisis tersebut.
(Auruma, 2015:28).
Tujuan diversifikasi internasional adalah untuk meningkatkan trade off
risiko dan return bagi investor. Suku bunga dan country risk premium suatu
negara dapat mempengaruhi risiko dan return suatu aset. Bagi investor, country
risk dapat diatasi dengan melakukan diversifikasi. Diversifikasi internasional
ini bisa bermanfaat ketika mata uang domestik melemah tetapi kehilangan
keuntungan ketika mata uang domestik menguat.
40
Dari sudut pandang investor, diversifikasi internasional merupakan suatu
cara yang dilakukan dengan tujuan untuk meminimalkan risiko dengan cara
membentuk suatu portofolio investasi yang terdiri atas kombinasi berbagai
macam aset keuangan yang investasinya dilakukan di negara-negara yang
berbeda sehingga membentuk suatu portofolio yang optimal yang menjanjikan
return yang optimal juga. Sedangkan dari sudut pandang emiten, diversifikasi
internasional merupakan alternatif mengumpulkan dana yang menguntungkan
bagi operasional perusahaan dengan cara listing di bursa-bursa dunia.
5. Efisiensi Pasar Modal
a. Konsep Pasar Efisien
Menurut Martalena dan Maya (2011:41) pasar modal efisien
didefinisikan sebagai pasar modal dengan harga sekuritas telah
mencerminkan semua informasi yang relevan. Semakin cepat informasi baru
tercermin pada harga sekuritas, semakin efisien pasar modal tersebut.
Pasar modal efisien dibedakan menjadi external efficiency dan internal
efficiency. External efficiency yaitu keadaan di mana pasar berada dalam
keseimbangan sehingga keputusan perdagangan saham berdasarkan
informasi yang tersedia di pasar tidak bisa memberikan tingkat keuntungan
di atas tingkat keuntungan keseimbangan. Sedangkan internal efficiency,
yaitu keadaan yang menunjukkan bahwa pasar modal tersebut hanya
41
memberi harga yang benar, melainkan juga berbagai jasa yang diperlukan
oleh para pembeli dan penjual dengan biaya serendah mungkin (Martalena
dan Maya, 2011:41).
Konsep pasar modal efisien pertama kali diperkenalkan oleh Fama
(1970). Fama menerjemahkan pasaran efisien sebagai suatu pasaran yang
harganya senantiasa mencerminkan sepenuhnya informasi yang tersedia.
Harga saham akan berubah hanya apabila terdapat informasi baru yang
semestinya tidak dapat diperkirakan sebelum ini. Jika informasi tersebut
sudah dapat diperkirakan, maka sudah tentu informasi tersebut sudah diserap
dan seterusnya dicerminkan dalam harga saham saat ini. Fama juga
mengatakan bahwa dalam pasaran efisien, tidak ada seorang pun yang boleh
mendapat keuntungan diharapkan lebih tinggi daripada rata-rata pasaran
walaupun dia mempunyai suatu informasi tertentu. Jadi suatu pasar
dikatakan efisien apabila tidak ada seorangpun baik investor individu
maupun institusi mampu memperoleh return tidak normal (abnormal return)
setelah disesuaikan dengan risiko, dengan menggunakan strategi
perdagangan yang ada. Artinya harga-harga yang terbentuk di pasar
merupakan cerminan dari informasi yang ada atau stock prices reflect all
available information.
Isu utama di sini bukanlah apakah pasar efisien sepenuhnya atau pun
tidak, tetapi persoalannya ialah sejauh mana keefisienan suatu pasar. Salah
42
satu cara untuk mengukur keefisienan pasar adalah dengan melihat jenis
informasi yang diserapkan ke dalam harga saham. Informasi terbagi dalam 3
subset adalah sebagai berikut (Rodoni dan Herni, 2010:102):
1. Informasi tentang harga saham masa lalu.
Ini bermaksud informasi tentang harga saham waktu lalu yang relevan
dengan penilaian saham saat ini atau akan datang.
2. Informasi umum
Ini bermaksud informasi umum tentang sesuatu perusahaan, industri dan
ekonomi dunia yang dapat diperoleh melalui pengumuman umum, apakah
melalui media cetak atau elektronik.
3. Informasi dalaman
Ini bermaksud informasi persendirian yang hanya dimiliki oleh segelintir
individu saja.
Fama membagi informasi menjadi 3 subset:
Gambar 2.2 Informasi Pasar Efisien
Informasi yang tersedia bagi
sebagian kecil investor
Informsi baru yang bersifat
umum
Informasi harga saham waktu
yang lalu
43
Gambar tersebut menunjukkan bahwa jika ada sangkalan terhadap
efisiensi pasar bentuk lemah, maka sanggahan berlaku bagi efisiensi pasar
bentuk setengah kuat dan kuat. Jika pasar efisien dalam bentuk lemah maka
otomatis pasar juga tidak efisien dalam bentuk setengah kuat dan kuat.
Sebaliknya, bila pasar efisien dalam bentuk kuat, maka pasar pasti efisien
dalam bentuk setengah kuat dan bentuk lemah.
b. Ciri-Ciri Pasar Efisien
Terdapat beberapa alasan yang menyebabkan pasar menjadi efisien.
Pasar efisien dapat terjadi karena peristiwa berikut ini (Hartono (2017:21):
1. Investor adalah penerima harga (price taker), yang berarti bahwa sebagai
pelaku pasar, investor seorang diri tidak bisa mempengaruhi harga dari
suatu sekuritas. Harga dari suatu sekuritas ditentukan oleh banyak
investor yang menentukan demand dan supply. Hal ini seperti dapat
terjadi jika pelaku-pelaku pasar terdiri dari sejumlah besar institusi-
institusi dan individual rasional yang mampu mengartikan dan
menginterpretasikan informasi dengan baik untuk digunakan
menganalisis, menilai atau melakukan transaksi penjualan atau pembelian
sekuritas bersangkutan.
44
2. Informasi tersedia secara luas ke semua pelaku pasar pada saat yang
bersamaan dan harga untuk memperoleh informasi tersebut murah.
Umumnya pelaku pasar menerima informasi lewat radio, koran atau
media masa lainnya, sehingga informasi tersebut bisa diterima pada saat
hari yang bersamaan. Infromasi tersebut dapat diperoleh secara cuma-
cuma oleh pelaku pasar.
3. Informasi dihasilkan secara acak (random) dan tiap-tiap pengumuman
informasi sifatnya random satu dengan yang lainnya. Investor tidak dapat
memprediksi kapan emiten akan mengumumkan informasi yang baru.
4. Investor bereaksi dengan menggunakan informasi secara penuh dan cepat,
sehingga harga dari sekuritas berubah dengan semestinya mencerminkan
informasi tersebut untuk mencapai keseimbangan yang baru. Kondisi ini
dapat terjadi jika pelaku pasar merupakan individu-individu yang canggih
(sophisticated) yang mampu memahami dan menginterpretasikan
informasi dengan cepat dan baik.
Bila kondisi keempat terpenuhi, jelas bahwa hasil yang dapat diduga
adalah investor akan dengan segera melakukan penyesuaian setiap saat ada
informasi baru masuk ke pasar. Lagipula perubahan harga adalah
independen dan tidak terpengaruh oleh harga yang lain dan harga bergerak
dalam bentuk acak (random walk). Artinya harga hari ini tidak terpengaruh
oleh harga hari kemarin, karena harga yang terbentuk hari ini terjadi
45
berdasarkan pada informasi baru yang masuk ke pasar dan diterima di pasar.
Dari paparan di atas, menunjukkan bahwa jika ke empat kondisi ideal yang
diisyaratkan terpenuhi, maka terwujudlah suatu pasar efisien.
c. Implikasi pada Keuangan Perusahaan
Menurut Rodoni dan Herni (2010:105) pasar modal efisien memiliki tiga
implikasi untuk keuangan perusahaan (corporate finance), antara lain:
1. Harga saham perusahaan tidak dapat dipengaruhi oleh perubahan pada
akuntansi.
2. Manajer keuangan tidak dapat menentukan waktu dari penerbitan saham
dan obligasi dengan menggunakan informasi yang tersedia di publik.
3. Perusahaan dapat menjual sebanyak-banyaknya saham atau obligasi
sesuai keinginan tanpa menekan harga.
d. Bentuk Pasar Modal Efisien
Kunci utama untuk mengukur pasar modal efisien adalah hubungan
antara sekuritas dengan informasi. Di mana informasi yang dapat digunakan
untuk menilai pasar efisien adalah informasi yang lama, informasi yang
sedang dipublikasikan atau semua informasi termasuk informasi privat.
Fama mengklasifikasikan bentuk pasar yang efisien ke dalam tiga Efficient
Market Hypothesis (EMH), yaitu:
46
1. Efisiensi Pasar Bentuk Lemah (Weak Form)
Pasar dikatakan efisien dalam bentuk lemah, jika harga-harga dari
sekuritas tercermin secara penuh (fully reflect) informasi masa lalu.
Informasi masa lalu ini merupakan informasi yang sudah terjadi.
Menurut Halim (2015:101) jika hipotesis pasar efisien bentuk lemah
terpenuhi dan akibatnya harga adalah bebas (independen) dari bentuk
harga saham historis, maka dapat dikatakan bahwa perubahan-perubahan
harga akan mengikuti kaidah jalan acak (random walk) manakala
pengujian hanya dilakukan terhadap perubahan harga secara historis.
Teori langkah acak (random walk theory) menyatakan bahwa data
masa lalu tidak berhubungan dengan nilai sekarang. Jika pasar efisien
secara bentuk lemah, maka nilai-nilai masa lalu tidak dapat digunakan
untuk memprediksi harga sekarang. Ini berarti bahwa untuk pasar yang
efisien bentuk lemah, investor tidak dapat menggunakan informasi masa
lalu untuk mendapatkan keuntungan yang tidak normal.
Hipotesis ini menjelaskan bahwa harga saham telah mencerminkan
semua informasi masa lalu yang tersedia di pasar seperti data harga,
volume perdagangan, atau short interest. Data perdagangan masa lalu
tersebut telah tersedia di pasar dan tidak membutuhkan biaya untuk
mendapatkannya. Semua investor akan berusaha mengambil keuntungan
dengan cara membaca pola data dari data masa lalu jika data masa lalu
47
tersebut mengandung sinyal yang dapat dipercaya mengenai hasil masa
depan. Implikasinya adalah semua investor akan mengeksploitasi sinyal
tersebut sehingga sinyal tersebut akan kehilangan nilainya dan akan
segera tercermin dalam harga (Bodie, et.al, 2008:348).
2. Efisiensi Pasar Bentuk Setengah Kuat (Semi Strong Form)
Hipotesis ini menyatakan bahwa semua informasi yang tersedia di
pasar termasuk informasi potensi pertumbuhan perusahaan harus telah
tercermin di dalam harga saham seperti data lini produk, kualitas
manajemen, komposisi laporan keuangan seperti neraca, paten, proyeksi
laba, dan perlakuan akuntansi. Jadi, ketika seluruh informasi telah
diketahui oleh para investor maka refleksinya sudah ada pada harga
saham (Bodie et.al, 2008:348).
Menurut konsep semi-kuat, investor tidak mampu untuk memperoleh
abnormal return dengan menggunakan strategi yang dibangun
berdasarkan informasi yang tersedia di publik. Dengan kata lain analisis
dalam laporan keuangan tidak memberikan manfaat apa-apa. Ide dari
pandangan ini adalah bahwa sekali informasi tersebut menjadi informasi
publik (umum), artinya tersebar di pasar, maka semua investor akan
bereaksi dengan cepat dan mendorong harga naik untuk mencerminkan
semua informasi publik yang ada (Halim, 2015:102).
48
Pasar dikatakan efisien setengah kuat jika harga-harga sekuritas
secara penuh mencerminkan (fully reflect) semua informasi yang
dipublikasikan (all publicly available information) termasuk informasi
yang berada di laporan keuangan perusahaan emiten. Informasi yang
dipublikasikan dapat berupa sebagai berikut (Hartono, 2017:607):
a. Informasi yang dipublikasikan yang hanya mempengaruhi harga
sekuritas dari perusahaan yang mempublikasikan informasi tersebut.
Informasi yang dipublikasikan ini merupakan informasi dalam bentuk
pengumuman oleh perusahaan emiten. Informasi ini umumnya
berhubungan dengan peristiwa yang terjadi di perusahaan emiten
(corporate event). Contoh informasi yang dipublikasikan ini misalnya
seperti pengumuman laba, pengumuman pembagian dividen,
pengumuman pengembangan produk baru, pengumuman merger dan
akuisisi, pengumuman perubahan metode akuntansi, pengumuman
pergantian pemimpin perusahaan dan lain sebagainya.
b. Informasi yang dipublikasikan yang mempengaruhi harga-harga
sekuritas sejumlah perusahaan. Informasi yang dipublikasikan ini
dapat berupa peraturan pemerintah atau peraturan dari regulator yang
hanya berdampak pada harga sekuritas perusahaan-perusahaan yang
terkena regulasi tersebut. Contoh dari informasi ini misalnya adalah
regulasi untuk meningkatkan kebutuhan cadangan (reserve
49
requirement) yang harus dipenuhi semua bank-bank. Informasi ini
akan mempengaruhi secara langsung harga sekuritas tidak sebuah
hanya bank saja, tetapi mungkin semua emiten di dalam industri
perbankan.
c. Informasi yang dipublikasikan yang mempengaruhi harga sekuritas
semua perusahaan yang terdaftar di pasar saham. Informasi ini dapat
berupa peraturan pemerintah atau peraturan dari regulator yang
berdampak ke semua perusahaan emiten. Contoh regulasi adalah
peraturan akuntansi untuk mencantumkan laporan arus kas yang harus
dilakukan oleh semua perusahaan. Regulasi ini akan mempunyai
dampak ke harga sekuritas tidak hanya untuk sebuah perusahaan saja
atau perusahaan-perusahaan di suatu industri, tetapi mungkin
berdampak langsung pada semua perusahaan.
Pengujian efisiensi bentuk setengah kuat menggunakan event study
test. Event study merupakan metode yang mempelajari reaksi pasar
terhadap suatu peristiwa. Studi ini melakukan pengamatan terhadap
perilaku harga saham secara cermat untuk mengetahui bagaimana saham
bereaksi. Jika terdapat penundaan dalam penyesuaian harga dan investor
dapat memanfaatkan penundaan ini untuk memperoleh keuntungan
abnormal, maka pasar modal tersebut tidak efisien dalam bentuk
setengah kuat.
50
3. Efisiensi Pasar Bentuk Kuat (Strong Form)
Hipotesis ini menjelaskan bahwa harga saham telah mencerminkan
semua informasi yang relevan bagi perusahaan termasuk informasi yang
hanya tersedia untuk pihak internal perusahaan (insider) sehingga
walaupun pihak manajemen dan karyawan perusahaan mempunyai akses
untuk mengetahui informasi sebelum informasi tersebut tersedia di pasar,
hal itu tidak memungkinkan mereka untuk mengambil keuntungan
dengan melakukan perdagangan berdasarkan informasi tersebut karena
semua informasi tersebut akan langsung dipublikasikan (Bodie et.al,
2008:349).
Pasar dikatakan efisien dalam bentuk kuat jika harga-harga sekuritas
secara penuh mencerminkan (fully reflect) semua informasi yang tersedia
termasuk informasi yang privat. Jika pasar efisien dalam bentuk ini
berhubungan satu dengan yang lain, maka tidak ada individual investor
atau grup dari investor yang dapat memperoleh keuntungan tidak normal
(abnormal return) karena mempunyai informasi privat (Hartono,
2017:610).
Salah satu jenis informasi privat adalah jenis informasi yang berasal
dari orang dalam (insider information) yang mempunyai akses atas
51
informasi berharga mengenai keputusan penting yang telah direncanakan
oleh perusahaan. Sehingga dengan modal informasi tersebut mereka
melakukan analisa dan mengambil posisi transaksi yang sesuai. Pada saat
mengumumkan perseroan tersebut dikeluarkan, maka informasi tersebut
menjadi tersedia bagi masyarakat dan akan mendongkrak harga saham
tersebut. Informasi privat yang demikian mampu memberikan
keuntungan abnormal yang konsisten bagi para pemodal yang memiliki
informasi tersebut.
Cara untuk menguji efisiensi bentuk kuat adalah meneliti kinerja
kelompok yang diperkirakan memiliki akses informasi yang tidak
dipublikasikan, yaitu para corporate insiders dan para portfolio
managers. Jika kelompok ini terbukti memperoleh tingkat pendapatan di
atas rata-rata, maka pasar dikatakan tidak efisien dalam bentuk kuat.
Masing-masing bentuk pasar efisien tersebut terkait erat dengan sejauh
mana penyerapan informasi terjadi di pasar. Dalam hal ini dapat
digambarkan tentang bagaimana keterkaitan antara informasi dan pasar
efisien.
52
Gambar 2.3
Sumber Data dalam Kaitannya dengan Pandangan Seseorang
tentang Efisien Tidaknya Sebuah Pasar Modal
Tingkat Informasi
Tingkat Efisiensi
(Sumber: Abdul Halim 2015:99)
Pada gambar di atas dapat dijelaskan bahwa berdasarkan pada
tingkatannya, informasi dapat dibedakan menjadi lima kelompok, di mana
kelompok pasar dengan efisiensi terendah disebut pasar tidak efisien,
sedangkan yang tertinggi tingkatannya adalah pasar efisien sempurna. Bila
dikaitkan hubungan antara tingkat informasi dan tingkat efisiensi pasar,
nampak bahwa kelima kelompok pada masing-masing informasi saling
berkaitan. Misalnya pasar dikatakan tidak efisien bilamana semua informasi
yang ada dan tersedia dapat dimanfaatkan untuk memperoleh abnormal
return di pasar. Dikatakan pasar efisien sempurna bilamana tidak ada sebuah
informasi pun yang dapat dimanfaatkan untuk memperoleh abnormal return
di pasar (Halim, 2015:99).
Semua
informasi
Data publik, data
pribadi, dan data
harga saham
masa lalu
Data publik, data
pribadi, dan
bukan data harga
saham masa lalu
hanya data
pribadi
Tidak ada
informasi
Tidak efisien Efisiensi lemah Efisiensi
setengah kuat Efisiensi kuat Efisiensi sempurna
53
e. Uji Efisiensi Pasar
Implikasi dari pasar modal yang efisien terhadap teknik-teknik investasi
yang populer, yaitu seperti:
a. Technical Analysis (Analisis Teknikal)
Analisis teknikal pada dasarnya merupakan upaya pencarian pola
perulangan yang dapat diprediksi dalam harga saham (Bodie, et al.
2008:481). Analisis ini akan menentukan nilai saham dengan
menggunakan data pasar dari saham, seperti harga dan volume transaksi
saham. Harga suatu saham akan ditentukan oleh penawaran (supply) dan
permintaan (demand) terhadap saham tersebut.
Analisis teknikal mengasumsikan bahwa harga saham mencerminkan
informasi yang ditujukan oleh perubahan harga di waktu lalu sehingga
perubahan harga saham mempunyai pola tertentu dan pola tersebut akan
berulang. Analisis teknikal biasanya menggunakan data yang dianalisis
dengan menggunakan grafik atau program komputer. Dengan mengamati
grafik tersebut dapat diketahui bagaimana kecenderungan harga,
memperkirakan kemungkinan waktu dan jarak kecenderungan, serta
memilih saat yang paling menguntungkan untuk masuk dan keluar pasar.
Implikasi hipotesis pasar efisien terhadap investor yang berinvestasi
di pasar modal bisa juga dilihat dari implikasinya terhadap investor yang
menerapkan analisis teknikal maupun analisis fundamental dalam
54
penilaian dan pemilihan saham. Bagi investor yang menerapkan analisis
teknikal, mereka pada dasarnya percaya bahwa pergerakan harga saham
di masa datang bisa diprediksi dari data pergerakan harga saham di masa
lampau. Dengan demikian, investor yang menerapkan analisis teknikal
akan bergantung pada informasi masa lalu historis) tentang data harga dan
volume perdagangan saham, untuk memperkirakan harga saham di masa
yang akan datang. Dalam situasi seperti ini, jika hipotesis pasar efisien
dalam bentuk telah benar, maka tindakan investor yang melakukan
analisis teknikal sudah tidak akan memberi nilai tambah lagi bagi
investor, karena harga pasar saham yang terjadi sudah mencerminkan
semua informasi pergerakan harga dan volume saham historis.
b. Analisis Fundamental
Analisis fundamental adalah analisis yang mempraktikkan harga
saham di masa yang akan datang dengan mengestimasi nilai faktor-faktor
fundamental yang mempengaruhi harga saham di masa yang akan datang
dan menerapkan hubungan variabel-variabel lain (Martalena dan Malinda,
2011:47).
Analisis fundamental lebih menekankan pada penentuan nilai intrinsik
dari suatu saham. Untuk melakukan analisis yang bersifat fundamental,
analisis perlu memahami variabel-variabel yang mempengaruhi nilai
instrinsik saham. Nilai inilah yang diestimasi oleh investor dan hasil dari
55
estimasi ini dibandingkan dengan nilai pasar sekarang (current market
price) sehingga dapat diketahui saham-saham yang overprice maupun
yang underprice.
Implikasi hipotesis pasar efisien terhadap investor yang melakukan
analisis fundamental. Analisis fundamental merupakan analisis saham
yang dilakukan dengan mengestimasi nilai intrinsik saham berdasarkan
informasi fundamental yang telah dipublikasi perusahaan (seperti laporan
keuangan, perubahan dividen dan lainnya) untuk menentukan keputusan
menjual atau membeli saham. Dalam situasi seperti ini, jika hipotesis
pasar efisien dalam bentuk setengah kuat adalah benar, dimana semua
informasi fundamental yang dipublikasikan perusahaan sudah tercermin
dalam harga pasar, maka tindakan investor yang melakukan analisis
fundamental untuk memperoleh abnormal return juga sudah tidak
bermanfaat lagi.
c. Active Versus Passive Management
Para pendukung hipotesis pasar efisien percaya bahwa manajemen
aktif merupakan upaya yang sia-sia dan tidak dapat membenarkan
pengeluaran yang dilakukan. Jadi mereka menyarankan strategi investasi
pasif (passive investment strategy) yang tidak berusaha untuk melawan
pasar. Sebuah strategi pasif bertujuan hanya untuk membentuk portofolio
sekuritas yang terdiversifikasi dengan baik tanpa mencoba menemukan
56
saham yang dinilai terlalu rendah atau terlalu tinggi (Bodie, et al,
2008:486).
Manajemen pasif biasanya ditandai dengan strategi beli dan tahan
(buy and hold strategy). Karena teori pasar efisien menunjukkan bahwa
harga saham berada pada tingkat yang wajar, dengan seluruh informasi
yang tersedia, maka tidak ada alasan untuk melakukan jual dan beli secara
intensif, yang akan menimbulkan beban komisi pialang yang besar tanpa
meningkatkan ekspektasi kinerja. Satu strategi umum untuk manajemen
pasif adalah membentuk sebuah dana indeks (index fund), dana yang
dirancang untuk mereplikasi kinerja indeks saham secara umum (Bodie,
et. al, 2008:487).
6. Contagion Effect
Kondisi perekonomian suatu negara tidak lagi hanya ditentukan oleh
negara tersebut melainkan kondisi perekonomian di negara lain juga menjadi
faktor penentu. Contohnya adalah kondisi krisis yang terjadi di dunia pada
tahun 2008 lalu di mana menurut penelitian Bank Dunia terutama disebabkan
oleh adanya integrasi ekonomi antar negara sehingga menimbulkan contagion
effect dari negara lain. Dalam arti luas, contagion adalah transmisi shock antar
negara. Apabila suatu negara mengalami shock, maka shock tersebut dapat ter-
transfer ke negara lain di sekitarnya (Purnomo dan Rider, 2012:6).
57
Pasar modal berkembang dengan pesat dari waktu ke waktu terutama di
negara berkembang berperan penting dalam perolehan modal atau disebut
dengan capital inflow. Capital inflow pada umumnya bukan merupakan
berbentuk investasi secara langsung yang sifatnya jangka panjang melainkan
jangka pendek. Investor di dalam dan di luar negeri menjadi target dari pilihan
modal tersebut sehingga perilaku investor juga dapat menjadi penyebab
terjadinya efek domino (contagion) di pasar modal, yakni perilaku investor
yang fokus pada peranan likuiditas (Robiyanto dan Hartanto, 2018:3).
Apabila suatu negara mengalami masalah geopolitik atau lainnya, maka
investor tersebut menangkap indikasi bahwa akan terjadi penurunan performa
pada indeks saham negara tersebut, kemudian investor menjual sekuritas di
indeks tersebut dan membeli sekuritas di pasar lain untuk menghindari kerugian
yang besar dan mendapatkan return yang besar di pasar lain. Perilaku investor
yang dapat menyebabkan contagion di mana keadaan investor yang tidak
mempunyai gambaran lengkap mengenai kondisi dalam setiap negara sehingga
didapatkan informasi yang tidak sempurna dan asimetris. Contagion effect
semakin besar dengan adanya investasi global dan perdagangan antar negara.
Contagion effect yang diteruskan melalui integrasi keuangan juga dapat
meningkatkan efek spillover antar negara dikarenakan fluktuasi makro ekonomi
(Mulyadi, 2012:5).
58
7. Integrasi Pasar Modal
a. Pengertian Integrasi Pasar Modal
Integrasi pasar modal adalah suatu keadaan di mana harga-harga saham
di berbagai pasar modal di dunia mempunyai hubungan yang sangat dekat
antara suatu pasar modal dengan pasar modal lainnya di dunia ini sehingga
pasar modal di dunia dapat mencapai suatu harga internasional (international
pricing) atas saham-saham mereka dan memberikan akses yang tidak
terbatas atau hambatan apapun kepada investor di seluruh dunia untuk
memilikinya (Waworundeng dan Van Rate, 2018:273).
Risiko yang relevan bagi para pemodal hanyalah risiko yang yang tidak
bisa dihilangkan dengan diversifikasi, maka semakin besar bagian risiko
total yang bisa dihilangkan dengan diversifikasi semakin menarik
diversifikasi internasional bagi para pemodal. Semakin batasan yang
dikenakan pada pemodal asing, semakin condong pasar modal suatu negara
terintegrasikan dengan pasar lainnya (Dedy Saputra, 2014:36).
Pergerakan harga saham tersebut disebabkan oleh beberapa faktor baik
yang berpengaruh secara langsung maupun tidak langsung berpengaruh,
misalkan volume perdagangan saham, persepsi dari investor dan berbagai
berita fundamental. Harga dari saham individual merefleksikan dari harapan
investor dan ketakutan terhadap kondisi yang akan datang, pergerakan harga
59
saham dapat berupa gelombang naik turun yang selalu aktif. Dengan derajat
integrasi pasar saham internasional yang semakin meningkat, manfaat
diversifikasi akan cenderung menurun. Bagaimana integrasi pasar saham
regional akan lebih menarik bagi investor internasional yang akan
berinvestasi pada kawasan yang memiliki keunggulan, antara lain likuiditas
saham yang tinggi dan biaya transaksi yang rendah (Endri, 2009: 122).
Menurunnya biaya modal tentu akan membuat investasi makin
menguntungkan, kalau hal-hal lain sama. Ini akan berarti bahwa investasi
akan makin banyak dilakukan, penyerapan tenaga kerja makin besar, dan
seterusnya. Dengan demikian nampaknya pasar modal internasional yang
terintegrasikan sepenuhnya akan memberikan manfaat yang besar
dibandingkan dengan seandainya tersegmentasikan sepenuhnya. Secara
teoritis penghilangan hambatan bagi pemodal asing akan membuat pasar-
pasar di seluruh dunia akan terintegrasikan secara penuh (fully integrated
capital markets). Dengan demikian pertimbangan risiko dan keuntungan
akan dilakukan dalam lingkup dunia dan tidak lagi dalam batasan negara
tertentu (Santosa, 2013:167).
Manfaat yang diperoleh adalah bahwa harga saham akan lebih tinggi
dibandingkan dengan keadaan di mana pasar semuanya tertutup (fully
segmented markets). Diantara kedua bentuk ekstrim tersebut bisa terjadi
antara lain karena (1) pemodal asing diijinkan melakukan investasi di bursa
60
tersebut, tetapi mempunyai batasan-batasan tertentu, (2) pemodal domestik
juga melakukan diversifikasi internasional, meskipun barangkali terbatas,
dan sebab-sebab lain. Di pandang dari sisi perusahaan, harga saham lebih
tinggi berarti cost of equity lebih rendah. Dampak akhirnya adalah
penurunah cost of capital perusahaan. Dengan demikian investasi yang
dilakukan oleh perusahaan akan diharapkan memberikan net present value
yang lebih tinggi, sehingga investasi akan meningkat, penyerapan tenaga
kerja akan meningkat, dan seterusnya (Santosa, 2013:167).
b. Faktor-Faktor Integrasi Pasar Modal
Menurut Dedy Januar (2014:36) faktor-faktor integrasi pasar modal dengan
pasar modal lainnya, yaitu:
1. Diversifikasi internasional, para pemodal semakin melakukan
diversifikasi internasional dengan cara membeli sekuritas-sekuritas yang
ditawarkan oleh bursa-bursa di luar negeri. Pemodal asing bukan hanya
menanggung risiko sekuritas yang dimiliki tapi juga risiko karena
perubahan valuta asing. Semakin rendah koefisien korelasi tingkat
keuntungan sekuritas asing dengan sekuritas domestik, semakin menarik
investasi asing tersebut dan terjadi integrasi antara pasar modal di suatu
negara dengan negara lain.
2. Pasar modal yang terintegrasikan sepenuhnya atau para pemodal dapat
melakukan diversifikasi internasional dengan bebas, tentunya terdapat
61
dampak data equilibrium princing sekuritas-sekuritas tersebut dalam
konteks internasional (dunia). Model tersebut perlu mempertimbangkan
kompleksitas muncul apabila dipertimbangkan bahwa pemodal di
berbagai negara menggunakan data uang yang berbeda dan mempunyai
preferensi risiko yang berbeda.
B. Penelitian Terdahulu
Penelitian terdahulu merupakan hal yang sangat bermanfaat untuk menjadi
perbandingan dan acuan yang memberikan gambaran terhadap hasil-hasil
penelitian terdahulu. Untuk itu pada bagian ini akan diberikan penjelasan
beberapa penelitian terdahulu yang berkaitan dengan rencana penelitian ini.
62
Tabel 2.1
Penelitian Terdahulu
No Peneliti Judul Metode
Penelitian Perbedaan Hasil Penelitian
1.
Kashif
Hamid, et.al
Testing the
Weak Form of
Efficient Market
Hypothesis:
Empirical
Evidence from
Asia-Pasific
Markets/ 2010
1. Uji Autokorelasi
2. Ljug-Box Q-
statistic,
3. Run Test,
4. Unit Root Test
5. Variance Ratio
Test (VR)
Tambahan metode:
1. Kolmogorov
Smirnov Test
Tidak ada uji VR.
Penulis juga
menguji Integrasi
& menggunakan
pasar modal
Syariah
Hasil penelitian
menunjukkan bahwa
return bulanan pada
pasar modal di Asia-
Pasifik tidak
mengikuti pola
random walk
2. Francesco
Guidi dan
Rakesh
Gupta
Are ASEAN
Stock Market
Efficient?
Evidence from
Univariate and
Multivariate
Variance Ratio
Test / 2011
1. Unit Root Test
ADF dan KPPS
2. Variance Ratio
Test
3. Runs Test
Tambahan metode:
1. Kolmogorov
Smirnov Test
2. Uji Autokorelasi
Tidak ada uji VR.
Penulis juga
menguji integrasi
menggunakan
pasar modal
Syariah
Hasil penelitian ini
menunjukkan bahwa
menolak EMH untuk
pasar saham
Indonesia, Malaysia,
Filipina, dan
Vietnam. Studi ini
menemukan pasar
saham di Singapura
dan Thailand adalah
efisien bentuk lemah.
3. Budi Santosa Integrasi Pasar
Modal Kawasan
Eropa / 2013
1. Uji Korelasi
2. Uji Kointegrasi
Johansen
3. Uji Akar Unit
Tambahan Metode:
1. Uji Granger
Causality
2. VECM
3. Uji IRF, dan
4. Uji FEVD
Tidak ada uji
Hasil penelitian
menunjukkan bahwa
11 pasar saham di
kawasan Eropa
terdapat integrasi dan
analisis korelasi
menunjukkan secara
umum integrasi bursa
saham di 11 negara
63
No Peneliti Judul Metode
Penelitian Perbedaan Hasil Penelitian
Korelasi. Penulis
juga menguji EMH,
menggunakan pasar
modal Syariah
Eropa cenderung
meningkat dalam
konteks jangka
panjang.
4. Dwi Puryanti
dan Reni
Marlina
Analysis of
Capital Market
Integration
Region Asia /
2013
1. Uji Korelasi
2. Unit Roots Test
3. Cointegration
Johansen Test
4. VECM
Tambahan Metode:
1. Uji Kausalitas
Granger,
2. Uji IRF, dan
3. Uji FEVD
Tidak ada uji
Korelasi. Penulis
juga menguji
EMH &
menggunakan
pasar modal
Syariah
Hasil penelitian ini
menunjukkan bahwa
berdasarkan analisis
Korelasi terjadi
integrasi 9 bursa Asia
meningkat dalam
jangka panjang. Uji
Johansen terdapat 9
bursa di Asia yang
menunjukkan
kointegrasi di mana
pergerakan indeks
cenderung ke arah
yang sama.
5. Abdelbari El-
Khamichi
et.al
Are Islamic
Equity Indices
More Efficient
Than Their
Conventional
Counterparts?
Evidence From
Major Global
Index Families /
2014
1. ADF Test
2. ECM
3. Variance Ratio
Test
Tambahan metode:
1. Kolmogorov
Smirnov Test
2. Runs Test
3. Uji Autokorelasi
Tidak ada uji
variance ratio
Penulis juga
menguji integrasi
& menggunakan
pasar modal
Syariah
Hasil penelitian ini
menunjukkan bahwa
Indeks Syariah
memiliki tingkat
efisien yang sama
seperti yang
konvensional, indeks
keluarga MSCI dan
FTSE kurang efisien.
Analisis kointegrasi
menunjukkan Indeks
Islam Dow Jones dan
S&P tidak memiliki
hubungan kointegrasi.
64
No. Peneliti Judul Metode
Penelitian Perbedaan Hasil Penelitian
6. Irfan Syauqi
Beik dan Sri
Wulan
Fatmawati
Pengaruh
Indeks Harga
Saham Syariah
Internasional
dan Variabel
Makro Ekonomi
terhadap
Jakarta Islamic
Index/ 2014
1. Uji Akar Unit,
2. VAR,
3. Uji Kointegrasi
Johansen,
4. Uji Kausalitas
Grenger,
5. Uji IRF, dan
6. Uji FEVD
Penulis juga
menguji EMH
bentuk lemah
Hasil penelitian
menunjukkan bahwa
JII dipengaruhi secara
positif dan signifikan
oleh DJIEU, DJIMY
dan IPI sedangkan JII
dipengaruhi secara
negatif dan signifikan
oleh DJIJP, IMUS,
M2 dan SBIS.
7. Kasilingan
Lingaraja,
Murugesan
Selvam, dan
Vinayagamo
orthi Vasanth
The Stock
Efficiency of
Emerging
Markets:
Evidence From
Asian Region /
2014
1. Unit Root Test
2. GARCH
3. Autocorrelation
Test
4. Runs Test
Tambahan Metode:
1. Kolmogorov
Smirnov Test
Tidak ada uji
GARCH. Penulis
juga menguji
Integrasi dan
menggunakan
pasar modal
syariah
Hasil penelitian
menunjukkan bahwa
indeks India,
Indonesia, Malaysia,
dan Filipina sangat
signifikan dan
terdistribusi secara
acak. Sedangkan
indeks Cina, Korea,
Taiwan, dan Thailand
tidak signifikan, tidak
terdistribusi acak.
8. Khoa Cuong
Phan dan
Jian Zhou
Market
Efficiency in
Emerging Stock
Market: A Case
Study of
Vietnam Stock
Market / 2014
1. Uji Autokorelasi
2. Variance Ratio
Test (VR)
3. Runs Test
Tambahan Metode:
1. Kolmogorov S Test
2. Unit Root Test
Tidak ada uji VR.
Penulis juga
menguji integrasi
menggunakan pasar
modal syariah
Hasil penelitian ini
menunjukkan bahwa
pergerakan harga
saham harian pada
indeks saham
Vietnam tidak efisien
dalam bentuk lemah
65
No. Peneliti Judul Metode
Penelitian Perbedaan Hasil Penelitian
9. Tara Ninta
Ikrima dan
Harjum
Muharam
Co-Integration
and Contagion
Effect antara
Indeks Saham
Syariah di
Indonesia,
Malaysia,
Eropa dan
Amerika Serikat
saat Terjadinya
Krisis Yunani /
2014
1. ADF
2. VECM
3. IRF
4. Granger
Causality Test
Tambahan Metode:
1. Uji Kointegrasi
2. FEVD
Penulis juga
menguji EMH
bentuk lemah
Hasil penelitian
menunjukkan bahwa
indeks Eropa tidak
mempengaruhi
indeks yang lain
sebelum krisis
sedangkan pada saat
terjadi krisis terdapat
hubungan jangka
panjang antar indeks.
Volatilitas harga
saham syariah
Indonesia dipengaruhi
pergerakan indeks
lainnya.
10. Wenty
Yolanda
Eliyawati, R.
Rustam
Hidayat dan
Devi Farah
Azizah
Penerapan
Model GARCH
untuk Menguji
Pasar Modal
Efisien di
Indonesia /
2014
1. Uji Autokorelasi
2. ARIMA
3. ARCH/GARCH
Tambahan Metode:
1. Kolmogorov
Smirnov Test
2. Runs Test
3. Unit Root Test
Tidak ada uji
ARIMA dan
ARCH/GARCH.
Penulis juga
menguji Integrasi
menggunakan
pasar modal
syariah
Hasil penelitian
menunjukkan bahwa
volatilitas return
saham periode
sebelumnya
mempengaruhi
volatilitas saham saat
ini. Pasar modal
Indonesia efisien
dalam bentuk lemah
mengalami volatilitas
dan random walk.
11. Neha Seth
dan A.K.
Sharma
International
Stock Market
Efficiency and
Integration:
1. Run Test
2. Unit Root Test
3. GARCH (1,1)
4. Person
Tambahan Metode:
1. Kolmogorov S Test
2. Autokorelasi
3. VECM
Hasil penelitian
menunjukkan bahwa
pasar yang diteliti
tidak efisien dalam
bentuk lemah dan
66
No. Peneliti Judul Metode
Penelitian Perbedaan Hasil Penelitian
12. Evidences from
Asian and US
Market/ 2015
Correlation Test
5. Johansen’s
Cointegration
6. Granger
Causality Test
5. IRF
6. FEVD
Tidak ada uji
GARCH dan
Korelasi Pearson.
Penulis juga
menggunakan pasar
modal Syariah
tercipta abnormal
bagi investor.
Kemudian pasar
tersebut berkorelasi
dan terintegrasi
dalam jangka panjang
yang mengakibatkan
diversifikasi dana
internasional tidak
signifikan.
13. Ardina
Puspitasari,
Hermanto
Siregar dan
Trias Andati
Analisis
Integrasi Bursa
Saham ASEAN /
2015
1. Unit Root Test
2. Uji VAR
3. Uji Kointegrasi
Johansen
4. VECM
Tambahan Metode:
1. Granger
Causality Test
2. IRF
3. FEVD
Penulis juga
menguji EMH
dan menggunakan
pasar modal
syariah
Hasil penelitian
menunjukkan bahwa
terdapat integrasi
jangka panjang dalam
kawasan ASEAN 5
(Indonesia, Malaysia,
Singapura, Thailand
dan Filipina)
sedangkan dalam
VECM bursa
Thailand tidak
signifikan.
14. Ibnu Qizam,
Abdul
Qayum dan
Misnen
Ardiansyah
Global
Financial Crisis
and Islamic
Capital Market
Integration
among 5-
ASEAN
Countries/ 2015
1. Statistik
Deskriptif
2. Uji Korelasi
3. ADF Test
4. Granger
Causality Test
5. Cointegration
Johansen Test
6. VECM
7. IRF Test
Tambahan Metode:
1. FEVD
Tidak ada uji
Korelasi. Penulis
juga menguji EMH
Hasil penelitian ini
menunjukkan bahwa
berdasarkan uji
Johansen terdapat
korelasi antar indeks
Islam tersebut,
sedangkan dalam uji
Kausalitas Granger
terdapat hubungan
dua arah yaitu indeks
syariah Malaysia dan
Singapura, Thailand
dan Singapura,
67
No. Peneliti Judul Metode
Penelitian Perbedaan Hasil Penelitian
Singapura dan
Filipina, dan terdapat
yang searah yaitu
Indonesia, MCIINA,
MCIMY, MCITHAI
berdasarkan VECM
terjadi hubungan
saling terkait dalam
jangka panjang.
15. Hatane
Semuel, et all
Analisa
Efisiensi Pasar
Bentuk Lemah
Melalui
Evaluasi
Harga Saham
di BEI/ 2016
1. Run Test
2. Uji Autokorelasi
3. ARIMA
Tambahan Metode:
1. Kolmogorov Test
2. Unit Roots Test
Tidak ada uji
ARIMA. Penulis
juga menguji
Integrasi pasar
modal syariah
Hasil penelitian
menunjukkan bahwa
pasar modal di
Indonesia tidak
efisien dalam bentuk
lemah.
16. Riyanti dan
Gilang Pandu
Palagan
Pengujian
Efisiensi Market
Hipotesis Pra
dan Pasca MEA
(Pendekatan
Johansen
Cointegration
Test)/ 2016
1. Unit Root Test,
2. GARCH,
3. Uji Kausalitas
Granger, dan
4. Uji IRF
Tambahan Metode:
1. Kolmogorov Test
2. Run Test
3. Uji Autokorelasi
4. Uji Kointegrasi
5. VECM
6. FEVD
Tidak ada uji
GARCH.
Hasil penelitian
menunjukkan bahwa
integrasi pasar modal
dalam jangka panjang
namun tidak terjadi
integrasi dalam
jangka pendek dan
pasar modal antar
negara tersebut saling
berpengaruh.
17. M. Rasyidin Integrasi Pasar
Modal ASEAN
Pasca
Pemberlakukan
MEA / 2016
1. Uji Akar Unit
2. Uji Kointegrasi
Johansen
3. Uji VECM
Tambahan Metode:
1. Granger
Causality Test
3. IRF
4. FEVD
Hasil penelitian
menunjukkan bahwa
pasar modal IDN,
MLY, SNG, FLP,
TLD dan VEN saling
terintegrasi yang
mengindikasikan
68
No. Peneliti Judul Metode
Penelitian Perbedaan Hasil Penelitian
Penulis juga
menguji EMH dan
menggunakan
pasar modal
syariah
adanya hubungan
jangka panjang.
Sedangkan negara
SNG, FLP, VEN
tidak memiliki
hubungan jangka
pendek dengan IDN
18. Yudhistira
Ardana
Co-Integration
and Contagion
Effect antara
Indeks Saham
Syariah di
beberapa
Negara dan
Jakarta Islami
Index (JII) pada
periode Krisis
Yunani / 2017
1. Unit Root Test
2. Uji Kointegrasi
Johansen
3. VAR/VECM,
5. IRF, dan
6. FEVD
Metode Tambahan:
1. Granger
Causality Test
Penulis juga
menguji EMH
menggunakan
pasar modal
syariah
Sebelum krisis
Yunani dalam jangka
panjang terjadi
integrasi antara bursa
saham syariah dan JII
dipengaruhi oleh
semua indeks, setelah
krisis tidak terjadi
integrasi dan JII
dipengaruhi indeks
saham syariah
Kanada, Eropa, AS
dan Jepang.
19. Astriyana
Prima
Kartika, et.al
Analisis
Efficient Market
Hypothesis
Pada Bursa
Efek Indonesia
Terhadap Pasar
Saham ASEAN /
2017
1. Deskriptif
Statistik
2. Uji Run dan
3. Uji Kolmogorov
Smirnov
Tambahan Metode:
1. Autokorelasi
2. Unit Roots Test
Penulis juga
menguji Integrasi
dan menggunakan
pasar modal
syariah
Bursa Efek Indonesia
memiliki peringkat
pasar efisien tertinggi
di Pasar Saham
ASEAN, bursa efek
ASEAN berpengaruh
terhadap Bursa Efek
Indonesia, dan Bursa
Efek Indonesia
mempunyai pola
return saham yang
berfluktuasi secara
normal di Pasar
Saham ASEAN.
69
No. Peneliti Judul Metode
Penelitian Perbedaan Hasil Penelitian
20. Ruth
Valencia
Ersabathari
Dan Harjum
Muharam
Integrasi Pasar
Modal ASEAN
6 Periode
Tahun 2007-
2016 / 2017
1. DCC MGARCH Perbedaan Metode:
1. Uji Akar Unit
2. Granger
Causality Test
3. Uji Kointegrasi
Johansen
4. Uji VECM
5. IRF, dan
6. FEVD
Penulis juga
menguji EMH
menggunakan pasar
modal syariah
Hasil penelitian
menunjukkan bahwa:
Semua pasar modal
ASEAN 6 (Indonesia,
Malaysia, Filipina,
Singapura, Thailand
dan Vietnam) telah
terintegrasi dan masih
terdapat keuntungan
diversifikasi
portofolio terutama
pasar Vietnam yang
berpeluang cukup
besar.
21. Alia Tri
Utami
Efisiensi Pasar
Bentuk Lemah
Pada Pasar
Modal
Indonesia,
Malaysia, dan
Korea Selatan
Periode Krisis
Ekonomi Global
2008/ 2018
1. Ljug-Box Test
2. Uji Autokorelasi
3. Uji Run
4. Unit Roots Test
Penulis juga
menguji Integrasi
dan menggunakan
pasar modal
syariah
Hasil penelitian
menunjukkan bahwa
pasar modal
Indonesia, Malaysia,
dan Korea Selatan
telah efisien dalam
bentuk lemah
berdasarkan hasil
pengujian Ljung Box
Test dan Run Test.
22. Jurgen H.
Waworun-
deng dan
Paulina Van
Rate
Analisis
Hubungan
Pasar Modal
ASEAN dengan
Pasar Modal
Indonesia di
Bursa Efek
Indonesia /
2018
1. Uji Kolmogorov
Smirnov
2. Uji Linearitas
ANOVA
3. Uji Heteroskeda
tisitas
4. Uji Correlations
Perbedaan Metode:
1. Uji Akar Unit
2. Granger
Causality Test
3. Uji Kointegrasi
Johansen
4. Uji VECM
5. IRF, dan
Hasil penelitian
menunjukkan bahwa
Bursa Singapura,
Filipina dan Thailand
mempunyai
hubungan yang
signifikan dengan
BEI, sedangkan bursa
Malaysia tidak
70
No. Peneliti Judul Metode
Penelitian Perbedaan Hasil Penelitian
6. FEVD
Penulis juga
menguji EMH dan
memakai pasar
modal syariah
mempunyai
hubungan yang
signifikan dengan
BEI.
23. Robiyanto
dan Aldhi
Fajar
Hartanto
Contagion
Effect dan
Integrasi Pasar
Modal di
Kawasan Asia,
Eropa dan
Amerika / 2018
1. Uji Stasioneritas
2. Uji Kausalitas
Granger
3. VAR
Tambahan Metode:
1. Uji Kointegrasi
Johansen
2. IRF, dan
3. FEVD
Penulis juga
menguji EMH dan
memakai pasar
modal syariah
Hasil penelitian
menunjukkan bahwa
tidak terdapat
comovement antar
semua indeks. Hanya
ada delapan indeks
dari sebelas indeks
yang memiliki
pengaruh searah.
C. Kerangka Pemikiran
Penelitian ini bertujuan untuk mengetahui efisiensi dan integrasi pasar modal
syariah enam negara yang termasuk dalam Dow Jones Islamic Market Index
(DJIMI). Data yang digunakan dalam penelitian ini merupakan data time series
harian dari tiap pasar modal syariah yang menjadi objek penelitian. Model
analisis efisiensi pasar modal syariah terdiri dari uji Kolmogorov Smirnov, Runs
Test, uji Autokorelasi dan uji Stasioner Unit Roots. Adapun model analisis
integrasi pasar modal syariah yaitu menggunakan analisis Vector Autoregresion
(VAR)/Vector Error Correction Model (VECM) dengan tahap-tahap analisisnya,
yaitu Uji Stasioneritas Unit Roots, Penentuan Lag Optimum, Uji Stabilitas VAR,
71
Uji Kausalitas Granger, Uji Kointegrasi Johansen, estimasi VAR/VECM, Impulse
Response Function (IRF), dan Forecast Error Variance Decomposition (FEVD).
Langkah pertama adalah mengumpulkan data nilai penutupan saham ke enam
pasar modal syariah DJIMI yang menjadi objek penelitian melalui web
investing.com, kemudian data-data tersebut diolah dengan bantuan software
Eviews, SPSS dan Microsoft Excel. Langkah kedua yaitu melakukan pengujian
efisiensi dan integrasi pasar modal syariah. Pengujian efisien pasar modal syariah
dilakukan menggunakan data return saham dari ke enam pasar modal syariah.
Sebelum melakukan pengujian efisien pasar bentuk lemah maka dilakukan
terlebih dahulu uji statistik deskriptif return saham ke enam pasar modal syariah
untuk memberikan gambaran data penelitian secara deskriptif. Selanjutnya
melakukan uji normalitas dengan Kolmogorov Smirnov Test untuk melihat
kenormalan data, kemudian Uji Runs Test untuk melihat apakah pasar dalam
bentuk efisien lemah atau tidak, kemudian Uji Autokorelasi untuk mendukung Uji
Runs Test mengenai efisiensi pasar bentuk lemah, dan terakhir Uji Stasioneritas
menggunakan Unit Root Test.
Langkah selanjutnya yaitu menguji integrasi ke enam pasar modal syariah
DJIMI dengan menggunakan metode VAR (Vector Autoregression) atau VECM
(Vector Error Correction Models) dengan pengujian stasioneritas Unit Roots,
Penentuan Panjang Lag, Stabilitas VAR, Uji Kausalitas Granger, Uji Kointegrasi
Johansen, Estimasi VAR/VECM, Uji IRF dan Uji FEVD. Langkah pertama
72
pengujian integrasi pasar modal syariah yaitu melakukan pengujian Uji
Stasioneritas Unit Roots menggunakan Uji Augmented Dickey Fuller (ADF) yang
bertujuan untuk melihat data tersebut stasioner atau tidak stasioner. Ketika data
stasioner maka dilanjutkan dengan uji VAR in level namun ketika data tidak
stasioner maka data didiferensiasi pada tingkat first difference sehingga data yang
digunakan adalah data yang telah didiferensiasi pada tingkat pertama (first
difference) dengan menggunakan metode VAR in difference untuk variabel pasar
modal syariah yang tidak terdapat hubungan jangka panjang atau VECM untuk
variabel pasar modal syariah yang terdapat hubungan jangka panjang. Setelah
menguji stasioneritas data, langkah kedua uji integrasi pasar modal syariah yaitu
menentukan panjang lag optimum setiap variabel pasar modal syariah kemudian
langkah ketiga menguji stabilitas VAR untuk mengetahui model VAR/VECM
yang akan digunakan sudah stabil atau belum agar hasil analisis Impulse
Response Function (IRF) dan Forecast Error Variance Decomposition (FEVD)
dapat dikatakan valid dan dapat dilanjutkan ke pengujian selanjutnya, yaitu uji
kausalitas dan uji kointegrasi. Langkah ke empat yaitu uji Kausalitas Granger yang
dilakukan untuk mengetahui bagaimana hubungan diantara pasar modal syariah
Malaysia, Jepang, Cina, Eropa, dan Amerika Serikat terhadap Indonesia, apakah
terjadi hubungan satu arah atau dua arah (saling mempengaruhi) atau tidak
memiliki hubungan. Langkah ke lima yaitu uji Kointegrasi Johansen dilakukan
untuk mengetahui adanya hubungan jangka panjang antar variabel karena hal ini
akan berpengaruh dalam pemilihan estimasi yang akan dilakukan, yakni apakah
73
estimasi VAR in difference atau estimasi VECM. Langkah ke enam estimasi
VAR atau VECM, jika diketahui data stasioner pada level, maka dapat langsung
dilakukan estimasi VAR bentuk level, sedangkan untuk data yang stasioner pada
first difference serta terjadi kointegrasi dilakukan estimasi VECM. Akan tetapi,
apabila tidak terjadi kointegrasi, maka akan dilakukan estimasi VAR in
difference. Setelah Uji Kointegrasi, apabila model VAR atau VECM dikatakan
valid. Apabila model VAR/VECM dikatakan valid, maka tahapan selanjutnya
adalah estimasi model VAR/VECM tersebut dan terakhir dilakukan analisis
Impulse Response Function (IRF) dan Forecast Error Variance Decomposition
(FEVD). Secara sistematis alur kerangka pemikiran dalam penelitian ini
digambarkan sebagai berikut:
74
Gambar 2.4
Kerangka Pemikiran
Uji Kausalitas Granger
Stasioner Tidak Stasioner
Uji Kointegrasi Johansen
Stasioner didifferensiasi data
VECM
Ya
Tidak
Pengujian Efficiency Market Hypothesis Pengujian Integrasi
VAR bentuk
difference
Uji Run Uji Autokorelasi
IRF dan FEVD
Indeks Saham Syariah
1. Indonesia/ISSI,
2. Malaysia/DJIMY
3. Jepang/DJIJP
4. Cina/DJICHKU,
5. Eropa/DJIEU, dan
6. Amerika Serikat/IMUS
Interpretasi Hasil Uji
Kesimpulan dan Saran
VAR bentuk level
Efficiency Market Hypothesis dan Integrasi
Uji Kolmogorov S Uji Stasioneritas
75
D. Hipotesis Penelitian
Hipotesis merupakan jawaban sementara terhadap rumusan masalah
penelitian, oleh karena itu rumusan masalah penelitian biasanya disusun dalam
bentuk kalimat pertanyaan (Sugiono, 2010:93). Terdapat dua jenis hipotesis, yaitu
hipotesis statistik atau hipotesis nol (H0) dan hipotesis kerja atau hipotesis
alternatif (Ha). Hipotesis kerja menyatakan adanya hubungan antara hubungan
variabel X dan Y. Sedangkan hipotesis nol menyatakan tidak adanya pengaruh
variabel X terhadap variabel Y (Suharsimi Arikunto, 2014:112). Berikut ini
beberapa hipotesis mengenai efisiensi market hipotesis bentuk lemah dan
integrasi pasar modal syariah enam negara yang terdapat dalam penelitian ini.
1. Hipotesis Pertama
H0 : Pasar modal syariah negara Indonesia/ISSI, Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika
Serikat/IMUS efisien dalam bentuk lemah.
Ha : Pasar modal syariah negara Indonesia/JKISSI, Malaysia/DJIMY,
Jepang/DJIJP, Cina/ DJICHKU, Eropa/DJIEU, dan Amerika
Serikat/IMUS tidak efisien dalam bentuk lemah.
2. Hipotesis Kedua
H0 : Tidak terdapat hubungan kausalitas antara pasar modal syariah di
Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan
76
Amerika Serikat/IMUS dengan pasar modal syariah Indonesia/ISSI.
Ha : Terdapat hubungan kausalitas antara pasar modal syariah di
Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan
Amerika Serikat/IMUS dengan pasar modal syariah Indonesia/ISSI.
3. Hipotesis Ketiga
H0 : Tidak terdapat hubungan jangka panjang antara pasar modal syariah
di Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU,
dan Amerika Serikat/IMUS dengan pasar modal syariah
Indonesia/ISSI.
Ha : Terdapat hubungan jangka panjang antara pasar modal syariah di
Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan
Amerika Serikat/IMUS dengan pasar modal syariah Indonesia/ISSI.
4. Hipotesis Keempat
H0 : Tidak terdapat kontribusi tiap pasar modal syariah di
Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan
Amerika Serikat/IMUS dalam pergerakan pasar modal syariah
Indonesia/ISSI.
Ha : Terdapat kontribusi tiap pasar modal syariah di Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika
Serikat/IMUS dalam pergerakan pasar modal syariah Indonesia/ISSI.
77
BAB III
METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah pasar modal syariah yang terdapat di tiga
kawasan dan pasar modal yang digunakan adalah pasar modal syariah yang
tercatat dalam Dow Jones Islamic Market Index (DJIMI). Kawasan Asia diwakili
oleh Indeks Saham Syariah Indonesia (ISSI), Dow Jones Islamic Market
Malaysia (DJIMY), Dow Jones Islamic Market Japan (DJIJP) dan Dow Jones
Islamic Index China Kingdom Unity (DJICHKU), sedangkan kawasan Eropa
diwakili oleh pasar modal syariah Dow Jones Islamic Market Europe (DJIEU),
adapun kawasan Amerika diwakili oleh pasar modal syariah Islamic Market
United States (IMUS). Negara-negara tersebut dipilih berdasarkan pengamatan
peneliti mengenai perkembangan sektor pasar modal syariah dan lainnya, secara
singkat alasan tersebut peneliti uraikan sebagai berikut.
Berdasarkan Laporan Data Sosial Ekonomi Badan Pusat Statistik (BPS)
Indonesia tahun 2014, jumlah penduduk di Indonesia sesuai dari hasil Sensus
Penduduk tahun 2010 (SP2010) berjumlah 237.741.326 juta orang dan jumlah
penduduk Indonesia yang beragama Islam berjumlah 207.176.162 jiwa atau
sebesar 87,18%. yang seharusnya jika dilihat dari besarnya penduduk muslim di
Indonesia sangat memungkinkan untuk memiliki pasar modal syariah dengan
78
tujuan agar para investor muslim dapat ikut berkontribusi dalam pembangunan
negara melalui pasar modal yang sesuai dengan syariat Islam. Perkembangan
pasar modal syariah di Indonesia dimulai sejak tahun 1997 dengan menerbitkan
Reksa Dana Syariah yang diikuti dengan diterbitkannya Obligasi Syariah pada
tahun 2002 dan pada tahun 2000 diterbitkannya Jakarta Islamic Index (JII),
setelah mengalami perkembangan menjadi OJK dan DSN-MUI menerbitkan
Indeks Saham Syariah Indonesia (ISSI) pada Mei 2011.
Penduduk Negara Malaysia mayoritas memeluk agama Islam. Secara
geografis Malaysia merupakan negara yang terdekat dengan Indonesia. Hal ini
menjadikan adanya perdagangan bebas antar negara yang dapat memperkuat
hubungan intra kawasan dari kedua negara tersebut. Kemudian Malaysia juga
merupakan negara yang maju dalam hal finansial, hal ini dapat dilihat dari
perkembangan dunia finansial dan investasi Islam di Malaysia. Perkembangan
investasi syariah di pasar modal Malaysia bisa dikatakan baru dimulai setelah
pada tahun 1983 pemerintah Malaysia menerbitkan obligasi syariah yang pertama
dan cukup sukses. Maka dari itu peneliti memilih pasar modal syariah Malaysia
(DJIMY) sebagai salah satu variabel penelitian ini.
Jepang salah satu Negara yang mayoritas penduduknya adalah penganut ateis
(tidak memiliki keyakinan agama). Jumlah Penduduk muslim di Jepang
diperkirakan hanya 100 ribu jiwa. Ini jumlah yang sangat sedikit jika
dibandingkan dengan jumlah total rakyat Jepang yang mencapai jumlah 20 juta
79
jiwa. Statistik menunjukkan bahwa 80% penduduk Jepang adalah pemeluk Budha
atau Sinto. Sementara Kristen hanya berjumlah 0,7%. Diperkirakan 85% pada
realita orang Jepang adalah ateis sejati. Di tengah – tengah itulah, muslim Jepang
berusaha untuk tetap terus berjalan. Namun, pemerintah Jepang terus mendukung
dengan perkembangan keuangan syariah meskipun terkesan lambat dibandingkan
dengan negara maju lainnya. Nilai pasar modal syariah di Jepang (DJIJP) pada
akhir tahun 2014 sebesar 1247,11 sedangkan di Indonesia (ISSI) jauh lebih kecil
dari Jepang, yaitu sebesar 168.64. Maka dari itu yang membuat peneliti tertarik
untuk memasukan Jepang sebagai variabel dalam penelitian ini.
Cina adalah Negara yang memiliki jumlah penduduk terbesar di benua Asia
dengan rasio 19% dari jumlah penduduk di dunia. Namun hanya sebanyak 21,6
juta jiwa atau setara dengan 1,6% dari demografi Cina yang memeluk agama
Islam. Jumlah penduduk muslim yang sedikit di Cina tidak mempengaruhi sektor
keuangan syariah di Cina yang yang terus mengalami peningkatan. Meningkatnya
ekspor-impor berbasis syariah menempatkan Cina sebagai negara yang sangat
diperhitungkan karena aliran uang di pasar Cina dikenal sebagai salah satu yang
terbaik. Meluasnya sektor keuangan Islam di Cina membuat Indonesia cukup
terintegrasi. Sebab komunitas masyarakat regional di kawasan ASEAN dan China
telah membentuk komunitas perdagangan bebas, yakni melalui perjanjian
ACFTA (ASEAN China Free Trade Area). Jumlah penduduk muslim di Cina
lebih sedikit di bandingkan Indonesia namun Cina memiliki pasar modal syariah
80
yang lebih tinggi dibandingkan Indonesia. Maka dari itu, peneliti tertarik untuk
memasukan Cina sebagai variabel penelitian ini.
Jumlah penduduk muslim di Eropa mengalami peningkatan, berdasarkan riset
oleh Pew Research Center menyatakan pertumbuhan penduduk muslim di Eropa
meningkat dari tahun 2010 sebesar 3,8% atau sebanyak 19,5 juta menjadi
meningkat di tahun 2016 sebesar 4.9% atau sebanyak 25,8 juta. Jumlah penduduk
muslim di Eropa yang lebih kecil daripada Indonesia, namun pasar modal syariah
negara Eropa lebih tinggi dibandingkan Indonesia ini yang membuat peneliti
tertarik untuk memasukan Eropa sebagai variabel dalam penelitian ini.
Amerika Serikat adalah negara sekuler sehingga pemerintah tidak mengakui
suatu agama tertentu sebagai agama resmi. Namun pemerintah AS menjamin
kebebasan beragama bagi setiap penduduknya. Menurut laporan pusat penelitian
Pew pada tahun 2014, 70,6% penduduk AS menganut agama Kristen. Adapun
1,9% penduduk AS adalah yahudi. Yahudi menempati posisi agama non-kristen
terbesar di AS. Sedangkan umat muslim di AS sebesar 0,9% dan sisanya 22,8%
penduduk AS menganut paham ateis. Namun pada tahun 2017 jumlah penduduk
muslim di AS meningkat menjadi 1,1%. Meski jumlah penduduk muslim di AS
sangat minoritas dibandingkan dengan penduduk muslim di Indonesia, namun AS
memiliki pasar modal syariah yang lebih tinggi dibandingkan Indonesia. Selain
itu, Amerika Serikat adalah negara pertama yang mengembangkan pasar modal
syariah dan equity fund seperti reksadana. Sejak The Amana Fund diluncurkan
81
oleh The North American Islamic Trust sebagai equity fund pertama di tahun
1986, maka tiga tahun kemudian Dow Jones Index meluncurkan Dow Jones
Islamic Market Index (DJIMI). Maka dari itu, peneliti tertarik untuk memasukan
Amerika Serikat sebagai variabel dalam penelitian ini.
Analisis masalah pada penelitian ini adalah untuk menguji efisiensi pasar
modal syariah menggunakan teori efficiency market hypothesis (EMH) dalam
bentuk lemah dan untuk menganalisis integrasi pasar modal syariah, dengan
melihat 6 (enam) pasar modal syariah yaitu Indonesia/ISSI, Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS.
B. Jenis dan Sumber Data
Untuk mengumpulkan informasi yang diperoleh dalam penelitian ini
menggunakan data sekunder. Data sekunder adalah data yang diperoleh dalam
bentuk yang sudah jadi, sudah dikumpulkan dan diolah oleh pihak lain, biasanya
dalam bentuk publikasi. Data sekunder yang diperoleh dari website
www.investing.com. Adapun periode penelitian selama 5 (lima) tahun yaitu dari
01 Januari 2014 sampai dengan 31 Desember 2018. Adapun data sekunder yang
digunakan dalam penelitian ini adalah laporan historical price harga saham harian
dari ke enam pasar modal syariah yang berasal dari Indeks Saham Syariah
Indonesia (ISSI), Dow Jones Islamic Market Malaysia (DJIMY), Dow Jones
Islamic Market Japan (DJIJP), Dow Jones Islamic Index China Kingdom Unity
82
(DJICHKU), Dow Jones Islamic Market Europe (DJIEU), dan Islamic Market
United States (IMUS).
C. Populasi dan Sampel
1. Populasi
Populasi didefinisikan sebagai suatu keseluruhan pengamatan atau objek
yang menjadi perhatian kita. Anggota populasi disebut dengan elemen populasi.
Masalah populasi timbul terutama pada penelitian opini yang menggunakan
metode survei sebagai teknik pengumpulan data. Populasi dalam penelitian ini
adalah Index Islamic Global yang merupakan bagian dari Dow Jones Global
Index (DJGI) yang di dalamnya terdiri dari 34 Negara.
2. Sampel
Sampel adalah sebuah kelompok anggota yang menjadi bagian populasi
sehingga juga memiliki karakteristik populasi. Sampel disebut juga sebagian
anggota populasi (Burhan et al., 2012:21). Hasil pengukuran atau karakteristik
dari sampel tersebut disebut “statistik”. Sampel yang digunakan adalah data
time series yang merupakan historical closing price dari ISSI, DJIMY, DJIJP,
DJICHKU, DJIEU, dan IMUS.
Penentuan jumlah sampel yang digunakan dalam penelitian ini didasarkan
pada metode purposive sampling, yaitu teknik pengambilan sampel dengan
83
pertimbangan dan kriteria tertentu yang disesuaikan dengan tujuan penelitian.
Pemilihan sampel data dalam penelitian ini berdasarkan kriteria tertentu, yaitu:
1. Pasar modal syariah terbesar di enam negara yang dipilih dan yang memiliki
hubungan kerja sama erat dengan Indonesia.
2. Tersedianya data pasar modal syariah harian selama periode penelitian, yaitu
dari tahun 2014 sampai dengan tahun 2018.
D. Teknik Pengumpulan Data
Penelitian ini menggunakan data sekunder. Data sekunder yaitu data yang
diperoleh dari pihak lain dalam bentuk jadi dan dipublikasikan. Data sekunder
yang dipilih berupa data time series dengan skala harian mulai 01 Januari 2014
sampai dengan 31 Desember 2018 yang diambil dari sumber data
www.investing.com. Adapun teknik pengumpulan data yang digunakan dalam
penelitian ini, yaitu:
1. Penelitian Kepustakaan (Library Research), yaitu metode pengumpulan data yang
diperoleh dengan cara membaca buku-buku dan surat kabar, mengadakan
penelitian kepustakaan baik melalui buku-buku maupun bahan-bahan serta
literatur-literatur yang berkaitan erat dengan pokok permasalahan yang akan
diteliti seperti jurnal-jurnal.
2. Internet Research, yaitu mengambil data berupa pasar modal syariah enam
negara Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU,
Eropa/DJIEU, dan Amerika Serikat/IMUS dari sumber www.investing.com.
84
E. Teknik Analisis Data
Pengujian hipotesis penelitian ini dilakukan dengan menguji data harian pasar
modal syariah enam negara yaitu Indonesia, Malaysia, Jepang, Cina, Eropa, dan
Amerika Serikat yang telah dipilih secara berturut-turut sejak 01 Januari 2014
sampai dengan 31 Desember 2018. Penelitian ini menggunakan alat bantu dalam
melakukan analisis data dan pengujian hipotesis, yaitu dengan Microsoft Excel,
EViews, dan SPSS. Langkah pertama dalam pengujian efisiensi pasar bentuk
lemah, yaitu menghitung return harian dari masing-masing pasar modal syariah.
Setelah keseluruhan data terkumpul, maka langkah selanjutnya penulis
menganalisa data tersebut sehingga dapat ditarik kesimpulan. Berbeda dengan
pengujian integrasi pasar modal syariah yang langsung menggunakan data daily
closing price ke enam pasar modal syariah tersebut, dan langkah selanjutnya
melakukan pengujian integrasi dengan estimasi VAR/VECM, kemudian ditarik
kesimpulan.
Return harian pasar modal syariah dapat diperoleh dengan menghitung terlebih
dahulu menggunakan rumus sebagai berikut:
𝑅𝑡 =𝑃𝑡 − 𝑃𝑡−1
𝑃𝑡−1
Dimana:
𝑅𝑡 = return indeks harian atau return pasar
𝑃𝑡 = indeks hari ke t
𝑃𝑡−1 = indeks hari ke t-1
85
Metode analisis yang digunakan dalam penelitian agar dapat diinterpretasikan dan
mudah dipahami adalah:
1. Analisis Statistik Deskriptif
Statistik deskriptif adalah teknik statistik yang memberikan informasi hanya
mengenai data yang dimiliki dan tidak bermaksud untuk menguji hipotesis dan
kemudian menarik inferensi yang digeneralisasikan untuk data yang lebih besar
atau populasi (Burhan et al., 2012:8). Suatu data dapat dideskripsikan melalui
mean, standar deviasi, varian, maksimum, minimum, sum, skewness, dan
kurtosis. Berikut ini penjelasan dari beberapa perhitungan pokok dalam statistik
deskriptif (Wahyu Winarno, 2011:3.9-3.10):
a. Mean (rata-rata) diperoleh dengan menjumlahkan seluruh data dan
membaginya dengan cacah data.
b. Maximum adalah nilai yang paling besar dari data.
c. Minimum adalah nilai yang paling kecil dari data.
d. Standar deviasi adalah ukuran disperse atau penyebaran data.
e. Skewness adalah ukuran asimetri distribusi data di sekitar mean.
f. Kurtosis mengukur ketinggian suatu distribusi.
g. Jarque-Bera adalah uji statistik untuk mengetahui apakah data berdistribusi
normal atau tidak. Uji ini mengukur perbedaan skewness dan kurtosis data
yang dibandingkan dengan apabila datanya bersifat normal.
86
2. Uji Normalitas (Kolmogorov Smirnov Test)
Uji normalitas dapat dilakukan dengan menggunakan uji Kolmogorov
Smirnov satu arah. Uji Kolmogorov-Smirnov termasuk dalam uji nonparametrik
untuk kasus satu sampel. Uji ini digunakan untuk menguji asumsi normalitas
data. Tes dalam uji ini adalah tes goodness of fit yang mana tes tersebut untuk
mengukur tingkat kesesuaian antara distribusi serangkaian sampel (data
observasi) dengan distribusi teoritis tertentu. Uji Kolmogorov-Smirnov biasa
digunakan untuk memutuskan jika sampel berasal dari populasi dengan
distribusi spesifik/tertentu.
Uji Kolmogorov-Smirnov digunakan untuk menguji goodness of fit antar
distribusi sampel dan distribusi lainnya, uji ini membandingkan serangkaian
data pada sampel terhadap distribusi normal serangkaian nilai dengan mean dan
standar deviasi yang sama. Singkatnya uji ini dilakukan untuk mengetahui
kenormalan distribusi beberapa data. Uji Kolmogorov-Smirnov merupakan uji
yang lebih kuat daripada uji chi-square ketika asumsi-asumsinya terpenuhi. Uji
Kolmogorov-Smirnov juga tidak memerlukan asumsi bahwa populasi
terdistribusi secara normal. Jika signifikansinya > 0,05 maka distribusi normal
dan sebaliknya jika signifikansi < 0,05 maka variabel tidak terdistribusi normal
(Wiratna Sujarweni, 2015: 52-56).
Hipotesis pada uji Kolmogorov-Smirnov adalah sebagai berikut:
H0 : data mengikuti distribusi normal
87
Ha : data tidak mengikuti distribusi normal
Dasar pengambilan keputusan uji statistik dengan Kolmogorov-Smirnov Z
(1Sample K-S) adalah:
a. Jika nilai Asymp. Sig. (2-tailed) < 0.05, maka H0 ditolak dan Ha diterima.
Hal ini berarti data residual terdistribusi tidak normal.
b. Jika nilai Asymp. Sig. (2-tailed) > 0.05, maka H0 diterima dan Ha ditolak.
Hal ini berarti data residual terdistribusi normal.
3. Uji Run
Run Test merupakan bagian dari statistik nonparametrik yang dapat
menguji sebuah saham. Uji run nonparametrik digunakan untuk menguji
keacakan rangkaian return apakah return saham di pasar modal dapat
diprediksi. Uji Run dilakukan untuk melihat random walk hypothesis. Uji
random walk digunakan untuk mengetahui apakah harga saham merupakan
deretan harga yang acak atau tidak. Hal ini menyatakan bahwa harga masa
depan tidak dapat diperkirakan dari perubahan sebelumnya dan dari periode ke
periode perubahan harga secara statistik adalah independen atau tidak dapat
diprediksi atau efisien dalam bentuk lemah (Utami, 2018:108).
Pengambilan keputusan pada uji Run adalah sebagai berikut:
1. Jika hasil uji Run menunjukkan nilai signifikan < 0,05 maka dapat
disimpulkan bahwa residual tidak random atau terjadi autokorelasi antar
nilai residual.
88
2. Jika hasil uji Run menunjukkan nilai signifikan > 0,05 dapat disimpulkan
bahwa residual random atau tidak terjadi autokorelasi antar nilai residual.
Dalam run test menggunakan uji Z, dengan langkah yang sebagai berikut:
a. Bandingkan perubahan harga saham harian dengan harga saham harian
sebelumnya.
b. Tentukan posisi perubahannya (naik, turun, tetap).
c. Hitung jumlah masing-masing tanda setiap saham.
d. Hitung runtun sesungguhnya (R) periode yang diobservasi.
e. Hitung expected run, untuk seluruh tanda dengan rumus:
𝑀 =[N(𝑁 + 1) − ∑ ni
23𝑖=1 ]
𝑁
Keterangan:
M = total jumlah run yang diharapkan
N = total jumlah perubahan harga
ni = jumlah perubahan harga untuk tiap tanda
f. Hitung deviasi standar dengan rumus:
𝜎𝑀=
√[∑ 𝑛123
𝑡=1 [∑ 𝑛123
𝑡=1 + 𝑁(𝑁 + 1] − 2𝑁 ∑ 𝑛123
𝑡=1 − 𝑁3]
√𝑁3 (𝑁 − 1)
g. Menghitung Z, karena perubahan harga mengikuti atau menyesuaikan
dengan distribusi normal (random walk) dengan rumus:
𝑍ℎ𝑖𝑡 =[(𝑅 ± 1 2⁄ ) − 𝑚]
𝜎𝑀
89
Dimana : R adalah jumlah runtun sesungguhnya adalah koreksi
kontinum (+ jika R m dan - >m)
h. Menentukan α dan mengevaluasi hasil pengolahan data berdasarkan nilai Z
yang didapat.
i. Melakukan randomness test, jika besar prob value lebih besar dari α, maka
sampel probabilitas tinggi.
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara
anggota serangkaian data observasi yang diuraikan menurut waktu (times-
series) atau ruang (cross section) (Wiratna Sujawerni, 2015:177). Autokorelasi
(autocorrelation) adalah hubungan antara residual satu observasi dengan
residual observasi lainnya. Autokorelasi lebih timbul pada data yang bersifat
runtun waktu, karena berdasarkan sifatnya, data masa sekarang dipengaruhi
oleh data pada masa-masa sebelumnya. Meskipun demikian, tetap
dimungkinkan autokorelasi dijumpai pada data yang bersifat antar objek (cross
section) (Wing Wahyu Winarno, 2009:5.26).
Autokorelasi terjadi karena beberapa sebab. Wing Wahyu Winarno
(2009:5.26) menyebutkan beberapa penyebab autokorelasi, diantaranya:
a. Data mengandung pergerakan naik turun secara musiman, misalnya kondisi
perekonomian suatu negara yang kadang naik dan kadang menurun.
90
b. Kekeliruan memanipulasi data, misalnya data tahunan dijadikan data
kuartalan dengan membagi empat.
c. Data runtut waktu, yang meskipun bila dianalisis dengan model yt = a + bxt
+ et, karena datanya bersifat runtut, maka berlaku juga yt-1 = a + bxt-1 + et-
1. Dengan demikian akan terjadi hubungan antara data sekarang dan data
periode sebelumnya.
d. Data yang dianalisis tidak bersifat stasioner
Pengujian autokorelasi menggunakan uji Lagrange Multiplier (LM Test).
Uji LM Test digunakan untuk menguji masalah autokorelasi tidak hanya pada
derajat pertama (first order) tetapi juga digunakan pada berbagai tingkat
autokorelasi. Oleh karena itu banyak penulis yang menyatakan bahwa uji LM
Test lebih bermanfaat dibanding uji Durbin Watson (DW). Hal ini benar bila
ukuran sampel yang digunakan cukup besar, di atas 100 observasi dan dengan
derajat autokorelasi lebih dari satu Suliyanto (2011: 129-130).
Uji LM Test akan menghasilkan statistik Breusch-Godfrey (BG Test). Untuk
melihat terjadi autokorelasi atau tidak pada Breusch-Godfrey Serial Correlation
LM Test yaitu dengan melihat nilai probabilitas F hitung. Jika nilai F hitung
lebih kecil dari tingkat alpha 0.05 (5%) maka uji hipotesis H0 ditolak artinya
terjadi korelasi, namun jika nilai F hitung lebih besar dari alpha 0.05 (5%) maka
uji hipotesis Ha diterima artinya tidak terjadi autokorelasi.
91
5. Analisis VAR/VECM
Model Vector Autoregression (VAR) diperkenalkan oleh Christopher Sims
pada tahun 1980. Beik dan Fatmawati (2014:163) memaparkan bahwa jika
sebelumnya univariate autoregression merupakan sebuah persamaan tunggal
(single equation) dengan model linier variabel tunggal (single-variable linear
model), di mana nilai sekarang dari masing-masing variabel dijelaskan oleh lag-
nya sendiri, maka VAR merupakan sebuah n-persamaan dengan n-variabel, di
mana masing-masing variabel dijelaskan oleh nilai lag-nya sendiri, serta nilai
saat ini dan masa lampaunya (current and past values).
Persoalan yang timbul dalam data time series adalah berkaitan dengan
stasioneritas data time series dan kointegrasi. Jika data stasioner dalam bentuk
level maka digunakan model Vector Autoregression (VAR), tetapi jika data
tidak stasioner pada tingkat level, tetapi stasioner pada diferensiasi, dan saling
berkointegrasi maka data memiliki hubungan jangka panjang. Apabila terdapat
kointegrasi, maka model yang digunakan adalah model Vector Error
Correction Model (VECM) (Rasyidin, 2016:20). Jika data stasioner pada
dideferensiasi dan tidak terdapat hubungan jangka panjang, maka model yang
digunakan adalah model VAR in difference. Model VECM ini merupakan
model yang terintriksi (restricted VAR) karena kointegrasi yang menunjukkan
adanya hubungan jangka panjang antar variabel di dalam sistem VAR. Apabila
data stasioner pada proses diferensiasi namun variabel tidak terkointegrasi
92
disebut model VAR dengan data diferensiasi (VAR in difference) (Widarjono,
2007:374).
Analisis VAR mensyaratkan beberapa pengujian antara lain: Uji
Stasioneritas Unit Root, Uji Optimum Lag, Uji Stabilitas Model VAR, Uji
Kausalitas, Uji Kointegrasi, Model VECM (Jangka Panjang), Analisis Impuls
Response Function (IRF), dan Analisis Forecast Error Variance
Decomposition (FEVD).
a. Uji Stasioneritas (Unit Roots)
Permasalahan stasioneritas data time series yaitu mengenai stasioneritas.
Regresi dengan data time series akan menyebabkan regresi tersebut
meragukan sehingga memungkinkan munculnya regresi palsu (spurious
regression). Model ini mungkin didapat akibat variabel terikat dan variabel
bebas yang digunakan untuk membentuk regresi tidak stasioner. Oleh karena
itu diperlukan uji stasioneritas agar regresi menjadi tidak meragukan dengan
mengubah data yang tidak stasioner menjadi stasioner. Uji yang paling
umum digunakan yaitu Uji Unit Roots yang dikenalkan oleh David Dickey
dan Wayne Fuller atau juga dikenal uji Augmented Dickey-Fuller (ADF)
(Ardina Puspitasi, 2015: 192). Sekumpulan data dinyatakan stasioner jika
nilai rata-rata dan varian dari data time series tersebut tidak mengalami
perubahan secara sistematik sepanjang waktu atau sebagian ahli menyatakan
rata-rata dan variannya konstan (Nachrowi dan Usman, 2006:340).
93
Pengujian ADF dilakukan menggunakan perangkat lunak Eviews, hasil t
statistik dibandingkan dengan nilai t MacKinnon Critical Value. Jika t-
statistik lebih kecil dari test critical value berarti data tidak stasioner.
Sebaliknya jika t-statistik lebih besar dari test critical value berarti data
stasioner. Dapat juga dengan melihat nilai probabilitas hasil uji ADF. Jika
nilai Probabilitas lebih besar dari tingkat level (1%, 5%, 10%) maka berarti
data tidak stasioner. Sebaliknya jika nilai probabilitas lebih kecil tingkat
level berarti data data stasioner. Pada uji stasioneritas data untuk pengujian
integrasi pasar modal syariah, Rasyidin (2016:20) menyebutkan jika dari
hasil uji ADF menunjukkan data tidak stasioner, maka perlu dilakukan uji
derajat integrasi. Uji derajat integrasi dimaksudkan untuk melihat pada
derajat atau order diferensiasi ke berapa data yang diamati akan stasioner.
b. Penentuan Panjang Lag
Salah satu permasalahan yang terjadi dalam uji stasioneritas adalah
penentuan lag optimal. Permasalahan yang muncul apabila panjang lagnya
terlalu kecil akan membuat model tersebut tidak dapat digunakan karena
kurang mampu menjelaskan hubungannya. Sebaliknya, jika panjang lag
yang digunakan terlalu besar, maka derajat bebasnya (degree of freedom)
akan menjadi lebih besar sehingga tidak efisien lagi dalam menjelaskan
(Shochrul R Ajija, dkk, 2011: 166).
94
Penentuan lag optimal dapat menggunakan dengan beberapa kriteria
seperti Akaike Information Criteria (AIC), Schwartz Information Criteria
(SIC), Hannan Quinn (HQ), Likelihood Ratio (LR) dan Final Prediction
Error (FPE). Untuk memudahkan penentuan lag optimal model VAR dapat
dilakukan dengan bantuan program komputer Eviews, dimana tanda asterik
(*) mengindikasikan lag order yang ditentukan oleh masing-masing kriteria
dalam penentuan panjangnya lag tersebut.
Untuk mengestimasi model VAR diperlukan panjang kelambanan untuk
melihat keterkaitan suatu variabel dengan variabel lainnya. Dalam penelitian
ini panjang kelambanan yang digunakan ketika melakukan estimasi model
VAR adalah menggunakan suatu kriteria yaitu Akaike Information Criterion
(AIC), yaitu dengan memilih hasil estimasi dengan nilai AIC yang paling
kecil. Adapun perhitungan AIC adalah sebagai berikut (Maruddani dan
Safitri, 2008:8):
𝐴𝐼𝐶 = 𝑙𝑜𝑔 [∑ ѐ𝑖
2
𝑛] +
2𝑘
𝑛
Dimana:
∑ ѐ𝑖2 = jumlah kuadrat residual
k = jumlah variabel independen
n = jumlah observasi
95
c. Stabilitas VAR
Dalam mengestimasi model diperlukan tingkat validasi yang tinggi agar
hasil estimasi yang diperoleh dapat dipercaya. Hasil tersebut dapat dipercaya
jika model persamaan mempunyai stabilitas. Uji stabilitas digunakan untuk
melihat apakah model yang digunakan stabil atau tidak (Ardina Puspitasari,
2015:193).
Stabilitas model VAR dapat dilihat pada nilai modulus yang dimiliki
oleh setiap variabel. Model VAR dikatakan stabil apabila nilai modulus
berada pada radius < 1 dan tidak stabil jika nilai modulus > 1. Jika nilai
Modulus yang paling besar kurang dari satu dan berada pada titik optimal,
maka komposisi tadi sudah berada pada posisi optimal dan model VAR
sudah stabil dan bisa dilanjutkan dengan uji kausalitas dan uji kointegrasi.
d. Uji Kausalitas Granger
Uji kausalitas adalah pengujian untuk menentukan hubungan sebab
akibat antara variabel dalam sistem VAR. Hubungan sebab akibat ini dapat
diuji dengan menggunakan uji kausalitas Granger (Granger Causality Test).
Granger Causality Test ini semata-mata menampilkan suatu rangkaian
kronologis dari perubahan dan pergerakan suatu variabel dalam sistem atau
model. Dasar teori pengujian kausalitas Granger ini adalah bahwa suatu
variabel (misalkan X) dikatakan menyebabkan variabel lain (misalkan Y)
96
jika Y saat ini dapat diprediksi dengan lebih baik menggunakan seluruh
informasi masa lalu atau nilai-nilai masa lalu dalam variabel X (Juanda dan
Juandi, 2012:145).
Dalam uji kausalitas ini ada 3 (tiga) kemungkinan arah hubungan
kausalitas yang terjadi, yaitu X menyebabkan Y, Y menyebabkan X atau
hubungan timbal balik (dua arah) apabila X menyebabkan Y pada saat yang
bersamaan Y menyebabkan X. Salah satu kesimpulan tersebut dapat diambil
jika hipotesis null kondisi tersebut di atas ditolak, yakni apabila nilai F
statistic > F tabel atau nilai probabilitas yang ditunjukkan Granger Causality
Test pada modul Eviews ternyata lebih kecil daripada selang keyakinan (α)
yang digunakan.
Pengambilan kesimpulan dalam Granger Causality Test dapat dilihat
dari nilai probabilitas. Apabila nilai probabilitas < 0.05, maka terjadi
kausalitas, dan sebaliknya apabila > 0.05, maka tidak terjadi kausalitas.
97
e. Uji Kointegrasi Johansen
Uji kointegrasi bertujuan untuk menentukan apakah variabel-variabel
yang tidak stasioner terintegrasi atau tidak. Konsep kointegrasi ditemukan
oleh Engle dan Granger (1987) sebagai kombinasi linear dari dua atau lebih
variabel yang tidak stasioner. Kombinasi linear ini dikenal dengan istilah
persamaan kointegrasi dan dapat diinterpretasikan sebagai hubungan
keseimbangan jangka panjang diantara variabel (Beik dan Fatmawati, 2014).
Santosa (2013:84) menjelaskan bahwa jika data time series Y dan X
tidak stasioner pada tingkat level tetapi menjadi stasioner pada tingkat
diferensi pertama, maka kedua data tersebut dikatakan terkointegasi atau
mempunyai hubungan jangka panjang. Jadi dapat dikatakan bahwa uji
kointegrasi hanya dapat dilakukan jika data tersebut berintegrasi pada derajat
yang sama.
Uji kointegrasi data dilakukan ketika uji stasioneritas data menghasilkan
data-data yang tidak stasioner. Uji kointegrasi perlu dilakukan untuk
mengetahui apakah data mempunyai hubungan jangka panjang
(terkointegrasi). Hubungan saling mempengaruhi juga dapat dilihat dari
kointegriasi yang terjadi antar variabel itu sendiri dan menentukan model
yang akan diestimasi, apakah menggunakan VAR biasa atau Vector Error
Correction Model (VECM). Sebagaimana dinyatakan oleh Engle-Granger
98
(1983) keberadaan variabel non stasioner menyebabkan kemungkinan
adanya hubungan jangka panjang antara variabel di dalam sistem VAR.
Berkaitan dengan hal ini, maka langkah selanjutnya di dalam estimasi VAR
adalah uji kointegrasi untuk mengetahui keberadaan hubungan antar
variabel. Pada langkah ini kita akan mengetahui apakah model kita
merupakan VAR tingkat diferensiasi jika tidak ada kointegrasi dan VECM
bila terdapat kointegrasi.
Santosa (2013:84) menjelaskan Cointegration Johansen Test dapat
digunakan untuk menetukan kointegrasi sejumlah variabel (vektor) dengan
model autoregresif dengan order p dan dirumuskan sebagai berikut:
𝑌𝑡 = 𝐴1𝑌𝑡−1 + 𝐴𝑝𝑌𝑝−1 + 𝐵𝑋𝑡 + 𝜀𝑡
Dimana:
Yt = vektor k dari variabel I nonstokatistik
Xt = vektor d dari deterimistik
ɛt = vektor inovasi
Menurut Ardina Puspitasari, et.al (2015:193) hasil dari uji kointegrasi
Johansen yaitu membandingkan nilai trace statistic dengan critical value
pada taraf nyata 5%. Jika nilai trace statistic lebih besar daripada critical
value maka terdapat kointegrasi di antara variabel. Selain itu juga dapat
99
dilihat dari nilai probilitasnya, jika nilai probilitasnya lebih kecil dari 0.05
maka variabel tersebut terintegrasi.
f. Estimasi VAR/VECM
Proses estimasi model dengan VAR diawali dengan pengujian
stasioneritas data. Jika data stasioner pada tingkat level maka model VAR
yang terbentuk adalah model VAR biasa (unrestricted VAR). Jika data tidak
stasioner pada tingkat level namun stasioner pada proses diferensiasi data
maka langkah selanjutnya adalah melakukan uji kointegrasi dengan metode
pengujian kointegrasi Johansen, apakah data mempunyai hubungan jangka
panjang atau tidak. Jika tidak ada kointegrasi maka VAR yang terbentuk
adalah VAR dengan data diferensiasi (VAR in difference). Apabila terdapat
kointegrasi maka model VAR yang terbentuk adalah Vector Error
Correction Model (VECM) yang bersifat model terestriksi.
Vector Error Correction Model (VECM) merupakan bentuk VAR yang
terestriksi. Restriksi tambahan ini harus diberikan karena keberadaan bentuk
data yang tidak stasioner pada level, VECM kemudian memanfaatkan
informasi restriksi kointegrasi tersebut ke dalam spesifikasinya. Oleh karena
itu, VECM sering disebut sebagai desain VAR bagi series non stasioner bagi
hubungan kointegrasi. Dengan demikian dalam VECM terdapat speed of
adjustment dari jangka pendek ke jangka panjang. Adapun model VECM
secara umum adalah sebagai berikut (Beik dan Fatmawati, 2014:164).
100
∆𝑦𝑡 = 𝜇0𝑥 + 𝜇1𝑥𝑡 + Ԥ𝑥𝑦𝑡−1 + ∆𝑦𝑡−1+ 𝜀𝑡
Dimana:
𝑦𝑡 = vektor yang berisi variabel yang dianalisis dalam penelitian
𝜇0𝑥 = vektor intersep
𝜇1𝑥 = vektor koefisien regresi
𝑡 = time trend
Ԥ𝑥 = 𝛼𝑥 𝛽′ di mana b’ mengandung persamaan kointegrasi
𝑦𝑡−1 = variabel in level
Г𝑖𝑥 = matriks koefisien regresi
k-1 = ordo VECM dari VAR
𝜀𝑡 = error term
Dari hasil estimasi model VECM dapat dilihat Impulse Response
Function (IRF) dan Forecast Error Variance Decomposition (FEVD) suatu
variabel terhadap variabel lainnya atau terhadap dirinya sendiri IRF maupun
FEVD. Hasil IRF dan FEVD inilah yang selanjutnya akan dianalisis untuk
dapat melihat kedinamisan model. Dari dua analisis tersebut akan dapat
dianalisis respon masing-masing variabel terhadap kejutan variabel lainnya
dan seberapa besar kontribusi masing-masing variabel kepada dekomposisi
varian variabel lainnya.
101
g. Analisis Impulse Response Function (IRF)
Impulse Response Function (IRF) adalah suatu metode yang digunakan
untuk menentukan respon suatu variabel endogen terhadap suatu shock
tertentu. Hal ini dikarenakan shock variabel, misalnya variabel ke-i, tidak
hanya berpengaruh terhadap variabel ke-i saja tetapi ditransmisikan kepada
semua variabel endogen lainnya melalui struktur dinamis atau struktur lag
dalam VAR (Beik dan Fatmawati, 2014:166).
Model VAR dapat digunakan untuk melihat dampak perubahan dari
suatu variabel dalam sistem terhadap variabel lainnya dalam sistem secara
dinamis. Caranya adalah dengan memberikan guncangan (shocks) pada salah
satu variabel endogen. Guncangan yang diberikan biasanya sebesar satu
standar deviasi dari variabel tersebut (biasanya disebut innovations).
Penelusuran pengaruh guncangan sebesar satu standar deviasi yang dialami
oleh satu variabel di dalam sistem terhadap nilai-nilai semua variabel saat ini
dan beberapa periode mendatang disebut sebagai teknik Impulse Response
Function (IRF) (Juanda dan Juandi, 2012:139).
Widarjono (2007: 380) menjelaskan bahwa Impulse Response Function
merupakan hasil estimasi VAR yang dapat digambarkan dengan grafik
(graph) atau tabel, dengan melihat graph atau tabel IRF kita dapat melihat
102
seberapa besar respon variabel terhadap kejutan/guncangan sebesar satu
standar deviasi (S.D) dari variabel-variabel di dalam model.
h. Analisis Forecast Error Variance Decomposition (FEVD)
Analisis FEVD dalam model VAR bertujuan untuk memprediksi
kontribusi persentase varian setiap peubah karena adanya perubahan peubah
tertentu dalam sistem VAR. Pada analisis IRF sebelumnya digunakan untuk
melihat dampak guncangan dari suatu peubah terhadap peubah lainnya,
dalam analisis FEVD digunakan untuk menggambarkan relatif pentingnya
setiap peubah dalam sistem VAR karena adanya shock (Juanda dan Juandi,
2012).
Forecast Error Variance Decomposition berupa tabel yang dapat
memberikan gambaran varian sebuah variabel akibat adanya kejutan variabel
lainnya maupun terhadap dirinya sendiri. Dengan melihat variabel yang
bersifat exogen (menjelaskan) akan dapat diketahui apakah kejutan masing-
masing variabel sangat penting dalam membentuk varian variabel tersebut
dan variabel lainnya dengan kata lain analisis Forecast Error Variance
Decomposition (FEVD) bermanfaat untuk mengetahui kejutan variabel mana
yang paling mempengaruhi perubahan suatu variabel.
F. Operasional Variabel Penelitian
Variabel utama dalam penelitian efisiensi pasar bentuk lemah adalah return
saham harian. Adapun variabel utama dalam penelitian integrasi pasar modal
103
syariah adalah historical closing price dari pasar modal syariah Indonesia/ISSI,
Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika
Serikat/IMUS. Periode dalam penelitian ini, yakni dari 01 Januari 2014 sampai
dengan 31 Desember 2018. Data tersebut diperoleh dari website
www.investing.com. Berikut ini deskripsi variabel utama dari enam indeks yang
akan diteliti adalah sebagai berikut:
1. ISSI
Indeks Saham Syariah Indonesia (ISSI) didirikan pada tanggal 12 Mei
2011. ISSI menjadi indikator yang menunjukkan kinerja/pergerakan indeks
harga saham syariah yang terdaftar di Bursa Efek Syariah. Konstituen ISSI
adalah seluruh saham syariah yang tercatat di BEI dan terdaftar menjadi Daftar
Efek Syariah (DES), sehingga ISSI merupakan indeks yang mencerminkan
seluruh saham syariah yang terdaftar di BEI. Konstituen ISSI direview setiap
enam bulan sekali (Mei dan November) dan dipublikasikan pada bulan
berikutnya.
2. DJIMY
Dow Jones Islamic Market Index Malaysia (DJIMY) adalah indeks saham
berbasis syariah yang ada di Malaysia. Sebelumnya Malaysia telah memiliki
pasar saham syariahnya sendiri yaitu Kuala Lumpur Syariah Index (KLSI),
namun indeks tersebut dinonaktifkan pada tanggal 1 Oktober 2007. DJIMY
diluncurkan bersama dengan indeks DJIM negara lainnya pada Februari 1999.
104
Metode yang digunakan DJIMY untuk menghitung indeks yaitu kapitalisasi
pasar menggunakan jumlah saham yang beredar atau free-float market
capitalization. (www.djindexes.com)
3. DJIJP
Pada Februari 1999, Dow Jones meluncurkan indeks bursa syariah yang
pertama, yaitu Dow Jones Islamic Market Index (DJIMI) yang merupakan
bagian dari kelompok indeks-indeks global Dow Jones. Sekitar tahun 2000,
ada 117 saham yang terdaftar di Dow Jones Islamic Market Japan Index
(DJIJP) dan dihitung berdasarkan kapitalisasi pasar menggunakan jumlah
saham yang beredar atau free-float market capitalization.
(www.djindexes.com)
4. DJICHKU
Dow Jones Islamic Market China Hongkong USD (DJICHKU) adalah
indeks saham berbasis syariah yang ada di Cina Hongkong. Dow Jones
Islamic Market Index (DJIMI) diluncurkan pada Februari 1999 yang terdapat
69 indeks dari 32 negara yang juga diluncurkannya DJICHKU. Seperti pada
indeks DJIMI lainnya DJICHKU dihitung berdasarkan kapitalisasi pasar
menggunakan jumlah saham yang beredar atau free-float market
capitalization. (www.djindexes.com)
105
5. DJIEU
Dow Jones Islamic Market Index Europe (DJIEU) adalah indeks saham
berbasis syariah yang ada di Eropa. DJIEU yang mengukur kinerja saham
syariah terbaik di Eropa yang diluncurkan bersamaan dengan 32 negara
lainnya yang termasuk dalam Dow Jones Islamic Market Index (DJIMI).
Metode yang digunakan untuk menghitung indeks ini adalah kapitalisasi pasar
menggunakan jumlah saham yang beredar atau free-float market
capitalization. (www.djindexes.com)
6. IMUS
Dow Jones Islamic Market United States Index (IMUS) diluncurkan
bersama dengan saham-saham dari 32 negara lainnya, mencakup 10 sektor
ekonomi, 18 sektor pasar, 51 kelompok, dan 89 sub kelompok indsutri pada
Februari 1999. Metode yang digunakan untuk menghitung indeks ini adalah
kapitalisasi pasar menggunakan jumlah saham yang beredar atau free-float
market capitalization sama dengan indeks Dow Jones Islamic Market Index di
negara lainnya. (www.djindexes.com)
106
BAB IV
ANALISIS DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian
Pasar modal dapat dikatakan sebagai barometer untuk melihat kemajuan
suatu negara karena pasar modal memberikan gambaran kesehatan dan
pertumbuhan ekonomi negara yang bersangkutan. Sektor pasar modal merupakan
salah satu sektor kegiatan perekonomian global yang dinilai memiliki peluang
yang besar untuk dikembangkan.
Globalisasi pasar sekuritas kini menarik perhatian berbagai pemangku
kepentingan. Adanya kemajuan teknologi dan informasi di era globalisasi menjadi
solusi untuk menghindari risiko investasi yang tinggi dan nilai saham yang dinilai
terlalu rendah (undervalue) jika dilakukan pada satu pasar modal lokal. Semakin
terbukanya sistem finansial dunia membuat investor dapat mengurangi risiko
dengan melakukan investasi di beberapa negara (international risk sharing).
Gejala globalisasi ini dapat menimbulkan gejala menyatunya ekonomi dunia
sehingga memungkinkan terintegrasinya pasar modal yang menyebabkan
munculnya hubungan saling terkait dan saling mempengaruhi hampir seluruh
pasar modal di dunia. Hal ini disebut dengan integrasi pasar modal.
Integrasi pasar modal merupakan suatu keadaan di mana harga-harga saham
di berbagai pasar modal di dunia mempunyai hubungan yang sangat dekat
107
(closely correlated) antara suatu pasar modal dengan pasar modal lainnya di
dunia, sehingga pasar modal di dunia dapat mencapai suatu harga internasional
(international pricing) atas saham-saham mereka dan memberikan akses yang
tidak terbatas atau hambatan apapun kepada para investor di seluruh dunia untuk
memilikinya.
Upaya memaksimalkan keunggulan bersaing menjadi sesuatu yang harus
dilakukan oleh suatu negara agar tercapai efisiensi dalam pasar modal. Kondisi
pasar efisien lebih ditekankan pada aspek informasi, artinya pasar yang efisien
adalah pasar di mana harga semua sekuritas yang diperdagangkan telah
mencerminkan semua informasi yang tersedia. Sehingga investor akan sulit untuk
mendapatkan informasi asimetris (asymmetric information) yang digunakan untuk
memperoleh keuntungan di atas keuntungan yang diharapkan (expected return).
Sehingga integrasi pasar modal menjadi hal yang menarik untuk dikaji bersamaan
dengan efisiensi pasar modal.
Munculnya produk syariah di pasar modal berawal dari keinginan untuk
mengakomodir kebutuhan umat Islam yang ingin berinventasi dengan prinsip
syariah. Hal ini yang melatarbelakangi Bursa Efek Indonesia yang bekerja sama
dengan PT. Danareksa Investment Management meluncurkan Jakarta Islamic
Index (JII) pada tahun 2000 dan Indeks Saham Syariah Indonesia (ISSI) pada
tahun 2011 juga turut melengkapi berkembangnya pasar modal syariah di
Indonesia. Perkembangan pasar modal syariah menjadi semakin pesat dan bahkan
108
negara yang terkenal ateis memiliki pasar modal syariah yang sangat maju.
Meluasnya arus globalisasi ini menjadikan investor negara muslim dapat
melakukan investasi di pasar modal syariah berbagai negara. Sehingga objek
dalam penelitian ini yaitu pasar modal syariah Indonesia/ISSI, Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS.
B. Analisis dan Pembahasan Efisiensi Pasar Modal Syariah
Pembahasan pasar efisien dalam bentuk lemah erat kaitannya dengan return
saham di mana pasar efisien dalam bentuk lemah diklasifikasikan menjadi daya
prediksi return. Berdasarkan hal tersebut, maka pengujian efisiensi pasar modal
syariah dalam penelitian ini menggunakan return saham dari nilai penutupan
harian pasar modal syariah periode 01 Januari 2014 s.d. 31 Desember 2018.
Didukung oleh penelitian terdahulu yang menggunakan return saham dari
nilai daily closing price pada pengujian pasar efisien dalam bentuk lemah yang
diantaranya penelitian oleh Kashif Hamid, et.al (2010), Kasilingan Lingaraja, et.al
(2014), Khoa Cuong Phan dan Jian Zhou (2014) Neha Seth dan Sharma (2015),
Hatane Semuel, et.all (2016), Astriyana Prima Kartika, et al (2017), Alia Tri
Utami (2018) dan masih banyak lagi penelitian terdahulu yang menguji efisiensi
pasar dengan menggunakan return saham. Oleh karena itu, analisis singkat
mengenai pola pergerakan return saham ke enam pasar modal syariah akan
dibahas sebagai berikut.
109
a. Indeks Saham Syariah Indonesia (ISSI)
Gambar 4.1. Pergerakan Return Saham atas ISSI
-.04
-.03
-.02
-.01
.00
.01
.02
.03
.04
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
ISSI
Sumber: data diolah menggunakan Eviews
Berdasarkan gambar di atas, terlihat range pergerakan return saham ISSI
adalah antara -0.04 hingga 0.04. Indeks ini memiliki return saham terendah
sebesar -3.39 % dan return saham tertinggi sebesar 3.33%.
b. Dow Jones Islamic Market Index Malaysia (DJIMY)
Gambar 4.2. Pergerakan Return Saham atas DJIMY
-.04
-.03
-.02
-.01
.00
.01
.02
.03
.04
.05
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
DJIMY
Sumber: data diolah menggunakan Eviews
110
Berdasarkan gambar di atas, terlihat range pergerakan return saham
DJIMY adalah antara -0.04 hingga 0.05. Indeks ini memiliki return saham
terendah sebesar -3.45 % dan return saham tertinggi sebesar 4.81 %.
c. Dow Jones Islamic Market Japan (DJIJP)
Gambar 4.3. Pergerakan Return Saham atas DJIJP
-.06
-.04
-.02
.00
.02
.04
.06
.08
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
DJIJP
Sumber: data diolah menggunakan Eviews
Berdasarkan gambar di atas, terlihat range pergerakan return saham
DJIJP adalah antara -0.06 hingga 0.08. Indeks ini memiliki return saham
terendah sebesar -5.06 % dan return saham tertinggi sebesar 6.79 %.
111
d. Dow Jones Islamic Market China Hongkong USD (DJICHKU)
Gambar 4.4. Pergerakan Return Saham atas DJICHKU
-.05
-.04
-.03
-.02
-.01
.00
.01
.02
.03
.04
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
DJICHKU
Sumber: data diolah menggunakan Eviews
Berdasarkan gambar di atas, terlihat range pergerakan return saham
DJICHKU adalah antara -0.05 hingga 0.04. Indeks ini memiliki return saham
terendah sebesar -4.75 % dan return saham tertinggi sebesar 3.44 %.
e. Dow Jones Islamic Market Europe (DJIEU)
Gambar 4.5. Pergerakan Return Saham atas DJIEU
-.08
-.06
-.04
-.02
.00
.02
.04
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
DJIEU
Sumber: data diolah menggunakan Eviews
112
Berdasarkan gambar di atas, terlihat range pergerakan return saham
DJIEU adalah antara -0.08 hingga 0.04 Indeks ini memiliki return saham
terendah sebesar -6.32 % dan return saham tertinggi sebesar 3.19 %.
f. Dow Jones Islamic Market Amerika Serikat (IMUS)
Gambar 4.6. Pergerakan Return Saham atas IMUS
-.06
-.04
-.02
.00
.02
.04
.06
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
IMUS
Sumber: data diolah menggunakan Eviews
Berdasarkan gambar di atas, terlihat range pergerakan return saham
IMUS adalah antara -0.04 hingga 0.06. Indeks ini memiliki return saham
terendah sebesar -3.97 % dan return saham tertinggi sebesar 4.11 %.
Pengujian pasar modal efisien dalam bentuk lemah pada pasar modal syariah
Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU,
dan Amerika Serikat/IMUS diawali dengan melihat gambaran data penelitian di
pengujian statistik deskriptif, kemudian uji normalitas data dengan uji
113
Kolmogorov Smirnov, selanjutnya uji Run, setelah itu uji autokorelasi
menggunakan LM-Test dan terakhir uji stasioneritas data dengan Uji Unit Roots
Augmented Dickey Fuller (ADF). Berikut analisis dan pembahasan pengujian
efisiensi ke enam pasar modal syariah:
1. Statistik Deskriptif
Statistik deskriptif adalah teknik statistik yang memberikan informasi
hanya mengenai data yang dimiliki dan tidak bermaksud untuk menguji
hipotesis dan kemudian menarik inferensi yang digeneralisasikan untuk data
yang lebih besar atau populasi (Burhan et al., 2012: 8). Suatu data dapat
dideskripsikan melalui mean, standar deviasi, varian, maksimum, minimum,
skewness, kurtosis. Variabel yang digunakan yaitu pasar modal syariah di
Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/
DJIEU, dan Amerika Serikat/IMUS. Dari data satu variabel dependen dan
lima variabel independen tersebut, diujilah pengujian statistik deskriptif
dengan diperoleh hasil sesuai tabel berikut ini:
114
Tabel 4.1
Hasil Statistik Deskriptif Return Saham Pasar Modal Syariah
ISSI DJIMY DJIJP DJICHKU DJIEU IMUS
Mean -8.99E-05 0.000183 0.000367 -0.000673 9.97E-06 0.000398
Median 0.000000 0.000213 0.000327 -0.000354 0.000353 0.000258
Maximum 0.033378 0.048054 0.067893 0.034436 0.031878 0.041053
Minimum -0.033887 -0.034490 -0.050588 -0.047546 -0.063157 -0.039735
Std. Dev. 0.007804 0.006760 0.010514 0.008003 0.008564 0.008016
Skewness -0.269355 0.184174 -0.012597 -0.367604 -0.523448 -0.440454
Kurtosis 4.967564 8.248017 8.197677 5.521015 6.807674 6.075027
Sum -0.110004 0.223689 0.448290 -0.823301 0.012199 0.487257
Observations 1223 1223 1223 1223 1223 1223
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel 4.1 di atas maka hasil uji statistik deskriptif return
saham dari ke enam pasar modal syariah menunjukkan sampel observasi
sebanyak 1223 hari dari periode 01 Januari 2014 s.d. 31 Desember 2018 yang
menghasilkan data sebagai berikut:
a. Return Saham Indeks Saham Syariah Indonesia (ISSI)
Pasar modal syariah Indonesia/ISSI memiliki rata-rata return saham
(mean) terendah yaitu sebesar -8.99E-05 atau –0,00000899 artinya secara
umum return saham ISSI negatif atau mengalami kerugian sehingga rata-
rata return saham ISSI rendah dan memiliki risiko yang rendah pula.
Sedangkan standar deviasi ISSI sebesar 0.007804 atau dapat dikatakan
115
bahwa rata-rata penyimpangan ISSI sebesar 0.007804. Nilai standar
deviasi yang tinggi dari nilai rata-rata ISSI menunjukkan bahwa
penyebaran data return harian memiliki perbedaan nilai yang cukup besar
atau terjadi kesenjangan yang cukup besar pada setiap sampel sehingga
dari hasil di atas dapat diketahui juga bahwa ketiga data tidak terdistribusi
normal.
Adapun nilai maksimum ISSI sebesar 0.033378 dan nilai minimum
ISSI sebesar -0.033887. Hasil tersebut menunjukkan bahwa pasar modal
syariah Indonesia mengalami fluktuasi yang tidak terlalu besar.
Sedangkan nilai median ISSI sebesar 0. Nilai skewness ISSI sebesar -
0.269355. Hal ini menunjukkan bahwa data cenderung berdistribusi
normal yaitu mendekati nilai 0. Adapun nilai kurtosis sebesar 4.967564,
nilai kurtosis ISSI ini positif dan sangat jauh dari 0 sehingga
menunjukkan data bersifat runcing dan cenderung mengelompok
(homogen). Sedangkan jumlah total ISSI sebesar -0.110004.
b. Dow Jones Islamic Market Malaysia (DJIMY)
Pasar modal syariah Malaysia/DJIMY memiliki rata-rata return
saham (mean) terendah kedua setelah ISSI yaitu sebesar 0.000183 artinya
DJIMY memiliki risiko yang rendah dan return yang rendah juga.
Sedangkan standar deviasi DJIMY sebesar 0.006760 atau dapat dikatakan
116
bahwa rata-rata penyimpangan DJIMY sebesar 0.006760. Nilai standar
deviasi yang tinggi dari nilai rata-rata DJIMY menunjukkan bahwa
penyebaran data return harian memiliki perbedaan nilai yang cukup besar
atau terjadi kesenjangan yang cukup besar pada setiap sampel sehingga
dari hasil di atas dapat diketahui juga bahwa ketiga data tidak terdistribusi
normal.
Adapun nilai maksimum DJIMY sebesar 0.048054 dan nilai
minimum DJIMY sebesar -0.034490. Hasil tersebut menunjukkan bahwa
pasar modal syariah Malaysia mengalami fluktuasi yang besar.
Sedangkan nilai median DJIMY sebesar 0.000213. Nilai skewness
DJIMY sebesar 0.184174. Hal ini menunjukkan bahwa data berdistribusi
normal yaitu mendekati nilai 0. Adapun nilai kurtosis DJIMY
sebesar 8.248017, nilai kurtosis DJIMY ini positif dan sangat jauh dari
0 sehingga menunjukkan data bersifat runcing dan cenderung
mengelompok (homogen). Sedangkan jumlah total DJIMY sebesar
0.223689.
c. Dow Jones Islamic Market Japan (DJIJP)
Pasar modal syariah Jepang/DJIJP memiliki rata-rata return saham
(mean) tinggi yaitu sebesar 0.000367 artinya DJIJP memiliki risiko yang
tinggi dan return yang tinggi juga. Sedangkan standar deviasi DJIJP
sebesar 0.010514 atau dapat dikatakan bahwa rata-rata penyimpangan
117
DJIJP sebesar 0.010514. Nilai standar deviasi yang tinggi dari nilai rata-
rata DJIJP menunjukkan bahwa penyebaran data return harian memiliki
perbedaan nilai yang cukup besar atau terjadi kesenjangan yang cukup
besar pada setiap sampel sehingga dari hasil di atas dapat diketahui juga
bahwa ketiga data tidak terdistribusi normal.
Adapun nilai maksimum DJIJP sebesar 0.067893 dan nilai minimum
DJIJP sebesar -0.050588. Hasil tersebut menunjukkan bahwa pasar modal
syariah Jepang mengalami fluktuasi yang besar. Sedangkan nilai median
DJIJP sebesar 0.000327. Nilai skewness DJIJP sebesar -0.012597. Hal ini
menunjukkan bahwa data berdistribusi normal yaitu mendekati nilai 0.
Adapun nilai kurtosis DJIJP sebesar 8.197677, nilai kurtosis DJIJP ini
positif dan sangat jauh dari 0 sehingga menunjukkan data bersifat runcing
dan cenderung mengelompok (homogen). Sedangkan jumlah total DJIJP
sebesar 0.448290.
d. Dow Jones Islamic Market China Hongkong USD (DJICHKU)
Pasar modal syariah Cina/DJICHKU memiliki rata-rata return saham
(mean) rendah yaitu sebesar -0.000673 artinya DJICHKU memiliki
return saham yang rendah dan risiko yang rendah juga. Sedangkan
standar deviasi DJICHKU sebesar 0.008003 atau dapat dikatakan bahwa
rata-rata penyimpangan DJICHKU sebesar 0.008003. Nilai standar
deviasi yang tinggi dari nilai rata-rata DJICHKU menunjukkan bahwa
118
penyebaran data return harian memiliki perbedaan nilai yang cukup besar
atau terjadi kesenjangan yang cukup besar pada setiap sampel sehingga
dari hasil di atas dapat diketahui juga bahwa ketiga data tidak terdistribusi
normal.
Adapun nilai maksimum DJICHKU sebesar 0.034436 dan nilai
minimum DJICHKU sebesar -0.047546 Hasil tersebut menunjukkan
bahwa pasar modal syariah Cina mengalami fluktuasi yang besar.
Sedangkan nilai median DJICHKU sebesar -0.000354. Nilai skewness
DJICHKU sebesar -0.367604. Hal ini menunjukkan bahwa data
berdistribusi normal yaitu mendekati nilai 0. Adapun nilai kurtosis
DJICHKU sebesar 5.521015, nilai kurtosis DJICHKU ini positif dan
sangat jauh dari 0 sehingga menunjukkan data bersifat runcing dan
cenderung mengelompok (homogen). Sedangkan jumlah total data
DJICHKU sebesar -0.823301.
e. Dow Jones Islamic Market Eropa (DJIEU)
Pasar modal syariah Eropa/DJIEU memiliki rata-rata return saham
(mean) rendah yaitu sebesar 9.97E-06 atau 0.000000997 artinya DJIEU
memiliki return yang rendah dan risiko yang rendah juga. Sedangkan
standar deviasi DJIEU sebesar 0.008564 atau dapat dikatakan bahwa rata-
rata penyimpangan DJIEU sebesar 0.008564. Nilai standar deviasi yang
tinggi dari nilai rata-rata DJIEU menunjukkan bahwa penyebaran data
119
return harian memiliki perbedaan nilai yang cukup besar atau terjadi
kesenjangan yang cukup besar pada setiap sampel sehingga dari hasil di
atas dapat diketahui juga bahwa ketiga data tidak terdistribusi normal.
Adapun nilai maksimum DJIEU sebesar 0.031878 dan nilai
minimum DJIEU sebesar -0.063157. Hasil tersebut menunjukkan bahwa
pasar modal syariah Eropa mengalami fluktuasi yang besar. Sedangkan
nilai median DJIEU sebesar 0.000353. Nilai skewness DJIEU sebesar -
0.523448. Hal ini menunjukkan bahwa data berdistribusi normal yaitu
mendekati nilai 0. Adapun nilai kurtosis DJIEU sebesar 6.807674, nilai
kurtosis DJIEU ini positif dan sangat jauh dari 0 sehingga menunjukkan
data bersifat runcing dan cenderung mengelompok (homogen).
Sedangkan jumlah total data DJIEU sebesar 0.012199.
f. Islamic Market US (IMUS)
Pasar modal syariah Amerika Serikat/IMUS memiliki rata-rata return
saham (mean) positif yaitu sebesar 0.000398 artinya IMUS memiliki
risiko yang tinggi dan return yang tinggi juga. Sedangkan standar deviasi
IMUS sebesar 0.008016 atau dapat dikatakan bahwa rata-rata
penyimpangan IMUS sebesar 0.008016. Nilai standar deviasi yang tinggi
dari nilai rata-rata DJIEU menunjukkan bahwa penyebaran data return
harian memiliki perbedaan nilai yang cukup besar atau terjadi
120
kesenjangan yang cukup besar pada setiap sampel sehingga dari hasil di
atas dapat diketahui juga bahwa ketiga data tidak terdistribusi normal.
Adapun nilai maksimum IMUS sebesar 0.041053 dan nilai minimum
IMUS sebesar -0.039735. Hasil tersebut menunjukkan bahwa pasar modal
syariah Amerika Serikat mengalami fluktuasi yang besar. Sedangkan nilai
median IMUS sebesar 0.000258. Nilai skewness IMUS sebesar -
0.440454. Hal ini menunjukkan bahwa data berdistribusi normal yaitu
mendekati nilai 0. Adapun nilai kurtosis IMUS sebesar 6.075027, nilai
kurtosis IMUS ini positif dan sangat jauh dari 0 sehingga menunjukkan
data bersifat runcing dan cenderung mengelompok (homogen).
Sedangkan jumlah total data IMUS sebesar 0.487257.
Statistik deskriptif tidak dapat dijadikan pedoman dalam pengambilan
kesimpulan bahwa pasar efisien dalam bentuk lemah melainkan digunakan
sebagai gambaran dari data yang diteliti, sehingga analisis data lebih lanjut
diperlukan untuk melihat apakah pasar modal syariah ke enam negara ini
efisien dalam bentuk lemah.
2. Uji Kolmogorov Smirnov
Uji Kolmogorov Smirnov digunakan untuk mengetahui apakah suatu data
terdistribusi secara normal atau tidak secara statistik. Berdasarkan penelitian
Astriyana Prima Kartika, et.al (2017:464), pada uji one-sample Kolmogorov
121
Smirnov Test dapat dinilai memiliki tingkat distribusi nilai return saham yang
normal apabila asymp. Sig. bernilai > nilai signifikansi (a) yaitu sebesar 0,05.
Berikut ini adalah hasil dari uji Kolmogorov Smirnov dari ke enam pasar
modal syariah yang dapat dilihat pada tabel 4.2.
Tabel 4.2
Hasil Uji Kolmogorov Smirnov
ISSI DJIMY DJIJP DJICHIKU DJIEU IMUS
N 1223 1226 1304 1234 1303 1301
Normal
Parametersa,b
Mean -.0000900 .0001996 .0002824 -.0006760 -.0000609 .0002888
Std. Deviation .00780374 .00676585 .01083000 .00799115 .00864468 .00855452
Most Extreme
Differences
Absolute .055 .062 .073 .052 .057 .093
Positive .034 .062 .068 .032 .051 .065
Negative -.055 -.054 -.073 -.052 -.057 -.093
Test Statistic .055 .062 .073 .052 .057 .093
Asymp. Sig. (2-tailed) .000c .000c .000c .000c .000c .000c
Sumber: data diolah menggunakan SPSS
Pada tabel hasil uji Kolmogorov Smirnov dapat dilihat bahwa nilai
asymptotic return saham ISSI (0.000), DJIMY (0.000), DJIJP (0.000),
DJICHKU (0.000), DJIEU (0.000) dan IMUS (0.000) lebih kecil dari nilai
alpha 5% (0,05) yang berarti return saham tidak terdistribusi normal selama 5
tahun periode pengamatan. Sedangkan hipotesis nol diterima ketika nilai
asymptotic signifikan > α (0,05). Berdasarkan hasil analisis tersebut maka
dapat disimpulkan hipotesis nol (H0) ditolak yang artinya data pasar modal
syariah Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU,
Eropa/DJIEU, dan Amerika Serikat/IMUS tidak mengikuti distribusi normal.
122
Hal ini terjadi akibat data ekstrim sehingga menghasilkan distribusi skewness
(kemiringan) pada ke enam pasar modal syariah. Jadi data return saham pasar
modal syariah Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP,
Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS mempunyai sifat
random (acak) dan fluktuatif yaitu terjadi kenaikan atau penurunan dari satu
periode ke periode waktu yang lain sehingga menghasilkan return saham
tidak berdistribusi secara normal. Hal ini terjadi akibat data ekstrim sehingga
menghasilkan distribusi skewness (kemiringan) pada ke enam pasar modal
syariah. Data daily closing price yang digunakan pada penelitian ini
mempunyai sifat random dan fluktuatif sehingga pengujian normalitas pada
return saham sering menghasilkan return saham yang tidak normal (Phan dan
Zhou, 2014, dan Prakash 2014).
3. Uji Run
Uji run merupakan salah satu analisis nonparametrik yang dapat
digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi.
Jika antar residual tidak terdapat korelasi maka dikatakan bahwa nilai residual
adalah acak atau random. Run test digunakan untuk melihat apakah data
residual terjadi secara random atau tidak (sistematis).
Berdasarkan Alia Tri Utami (2018) dan Hatane Semuel, dkk (2016)
pengujian ini dilakukan dengan membandingkan besar Asymp. Sig masing-
masing indeks dengan nilai signifikasi α 5% atau nilai z kurang dari ± 1.96.
123
Jika Asymp. Sig > α 5%, atau nilai z antara -1.96 sampai 1.96 maka hipotesis
nol diterima yaitu pasar modal syariah Indonesia/ISSI, Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS
telah efisien dalam bentuk lemah. Begitu pula sebaliknya bila Asymp. Sig < α
5%, maka hipotesis nol ditolak yang berarti pasar modal syariah tidak efisien
dalam bentuk lemah. Berikut ini adalah hasil dari uji Run dari ke enam pasar
modal syariah yang dapat dilihat pada tabel 4.3.
Tabel 4.3
Hasil Uji Run
Indeks Asymp. Sig. Z value Keterangan
ISSI 0.855 - 0.183 Pola return saham random
DJIMY 0.753 -0.315 Pola return saham random
DJIJP 0.841 -0.200 Pola return saham random
DJICHKU 0.668 -0.429 Pola return saham random
DJIEU 0.841 -0.200 Pola return saham random
IMUS 0.841 -0.200 Pola return saham random
Sumber: data diolah menggunakan SPSS
Pada tabel 4.2 menyajikan hasil pengujian runtun (Run Test) terhadap
pasar modal syariah Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP,
Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS dengan periode
lima tahun. Hasil pengujian pada tabel di atas menunjukkan bahwa nilai
Asymp. Sig pada ISSI (0.855), DJIMY (0.753), DJIJP (0.841), DJICHKU
(0.668), DJIEU (0.841), dan IMUS (0.841) lebih besar dari nilai signifikansi
124
alpha 5% (0,05). Hal ini berarti hipotesis nol (H0) diterima yang menyatakan
bahwa pasar modal syariah Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP,
Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS telah efisien
dalam bentuk lemah karena harga saham bersifat acak (random walk).
Begitu juga dengan nilai Z pada ISSI (-0.183), DJIMY (-0.315), DJIJP (-
0.200), DJICHKU (-0.429), DJIEU (-0.200), dan IMUS (-0.200) berada
diantara -1.96 dengan 1.96. Hal ini memperkuat bahwa hipotesis nol (H0)
diterima yang berarti pasar modal syariah Indonesia/ISSI, Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS
telah efisien dalam bentuk lemah.
Penelitian ini tidak sejalan dengan yang dilakukan oleh Hatane Semuel,
dkk (2016), Astriyana P. Kartika, et.al (2017), Kashif Hamid, et.al (2010),
Guidi dan Gupta (2011), Phan dan Zhou (2014), Neha Seth dan Sharma
(2015) mengatakan bahwa pasar modal tidak efisien dalam bentuk lemah
berdasarkan uji Run. Hal ini dikarenakan terdapat perbedaan pada data
penelitian yang menggunakan pasar modal konvensional dan masa penelitian.
Penelitian ini sejalan dengan yang dilakukan oleh Alia Tri Utami (2018),
dan Kasilingan Lingaraja et.al (2014) yang menghasilkan bahwa pasar modal
Indonesia dan Malaysia efisien dalam bentuk lemah. Hal ini berkaitan dengan
pengujian pasar modal syariah di negara Indonesia dan Malaysia yang sama
125
juga dengan pasar modal konvensional. Hasil run test ini menunjukkan pasar
modal efisien dalam bentuk lemah yang berarti pasar merespon informasi
dengan baik sehingga keseimbangan harga selalu terbentuk seiring dengan
informasi yang masuk. Pada kondisi ini investor tidak dapat hanya
menggunakan analisis teknikal untuk memprediksi harga di masa depan
berdasarkan harga data masa lalu karena terbukti hasil uji ini menghasilkan
bahwa harga bersifat acak.
Dari uraian hasil analisis tersebut maka dapat disimpulkan bahwa pasar
modal syariah Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/
DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS telah efisien dalam
bentuk lemah yang mengartikan bahwa harga saham hari ini tidak ada
hubungannya dengan harga saham sebelumnya.
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara
anggota serangkaian data observasi yang diuraikan menurut waktu (time
series) atau ruang (cross section) (Wiratna Sujawerni, 2015: 177).
Uji yang digunakan untuk melihat adanya autokorelasi atau tidak pada
data adalah uji LM-Test. Uji LM Test akan menghasilkan statistic Breusch-
Godfrey (BG Test). Untuk melihat terjadi autokorelasi atau tidak pada
Breusch-Godfrey Serial Correlation LM Test yaitu dengan melihat nilai
126
Probabilitas F hitung. Jika nilai Probabilitas F hitung lebih kecil dari tingkat
alpha 5% (0,05) maka uji hipotesis H0 ditolak artinya terjadi korelasi, namun
jika nilai Probabilitas F hitung (P-Value) lebih besar dari alpha 5% (0,05)
maka uji hipotesis Ha diterima artinya tidak terjadi autokorelasi. Berikut ini
adalah hasil dari uji autokorelasi ke enam pasar modal syariah yang dapat
dilihat pada tabel 4.4.
Tabel 4.4
Hasil Uji Autokorelasi
No. Variabel Obs*R-Squared Prob. Kesimpulan
1. ISSI 2.625936 0.2690 Tidak terdapat autokorelasi
2. DJIMY 2.618642 0.2700 Tidak terdapat autokorelasi
3. DJIJP 2.649038 0.2659 Tidak terdapat autokorelasi
4. DJICHKU 2.782003 0.2488 Tidak terdapat autokorelasi
5. DJIEU 2.621426 0.2696 Tidak terdapat autokorelasi
6. IMUS 2.694731 0.2599 Tidak terdapat autokorelasi
Sumber: Data diolah menggunakan Eviews
Berdasarkan tabel di atas, dapat dilihat bahwa pasar modal syariah
Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/
DJIEU, dan Amerika Serikat/IMUS tidak memiliki masalah autokorelasi
selama periode lima tahun. Pada indeks ISSI diketahui nilai hitung Obs*R-
square sebesar 2.625936 dengan probabilitas sebesar 0.2690 lebih besar dari
nilai alpha 5% (0,05), maka mengindikasikan bahwa data tidak mengandung
masalah autokorelasi. Pada indeks DJIMY diketahui nilai hitung Obs*R-
127
square sebesar 2.618642 dengan probabilitas sebesar 0.2700 lebih besar dari
nilai alpha 5% (0,05), maka mengindikasikan bahwa data tidak mengandung
masalah autokorelasi. Pada indeks DJIJP diketahui nilai hitung Obs*R-square
sebesar 2.649038 dengan probabilitas sebesar 0.2659 lebih besar dari nilai
alpha 5% (0,05), maka mengindikasikan bahwa data tidak mengandung
masalah autokorelasi. Pada indeks DJICHKU diketahui nilai hitung Obs*R-
square sebesar 2.782003 dengan probabilitas sebesar 0.2488 lebih besar dari
nilai alpha 5% (0,05), maka mengindikasikan bahwa data tidak mengandung
masalah autokorelasi. Pada indeks DJIEU diketahui nilai hitung Obs*R-
square sebesar 2.621426 dengan probabilitas sebesar 0.2696 lebih besar dari
nilai alpha 5% (0,05), maka mengindikasikan bahwa data tidak mengandung
masalah autokorelasi. Pada indeks IMUS diketahui nilai hitung Obs*R-square
sebesar 2.694731 dengan probabilitas sebesar 0.2599 lebih besar dari nilai
alpha 5% (0,05), maka mengindikasikan bahwa data tidak mengandung
masalah autokorelasi.
Penelitian ini tidak sejalan dengan yang dilakukan oleh Hatane Semuel,
dkk (2016), Kashif Hamid, et.al (2010), Phan dan Zhou (2014), mengatakan
bahwa pasar modal tidak efisien dalam bentuk lemah berdasarkan uji
autokorelasi. Hal ini dikarenakan terdapat perbedaan pada data penelitian
yang menggunakan pasar modal konvensional dan periode penelitian.
128
Penelitian ini sejalan dengan yang dilakukan oleh Alia Tri Utami (2018),
Wenty Y. Eliyawati, et.al (2014) dan Kasilingan Lingaraja et.al (2014) yang
menghasilkan bahwa pasar modal Indonesia dan Malaysia efisien dalam
bentuk lemah berdasarkan uji autokorelasi. Hal ini berkaitan dengan
pengujian pasar modal syariah di negara Indonesia dan Malaysia yang sama
juga dengan pasar modal konvensional. Hasil uji autokorelasi ini mendukung
uji Run.
Dari analisis di atas, maka dapat disimpulkan bahwa pasar modal syariah
Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/
DJIEU, dan Amerika Serikat/IMUS bersifat random atau efisien dalam bentuk
lemah artinya harga saham hari ini tidak ada hubungannya dengan harga
saham sebelumnya karena hasil analisis menunjukkan bahwa data pada ke
enam indeks tidak mengandung masalah autokorelasi.
5. Uji Stasioneritas Unit Roots
Pada penelitian ini, uji stasioneritas dilakukan dengan menggunakan
metode Augmented Dickey Fuller (ADF). Pengambilan keputusan terhadap
stasioneritas data didasarkan pada nilai kritis MacKinnon untuk mengetahui
pada derajat atau order diferensiasi ke berapa data akan stasioner. Hipotesis
dalam uji ini adalah sebagai berikut:
H0 : data tidak stasioner
Ha : data stasioner
129
Apabila nilai ADF statistik lebih besar daripada nilai kritis MacKinnon,
maka H0 ditolak yang berarti data tersebut stasioner karena tidak mengandung
unit root. Sebaliknya apabila nilai ADF statistik lebih kecil daripada nilai
kritis MacKinnon, maka Ha diterima yang berarti data tersebut tidak stasioner
pada derajat level. Dapat juga dilihat dari nilai probabilitasnya apabila nilai
probabilitas kurang dari taraf satu persen, lima persen, dan sepuluh persen
maka data tersebut stasioner pada taraf tersebut. Berikut hasil pengujian
stasioner data return saham dengan uji akar unit dapat dilihat pada output
sebagai berikut:
Tabel 4.5
Rangkuman Hasil Uji Stasioner Return Saham Tingkat Level
Indeks ADF Statistic MacKinnon Critical Value
P-Value Keterangan 1 % 5 % 10 %
ISSI -34.57080 -3.435488 -2.863697 -2.567968 0.0000 Stasioner
DJIMY -32.03175 -3.435475 -2.863691 -2.567965 0.0000 Stasioner
DJIJP -41.97478 -3.435157 -2.863550 -2.567890 0.0000 Stasioner
DJICHKU -36.16652 -3.435440 -2.863676 -2.567957 0.0000 Stasioner
DJIEU -35.57690 -3.435161 -2.863552 -2.567891 0.0000 Stasioner
IMUS -36.03142 -3.435169 -2.863556 -2.567893 0.0000 Stasioner
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel di atas, hasil uji unit root data return saham dengan
menggunakan Augmented Dickey Fuller (ADF-Test) menunjukkan bahwa
pada tingkat level nilai statistik ADF lebih besar dari MacKinnon critical
value satu persen, lima persen dan sepuluh persen, dan juga nilai probabilitas
130
yang lebih kecil dari nilai alpha 5% (0,05) yang berarti H0 ditolak. Jadi, data
return saham pasar modal syariah Indonesia/ISSI, Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS
pada tingkat level menunjukkan stasioner yang berarti terbebas dari masalah
unit root atau dengan kata lain pergerakan return saham pada masing-masing
indeks masih relatif stabil, meskipun pergerakannya fluktuatif.
Prakash (2014) menyebutkan bahwa eksistensi data stasioner
menunjukkan bahwa nilai error yang terjadi merupakan fungsi dari nilai error
sebelumnya dengan kata lain ada autokorelasi pada data. Oleh karena itu, data
stasioner menunjukkan kemungkinan dalam memprediksi harga di masa yang
akan datang berdasarkan historical price sehingga investor memiliki
kesempatan untuk memperoleh excess return. Sehingga hasil uji ADF ini
menunjukkan pasar modal syariah tidak efisien dalam bentuk lemah yang
berbanding terbalik dengan uji sebelumnya.
Ketidaksempurnaan yang dimiliki pasar modal dalam biaya transaksi,
kualitas pengungkapan informasi yang buruk, thin trading, peraturan
keuangan, dan akuntansi membuat pengujian efisiensi pasar bentuk lemah
pada pasar modal berkembang sering menghasilkan pasar tidak efisien dalam
bentuk lemah (Alia Tri Utami, 2018).
131
Sejalan dengan penelitian yang dilakukan oleh Alia Tri Utami (2018)
yang mengatakan bahwa pasar modal Indonesia dan Malaysia stasioner yang
berarti pasar tidak efisien dalam bentuk lemah. Data stasioner juga
mendukung penelitian Guidi dan Gupta (2011), Kasilingan Lingaraja, et.al
(2014), Neha Seth dan Sharma (2015). Penelitian ini tidak sejalan dengan
Kashif Hamid, et.al (2010) yang menghasilkan data tidak stasioner. Hal ini
dikarenakan perbedaan data yaitu menggunakan pasar modal konvensional.
Berdasarkan hasil analisis di atas dapat disimpulkan bahwa pasar modal
syariah Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU,
Eropa/DJIEU, dan Amerika Serikat/IMUS pada tingkat level menunjukkan
stasioner yaitu terbebas dari masalah akar unit dengan kata lain ada
autokorelasi pada data yang mengartikan bahwa pasar modal syariah tidak
efisien dalam bentuk lemah yang menunjukkan kemungkinan dalam
memprediksi harga di masa yang akan datang berdasarkan historical price.
C. Analisis dan Pembahasan Integrasi Pasar Modal Syariah
Pengujian integrasi pasar modal syariah ini dengan menggunakan data nilai
penutupan harian pasar modal syariah selama periode 01 Januari 2014 s.d. 31
Desember 2018. Berdasarkan penelitian terdahulu oleh Budi Santosa (2013), Irfan
Beik dan Fatmawati (2014), Ardina Puspitasari, et.all (2015), Yudistira Ardhana
(2017) dan M. Rasyidin (2016) dan banyak peneliti lain yang menggunakan data
132
nilai penutupan harian pada pengujian integrasi pasar modal. Oleh karena itu,
analisis singkat mengenai pola pergerakan nilai penutupan harian ke enam pasar
modal syariah akan di bahas sebagai berikut.
a. Indeks Saham Syariah Indonesia (ISSI)
Gambar 4.7. Pergerakan Indeks Saham Syariah Harian atas ISSI
130
140
150
160
170
180
190
200
210
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
ISSI
Sumber: data diolah dari Investing.com dengan Eviews
Berdasarkan gambar di atas, terlihat range pergerakan nilai penutupan
ISSI adalah antara 130 hingga 200. Indeks ini memiliki nilai penutupan
terendah sebesar 131.61 pada tanggal 25 September 2015 dan nilai penutupan
tertinggi sebesar 199.61 pada tanggal 29 Januari 2018. Nilai penutupan rata-
rata ISSI sebesar 168.5976.
133
b. Dow Jones Islamic Market Index Malaysia (DJIMY)
Gambar 4.8. Pergerakan Indeks Saham Syariah Harian atas DJIMY
600
700
800
900
1,000
1,100
1,200
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
DJIMY
Sumber: data diolah dari Investing.com dengan Eviews
Berdasarkan gambar di atas, terlihat range pergerakan nilai penutupan
DJIMY adalah antara 600 hingga 1200. Indeks ini memiliki nilai penutupan
terendah sebesar 680.92 pada tanggal 27 Desember 2016 dan nilai penutupan
tertinggi sebesar 1105.1 pada tanggal 08 Juli 2014. Nilai penutupan rata-rata
DJIMY sebesar 847.6746.
c. Dow Jones Islamic Market Japan (DJIJP)
Gambar 4.9. Pergerakan Indeks Saham Syariah Harian atas DJIJP
1,000
1,200
1,400
1,600
1,800
2,000
2,200
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
DJIJP
Sumber: data diolah dari Investing.com dengan Eviews
134
Berdasarkan gambar di atas, terlihat range pergerakan nilai penutupan
DJIJP adalah antara 1000 hingga 2200. Indeks ini memiliki nilai penutupan
terendah sebesar 1133.35 pada tanggal 04 Februari 2014 dan nilai penutupan
tertinggi sebesar 2095.04 pada tanggal 24 Januari 2018. Nilai penutupan rata-
rata DJIJP sebesar 1522.27.
d. Dow Jones Islamic Market China Hongkong USD (DJICHKU)
Gambar 4.10. Pergerakan Indeks Saham Syariah Harian atas DJICHKU
1,200
1,400
1,600
1,800
2,000
2,200
2,400
2,600
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
DJICHKU
Sumber: data diolah dari Investing.com dengan Eviews
Berdasarkan gambar di atas, terlihat range pergerakan nilai penutupan
DJICHKU adalah antara 1200 hingga 2600. Indeks ini memiliki nilai
penutupan terendah sebesar 1357.4 pada tanggal 21 Januari 2016 dan nilai
penutupan tertinggi sebesar 2501.3 pada tanggal 07 Juni 2018. Nilai
penutupan rata-rata DJICHKU sebesar 1878.913.
135
e. Dow Jones Islamic Market Eropa (DJIEU)
Gambar 4.11. Pergerakan Indeks Saham Syariah Harian atas DJIEU
2,600
2,800
3,000
3,200
3,400
3,600
3,800
4,000
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
DJIEU
Sumber: data diolah dari Investing.com dengan Eviews
Berdasarkan gambar di atas, terlihat range pergerakan nilai penutupan
DJIEU adalah antara 1200 hingga 2600. Indeks ini memiliki nilai penutupan
terendah sebesar 2731.72 pada tanggal 11 Februari 2016 dan nilai penutupan
tertinggi sebesar 3908.9 pada tanggal 26 Januari 2018. Nilai penutupan rata-
rata DJIEU sebesar 3298.294.
f. Dow Jones Islamic Market Amerika Serikat (IMUS)
Gambar 4.12. Pergerakan Indeks Saham Syariah Harian atas IMUS
3,000
3,500
4,000
4,500
5,000
5,500
I II III IV I II III IV I II III IV I II III IV I II III IV
2014 2015 2016 2017 2018
IMUS
Sumber: data diolah dari Investing.com dengan Eviews
136
Berdasarkan gambar di atas, terlihat range pergerakan nilai penutupan
IMUS adalah antara 2600 hingga 4000. Indeks ini memiliki nilai penutupan
terendah sebesar 3160.370 pada tanggal 03 Februari 2014 dan nilai penutupan
tertinggi sebesar 5334.820 pada tanggal 29 Agustus 2018. Nilai penutupan
rata-rata IMUS sebesar 3991.618.
Pengujian integrasi pada pasar modal syariah Indonesia/ISSI,
Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika
Serikat/IMUS diawali dengan melihat gambaran data penelitian pada pengujian
statistik deskriptif, kemudian uji stasioneritas data dengan Uji Unit Roots
menggunakan Augmented Dickey Fuller (ADF) untuk melihat data stasioner atau
tidak dan pada tingkat derajat ke berapa data akan stasioner. Selanjutnya
penentuan panjang lag atau lag optimum pada indeks saham tersebut, setelah itu
uji stabilitas VAR untuk melihat lag optimum yang telah dipilih tersebut terdapat
masalah unit root atau tidak. Setelah lag optimum sudah diketahui maka
dilanjutkan uji Granger Causality dan uji Kointegrasi Johansen untuk melihat
hubungan jangka panjang variabel. Jika uji Kointegrasi menghasilkan bahwa
pasar modal syariah tersebut ada hubungan jangka panjang (kointegrasi) maka
analisis selanjutnya dilakukan dengan metode VECM (Vector Error Correction
Model) namun jika hasil uji Kointegrasi menghasilkan bahwa tidak terdapat
hubungan jangka panjang maka analisis selanjutnya menggunakan VAR
Indifference. Selanjutnya peramalan dengan uji IRF dan FEVD. Berikut ini
analisis dan pembahasan pengujian integrasi ke enam pasar modal syariah:
137
1. Statistik Deskriptif
Statistik deskriptif digunakan untuk melihat gambaran umum dari data
daily closing price pasar modal syariah Indonesia/ISSI, Malaysia/DJIMY,
Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS
dalam pengujian integrasi pasar modal syariah. Berikut tabel statistik
deskriptif nilai penutupan harian saham.
Tabel 4.6
Hasil Statistik Deskriptif Daily Closing Price Pasar Modal Syariah
ISSI DJIMY DJIJP DJICHKU DJIEU IMUS
Mean 168.5976 847.6746 1522.270 1878.913 3298.294 3991.618
Median 171.0900 805.3400 1464.290 1794.580 3297.100 3808.220
Maximum 199.6100 1105.100 2095.040 2501.300 3908.900 5334.820
Minimum 131.6100 680.9200 1133.350 1357.400 2731.720 3160.370
Std. Dev. 14.26208 115.4238 252.9743 279.6196 267.3536 524.2594
Skewness -0.436610 0.716052 0.578239 0.526144 0.094112 0.843933
Kurtosis 2.497093 2.289020 2.190302 2.121656 1.980964 2.605448
Sum 206194.8 1036706. 1861736. 2297911. 4033813. 4881749.
Observations 1223 1223 1223 1223 1223 1223
Sumber: data diolah dengan SPSS
Berdasarkan tabel 4.6 di atas, maka hasil uji statistik deskriptif dari ke
enam pasar modal syariah menunjukkan sampel observations sebanyak 1223
hari dari periode 01 Januari 2014 s.d. 31 Desember 2018 yang menghasilkan
data sebagai berikut:
138
a. Indeks Saham Syariah Indonesia (ISSI)
Pasar modal syariah Indonesia/ISSI memiliki rata-rata nilai
penutupan harian (mean) terendah yaitu sebesar 168.5976 artinya ISSI
memiliki risiko yang rendah dan return yang rendah juga. Sedangkan
standar deviasi ISSI sebesar 14.26208 atau dapat dikatakan bahwa rata-
rata penyimpangan ISSI sebesar 14.26208. Hal ini berarti mean > standar
deviasi. Standar deviasi adalah pencerminan penyimpangan yang sangat
tinggi, sehingga mengindikasikan bahwa hasil sebaran data yang cukup
baik yaitu normal dan tidak menyebabkan bias.
Adapun nilai maksimum ISSI sebesar 199.61 pada penutupan harian
29 Januari 2018 dan nilai minimum ISSI sebesar 131.61 pada 25
September 2015. Hasil tersebut menunjukkan bahwa pasar modal syariah
Indonesia mengalami fluktuasi yang tidak terlalu besar. Sedangkan nilai
median ISSI sebesar 171.09 berada di tanggal 28 Januari 2015. Nilai
skewness ISSI sebesar -0.436610. Hal ini menunjukkan bahwa data
cenderung berdistribusi normal yaitu mendekati nilai 0. Adapun nilai
kurtosis sebesar 2.497093, nilai kurtosis ISSI ini positif dan sangat jauh
dari 0 sehingga menunjukkan data bersifat runcing dan cenderung
mengelompok (homogen). Sedangkan jumlah total ISSI sebesar
206194.8.
139
b. Dow Jones Islamic Market Malaysia (DJIMY)
Pasar modal syariah Malaysia/DJIMY memiliki rata-rata nilai
penutupan harian (mean) terendah kedua setelah ISSI yaitu sebesar
847.6746 artinya DJIMY memiliki risiko yang rendah dan return yang
rendah juga. Sedangkan standar deviasi DJIMY sebesar 115.4238 atau
dapat dikatakan bahwa rata-rata penyimpangan ISSI sebesar 115.4238.
Hal ini berarti mean > standar deviasi, sehingga mengindikasikan bahwa
hasil sebaran data yang cukup baik yaitu normal dan tidak menyebabkan
bias.
Adapun nilai maksimum DJIMY sebesar 1105.1 pada penutupan
harian 08 Juli 2014 dan nilai minimum DJIMY sebesar 680.92 pada 27
Desember 2016. Hasil tersebut menunjukkan bahwa pasar modal syariah
Malaysia mengalami fluktuasi yang besar. Sedangkan nilai median
DJIMY sebesar 805.34 berada di tanggal 25 Maret 2016. Nilai skewness
DJIMY sebesar 0.716052. Hal ini menunjukkan bahwa data berdistribusi
normal yaitu mendekati nilai 0. Adapun nilai kurtosis DJIMY
sebesar 2.28902, nilai kurtosis DJIMY ini positif dan sangat jauh dari 0
sehingga menunjukkan data bersifat runcing dan cenderung
mengelompok (homogen). Sedangkan jumlah total DJIMY sebesar
1036706.
140
c. Dow Jones Islamic Market Japan (DJIJP)
Pasar modal syariah Jepang/DJIJP memiliki rata-rata nilai penutupan
harian (mean) tinggi yaitu sebesar 1522.27 artinya DJIJP memiliki risiko
yang tinggi dan return yang tinggi juga. Sedangkan standar deviasi DJIJP
sebesar 252.9743 atau dapat dikatakan bahwa rata-rata penyimpangan
DJIJP sebesar 252.9743. Hal ini berarti mean > standar deviasi, sehingga
mengindikasikan bahwa hasil sebaran data yang cukup baik yaitu normal
dan tidak menyebabkan bias.
Adapun nilai maksimum DJIJP sebesar 2095.04 pada penutupan
harian 24 Januari 2018 dan nilai minimum DJIJP sebesar 1133.35 pada 04
Februari 2014. Hasil tersebut menunjukkan bahwa pasar modal syariah
Jepang mengalami fluktuasi yang besar. Sedangkan nilai median DJIJP
sebesar 1464.29 berada di tanggal 11 Agustus 2015. Nilai skewness DJIJP
sebesar 0.578239. Hal ini menunjukkan bahwa data berdistribusi normal
yaitu mendekati nilai 0. Adapun nilai kurtosis DJIJP sebesar 2.190302,
nilai kurtosis DJIJP ini positif dan sangat jauh dari 0 sehingga
menunjukkan data bersifat runcing dan cenderung mengelompok
(homogen). Sedangkan jumlah total DJIJP sebesar 1861736.
d. Dow Jones Islamic Market China Hongkong USD (DJICHKU)
Pasar modal syariah Cina/DJICHKU memiliki rata-rata nilai
penutupan harian (mean) tinggi yaitu sebesar 1878.913 artinya DJICHKU
141
memiliki risiko yang tinggi dan return yang tinggi juga. Sedangkan
standar deviasi DJICHKU sebesar 279.6196 atau dapat dikatakan bahwa
rata-rata penyimpangan DJICHKU sebesar 279.6196. Hal ini berarti mean
> standar deviasi, sehingga mengindikasikan bahwa hasil sebaran data
yang cukup baik yaitu normal dan tidak menyebabkan bias.
Adapun nilai maksimum DJICHKU sebesar 2501.3 pada penutupan
harian 07 Juni 2018 dan nilai minimum DJICHKU sebesar 1357.4 pada
21 Januari 2016. Hasil tersebut menunjukkan bahwa pasar modal syariah
Cina mengalami fluktuasi yang besar. Sedangkan nilai median DJICHKU
sebesar 1794.58 berada di tanggal 12 Januari 2015. Nilai skewness
DJICHKU sebesar 0.526144. Hal ini menunjukkan bahwa data
berdistribusi normal yaitu mendekati nilai 0. Adapun nilai kurtosis
DJICHKU sebesar 2.121656, nilai kurtosis DJICHKU ini positif dan
sangat jauh dari 0 sehingga menunjukkan data bersifat runcing dan
cenderung mengelompok (homogen). Sedangkan jumlah total data
DJICHKU sebesar 2297911.
e. Dow Jones Islamic Market Eropa (DJIEU)
Pasar modal syariah Eropa/DJIEU memiliki rata-rata nilai penutupan
harian (mean) tinggi yaitu sebesar 3298.294 artinya DJIEU memiliki
risiko yang tinggi dan return yang tinggi juga. Sedangkan standar deviasi
DJIEU sebesar 267.3536 atau dapat dikatakan bahwa rata-rata
142
penyimpangan DJIEU sebesar 267.3536. Hal ini berarti mean > standar
deviasi, sehingga mengindikasikan bahwa hasil sebaran data yang cukup
baik yaitu normal dan tidak menyebabkan bias.
Adapun nilai maksimum DJIEU sebesar 3908.9 pada penutupan
harian 26 Januari 2018 dan nilai minimum DJIEU sebesar 2731.72 pada
11 Februari 2016. Hasil tersebut menunjukkan bahwa pasar modal syariah
Eropa mengalami fluktuasi yang besar. Sedangkan nilai median DJIEU
sebesar 3297.1. Nilai skewness DJIEU sebesar 0.094112. Hal ini
menunjukkan bahwa data berdistribusi normal yaitu mendekati nilai 0.
Adapun nilai kurtosis DJIEU sebesar 1.980964, nilai kurtosis DJIEU ini
positif dan sangat jauh dari 0 sehingga menunjukkan data bersifat runcing
dan cenderung mengelompok (homogen). Sedangkan jumlah total data
DJIEU sebesar 4033813.
f. Dow Jones Islamic Islamic Market US (IMUS)
Pasar modal syariah Amerika Serikat/IMUS memiliki rata-rata nilai
penutupan harian (mean) tertinggi yaitu sebesar 3991.618 artinya IMUS
memiliki risiko yang tinggi dan return yang tinggi juga. Sedangkan
standar deviasi IMUS sebesar 524.2594 atau dapat dikatakan bahwa rata-
rata penyimpangan IMUS sebesar 524.2594. Hal ini berarti mean >
standar deviasi, sehingga mengindikasikan bahwa hasil sebaran data yang
cukup baik yaitu normal dan tidak menyebabkan bias.
143
Adapun nilai maksimum IMUS sebesar 5334.82 pada penutupan
harian 29 Agustus 2018 dan nilai minimum IMUS sebesar 3160.37 pada
03 Februari 2014. Hasil tersebut menunjukkan bahwa pasar modal syariah
Amerika Serikat mengalami fluktuasi yang besar. Sedangkan nilai median
IMUS sebesar 3808.22. Nilai skewness IMUS sebesar 0.843933. Hal ini
menunjukkan bahwa data berdistribusi normal yaitu mendekati nilai 0.
Adapun nilai kurtosis IMUS sebesar 2.605448, nilai kurtosis IMUS ini
positif dan sangat jauh dari 0 sehingga menunjukkan data bersifat runcing
dan cenderung mengelompok (homogen). Sedangkan jumlah total data
IMUS sebesar 4881749.
2. Uji Stasioneritas Unit Roots
Uji stasioneritas dilakukan dengan menggunakan metode Augmented
Dickey Fuller (ADF). Apabila nilai ADF statistik lebih besar daripada nilai
kritis MacKinnon, maka H0 ditolak yang berarti data tersebut stasioner karena
tidak mengandung unit root. Sebaliknya apabila nilai ADF statistik lebih kecil
daripada nilai kritis MacKinnon, maka Ha diterima yang berarti data tersebut
tidak stasioner pada derajat level. Dapat juga dilihat dari nilai probabilitasnya
apabila nilai probabilitas kurang dari taraf satu persen, lima persen dan
sepuluh persen maka data tersebut stasioner pada taraf tersebut. Jika pada
tingkat level data tidak stasioner maka harus dilakukan differencing data
untuk memperoleh data yang stasioner pada derajat yang sama di first
144
difference. Berikut hasil pengujian stasioner data return saham dengan uji
akar unit dapat dilihat pada output sebagai berikut:
Tabel 4.7
Hasil Uji Stasioner Daily Closing Price Pasar Modal Syariah
Indeks
Tingkat Level Tingkat 1st Difference
ADF
Statistic 5 % P-Value
ADF
Statistic 5 % P-Value
ISSI -2.105472 -2.863697 0.2427 -34.46099 -2.863699 0.0000
DJIMY -1.665169 -2.863693 0.4488 -31.72789 -2.863693 0.0000
DJIJP -1.344349 -2.863552 0.6106 -42.67829 -2.863552 0.0001
DJICHKU -1.274592 -2.863676 0.6433 -34.98170 -2.863678 0.0000
DJIEU -1.921177 -2.863552 0.3226 -35.89101 -2.863554 0.0000
IMUS -1.282976 -2.863556 0.6395 -36.05789 -2.863557 0.0000
Keterangan Tidak Stasioner Stasioner
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel uji stasioneritas, nilai penutupan harian ke enam pasar
modal syariah pada tingkat level dan first difference menunjukkan bahwa
pasar modal syariah Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/
DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS pada tingkat level
adalah tidak stasioner yang dapat dilihat dari nilai absolut statistik Augmented
Dickey-Fuller (ADF) lebih kecil dari nilai kritikal MacKinnon dan juga dapat
dilihat dari nilai Probabilitas ISSI (0.2427), DJIMY (0.4488), DJIJP (0.6106),
DJICHKU (0.6433), DJIEU (0.3226) dan IMUS (0.6395) yang lebih besar
dari nilai alpha 5 % (0,05) sehingga H0 diterima yang mengindikasikan bahwa
145
data tersebut adalah data tidak stasioner. Hal ini berarti bahwa ke enam pasar
modal syariah tersebut memiliki kemungkinan hubungan jangka panjang
(terintegrasi).
Uji stasioner pada tingkat level di atas menunjukkan hasil bahwa data
tidak stasioner. Oleh karena itu, semua indeks perlu dilakukan proses first
difference. Setelah dilakukan proses first difference, nilai statistik ADF sudah
lebih besar dari nilai absolut statistik MacKinnon pada berbagai tingkat
probabilitas (1%, 5% dan 10%) dan juga nilai probabilitas ISSI (0.0000),
DJIMY (0.0000), DJIJP (0.0001), DJICHKU (0.0000), DJIEU (0.0000) dan
IMUS (0.0000) sudah lebih kecil dari nilai alpha 5% (0,05). Hal ini berarti H0
ditolak yang mengindikasikan bahwa data pasar modal syariah
Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/
DJIEU, dan Amerika Serikat/IMUS Serikat telah stasioner pada derajat
pertama atau first difference yang mengartikan bahwa ke enam pasar modal
syariah mempunyai hubungan jangka panjang.
3. Penentuan Panjang Lag
Penentuan lag optimal dapat menggunakan beberapa kriteria seperti
Akaike Information Criteria (AIC), Schwartz Information Criteria (SIC),
Hannan Quinn (HQ), Likelihood Ratio (LR) dan Final Prediction Error
(FPE). Untuk memudahkan penentuan lag optimal model VAR dapat
dilakukan dengan bantuan program komputer Eviews, di mana kriteria yang
146
mempunyai nilai paling kecil yang ditunjukkan oleh tanda asterik (*) pada
hasil lag optimal.
Dalam penelitian ini panjang kelambanan yang digunakan ketika
melakukan estimasi model VAR adalah menggunakan suatu kriteria yaitu
Akaike Information Criteria (AIC), yaitu dengan memilih hasil estimasi
dengan nilai AIC yang paling kecil (Robiyanto dan Hartanto, 2018:5). Berikut
ini penentuan lag optimal ke enam pasar modal syariah:
a. Lag Optimal antara DJIMY dengan ISSI
Tabel 4.8 Penentuan Lag Optimal atas DJIMY dengan ISSI
Lag LogL LR FPE AIC SC HQ
0 -6313.010 NA 111.1383 10.38653 10.39492* 10.38969*
1 -6306.034 13.91769 110.5956 10.38163 10.40682 10.39111
2 -6302.024 7.986665 110.5938 10.38162 10.42359 10.39742
3 -6294.435 15.09008 109.9430* 10.37572* 10.43447 10.39783
4 -6292.705 3.435582 110.3542 10.37945 10.45499 10.40789
5 -6290.588 4.195010 110.6966 10.38255 10.47488 10.41730
6 -6284.370 12.30209* 110.2936 10.37890 10.48802 10.41998
S Sumber: data diolah menggunakan Eviews
Berdasarkan tabel di atas, diperoleh panjang lag optimal yang
direkomendasikan adalah pada lag ketiga yang memiliki nilai AIC
terkecil yang ditandai dengan adanya tanda asterik (*). Hasil uji lag
DJIMY dengan ISSI ini mengindikasikan bahwa derajat kelembapan
variabel-variabel untuk menjadi stasioner adalah 3 (tiga).
147
b. Lag Optimal antara DJIJP dengan ISSI
Tabel 4.9 Penentuan Lag Optimal atas DJIJP dengan ISSI
Lag LogL LR FPE AIC SC HQ
0 -7303.509 NA 566.7313 12.01564 12.02403 12.01880
1 -7284.935 37.05512 553.3087 11.99167 12.01685* 12.00115*
2 -7278.206 13.40308* 550.8306 11.98718 12.02915 12.00298
3 -7274.017 8.329913 550.6594* 11.98687* 12.04563 12.00899
4 -7271.783 4.435315 552.2611 11.98977 12.06532 12.01821
5 -7269.149 5.220452 553.5035 11.99202 12.08435 12.02678
6 -7264.631 8.938640 553.0328 11.99117 12.10029 12.03225
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel di atas, diperoleh panjang lag optimal yang
direkomendasikan adalah pada lag ketiga yang memiliki nilai AIC
terkecil yang ditandai dengan adanya tanda asterik (*). Hasil uji lag
DJIJP dengan ISSI ini mengindikasikan bahwa derajat kelembapan
variabel-variabel untuk menjadi stasioner adalah 3 (tiga).
c. Lag Optimal antara DJICHKU dengan ISSI
Tabel 4.10 Penentuan Lag Optimal atas DJICHKU dengan ISSI
Lag LogL LR FPE AIC SC HQ
0 -13065.09 NA 7264468. 21.47426 21.48265 21.47742
1 -7580.848 10941.44 891.0142* 12.46811* 12.49328* 12.47759*
2 -7580.259 1.173511 896.0227 12.47372 12.51566 12.48951
3 -7577.859 4.771607 898.3826 12.47635 12.53507 12.49845
4 -7574.671 6.328636 899.5826 12.47768 12.55318 12.50610
5 -7574.071 1.188322 904.6241 12.48327 12.57554 12.51801
6 -7569.260 9.520087* 903.4192 12.48194 12.59098 12.52299
Sumber: data diolah menggunakan Eviews
148
Berdasarkan tabel di atas, diperoleh panjang lag optimal yang
direkomendasikan adalah pada lag kesatu yang memiliki nilai AIC
terkecil yang ditandai dengan adanya tanda asterik (*). Hasil uji lag
DJICHKU dengan ISSI mengindikasikan bahwa derajat kelembapan
variabel-variabel untuk menjadi stasioner adalah 1 (satu).
d. Lag Optimal antara DJIEU dengan ISSI
Tabel 4.11. Penentuan Lag Optimal atas DJIEU dengan ISSI
Lag LogL LR FPE AIC SC HQ
0 -7991.469 NA 1757.062 13.14715 13.15555* 13.15031*
1 -7989.183 4.559454 1762.024 13.14997 13.17515 13.15945
2 -7985.385 7.566056 1762.608 13.15030 13.19227 13.16610
3 -7981.728 7.272097 1763.602 13.15087 13.20962 13.17299
4 -7977.380 8.631194 1762.594 13.15030 13.22584 13.17873
5 -7971.441 11.76920* 1756.985* 13.14711* 13.23944 13.18186
6 -7969.442 3.955932 1762.777 13.15040 13.25952 13.19147
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel di atas, diperoleh panjang lag optimal yang
direkomendasikan adalah pada lag keempat yang memiliki nilai AIC
terkecil yang ditandai dengan adanya tanda asterik (*). Hasil uji lag
DJIEU dengan ISSI ini, mengindikasikan bahwa derajat kelembapan
variabel-variabel untuk menjadi stasioner adalah 5 (lima).
149
e. Lag Optimal antara IMUS dengan ISSI
Tabel 4.12. Penentuan Lag Optimal atas IMUS dengan ISSI
Lag LogL LR FPE AIC SC HQ
0 -8146.886 NA 2268.827 13.40277 13.41117* 13.40593*
1 -8140.273 13.19174 2259.100 13.39848 13.42366 13.40796
2 -8132.570 15.34383 2245.381 13.39238 13.43435 13.40818
3 -8127.615 9.852843 2241.857 13.39081 13.44957 13.41293
4 -8126.664 1.887324 2253.130 13.39583 13.47137 13.42427
5 -8118.870 15.44753* 2239.114* 13.38959* 13.48192 13.42435
6 -8117.085 3.530552 2247.290 13.39323 13.50235 13.43431
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel di atas, diperoleh panjang lag optimal yang
direkomendasikan adalah pada lag ke empat yang memiliki nilai AIC
terkecil yang ditandai dengan adanya tanda asterik (*). Hasil uji lag
IMUS dengan ISSI ini, mengindikasikan bahwa derajat kelembapan
variabel-variabel untuk menjadi stasioner adalah 5 (lima).
4. Uji Stabilitas VAR
Panjang lag optimum telah diperoleh dari pengujian sebelumnya. Setelah
itu lag optimum yang telah dipilih harus diuji. Uji stabilitas digunakan untuk
melihat apakah model yang digunakan stabil atau tidak.
Stabilitas model VAR dapat dilihat pada nilai modulus yang dimiliki oleh
setiap variabel. Model VAR dikatakan stabil apabila nilai modulus berada
pada radius < 1 dan tidak stabil jika nilai modulus > 1 (Ardina Puspitasari,
150
2015:193). Jika nilai Modulus yang paling besar kurang dari satu dan berada
pada titik optimal, maka komposisi tadi sudah berada pada posisi optimal dan
model VAR sudah stabil. Stabilitas model VAR dapat dilihat dari invers root
karakteristik AR Polinominalnya. Berikut ini adalah hasil dari uji stabilitas
VAR ke enam pasar modal syariah:
a. Uji Stabilitas VAR antara DJIMY dengan ISSI
Berdasarkan panjang lag yang telah ditentukan sebelumnya maka
digunakan lag optimum 3 untuk DJIMY dengan ISSI.
Tabel 4.13. Pengujian Stabilitas VAR DJIMY dengan ISSI
Root Modulus
0.183213 - 0.404893i 0.444416
0.183213 + 0.404893i 0.444416
0.386716 0.386716
-0.384097 0.384097
-0.131160 - 0.215058i 0.251899
-0.131160 + 0.215058i 0.251899
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel di atas, dapat diketahui bahwa nilai modulusnya
kurang dari 1, sehingga dapat dikatakan bahwa model VAR stabil. Hasil
uji ini menandakan bahwa analisis Impulse Response Function (IRF) dan
analisis Forecast Error Variance Decomposition (FEVD) yang dihasilkan
dianggap valid dan dapat dilanjutkan ke pengujian selanjutnya, yaitu uji
kausalitas dan uji kointegrasi.
151
b. Uji Stabilitas VAR antara DJIJP dengan ISSI
Berdasarkan panjang lag yang telah ditentukan sebelumnya maka
digunakan lag optimum 3 untuk DJIJP dengan ISSI.
Tabel 4.14. Pengujian Stabilitas VAR DJIJP dengan ISSI
Root Modulus
0.192486 - 0.403574i 0.447128
0.192486 + 0.403574i 0.447128
-0.211255 - 0.344144i 0.403812
-0.211255 + 0.344144i 0.403812
-0.374718 0.374718
0.243691 0.243691
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel di atas, dapat diketahui bahwa nilai modulusnya
kurang dari 1, sehingga dapat dikatakan bahwa model VAR stabil. Hasil
uji ini menandakan bahwa analisis Impulse Response Function (IRF) dan
analisis Forecast Error Variance Decomposition (FEVD) yang dihasilkan
dianggap valid dan dapat dilanjutkan ke pengujian selanjutnya, yaitu uji
kausalitas dan uji kointegrasi.
c. Uji Stabilitas VAR antara DJICHKU dengan ISSI
Berdasarkan panjang lag yang telah ditentukan sebelumnya maka
digunakan lag optimum 1 untuk DJICHKU dengan ISSI.
152
Tabel 4.15 Pengujian Stabilitas VAR DJICHKU dengan ISSI
* Root Modulus
0.995932 0.995932
0.985458 0.985458
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel di atas, dapat diketahui bahwa nilai modulusnya
kurang dari 1, sehingga dapat dikatakan bahwa model VAR stabil. Hasil
uji ini menandakan bahwa analisis Impulse Response Function (IRF) dan
analisis Forecast Error Variance Decomposition (FEVD) yang dihasilkan
dianggap valid dan dapat dilanjutkan ke pengujian selanjutnya, yaitu uji
kausalitas dan uji kointegrasi.
d. Uji Stabilitas VAR antara DJIEU dengan ISSI
Berdasarkan panjang lag yang telah ditentukan sebelumnya maka
digunakan lag optimum 5 untuk DJIEU dengan ISSI.
Tabel 4.16 Pengujian Stabilitas VAR DJIEU dengan ISSI
Root Modulus
0.499276 - 0.413070i 0.648000
0.499276 + 0.413070i 0.648000
-0.258274 - 0.537929i 0.596719
-0.258274 + 0.537929i 0.596719
-0.584546 0.584546
0.432001 - 0.385774i 0.579177
0.432001 + 0.385774i 0.579177
-0.139038 - 0.507902i 0.526589
153
-0.139038 + 0.507902i 0.526589
-0.479198 0.479198
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel di atas, dapat diketahui bahwa nilai modulusnya
kurang dari 1, sehingga dapat dikatakan bahwa model VAR stabil. Hasil
uji ini menandakan bahwa analisis Impulse Response Function (IRF) dan
analisis Forecast Error Variance Decomposition (FEVD) yang dihasilkan
dianggap valid. dan dapat dilanjutkan ke pengujian selanjutnya, yaitu uji
kausalitas dan uji kointegrasi.
e. Uji Stabilitas VAR antara IMUS dengan ISSI
Berdasarkan panjang lag yang telah ditentukan sebelumnya maka
digunakan lag optimum 5 untuk IMUS dengan ISSI.
Tabel 4.17 Pengujian Stabilitas VAR IMUS dengan ISSI
Root Modulus
-0.220329 - 0.627626i 0.665176
-0.220329 + 0.627626i 0.665176
0.492946 - 0.418680i 0.646753
0.492946 + 0.418680i 0.646753
-0.605441 0.605441
-0.475719 0.475719
-0.027832 - 0.449609i 0.450469
-0.027832 + 0.449609i 0.450469
0.292831 - 0.196200i 0.352483
0.292831 + 0.196200i 0.352483
Sumber: data diolah menggunakan Eviews
154
Berdasarkan tabel di atas, dapat diketahui bahwa nilai modulusnya
kurang dari 1, sehingga dapat dikatakan bahwa model VAR stabil. Hasil
uji ini menandakan bahwa analisis Impulse Response Function (IRF) dan
analisis Forecast Error Variance Decomposition (FEVD) yang dihasilkan
dianggap valid dan dapat dilanjutkan ke pengujian selanjutnya, yaitu uji
kausalitas dan uji kointegrasi.
5. Uji Kausalitas Granger
Menurut Juanda dan Juandi (2012:145) Uji kausalitas adalah pengujian
untuk menentukan hubungan sebab akibat antara variabel dalam sistem VAR.
hubungan sebab akibat ini dapat diuji dengan menggunakan uji kausalitas
Granger (Granger Causality Test).
Dalam uji kausalitas ini ada 3 (tiga) kemungkinan arah hubungan
kausalitas yang terjadi, yaitu X menyebabkan Y, Y menyebabkan X atau
hubungan timbal balik terjadi (dua arah) apabila X menyebabkan Y pada saat
yang bersamaan Y menyebabkan X. Untuk menguji kausalitas tersebut,
apabila nilai probabilitas lebih kecil daripada nilai alpha 0,05, maka hipotesis
nol diterima yang berarti terjadi Kausalitas Granger, dan sebaliknya apabila
nilai probabilitas lebih besar daripada nilai alpha 0,05, maka hipotesis nol
ditolak yang berarti tidak terjadi Kausalitas Granger. Berikut ini adalah hasil
dari uji Kausalitas Granger dari ke enam pasar modal syariah:
155
a. Uji Kausalitas Granger antara DJIMY dengan ISSI
Berdasarkan nilai panjang lag yang sudah ditentukan sebelumnya,
menunjukkan bahwa lag yang dipilih adalah lag 3 (tiga), sehingga uji
Kausalitas Granger antara DJIMY dengan ISSI akan dilakukan pada lag
tersebut.
Tabel 4.18
Hasil Uji Kausalitas Granger atas DJIMY dengan ISSI
Null Hypothesis: Obs F-Statistic Prob.
D(DJIMY) does not Granger Cause D(ISSI) 1219 2.93506 0.0324
D(ISSI) does not Granger Cause D(DJIMY) 0.63729 0.5911
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel uji Kausalitas Granger di atas, terlihat bahwa nilai
probabilitas pertama lebih kecil dari nilai alpha 5% yaitu 0.0324 < 0.05
yang berarti H0 ditolak. Hal ini mengindikasikan bahwa DJIMY
berpengaruh signifikan terhadap ISSI. Namun sebaliknya, nilai
probabilitas kedua lebih besar dari nilai alpha 5%, yaitu 0.5911 > 0.05
yang berarti H0 diterima. Hal ini mengindikasikan bahwa ISSI tidak
berpengaruh signifikan terhadap DJIMY. Dengan demikian terjadi
hubungan kausalitas satu arah antara DJIMY dengan ISSI, namun tidak
sebaliknya di mana ISSI tidak mempunyai hubungan kausalitas terhadap
DJIMY.
156
b. Uji Kausalitas Granger antara DJIJP dengan ISSI
Berdasarkan nilai panjang lag yang sudah ditentukan sebelumnya,
menunjukkan bahwa lag yang dipilih adalah lag 3 (tiga), sehingga uji
Kausalitas Granger antara DJIJP dengan ISSI akan dilakukan pada lag
tersebut.
Tabel 4.19
Hasil Uji Kausalitas Granger atas DJIJP dengan ISSI
Null Hypothesis: Obs F-Statistic Prob.
D(DJIJP) does not Granger Cause D(ISSI) 1219 0.17205 0.9153
D(ISSI) does not Granger Cause D(DJIJP) 1.55148 0.1995
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel uji Kausalitas Granger di atas, terlihat bahwa nilai
probabilitas pertama lebih besar dari nilai alpha 5% yaitu 0.9153 > 0.05
yang berarti H0 diterima. Hal ini mengindikasikan bahwa DJIJP tidak
berpengaruh signifikan terhadap ISSI. Begitu juga dengan nilai
probabilitas kedua lebih besar dari nilai alpha 5%, yaitu 0.1995 > 0.05
yang berarti H0 diterima. Hal ini mengindikasikan bahwa ISSI tidak
berpengaruh signifikan terhadap DJIJP. Dengan demikian tidak terdapat
hubungan kausalitas antara ISSI dengan DJIJP dan juga tidak terdapat
hubungan kausalitas antara DJIJP dengan ISSI.
157
c. Uji Kausalitas Granger antara DJICHKU dengan ISSI
Berdasarkan nilai panjang lag yang sudah ditentukan sebelumnya,
menunjukkan bahwa lag yang dipilih adalah lag 1 (satu), sehingga uji
Kausalitas Granger antara DJICHKU dengan ISSI akan dilakukan pada
lag tersebut.
Tabel 4.20
Hasil Uji Kausalitas Granger atas DJICHKU dengan ISSI
Null Hypothesis: Obs F-Statistic Prob.
D(DJICHKU) does not Granger Cause D(ISSI) 1221 0.61122 0.4345
D(ISSI) does not Granger Cause D(DJICHKU) 0.56296 0.4532
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel uji Kausalitas Granger di atas, terlihat bahwa nilai
probabilitas pertama lebih besar dari nilai alpha 5% yaitu 0.4345 > 0.05
yang berarti H0 diterima. Hal ini mengindikasikan bahwa DJICHKU tidak
berpengaruh signifikan terhadap ISSI. Begitu juga dengan nilai
probabilitas kedua lebih besar dari nilai alpha 5%, yaitu 0.4532 > 0.05
yang berarti H0 diterima. Hal ini mengindikasikan bahwa ISSI tidak
berpengaruh signifikan terhadap DJICHKU. Dengan demikian tidak
terdapat hubungan kausalitas antara ISSI dengan DJICHKU dan juga tidak
terdapat hubungan kausalitas antara DJICHKU dengan ISSI.
158
d. Uji Kausalitas Granger antara DJIEU dengan ISSI
Berdasarkan nilai panjang lag yang sudah ditentukan sebelumnya,
menunjukkan bahwa lag yang dipilih adalah lag 5 (lima), sehingga uji
Kausalitas Granger antara DJIEU dengan ISSI akan dilakukan pada lag
tersebut.
Tabel 4.21
Hasil Uji Kausalitas Granger atas DJIEU dengan ISSI
Null Hypothesis: Obs F-Statistic Prob.
D(DJIEU) does not Granger Cause D(ISSI) 1217 0.24497 0.9424
D(ISSI) does not Granger Cause D(DJIEU) 1.73221 0.1243
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel uji Kausalitas Granger di atas, terlihat bahwa nilai
probabilitas pertama lebih besar dari nilai alpha 5% yaitu 0.9424 > 0.05
yang berarti H0 diterima. Hal ini mengindikasikan bahwa DJIEU tidak
berpengaruh signifikan terhadap ISSI. Begitu juga dengan nilai
probabilitas kedua lebih besar dari nilai alpha 5%, yaitu 0.1243 > 0.05
yang berarti H0 diterima. Hal ini mengindikasikan bahwa ISSI tidak
berpengaruh signifikan terhadap DJIEU. Dengan demikian tidak terdapat
hubungan kausalitas antara ISSI dengan DJIEU dan juga tidak terdapat
hubungan kausalitas antara DJIEU dengan ISSI.
159
e. Uji Kausalitas Granger antara IMUS dengan ISSI
Berdasarkan nilai panjang lag yang sudah ditentukan sebelumnya,
menunjukkan bahwa lag yang dipilih adalah lag 6 (enam), sehingga uji
Kausalitas Granger antara IMUS dengan ISSI akan dilakukan pada lag
tersebut.
Tabel 4.22
Hasil Uji Kausalitas Granger atas IMUS dengan ISSI
Null Hypothesis: Obs F-Statistic Prob.
D(IMUS) does not Granger Cause D(ISSI) 1217 0.80583 0.5455
D(ISSI) does not Granger Cause D(IMUS) 4.38152 0.0006
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel uji kausalitas Granger di atas, terlihat bahwa nilai
probabilitas pertama lebih besar dari nilai alpha 5% yaitu 0.5455 > 0.05
yang berarti H0 diterima. Hal ini mengindikasikan bahwa IMUS tidak
berpengaruh signifikan terhadap ISSI. Namun sebaliknya, nilai
probabilitas kedua lebih kecil dari nilai alpha 5%, yaitu 0.0006 lebih kecil
dari 0.05 yang berarti H0 diterima. Hal ini mengindikasikan bahwa ISSI
berpengaruh signifikan terhadap IMUS. Dengan demikian terjadi
hubungan kausalitas satu arah antara ISSI dengan IMUS, namun tidak
sebaliknya di mana IMUS tidak mempunyai hubungan kausalitas terhadap
ISSI.
160
6. Uji Kointegrasi Johansen
Uji kointegrasi data dilakukan ketika uji stasioneritas data menghasilkan
data-data yang tidak stasioner pada tingkat level. Kemudian data menjadi
stasioner pada first difference, sehingga pengujian kointegrasi dilakukan
menggunakan data harga saham yang stasioner pada derajat yang sama (first
difference), maka pengujian kointegrasi dilakukan untuk melihat apakah
dalam jangka panjang terdapat kesamaan pergerakan dan stabilitas hubungan
antara kedua variabel penelitian tersebut.
Dalam penelitian ini menggunakan Uji Kointegrasi Johansen. Uji
dilakukan dengan menggunakan Eviews. Menurut Ardina Puspitasari, et.al
(2015:193) hasil dari uji Kointegrasi Johansen yaitu membandingkan nilai
trace statistic dengan critical value pada taraf nyata 5%. Jika nilai trace
statistic lebih besar daripada critical value maka terdapat kointegrasi diantara
variabel. Uji kointegrasi digunakan untuk menentukan model yang akan
diestimasi, apakah menggunakan VAR (Vector Auto Regression) atau Vector
Error Correction Model (VECM). Jika hasilnya terjadi hubungan jangka
panjang antar variabel (terintegrasi) maka analisis selanjutnya menggunakan
VECM, namun jika hasilnya menunjukkan tidak terjadi kointegrasi maka
analisis selanjutnya menggunakan VAR. Berikut ini adalah hasil dari uji
Kointegrasi Johansen dari ke enam pasar modal syariah:
161
a. Uji Kointegrasi Johansen antara DJIMY dengan ISSI
Berdasarkan nilai panjang lag yang sudah ditentukan sebelumnya,
menunjukkan bahwa lag yang dipilih adalah lag 3 (tiga), sehingga uji
Kointegrasi Johansen antara DJIMY dengan ISSI akan dilakukan pada lag
tersebut.
Tabel 4.23
Hasil Uji Kointegrasi Johansen atas DJIMY dengan ISSI
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.238289 577.6687 15.49471 0.0001
At most 1 * 0.182977 246.1431 3.841466 0.0000
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.238289 331.5256 14.26460 0.0001
At most 1 * 0.182977 246.1431 3.841466 0.0000
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel uji Kointegrasi Johansen di atas, terlihat bahwa
nilai trace statistic lebih besar dari critical value pada taraf nyata 5%,
yaitu 577.6687 > 15.49471. Begitu juga dengan nilai Max-Eigen Statistic
lebih besar dari critical value pada taraf nyata 5%, yaitu 331.5256 >
14.26460 yang berarti hipotesis nol (H0) ditolak dan dibuktikan dengan
adanya tanda asterik (*) pada Trace dan Max-Eigen Value. Hal ini
162
mengindikasikan bahwa DJIMY memiliki hubungan keseimbangan
jangan panjang (kointegrasi) dengan ISSI. Dengan demikian, analisis
selanjutnya akan menggunakan model VECM (Vector Error Correction
Model).
b. Uji Kointegrasi Johansen antara DJIJP dengan ISSI
Berdasarkan nilai panjang lag yang sudah ditentukan sebelumnya,
menunjukkan bahwa lag yang dipilih adalah lag 3 (tiga), sehingga uji
Kointegrasi Johansen antara DJIJP dengan ISSI akan dilakukan pada lag
tersebut.
Tabel 4.24
Hasil Uji Kointegrasi Johansen atas DJIJP dengan ISSI
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.237422 630.0445 15.49471 0.0001
At most 1 * 0.218256 299.9054 3.841466 0.0000
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.237422 330.1391 14.26460 0.0001
At most 1 * 0.218256 299.9054 3.841466 0.0000
Sumber: data diolah menggunakan Eviews
163
Berdasarkan tabel uji Kointegrasi Johansen di atas, terlihat bahwa
nilai Trace Statistic lebih besar dari critical value pada taraf nyata 5%,
yaitu 630.0445 > 15.49471. Begitu juga dengan nilai Max-Eigen Statistic
lebih besar dari critical value pada taraf nyata 5%, yaitu 330.1391 >
14.26460 yang berarti hipotesis nol (H0) ditolak dan dibuktikan dengan
adanya tanda asterik (*) pada Trace dan Max-Eigen Value. Hal ini
mengindikasikan bahwa DJIJP memiliki hubungan keseimbangan jangan
panjang (kointegrasi) dengan ISSI. Dengan demikian, analisis selanjutnya
akan menggunakan model VECM (Vector Error Correction Model).
c. Uji Kointegrasi Johansen antara DJICHKU dengan ISSI
Berdasarkan nilai panjang lag yang sudah ditentukan sebelumnya,
menunjukkan bahwa lag yang dipilih adalah lag 1 (satu), sehingga uji
Kointegrasi Johansen antara DJICHKU dengan ISSI akan dilakukan pada
lag tersebut.
Tabel 4.25
Hasil Uji Kointegrasi Johansen atas DJICHKU dengan ISSI
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.360511 1041.479 15.49471 1.0000
At most 1 * 0.334079 496.0334 3.841466 0.0000
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
164
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.360511 545.4457 14.26460 0.0001
At most 1 * 0.334079 496.0334 3.841466 0.0000
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel uji Kointegrasi Johansen di atas, terlihat bahwa
nilai trace statistic lebih besar dari critical value pada taraf nyata 5%,
yaitu 1041.479 > 15.49471. Begitu juga dengan nilai Max-Eigen Statistic
lebih besar dari critical value pada taraf nyata 5%, yaitu 545.4457 >
14.26460 yang berarti hipotesis nol (H0) ditolak dan dibuktikan dengan
adanya tanda asterik (*) pada Trace dan Max-Eigen Value. Hal ini
mengindikasikan bahwa DJICHKU memiliki hubungan keseimbangan
jangan panjang (kointegrasi) dengan ISSI. Dengan demikian, analisis
selanjutnya akan menggunakan model VECM (Vector Error Correction
Model).
d. Uji Kointegrasi Johansen antara DJIEU dengan ISSI
Berdasarkan nilai panjang lag yang sudah ditentukan sebelumnya,
menunjukkan bahwa lag yang dipilih adalah lag 5 (lima), sehingga uji
Kointegrasi Johansen antara DJIEU dengan ISSI akan dilakukan pada lag
tersebut.
165
Tabel 4.26
Hasil Uji Kointegrasi Johansen atas DJIEU dengan ISSI
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.185332 457.3913 15.49471 0.0001
At most 1 * 0.157322 208.1430 3.841466 0.0000
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.185332 249.2484 14.26460 0.0001
At most 1 * 0.157322 208.1430 3.841466 0.0000
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel uji Kointegrasi Johansen di atas, terlihat bahwa
nilai trace statistic lebih besar dari critical value pada taraf nyata 5%,
yaitu 457.3913 > 15.49471. Begitu juga dengan nilai Max-Eigen Statistic
lebih besar dari critical value pada taraf nyata 5%, yaitu 249.2484 >
14.26460 yang berarti hipotesis nol (H0) ditolak dan dibuktikan dengan
adanya tanda asterik (*) pada Trace dan Max-Eigen Value. Hal ini
mengindikasikan bahwa DJIEU memiliki hubungan keseimbangan jangan
panjang (kointegrasi) dengan ISSI. Dengan demikian, analisis selanjutnya
akan menggunakan model VECM (Vector Error Correction Model).
166
e. Uji Kointegrasi Johansen antara IMUS dengan ISSI
Berdasarkan nilai panjang lag yang sudah ditentukan sebelumnya,
menunjukkan bahwa lag yang dipilih adalah lag 6 (enam), sehingga uji
Kointegrasi Johansen antara IMUS dengan ISSI akan dilakukan pada lag
tersebut.
Tabel 4.27
Hasil Uji Kointegrasi Johansen atas IMUS dengan ISSI
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.187026 450.2104 15.49471 0.0001
At most 1 * 0.150564 198.4303 3.841466 0.0000
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.187026 251.7801 14.26460 0.0001
At most 1 * 0.150564 198.4303 3.841466 0.0000
Sumber: data diolah menggunakan Eviews
Berdasarkan tabel uji Kointegrasi Johansen di atas, terlihat bahwa
nilai trace statistic lebih besar dari critical value pada taraf nyata 5%,
yaitu 450.2104 > 15.49471. Begitu juga dengan nilai Max-Eigen Statistic
lebih besar dari critical value pada taraf nyata 5%, yaitu 251.7801 >
14.26460 yang berarti hipotesis nol (H0) ditolak dan dibuktikan dengan
167
adanya tanda asterik (*) pada Trace dan Max-Eigen Value. Hal ini
mengindikasikan bahwa DJIEU memiliki hubungan keseimbangan jangan
panjang (kointegrasi) dengan ISSI. Dengan demikian, analisis selanjutnya
akan menggunakan model VECM (Vector Error Correction Model).
7. Estimasi VECM
Berdasarkan hasil dari pengujian Kointegrasi Johansen sebelumnya yang
menunjukkan pasar modal syariah Malaysia, Jepang, Cina, Eropa dan
Amerika Serikat memiliki hubungan jangka panjang (kointegrasi) dengan
pasar modal syariah Indonesia, maka proses analisis selanjutnya
menggunakan model VECM (Vector Error Correction Model).
Proses estimasi model dengan VECM dilakukan dengan berbagai tahap
uji praestimasi yaitu uji stasioneritas data, penentuan panjang lag, uji stabilitas
VAR, uji kausalitas, dan uji kointegrasi. Dari pengujian stasioneritas data
pada tingkat level menunjukkan data ke enam pasar modal syariah tidak
stasioner maka dilakukan pengujian stasioneritas pada tingkat first difference
dan menghasilkan data stasioner. Ketika data stasioner maka data telah siap
dianalisis lebih lanjut pada tingkat difference. Selanjutnya menentukan lag
optimum dari setiap variabel kemudian dilanjutkan dengan uji stabilitas VAR.
Setelah diketahui lag optimum pada data stasioner tingkat pertama maka
selanjutnya melakukan uji Kausalitas Granger untuk melihat hubungan
kausalitas antar variabel. Setelah itu melakukan uji kointegrasi dengan metode
168
pengujian Kointegrasi Johansen, apakah data mempunyai hubungan jangka
panjang atau tidak. Jika tidak ada kointegrasi maka VAR yang terbentuk
adalah VAR dengan data diferensiasi (VAR in difference). Apabila terdapat
kointegrasi maka model VAR yang terbentuk adalah Vector Error Correction
Model (VECM) yang bersifat model teristriksi.
Adanya hubungan jangka panjang pada uji Kointegrasi pasar modal
syariah ini maka analisis dilanjutkan dengan model VECM. Hasil estimasi
VECM dalam penelitian ini adalah untuk menganalisis pengaruh jangka
pendek dan jangka panjang antar ke enam pasar modal syariah. Penentuan
signifikansi hasil VECM adalah dengan membandingkan nilai statistik hasil
estimasi mutlak, yaitu apabila variabel X memiliki nilai t-statistik yang lebih
besar dari -1.96 maka variabel X memiliki pengaruh yang signifikan terhadap
variabel Y dan sebaliknya jika variabel variabel Y memiliki nilai t-statistik
yang lebih besar dari 1.96 maka variabel Y memiliki pengaruh yang
signifikan terhadap variabel X. Berikut ini adalah hasil estimasi VECM dari
ke enam pasar modal syariah :
a. Estimasi VECM antara DJIMY dengan ISSI
Setelah dilakukan uji Kointegrasi Johansen antara DJIMY dengan ISSI
yang menghasilkan bahwa adanya hubungan jangka panjang (kointegrasi),
maka selanjutnya akan dilakukan estimasi VECM.
169
Tabel 4.28
Hasil Estimasi VECM atas DJIMY dengan ISSI
Cointegrating Eq: CointEq1
D(ISSI(-1)) 1.000000
D(DJIMY(-1)) -0.076494
(0.01056)
[-7.24350]
C -0.051133
Error Correction: D(ISSI,2) D(DJIMY,2)
CointEq1 -0.991115 2.093563
(0.05485) (0.27406)
[-18.0701] [ 7.63900]
D(ISSI(-1),2) 0.032583 -1.473413
(0.04724) (0.23603)
[ 0.68979] [-6.24259]
D(ISSI(-2),2) 0.001969 -1.010814
(0.03885) (0.19412)
[ 0.05069] [-5.20707]
D(ISSI(-3),2) -0.027418 -0.550893
(0.02838) (0.14183)
[-0.96594] [-3.88416]
D(DJIMY(-1),2) -0.061095 -0.557858
(0.00639) (0.03193)
[-9.56134] [-17.4724]
D(DJIMY(-2),2) -0.051419 -0.335087
(0.00669) (0.03345)
[-7.68030] [-10.0167]
D(DJIMY(-3),2) -0.019644 -0.142318
(0.00572) (0.02856)
170
[-3.43655] [-4.98272]
C 0.003130 0.009155
(0.04350) (0.21734)
[ 0.07195] [ 0.04212]
Berdasarkan hasil estimasi VECM antara DJIMY dengan ISSI,
menunjukkan terdapat dua persamaan VECM yang memuat persamaan
kointegrasi serta variabel yang merupakan hasil differencing dari lag tiap
variabel. Berikut ini dua persamaan VECM yang terbentuk sekaligus
penjelasannya.
.D(ISSI,2) = - 0.991115 D(ISSI) - 0.076494 D(DJIMY) -
0.051133 + 0.032583 D(ISSI(-1),2) + 0.001969
D(ISSI(-2),2) -0.027418 D(ISSI(-3),2) - 0.061095
D(DJIMY(-1),2) -0.051419 D(DJIMY(-2),2) -
0.019644 D(DJIMY(-3),2) + 0.003130
D(DJIMY,2) = 2.093563 D(ISSI) - 0.076494 D(DJIMY) - 0.051133
-1.473413 D(ISSI(-1),2) - 1.010814 D(ISSI(-2),2) -
0.550893 D(ISSI(-3),2) - 0.557858 D(DJIMY(-1),2)
-0.335087 D(DJIMY(-2),2) - 0.142318 D(DJIMY(-
3),2) + 0.009155
171
Berdasarkan hasil estimasi cointegrating vector dalam model VECM
di atas dapat diketahui bahwa DJIMY memiliki nilai t-statistik yang lebih
besar dari 1,96 yaitu -7.24350 > 1,96 yang menunjukkan bahwa DJIMY
(-0.076494) memiliki pengaruh yang signifikan terhadap cointegrating
vector, yang berarti pasar modal syariah Malaysia berkontribusi
signifikan pada hubungan jangka panjang dengan pasar modal syariah di
Indonesia. Selain itu, koefisien speed of adjustment DJIMY pada
cointegrating vector sebesar 2.093563 dinilai signifikan secara statistik (t-
statistik 7.63900 > 1,96) yang mengartikan bahwa pada saat terjadi
disequilibrium dalam jangka pendek terhadap keseimbangan jangka
panjang, maka DJIMY akan menyesuaikan positif sebesar 2.093563.
Begitupun dengan koefisien speed of adjustment ISSI sebesar -0.991115
dinilai signifikan secara statistik (t-statistik -18.0701 > -1.96) yang
mengartikan bahwa pada saat terjadi disequilibrium dalam jangka pendek
terhadap keseimbangan jangka panjang, maka ISSI akan menyesuaikan
negatif sebesar -0.991115. Jadi dalam jangka panjang, DJIMY
berpengaruh negatif terhadap ISSI yang berarti kenaikan DJIMY akan
menyebabkan ISSI menurun, dan penurunan DJIMY akan menyebabkan
ISSI mengalami peningkatan.
Pada persamaan pertama di atas, diketahui bahwa DJIMY
memberikan pengaruh yang signifikan secara negatif terhadap pergerakan
172
ISSI baik pada 1, 2 ataupun 3 hari sebelumnya sedangkan ISSI sendiri
sama sekali tidak memberikan pengaruh yang signifikan. Adapun pada
persamaan kedua, DJIMY memberikan pengaruh yang signifikan secara
negatif terhadap pergerakan ISSI baik pada 1, 2 maupun 3 hari
sebelumnya begitupun dengan ISSI yang juga memberikan pengaruh
signifikan secara negatif pada 1, 2 maupun 3 hari sebelumnya.
b. Estimasi VECM antara DJIJP dengan ISSI
Setelah dilakukan uji Kointegrasi Johansen antara DJIJP dengan ISSI
yang menghasilkan bahwa adanya hubungan jangka panjang (kointegrasi),
maka selanjutnya akan dilakukan estimasi VECM.
Tabel 4.29
Hasil Estimasi VECM atas DJIJP dengan ISSI
Cointegrating Eq: CointEq1
D(ISSI(-1)) 1.000000
D(DJIJP(-1)) -0.087228
(0.00715)
[-12.2016]
C 0.014234
Error Correction: D(ISSI,2) D(DJIJP,2)
CointEq1 -0.689630 5.942842
(0.04892) (0.51502)
[-14.0983] [ 11.5390]
173
D(ISSI(-1),2) -0.181970 -4.688693
(0.04445) (0.46795)
[-4.09426] [-10.0196]
D(ISSI(-2),2) -0.135333 -2.748156
(0.03807) (0.40088)
[-3.55442] [-6.85539]
D(ISSI(-3),2) -0.105369 -1.656215
(0.02864) (0.30158)
[-3.67862] [-5.49180]
D(DJIJP(-1),2) -0.047305 -0.497932
(0.00413) (0.04353)
[-11.4406] [-11.4375]
D(DJIJP(-2),2) -0.032756 -0.361471
(0.00367) (0.03862)
[-8.93019] [-9.35986]
D(DJIJP(-3),2) -0.017199 -0.127601
(0.00268) (0.02817)
[-6.42759] [-4.52913]
C 0.001777 0.001650
(0.04548) (0.47887)
[ 0.03906] [ 0.00344]
Berdasarkan hasil estimasi VECM antara DJIJP dengan ISSI,
menunjukkan terdapat dua persamaan VECM yang memuat persamaan
kointegrasi serta variabel yang merupakan hasil differencing dari lag tiap
variabel. Berikut ini dua persamaan VECM yang terbentuk sekaligus
penjelasannya.
D(ISSI,2) = -0.689630 D(ISSI) - 0.087228D(DJIJP) + 0.014234
174
- 0.181970 D(ISSI(-1),2) - 0.135333 D(ISSI(-2),2) -
0.105369 D(ISSI(-3),2) - 0.047305 D(DJIJP(-1),2) -
0.051419 D(DJIJP(-2),2) - 0.019644 D(DJIJP(-3),2)
+ 0.001777
D(DJIJP,2) = 5.942842 D(ISSI) - 0.087228 D(DJIJP) + 0.014234
- 4.688693 D(ISSI(-1),2) - 2.748156 D(ISSI(-2),2) -
1.656215 D(ISSI(-3),2) - 0.497932 D(DJIMY(-1),2)
- 0.361471 D(DJIMY(-2),2) - 0.127601 D(DJIMY(-
3),2) + 0.001650
Berdasarkan hasil estimasi cointegrating vector dalam model VECM
di atas dapat diketahui bahwa DJIMY memiliki nilai t-statistik yang lebih
besar dari 1,96 yaitu -12.2016 > -1,96 yang menunjukkan bahwa DJIMY
(-0.087228) memiliki pengaruh yang signifikan terhadap cointegrating
vector, yang berarti pasar modal syariah Malaysia berkontribusi
signifikan pada hubungan jangka panjang dengan pasar modal syariah di
Indonesia. Selain itu, koefisien speed of adjustment DJIJP pada
cointegrating vector sebesar 5.942842 dinilai signifikan secara statistik (t-
statistik 11.5390 > 1.96) yang mengartikan bahwa pada saat terjadi
disequilibrium dalam jangka pendek terhadap keseimbangan jangka
panjang, maka DJIJP akan menyesuaikan negatif sebesar 5.942842.
Begitupun dengan koefisien speed of adjustment ISSI sebesar -0.689630
175
dinilai signifikan secara statistik (t-statistik -14.0843 > -1.96) yang
mengartikan bahwa pada saat terjadi disequilibrium dalam jangka pendek
terhadap keseimbangan jangka panjang, maka ISSI akan menyesuaikan
negatif sebesar -0.689630. Jadi dalam jangka panjang, DJIJP berpengaruh
positif terhadap ISSI yang berarti kenaikan DJIJP akan menyebabkan
ISSI meningkat, dan penurunan DJIJP akan menyebabkan ISSI
mengalami penurunan juga.
Pada persamaan pertama dan kedua di atas, diketahui bahwa DJIMY
memberikan pengaruh yang signifikan secara negatif terhadap pergerakan
ISSI baik pada 1, 2 ataupun 3 hari sebelumnya, begitu juga dengan ISSI
sendiri memberikan pengaruh yang signifikan secara negatif pada 1, 2
ataupun 3 hari sebelumnya. Hal ini menunjukkan dalam jangka pendek
DJIMY memberikan pengaruh yang negatif terhadap ISSI di mana ketika
DJIMY naik maka ISSI akan menurun dan begitu juga sebaliknya ketika
DJIMY menurun maka ISSI akan meningkat.
c. Estimasi VECM antara DJICHKU dengan ISSI
Setelah dilakukan uji Kointegrasi Johansen antara DJICHKU dengan ISSI
yang menghasilkan bahwa adanya hubungan jangka panjang (kointegrasi),
maka selanjutnya akan dilakukan estimasi VECM.
176
Tabel 4.30
Hasil Estimasi VECM atas DJICHKU dengan ISSI
Cointegrating Eq: CointEq1
D(ISSI(-1)) 1.000000
D(DJICHKU(-1)) -0.018736
(0.00299)
[-6.25684]
C -0.024467
Error Correction: D(ISSI,2) D(DJICHKU,2)
CointEq1 -0.983060 3.601198
(0.03982) (0.62469)
[-24.6863] [ 5.76477]
D(ISSI(-1),2) 0.033941 -1.729784
(0.02882) (0.45214)
[ 1.17761] [-3.82580]
D(DJICHKU(-1),2) -0.010075 -0.464174
(0.00160) (0.02515)
[-6.28472] [-18.4583]
C 0.002633 0.042585
(0.04393) (0.68907)
[ 0.05995] [ 0.06180]
Berdasarkan hasil estimasi VECM antara DJICHKU dengan ISSI,
menunjukkan terdapat dua persamaan VECM yang memuat persamaan
kointegrasi serta variabel yang merupakan hasil differencing dari lag tiap
variabel. Berikut ini dua persamaan VECM yang terbentuk sekaligus
penjelasannya.
177
D(ISSI,2) = -0.983060 D(ISSI) - 0.018736 D(DJICHKU) -
0.024467 + 0.033941 D(ISSI(-1),2) - 0.010075
D(DJICHKU(-1),2) + 0.002633
D(DJICHKU,2) = 3.601198 D(ISSI) - 0.018736 D(DJICHKU) -
0.024467 - 1.729784 D(ISSI(-1),2) -0.464174
D(DJICHKU(-1),2) + 0.042585
Berdasarkan hasil estimasi cointegrating vector dalam model VECM
di atas dapat diketahui bahwa DJICHKU memiliki nilai t-statistik yang
lebih besar dari 1,96 yaitu -6.25684 > -1,96 yang menunjukkan bahwa
DJICHKU (-0.018736) memiliki pengaruh yang signifikan terhadap
cointegrating vector, yang berarti pasar modal syariah Cina berkontribusi
signifikan pada hubungan jangka panjang dengan pasar modal syariah di
Indonesia. Selain itu, koefisien speed of adjustment DJICHKU pada
cointegrating vector sebesar 3.601198 dinilai signifikan secara statistik (t-
statistik 5.76477 > 1.96) yang mengartikan bahwa pada saat terjadi
disequilibrium dalam jangka pendek terhadap keseimbangan jangka
panjang, maka DJICHKU akan menyesuaikan positif sebesar 3.601198.
Begitupun dengan koefisien speed of adjustment ISSI sebesar -0.983060
dinilai signifikan secara statistik (t-statistik -24.6863 > -1.96) yang
mengartikan bahwa pada saat terjadi disequilibrium dalam jangka pendek
terhadap keseimbangan jangka panjang, maka ISSI akan menyesuaikan
178
negatif sebesar -0.983060. Jadi dalam jangka panjang, DJICHKU
berpengaruh negatif terhadap ISSI yang berarti kenaikan DJICHKU akan
menyebabkan ISSI menurun, dan penurunan DJICHKU akan
menyebabkan ISSI mengalami peningkatan.
Pada persamaan pertama di atas, diketahui bahwa DJICHKU
memberikan pengaruh yang signifikan secara negatif terhadap pergerakan
ISSI pada 1 hari sebelumnya, sedangkan ISSI sendiri tidak memberikan
pengaruh yang signifikan. Adapun pada persamaan kedua di atas,
diketahui DJICHKU memberikan pengaruh yang signifikan secara negatif
terhadap pergerakan ISSI pada 1 hari sebelumnya, begitu juga dengan
ISSI sendiri memberikan pengaruh yang signifikan secara negatif pada 1
hari sebelumnya.
d. Estimasi VECM antara DJIEU dengan ISSI
Setelah dilakukan uji Kointegrasi Johansen antara DJIEU dengan ISSI
yang menghasilkan bahwa adanya hubungan jangka panjang (kointegrasi),
maka selanjutnya akan dilakukan estimasi VECM.
Tabel 4.31
Hasil Estimasi VECM atas DJIEU dengan ISSI
Cointegrating Eq: CointEq1
D(ISSI(-1)) 1.000000
179
D(DJIEU(-1)) -0.019893
(0.00322)
[-6.16895]
C -0.029970
Error Correction: D(ISSI,2) D(DJIEU,2)
CointEq1 -1.140772 8.137079
(0.07443) (1.45640)
[-15.3261] [ 5.58712]
D(ISSI(-1),2) 0.169530 -5.929874
(0.06725) (1.31589)
[ 2.52082] [-4.50636]
D(ISSI(-2),2) 0.118709 -4.167838
(0.05953) (1.16473)
[ 1.99421] [-3.57837]
D(ISSI(-3),2) 0.058196 -2.815214
(0.05043) (0.98667)
[ 1.15409] [-2.85326]
D(ISSI(-4),2) 0.063216 -2.099711
(0.04054) (0.79325)
[ 1.55932] [-2.64699]
D(ISSI(-5),2) 0.026599 -0.916329
(0.02902) (0.56783)
[ 0.91654] [-1.61373]
D(DJIEU(-1),2) -0.018392 -0.671438
(0.00186) (0.03638)
[-9.89057] [-18.4537]
D(DJIEU(-2),2) -0.014943 -0.504151
(0.00201) (0.03925)
[-7.44851] [-12.8437]
D(DJIEU(-3),2) -0.011317 -0.347348
(0.00200) (0.03921)
180
[-5.64725] [-8.85869]
D(DJIEU(-4),2) -0.007323 -0.288866
(0.00183) (0.03572)
[-4.01170] [-8.08768]
D(DJIEU(-5),2) -0.002998 -0.208098
(0.00143) (0.02799)
[-2.09537] [-7.43398]
C -0.000866 -0.007860
(0.04361) (0.85338)
[-0.01985] [-0.00921]
Berdasarkan hasil estimasi VECM antara DJIEU dengan ISSI,
menunjukkan terdapat dua persamaan VECM yang memuat persamaan
kointegrasi serta variabel yang merupakan hasil differencing dari lag tiap
variabel. Berikut ini dua persamaan VECM yang terbentuk sekaligus
penjelasannya.
D(ISSI,2) = -1.140772 D(ISSI) - 0.019893 D(DJIEU) - 0.029970
+ 0.169530 D(ISSI(-1),2) + 0.118709 D(ISSI(-2),2)
+ 0.058196 D(ISSI(-3),2) + 0.063216 D(ISSI(-4),2)
+ 0.026599 D(ISSI(-5),2) - 0.018392 D(DJIEU(-
1),2) - 0.014943 D(DJIEU(-2),2) - 0.011317
D(DJIEU(-3),2) - 0.007323 D(DJIEU(-4),2) -
0.002998 D(DJIEU(-5),2) - 0.000866
181
D(DJIEU,2) = 8.137079 D(ISSI) - 0.019893 D(DJIEU) - 0.029970 -
5.929874 D(ISSI(-1),2) - 4.167838 D(ISSI(-2),2) -
2.815214 D(ISSI(-3),2) - 2.099711 D(ISSI(-4),2) -
0.002998 D(ISSI(-5),2) - 0.671438 D(DJIEU(-1),2)
- 0.504151D(DJIEU(-2),2) - 0.347348 D(DJIEU(-
3),2) - 0.288866 D(DJIEU(-4),2) - 0.208098
D(DJIEU(-5),2) - 0.007860
Berdasarkan hasil estimasi cointegrating vector dalam model
VECM di atas dapat diketahui bahwa DJIEU memiliki nilai t-statistik
yang lebih besar dari 1,96 yaitu -6.16895 > -1,96 yang menunjukkan
bahwa DJIEU (-0.019893) memiliki pengaruh yang signifikan terhadap
cointegrating vector, yang berarti pasar modal syariah Eropa
berkontribusi signifikan pada hubungan jangka panjang dengan pasar
modal syariah di Indonesia. Selain itu, koefisien speed of adjustment
DJIEU pada cointegrating vector sebesar 8.137079 dinilai signifikan
secara statistik (t-statistik 5.58712 > 1.96) yang mengartikan bahwa pada
saat terjadi disequilibrium dalam jangka pendek terhadap keseimbangan
jangka panjang, maka DJIEU akan menyesuaikan positif sebesar
8.137079. Begitupun dengan koefisien speed of adjustment ISSI sebesar -
1.140772 dinilai signifikan secara statistik (t-statistik -15.326 > -1.96)
yang mengartikan bahwa pada saat terjadi disequilibrium dalam jangka
182
pendek terhadap keseimbangan jangka panjang, maka ISSI akan
menyesuaikan negatif sebesar -1.140772. Jadi dalam jangka panjang,
DJIEU berpengaruh negatif terhadap ISSI yang berarti kenaikan DJIEU
akan menyebabkan ISSI menurun, dan penurunan DJIEU akan
menyebabkan ISSI mengalami peningkatan.
Pada persamaan pertama di atas, diketahui bahwa DJIEU
memberikan pengaruh yang signifikan secara negatif terhadap pergerakan
ISSI pada 1, 2, 3, 4, dan 5 hari sebelumnya sedangkan ISSI sendiri
memberikan pengaruh yang signifikan secara positif pada 1 dan 2 hari
sebelumnya. Adapun pada persamaan kedua, DJIEU memberikan
pengaruh yang signifikan secara negatif terhadap pergerakan ISSI baik
pada 1, 2, 3, 4, maupun 5 hari sebelumnya begitupun dengan ISSI yang
memberikan pengaruh signifikan secara negatif pada 1, 2, 3 maupun 4
hari sebelumnya.
e. Estimasi VECM antara IMUS dengan ISSI
Setelah dilakukan uji Kointegrasi Johansen antara IMUS dengan ISSI
yang menghasilkan bahwa adanya hubungan jangka panjang (kointegrasi),
maka selanjutnya akan dilakukan estimasi VECM.
183
Tabel 4.32
Hasil Estimasi VECM atas IMUS dengan ISSI
Cointegrating Eq: CointEq1
D(ISSI(-1)) 1.000000
D(IMUS(-1)) -0.019428
(0.00290)
[-6.70057]
C -0.003994
Error Correction: D(ISSI,2) D(IMUS,2)
CointEq1 -1.084338 11.59822
(0.07413) (1.61684)
[-14.6265] [ 7.17340]
D(ISSI(-1),2) 0.124403 -8.080120
(0.06749) (1.47183)
[ 1.84340] [-5.48986]
D(ISSI(-2),2) 0.088037 -5.651487
(0.05998) (1.30806)
[ 1.46784] [-4.32049]
D(ISSI(-3),2) 0.041801 -4.197524
(0.05095) (1.11127)
[ 0.82038] [-3.77723]
D(ISSI(-4),2) 0.060782 -2.532615
(0.04110) (0.89627)
[ 1.47904] [-2.82573]
D(ISSI(-5),2) 0.028648 -0.392313
(0.02938) (0.64075)
[ 0.97511] [-0.61227]
D(IMUS(-1),2) -0.018425 -0.645945
(0.00169) (0.03696)
184
[-10.8720] [-17.4763]
D(IMUS(-2),2) -0.015912 -0.578845
(0.00183) (0.03990)
[-8.69663] [-14.5062]
D(IMUS(-3),2) -0.013131 -0.387659
(0.00185) (0.04044)
[-7.08124] [-9.58586]
D(IMUS(-4),2) -0.008018 -0.231140
(0.00166) (0.03614)
[-4.83838] [-6.39562]
D(IMUS(-5),2) -0.002526 -0.156232
(0.00128) (0.02791)
[-1.97337] [-5.59715]
C -0.000678 -0.022980
(0.04382) (0.95565)
[-0.01547] [-0.02405]
Berdasarkan hasil estimasi VECM antara IMUS dengan ISSI,
menunjukkan terdapat dua persamaan VECM yang memuat persamaan
kointegrasi serta variabel yang merupakan hasil differencing dari lag tiap
variabel. Berikut ini dua persamaan VECM yang terbentuk sekaligus
penjelasannya.
.D(ISSI,2) = -1.084338 D(ISSI) - 0.019428 D(IMUS) - 0.003994
+ 0.124403 D(ISSI(-1),2) + 0.088037 D(ISSI(-2),2)
+ 0.058196 D(ISSI(-3),2) + 0.063216 D(ISSI(-4),2)
+ 0.026599 D(ISSI(-5),2) - 0.018392 D(IMUS(-1),2)
185
- 0.015912 D(IMUS(-2),2) - 0.013131 D(IMUS(-
3),2) - 0.008018 D(IMUS(-4),2) - 0.002526
D(IMUS(-5),2) - 0.000678
D(IMUS,2) = 11.59822 D(ISSI) - 0.019428 D(IMUS) - 0.003994 -
8.080120 D(ISSI(-1),2) - 5.651487 D(ISSI(-2),2) -
4.197524 D(ISSI(-3),2) - 2.532615 D(ISSI(-4),2) -
0.392313 D(ISSI(-5),2) - 0.645945 D(IMUS(-1),2) -
0.578845 D(IMUS(-2),2) - 0.387659 D(IMUS(-3),2)
- 0.231140 D(IMUS(-4),2) - 0.156232 D(IMUS(-
5),2) - 0.022980
Berdasarkan hasil estimasi cointegrating vector dalam model VECM
di atas dapat diketahui bahwa IMUS memiliki nilai t-statistik yang lebih
besar dari 1,96 yaitu -6.70057 > -1,96 yang menunjukkan bahwa IMUS (-
0.019428) memiliki pengaruh yang signifikan terhadap cointegrating
vector, yang berarti pasar modal syariah Amerika Serikat berkontribusi
signifikan pada hubungan jangka panjang dengan pasar modal syariah di
Indonesia. Selain itu, koefisien speed of adjustment IMUS pada
cointegrating vector sebesar 11.59822 dinilai signifikan secara statistik (t-
statistik 7.17340 > 1.96) yang mengartikan bahwa pada saat terjadi
disequilibrium dalam jangka pendek terhadap keseimbangan jangka
panjang, maka IMUS akan menyesuaikan positif sebesar 11.59822.
186
Begitupun dengan koefisien speed of adjustment ISSI sebesar -1.084338
dinilai signifikan secara statistik (t-statistik -14.6265 > -1.96) yang
mengartikan bahwa pada saat terjadi disequilibrium dalam jangka pendek
terhadap keseimbangan jangka panjang, maka ISSI akan menyesuaikan
negatif sebesar -1.084338. Jadi dalam jangka panjang, IMUS berpengaruh
negatif terhadap ISSI yang berarti kenaikan IMUS akan menyebabkan
ISSI menurun, dan penurunan IMUS akan menyebabkan ISSI mengalami
peningkatan.
Pada persamaan pertama di atas, diketahui bahwa IMUS memberikan
pengaruh yang signifikan secara negatif terhadap pergerakan ISSI pada 1,
2, 3, 4, dan 5 hari sebelumnya sedangkan ISSI sendiri tidak memberikan
pengaruh yang signifikan. Adapun pada persamaan kedua, IMUS
memberikan pengaruh yang signifikan secara negatif terhadap pergerakan
ISSI baik pada 1, 2, 3, 4, maupun 5 hari sebelumnya begitupun dengan
ISSI yang memberikan pengaruh signifikan secara negatif pada 1, 2, 3
maupun 4 hari sebelumnya.
8. Impulse Response Function (IRF)
Impulse Response Function (IRF) digunakan untuk menentukan respon
suatu variabel endogen terhadap suatu shock tertentu. IRF mengukur pengaruh
suatu shock pada saat tersebut dan di masa yang akan datang. IRF bertujuan
187
untuk mengisolasi suatu guncangan agar lebih spesifik yang artinya suatu
variabel dapat dipengaruhi oleh shock atau guncangan tertentu. Apabila suatu
variabel tidak dapat dipengaruhi oleh shock, maka shock spesifik tersebut
tidak dapat diketahui melainkan shock secara umum (Beik dan Fatmawati,
2014:166).
Dalam grafik IRF terdapat dua sumbu, yaitu sumbu horizontal dan sumbu
vertikal. Sumbu horizontal merupakan periode waktu ke depan setelah
terjadinya shock, sedangkan sumbu vertikal adalah nilai respon. Analisis IRF
ini dilakukan untuk melihat respon positif atau negatif dari suatu variabel
dengan melihat grafik pada kuadran pertama dan ketiga. Sedangkan grafik
pada kuadran kedua dan keempat itu menunjukkan respon dari masing-masing
variabel itu sendiri. Berikut ini adalah hasil Impulse Response Function dari
ke enam pasar modal syariah:
a. Impulse Response Function antara DJIMY dengan ISSI
Analisis IRF ini menjelaskan mengenai respon yang diterima ISSI
terhadap shock yang diberikan oleh DJIMY. Berdasarkan grafik di bawah
ini, pada kuadran pertama terlihat bahwa ISSI merespon guncangan dari
DJIMY secara positif. Pada periode pertama sampai periode ke tiga respon
ISSI mengalami kenaikan dan mencapai kenaikan yang cukup signifikan
pada periode keempat. Namun, respon ISSI cenderung mengalami
188
penurunan dari periode lima sampai periode enam dan respon ISSI
menjadi stagnan dari setelah periode enam sampai periode sepuluh.
Gambar 4.13. Impulse Response Function atas DJIMY dengan ISSI
-0.4
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(ISSI) to D(ISSI)
-0.4
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(ISSI) to D(DJIMY)
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
Response of D(DJIMY) to D(ISSI)
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
Response of D(DJIMY) to D(DJIMY)
Response to Cholesky One S.D. Innovations
Sumber: data diolah menggunakan Eviews
Pada kuadran kedua grafik di atas, terlihat seperti sama pada
kuadran pertama. DJIMY merespon guncangan dari ISSI secara positif.
Pada periode pertama sampai periode keempat, respon DJIMY mengalami
kenaikan dan mencapai kenaikan yang cukup signifikan pada periode
kelima. Kemudian respon DJIMY menurun sampai periode enam dan
respon DJIMY menjadi stagnan dari setelah periode enam sampai periode
sepuluh.
189
Dari penjelasan di atas, dapat disimpulkan bahwa respon ISSI
terhadap shock dari DJIMY sama seperti respon DJIMY terhadap shock
dari ISSI yaitu respon secara positif yang berlangsung dari periode satu
sampai enam, hanya saja dari setelah periode 6 hingga memasuki periode
sepuluh mengalami keadaan stagnan.
b. Impulse Response Function antara DJIJP dengan ISSI
Analisis IRF ini menjelaskan mengenai respon yang diterima ISSI
terhadap shock yang diberikan oleh DJIJP. Berikut grafik IRF atas DJIJP
dengan ISSI. Berdasarkan grafik di bawah ini, pada kuadran pertama
terlihat bahwa ISSI merespon guncangan dari DJIJP secara positif. Pada
periode pertama sampai periode ke empat respon ISSI mengalami
kenaikan dan mencapai kenaikan yang cukup signifikan pada periode ke
lima. Namun, respon ISSI cenderung mengalami penurunan sampai
periode enam dan respon ISSI menjadi stabil dari setelah periode enam
sampai periode sepuluh.
190
Gambar 4.14. Impulse Response Function atas DJIJP dengan ISSI
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(ISSI) to D(ISSI)
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(ISSI) to D(DJIJP)
-4
0
4
8
12
16
20
1 2 3 4 5 6 7 8 9 10
Response of D(DJIJP) to D(ISSI)
-4
0
4
8
12
16
20
1 2 3 4 5 6 7 8 9 10
Response of D(DJIJP) to D(DJIJP)
Response to Cholesky One S.D. Innovations
Sumber: data diolah menggunakan Eviews
Pada kuadran kedua grafik di atas, terlihat seperti sama pada kuadran
pertama. DJIJP merespon guncangan dari ISSI secara positif. Pada periode
pertama sampai periode ke empat, respon DJIJP mengalami kenaikan dan
mencapai kenaikan yang cukup signifikan pada periode kelima. Kemudian
respon DJIJP menurun sampai periode enam dan respon DJIJP menjadi
stagnan dari setelah periode enam sampai periode sepuluh.
Dari penjelasan di atas, dapat disimpulkan bahwa respon ISSI
terhadap shock dari DJIJP sama seperti respon DJIJP terhadap shock dari
ISSI yaitu respon secara positif yang berlangsung dari periode satu sampai
191
enam, hanya saja dari setelah periode 6 hingga memasuki periode sepuluh
mengalami keadaan stagnan.
c. Impulse Response Function antara DJICHKU dengan ISSI
Analisis IRF ini menjelaskan mengenai respon yang diterima ISSI
terhadap shock yang diberikan oleh DJICHKU. Berikut ini grafik IRF
antara IMUS dengan ISSI.
Gambar 4.15. Impulse Response Function DJICHKU dengan ISSI
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(ISSI) to D(ISSI)
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(ISSI) to D(DJICHKU)
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9 10
Response of D(DJICHKU) to D(ISSI)
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9 10
Response of D(DJICHKU) to D(DJICHKU)
Response to Cholesky One S.D. Innovations
Berdasarkan grafik di atas, pada kuadran pertama terlihat bahwa ISSI
merespon guncangan dari DJICHKU secara positif. Pada periode pertama
sampai periode ke tiga respon ISSI mengalami kenaikan yang cukup
signifikan. Namun, respon ISSI cenderung mengalami penurunan pada
192
periode empat dan respon ISSI menjadi stagnan setelah periode empat
sampai memasuki periode sepuluh.
Pada kuadran kedua grafik di atas, terlihat seperti sama pada kuadran
pertama. DJICHKU merespon guncangan dari ISSI secara positif. Pada
periode pertama sampai periode ke tiga, respon DJICHKU mengalami
kenaikan cukup signifikan. Kemudian respon DJICHKU menurun sampai
periode empat dan respon DJICHKU menjadi stagnan setelah periode
enam sampai periode sepuluh.
Dari penjelasan di atas, dapat disimpulkan bahwa respon ISSI
terhadap shock dari DJICHKU sama seperti respon DJICHKU terhadap
shock dari ISSI yaitu respon secara positif yang berlangsung dari periode
satu sampai empat, hanya saja dari setelah periode empat hingga
memasuki periode sepuluh mengalami keadaan stagnan.
d. Impulse Response Function antara DJIEU dengan ISSI
Analisis IRF ini menjelaskan mengenai respon yang diterima ISSI
terhadap shock yang diberikan oleh DJIEU. Berikut ini grafik IRF antara
IMUS dengan ISSI.
193
Gambar 4.16. Impulse Response Function DJIEU dengan ISSI
-0.4
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(ISSI) to D(ISSI)
-0.4
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(ISSI) to D(DJIEU)
0
5
10
15
20
25
30
1 2 3 4 5 6 7 8 9 10
Response of D(DJIEU) to D(ISSI)
0
5
10
15
20
25
30
1 2 3 4 5 6 7 8 9 10
Response of D(DJIEU) to D(DJIEU)
Response to Cholesky One S.D. Innovations
Sumber: data diolah menggunakan Eviews
Berdasarkan grafik di atas, pada kuadran pertama terlihat bahwa ISSI
merespon guncangan dari DJIEU secara positif. Pada periode pertama
sampai periode ke dua respon ISSI mengalami kenaikan dan respon ISSI
meningkat namun tidak terlalu signifikan sampai periode enam. Kemudian
respon ISSI cenderung mengalami penurunan setelah periode enam
sampai periode delapan dan respon ISSI menjadi stagnan setelah periode
delapan sampai memasuki periode sepuluh.
Pada kuadran kedua grafik di atas, terlihat seperti sama pada kuadran
pertama. DJIEU merespon guncangan dari ISSI secara positif. Pada
periode pertama sampai periode ke dua respon ISSI mengalami kenaikan
194
dan respon ISSI meningkat namun tidak terlalu signifikan sampai periode
tujuh. Kemudian respon ISSI cenderung mengalami penurunan setelah
periode tujuh sampai periode delapan dan respon ISSI menjadi stagnan
setelah periode delapan sampai memasuki periode sepuluh.
Dari penjelasan di atas, dapat disimpulkan bahwa respon ISSI
terhadap shock dari DJIEU sama seperti respon DJIEU terhadap shock
dari ISSI yaitu respon secara positif yang berlangsung dari periode satu
sampai tujuh, hanya saja dari setelah periode tujuh hingga memasuki
periode sepuluh mengalami keadaan stagnan.
e. Impulse Response Function antara IMUS dengan ISSI
Analisis IRF ini menjelaskan mengenai respon yang diterima ISSI
terhadap shock yang diberikan oleh IMUS. Berdasarkan grafik di bawah
ini, pada kuadran pertama terlihat bahwa ISSI merespon guncangan dari
IMUS secara positif. Pada periode pertama sampai periode ke enam
respon ISSI mengalami kenaikan yang cukup signifikan. Kemudian
respon ISSI cenderung mengalami penurunan setelah periode enam
sampai periode tujuh dan respon ISSI menjadi stagnan setelah periode
tujuh sampai memasuki periode sepuluh.
195
Gambar 4.17. Impulse Response Function IMUS dengan ISSI
-0.4
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(ISSI) to D(ISSI)
-0.4
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(ISSI) to D(IMUS)
0
10
20
30
40
1 2 3 4 5 6 7 8 9 10
Response of D(IMUS) to D(ISSI)
0
10
20
30
40
1 2 3 4 5 6 7 8 9 10
Response of D(IMUS) to D(IMUS)
Response to Cholesky One S.D. Innovations
Sumber: data diolah menggunakan Eviews
Pada kuadran kedua grafik di atas, terlihat seperti sama pada kuadran
pertama. DJIEU merespon guncangan dari ISSI secara positif. Pada
periode pertama sampai periode ke dua respon ISSI mengalami kenaikan
dan kenaikan yang cukup signifikan pada periode enam. Kemudian respon
ISSI cenderung mengalami penurunan setelah periode tujuh sampai
periode delapan dan respon ISSI menjadi stagnan setelah periode delapan
sampai memasuki periode sepuluh.
Dari penjelasan di atas, dapat disimpulkan bahwa respon ISSI
terhadap shock dari IMUS sama seperti respon IMUS terhadap shock dari
ISSI yaitu respon secara positif yang berlangsung dari periode satu sampai
196
delapan, hanya saja dari setelah periode delapan hingga memasuki periode
sepuluh mengalami keadaan stagnan.
9. Forecast Error Variance Decomposition (FEVD)
Analisis Forecast Error Variance Decomposition (FEVD) dalam model
VECM bertujuan untuk memprediksi kontribusi persentase varian setiap
peubah kerana adanya perubahan peubah tertentu dalam sistem VAR. Pada
analisis IRF sebelumnya digunakan untuk melihat dampak guncangan dari
satu peubah terhadap peubah lainnya, dalam analisis FEVD digunakan untuk
menggambarkan relatif pentingnya setiap peubah dalam sistem VAR karena
adanya shock (Juanda dan Juandi, 2012). Berikut ini adalah hasil Forecast
Error Variance Decomposition dari ke enam pasar modal syariah:
a. Forecast Error Variance Decomposition antara DJIMY dengan ISSI
Tabel 4.33
Tabel FEVD antara DJIMY dengan ISSI
Variance Decomposition of D(ISSI):
Period S.E. D(ISSI) D(DJIMY)
1 1.518028 100.0000 0.000000
2 1.523319 99.46311 0.536891
3 1.527596 98.95252 1.047482
4 1.556608 95.33790 4.662097
5 1.585154 92.25917 7.740830
6 1.599078 90.96383 9.036166
7 1.613234 89.65700 10.34300
8 1.630729 88.07038 11.92962
9 1.647808 86.55541 13.44459
10 1.663250 85.20079 14.79921
197
Variance Decomposition of D(DJIMY):
Period S.E. D(ISSI) D(DJIMY)
1 7.585171 0.056580 99.94342
2 7.930989 1.312532 98.68747
3 8.329522 2.492264 97.50774
4 8.837018 3.871113 96.12889
5 9.476556 5.899309 94.10069
6 9.898273 6.529577 93.47042
7 10.32494 7.036280 92.96372
8 10.76763 7.514978 92.48502
9 11.19404 8.007008 91.99299
10 11.58582 8.389679 91.61032
Cholesky Ordering: D(ISSI) D(DJIMY)
Sumber: data diolah menggunakan Eviews
Pada tabel pertama dalam hasil Variance Decomposition antara
DJIMY dengan ISSI, menunjukkan bahwa pada periode pertama hanya
ISSI yang mempengaruhi dirinya sendiri sebesar 100%. Pada periode
kedua, DJIMY mulai memberikan kontribusinya terhadap variabilitas
ISSI sebesar 0.54%. Kemudian kontribusi DJIMY meningkat hingga
akhir periode sebesar 14.8%. Sedangkan kontribusi ISSI sendiri
cenderung menurun hingga akhir periode sebesar 85.2%. Hal ini
menunjukkan bahwa fluktuasi ISSI lebih banyak dipengaruhi oleh dirinya
sendiri daripada variabel DJIMY.
Selanjutnya pada tabel kedua, terlihat bahwa kontribusi ISSI mampu
menjelaskan variabilitas DJIMY sebesar 0.06% pada periode pertama dan
nilai ini terus meningkat hingga akhir periode sebesar 8.39%. Hal ini
198
berbeda dengan kontribusi DJIMY itu sendiri yang cenderung menurun
dari awal periode sebesar 99.94% menjadi 91.61% pada akhir periode.
b. Forecast Error Variance Decomposition antara DJIJP dengan ISSI
Tabel 4.34
Tabel FEVD antara DJIJP dengan ISSI
Variance Decomposition of D(ISSI):
Period S.E. D(ISSI) D(DJIJP)
1 1.587300 100.0000 0.000000
2 1.617947 98.26411 1.735887
3 1.647149 95.73157 4.268430
4 1.690166 92.11716 7.882838
5 1.783106 86.89251 13.10749
6 1.821467 85.58788 14.41212
7 1.867099 83.81818 16.18182
8 1.916090 81.82576 18.17424
9 1.966541 80.16815 19.83185
10 2.009167 78.79673 21.20327
Variance Decomposition of D(DJIJP):
Period S.E. D(ISSI) D(DJIJP)
1 16.71221 1.459850 98.54015
2 16.82867 2.793111 97.20689
3 17.39770 6.923673 93.07633
4 18.24043 9.108950 90.89105
5 19.12657 14.01074 85.98926
6 19.55557 15.45784 84.54216
7 20.18322 17.13507 82.86493
8 20.78215 18.82177 81.17823
9 21.36515 20.41567 79.58433
10 21.88322 21.66132 78.33868
Cholesky Ordering: D(ISSI) D(DJIJP)
Sumber: data diolah menggunakan Eviews
199
Pada tabel pertama dalam hasil Variance Decomposition antara
DJIJP dengan ISSI, menunjukkan bahwa pada periode pertama hanya
ISSI yang mempengaruhi dirinya sendiri sebesar 100%. Pada periode
kedua, DJIJP mulai memberikan kontribusinya terhadap variabilitas ISSI
sebesar 1.73%. Kemudian kontribusi DJIJP semakin meningkat hingga
akhir periode sebesar 21.2%. Sedangkan kontribusi ISSI sendiri
cenderung menurun hingga akhir periode sebesar 78.8%. Hal ini
menunjukkan bahwa fluktuasi ISSI lebih banyak dipengaruhi oleh dirinya
sendiri daripada variabel DJIJP.
Selanjutnya pada tabel kedua, terlihat bahwa kontribusi ISSI mampu
menjelaskan variabilitas DJIJP sebesar 1.46% pada periode pertama dan
nilai ini terus meningkat hingga akhir periode sebesar 21.66%. Hal ini
berbeda dengan kontribusi DJIJP itu sendiri yang cenderung menurun
dari awal periode sebesar 98.54% menjadi 78.34% pada akhir periode.
c. Forecast Error Variance Decomposition antara DJICHKU dengan ISSI
Tabel 4.35
Tabel FEVD antara DJICHKU dengan ISSI
Variance Decomposition of D(ISSI):
Period S.E. D(ISSI) D(DJICHKU)
1 1.534257 100.0000 0.000000
2 1.550499 98.34571 1.654293
3 1.588364 93.72362 6.276384
200
4 1.612537 91.25115 8.748852
5 1.641402 88.49978 11.50022
6 1.667224 86.12480 13.87520
7 1.693850 83.78108 16.21892
8 1.719475 81.63125 18.36875
9 1.745013 79.58195 20.41805
10 1.770040 77.65920 22.34080
Variance Decomposition of D(DJICHKU):
Period S.E. D(ISSI) D(DJICHKU)
1 24.06801 1.378729 98.62127
2 26.87342 3.542483 96.45752
3 32.23177 6.068499 93.93150
4 35.50254 7.001656 92.99834
5 39.07516 7.683214 92.31679
6 42.07716 8.161245 91.83876
7 45.00371 8.528358 91.47164
8 47.69244 8.811926 91.18807
9 50.26514 9.039575 90.96042
10 52.69929 9.225985 90.77401
Cholesky Ordering: D(ISSI) D(DJICHKU)
Sumber: data diolah menggunakan Eviews
Pada tabel pertama dalam hasil Variance Decomposition antara
DJICHKU dengan ISSI, menunjukkan bahwa pada periode pertama
hanya ISSI yang mempengaruhi dirinya sendiri sebesar 100%. Pada
periode kedua, DJICHKU mulai memberikan kontribusinya terhadap
variabilitas ISSI sebesar 1.65%. Kemudian kontribusi DJICHKU semakin
meningkat hingga akhir periode sebesar 22.34%. Sedangkan kontribusi
ISSI sendiri cenderung menurun hingga akhir periode sebesar 77.66%.
201
Hal ini menunjukkan bahwa fluktuasi ISSI lebih banyak dipengaruhi oleh
dirinya sendiri daripada variabel DJICHKU.
Selanjutnya pada tabel kedua, terlihat bahwa kontribusi ISSI mampu
menjelaskan variabilitas DJICHKU sebesar 1.38% pada periode pertama
dan nilai ini terus meningkat hingga akhir periode sebesar 9.23%. Hal ini
berbeda dengan kontribusi DJICHKU itu sendiri yang cenderung
menurun dari awal periode sebesar 98.62% menjadi 90.77% pada akhir
periode.
d. Forecast Error Variance Decomposition antara DJIEU dengan ISSI
Tabel 4.36
Tabel FEVD antara DJIEU dengan ISSI
Variance Decomposition of D(ISSI):
Period S.E. D(ISSI) D(DJIEU)
1 1.520844 100.0000 0.000000
2 1.527005 99.29851 0.701493
3 1.533351 98.61235 1.387651
4 1.541818 97.70330 2.296703
5 1.552877 96.42365 3.576352
6 1.566833 94.71674 5.283262
7 1.578779 93.32514 6.674860
8 1.586561 92.64415 7.355852
9 1.594529 91.97126 8.028744
10 1.602683 91.22966 8.770342
Variance Decomposition of D(DJIEU):
Period S.E. D(ISSI) D(DJIEU)
1 29.75766 0.181634 99.81837
202
2 30.37778 1.554009 98.44599
3 31.18854 2.803125 97.19687
4 32.14885 3.766491 96.23351
5 32.71688 4.327697 95.67230
6 33.58374 5.293630 94.70637
7 35.62835 5.839266 94.16073
8 36.46689 6.245048 93.75495
9 37.37665 6.603253 93.39675
10 38.31268 6.941201 93.05880
Cholesky Ordering: D(ISSI) D(DJIEU)
Sumber: data diolah menggunakan Eviews
Pada tabel pertama dalam hasil Variance Decomposition antara
DJIEU dengan ISSI, menunjukkan bahwa pada periode pertama hanya
ISSI yang mempengaruhi dirinya sendiri sebesar 100%. Pada periode
kedua, DJIEU mulai memberikan kontribusinya terhadap variabilitas ISSI
sebesar 0.7%. Kemudian kontribusi DJIEU semakin meningkat hingga
akhir periode sebesar 8.77%. Sedangkan kontribusi ISSI sendiri
cenderung menurun hingga akhir periode sebesar 91.23%. Hal ini
menunjukkan bahwa fluktuasi ISSI lebih banyak dipengaruhi oleh dirinya
sendiri daripada variabel DJIEU.
Selanjutnya pada tabel kedua, terlihat bahwa kontribusi ISSI mampu
menjelaskan variabilitas DJIEU sebesar 0.18% pada periode pertama dan
nilai ini terus meningkat hingga akhir periode sebesar 6.94%. Hal ini
berbeda dengan kontribusi DJIEU itu sendiri yang cenderung menurun
dari awal periode sebesar 99.82% menjadi 93.06% pada akhir periode.
203
e. Forecast Error Variance Decomposition antara IMUS dengan ISSI
Tabel 4.37
Tabel FEVD antara IMUS dengan ISSI
Variance Decomposition of D(ISSI):
Period S.E. D(ISSI) D(IMUS)
1 1.527958 100.0000 0.000000
2 1.531897 99.67073 0.329274
3 1.535431 99.26086 0.739141
4 1.540126 98.73425 1.265751
5 1.555583 96.99211 3.007892
6 1.576605 94.46012 5.539880
7 1.587513 93.27126 6.728744
8 1.594703 92.77851 7.221494
9 1.603707 92.10485 7.895146
10 1.613720 91.31604 8.683965
Variance Decomposition of D(IMUS):
Period S.E. D(ISSI) D(IMUS)
1 33.32382 0.267250 99.73275
2 34.06109 2.956242 97.04376
3 34.53349 4.790489 95.20951
4 35.54264 5.538205 94.46179
5 36.70707 6.714030 93.28597
6 37.80751 9.034800 90.96520
7 39.52369 9.357812 90.64219
8 40.39831 9.864207 90.13579
9 41.22859 10.50759 89.49241
10 42.26048 11.03126 88.96874
Cholesky Ordering: D(ISSI) D(IMUS)
Sumber: data diolah menggunakan Eviews
Pada tabel pertama dalam hasil Variance Decomposition antara
IMUS dengan ISSI, menunjukkan bahwa pada periode pertama hanya
204
ISSI yang mempengaruhi dirinya sendiri sebesar 100%. Pada periode
kedua, IMUS mulai memberikan kontribusinya terhadap variabilitas ISSI
sebesar 0.33%. Kemudian kontribusi IMUS semakin meningkat hingga
akhir periode sebesar 8.68%. Sedangkan kontribusi ISSI sendiri
cenderung menurun hingga akhir periode sebesar 91.32%. Hal ini
menunjukkan bahwa fluktuasi ISSI lebih banyak dipengaruhi oleh dirinya
sendiri daripada variabel IMUS.
Selanjutnya pada tabel kedua, terlihat bahwa kontribusi ISSI mampu
menjelaskan variabilitas IMUS sebesar 0.27% pada periode pertama dan
nilai ini terus meningkat hingga akhir periode sebesar 11.03%. Hal ini
berbeda dengan kontribusi IMUS itu sendiri yang cenderung menurun
dari awal periode sebesar 99.73% menjadi 88.97% pada akhir periode.
D. Interpretasi Hasil Uji
1. Efisiensi Pasar Modal Syariah
Pengujian efisiensi pasar modal syariah menggunakan uji Kolmogorov
Smirnov, Run Test, Autokorelasi dan Unit Roots. Berdasarkan hasil uji
Kolmogorov Smirnov terlihat bahwa data tidak terdistribusi normal. Hal ini
ditunjukkan dari nilai asymptotic signifikan < nilai alpha 5% yang berarti data
bersifat random (acak) dan fluktuatif. Kemudian pengujian Run Test
menunjukkan hasil bahwa harga saham dari ke enam pasar modal syariah
205
mengikuti random walk yang artinya harga saham hari ini tidak ada
hubungannya dengan harga saham sebelumnya. Hal ini dapat disimpulkan
bahwa pasar modal syariah Indonesia/ISSI, Malaysia/DJIMY, Jepang/DJIJP,
Cina/DJICHKU, Eropa/DJIEU, dan Amerika Serikat/IMUS efisien dalam
bentuk lemah.
Uji Autokorelasi digunakan untuk memperkuat hasil uji efisiensi, yang
menghasilkan data tidak terdapat masalah autokorelasi, berarti bahwa harga
saham hari ini tidak ada hubungannya dengan harga saham sebelumnya. Hal ini
menunjukkan bahwa pasar modal syariah ke enam negara tersebut efisien dalam
bentuk lemah karena tidak mengandung masalah autokorelasi, sehingga terbukti
bahwa pasar modal syariah ke enam negara ini efisien dalam bentuk lemah
yang didukung dengan pengujian Run dan Autokorelasi menghasilkan hasil
yang sama. Berbeda dengan hasil uji Stasioneritas Unit Root yang
menghasilkan data stasioner yaitu terbebas dari masalah akar unit dengan kata
lain ada autokorelasi pada data. Hal ini mengartikan bahwa pasar modal syariah
tidak efisien dalam bentuk lemah yang menunjukkan kemungkinan dalam
memprediksi harga di masa yang akan datang berdasarkan historical price.
Ketidaksempurnaan yang dimiliki pasar modal dalam biaya transaksi,
kualitas pengungkapan informasi yang buruk, thin trading, peraturan
keuangan, dan akuntansi membuat pengujian efisiensi pasar bentuk lemah
206
pada pasar modal berkembang sering menghasilkan pasar tidak efisien dalam
bentuk lemah (Alia Tri Utami, 2018:114).
Berdasarkan hasil pengujian di atas maka dapat disimpulkan bahwa ke
enam pasar modal syariah ini efisien dalam bentuk lemah, yang mengartikan
bahwa harga saham hari ini tidak ada hubungannya dengan harga saham
sebelumnya dibuktikan bahwa data terdistribusi normal, mengikuti jalan acak
(random walk), dan tidak terdapat masalah autokorelasi. Hal ini menunjukkan
bahwa harga saham ke enam pasar modal syariah telah mencerminkan
informasi yang tersedia. Jika dikaitkan dalam Islam maka ke enam pasar
modal syariah dalam penelitian ini telah sesuai dengan salah satu prinsip
umum investasi syariah menurut Rodoni (2009:39), yaitu transparan, di mana
harga saham telah mencerminkan semua informasi yang tersedia (efisien
dalam bentuk lemah) dan mengedepankan informasi yang benar sehingga
memberikan kebaikan untuk investor. Dalam pasar modal syariah kebenaran
informasi merupakan syarat mutlak dalam bertransaksi untuk para investor
dan pelaku pasar modal lainnya.
Investor bertindak secara rasional dengan mempertimbangkan tingkat
keuntungan dan tingkat risiko investasi. Untuk mendapatkan keuntungan yang
lebih tinggi dengan risiko yang lebih rendah, investor mempertimbangkan
berbagai informasi yang berkembang di pasar modal. Informasi menjadi kunci
untuk memperoleh keuntungan. Penelitian efisiensi pasar modal syariah ini
207
telah membuktikan bahwa ke enam pasar modal syariah efisien dalam bentuk
lemah sehingga investor seharusnya tidak menggunakan informasi masa lalu
untuk memprediksi harga saat ini.
2. Integrasi Pasar Modal Syariah
Analisis integrasi yang digunakan dalam metode VECM yaitu analisis
kausalitas, kointegrasi, dan Forecast Error Variance Decomposition (FEVD).
Berdasarkan analisis Kausalitas Granger, menunjukkan bahwa pasar modal
syariah di Jepang/DJIJP, Cina/DJICHKU, dan Eropa/DJIEU tidak memiliki
hubungan kausalitas dengan pasar modal syariah negara Indonesia/ISSI. Hanya
terdapat pasar modal syariah negara Malaysia/DJIMY dan Amerika
Serikat/IMUS yang memiliki kausalitas satu arah atau tidak ada hubungan
timbal balik, yaitu pasar modal syariah Malaysia/DJIMY mempengaruhi pasar
modal syariah Indonesia/ISSI namun tidak sebaliknya dan pasar modal syariah
Indonesia/ISSI mempengaruhi pasar modal syariah Amerika Serikat/IMUS
namun tidak sebaliknya.
Malaysia adalah negara yang mayoritas penduduknya muslim, selain itu
karena posisinya yang sangat dekat dengan Indonesia maka akan sangat
berpengaruh pada saham syariah Indonesia. Adanya perjanjian bilateral antara
Bursa Efek Indonesia (BEI) dengan Bursa Malaysia tentang perdagangan
beberapa perusahaan dan produk syariah. Hal ini membuat hubungan antara
208
Indonesia dan Malaysia semakin terbangun erat di bidang syariah. Selain itu
banyaknya investor dari Malaysia yang berinvestasi di Indonesia terutama
dalam industri perkebunan kelapa sawit membuat Malaysia dapat
mempengaruhi Indonesia. Hal ini ditunjukkan dari neraca perdagangan antara
Indonesia dengan Malaysia yang mengalami defisit di mana impor dari
Malaysia lebih besar daripada ekspor ke Malaysia sebagaimana terlihat pada
gambar di bawah ini:
Tabel 4.38 Neraca Perdagangan Indonesia dengan Malaysia
(Nilai: Juta US$)
Uraian 2014 2015 2016 2017
Total Perdagangan 20.585 16.162 14.323 17.299
Migas 8.410 4.954 3.568 4.940
Non Migas 12.176 11.207 10.755 12.359
Ekspor 9.730 7.631 7.122 8.441
Migas 3.333 1.403 1.099 1.368
Non Migas 6.397 6.228 6.023 7.073
Impor 10.855 8.531 7.201 8.858
Migas 5.077 3.551 2.469 3.572
Non Migas 5.779 4.979 4.732 5.286
Neraca Perdagangan -1.125 -899 -79 -417
Migas -1.744 -2.148 -1.371 -2.205
Non Migas 619 1.248 1.291 1.787
Sumber: BPS, data diolah oleh Kementerian Perdagangan (www.kemenag.go.id)
Berdasarkan tabel di atas, dapat diketahui bahwa nilai impor dari Malaysia
ke Indonesia lebih besar dari nilai ekspor Indonesia ke Malaysia. Hal ini
mengakibatkan neraca perdagangan Indonesia dengan Malaysia mengalami
209
defisit dari tahun 2014 sampai tahun 2017. Berdasarkan yang dilansir dari
www.kompas.com, negeri jiran Malaysia menjadi negara ketiga di Asia
Tenggara dengan nilai impor ke Indonesia tertinggi pada Januari 2019. Nilainya
mencapai 576 juta dollar AS, sedangkan pada 2018 lalu, nilai impor RI dari
Malaysia mencapai 5,1 miliar dolar AS. Dapat disimpulkan bahwa Malaysia
memberikan pengaruh yang besar pada Indonesia sehingga terjadi hubungan
kausalitas satu arah yaitu pasar modal syariah Malaysia/DJIMY mempengaruhi
pasar modal syariah Indonesia/ISSI.
Berdasarkan dilansir dari www.kemendag.go.id, memasuki tahun ke-70
hubungan diplomatik antara Indonesia dan Amerika Serikat (AS), Menteri
Perdagangan mengawali diplomasi perdagangan Indonesia tahun ini dengan
melakukan kunjungan ke AS pada 14-19 Januari 2019. Kunjungan kerja
sekaligus misi dagang ini dilakukan karena AS merupakan salah satu negara
terpenting tujuan ekspor Indonesia dan sumber investasi asing saat ini. Negara
AS menjadi negara komoditas ekspor terbesar Indonesia yang menempati
urutan nomor satu dengan jumlah paling tinggi yaitu 15,1 juta dolar AS pada
tahun 2016 dengan tren 1,74% terhitung dari tahun 2012 sampai dengan tahun
2016.
210
Tabel 4.39 Neraca Perdagangan Indonesia dengan Amerika Serikat
(Nilai: Juta US$)
Uraian 2014 2015 2016 2017 2018
Total Perdagangan 24.700 23.834 23.440 25.916 28.616
Migas 741 975 548 1.083 1.840
Non Migas 23.959 22.859 22.892 24.833 26.776
Ekspor 16.530 16.241 16.141 17.795 18.440
Migas 673 933 456 660 772
Non Migas 15.857 15.308 15.685 17.134 17.668
Impor 8.170 7.593 7.298 8.122 10.176
Migas 68 42 92 423 1.068
Non Migas 8.102 7.551 7.207 7.699 9.108
Neraca Perdagangan 8.360 8.648 8.843 9.673 8.264
Migas 605 890 364 237 -296
Non Migas 7.755 7.757 8.478 9.436 8.560
Sumber: BPS, data diolah oleh Kementerian Perdagangan (www.kemenag.go.id)
Berdasarkan tabel di atas, dapat dilihat bahwa nilai ekspor Indonesia ke AS
jauh lebih besar daripada nilai impor AS ke Indonesia sehingga neraca
pembayaran Indonesia dengan AS mengalami surplus. Hal ini akan menjadikan
cadangan devisa Indonesia semakin bertambah. Adapun total perdagangan
Indonesia mengalami peningkatan secara signifikan dari tahun 2012 sampai
dengan tahun 2018 yang mengartikan bahwa kerja sama dalam perdagangan
antara Indonesia dengan AS semakin meningkat. Indonesia memberikan
pengaruh yang besar kepada AS dari total ekspornya yang tinggi menjadikan
Indonesia memiliki hubungan kausalitas terhadap AS namun tidak berlaku
sebaliknya.
211
Hasil temuan ini mendukung studi empiris yang pernah dilakukan oleh
Ikrima dan Muharam (2014) yang mengatakan terjadi hubungan kausalitas satu
arah yaitu pasar modal Malaysia mempengaruhi pasar modal Indonesia. Namun
sebaliknya berbeda dengan penelitian oleh Ibnu Qizam, et.al (2015) yang
mengatakan bahwa terjadi hubungan kausalitas dua arah antar pasar modal
syariah Malaysia dengan pasar modal syariah Indonesia. Hal ini terjadi karena
perbedaan dalam periode penelitian yaitu dari 2007 s.d. 2012.
Berbeda dengan penelitian yang dilakukan oleh Robiyanto dan Hartanto
(2018) dan Riyanti dan Palagan (2016) yang menghasilkan tidak ada hubungan
antara Malaysia dengan Indonesia. Hal ini didukung oleh penelitian Beik dan
Fatmawati (2014) dan Robiyanto dan Hartanto (2018) yang menghasilkan tidak
adanya hubungan kausalitas antara pasar modal syariah Eropa, Malaysia,
Amerika Serikat, dan Jepang dengan pasar modal Indonesia. Perbedaan ini
dikarenakan perbedaan dalam periode penelitian dan perbedaan objek pasar
modal konvensional.
Hasil uji Kointegrasi Johansen mengindikasikan bahwa kelima pasar modal
syariah mempunyai hubungan jangka panjang (long-run equilibrium) dengan
pasar modal syariah Indonesia. Hal ini mengindikasikan bahwa antara
pergerakan saham pasar modal syariah Malaysia/DJIMY, Jepang/DJIJP,
Cina/DJICHKU, Eropa/DJIEU dan Amerika Serikat/IMUS memiliki hubungan
stabilitas atau keseimbangan dan pergerakan dalam jangka panjang dengan
212
pasar modal syariah Indonesia/ISSI. Hasil tersebut mendukung penelitian Beik
dan Fatmawati (2014), Ibnu Qizam, et.al (2015), Yudhistira Ardana (2017),
Budi Santosa (2013), Dwi Puryanti (2013), Ardina Puspitasari, et.al (2015), dan
Rasyidin (2016).
Pengujian kointegrasi diperkuat dengan analisis Vector Error Correction
Model (VECM) yang menghasilkan bahwa pasar modal syariah
Malaysia/DJIMY, Jepang/DJIJP, Cina/DJICHKU, Eropa/DJIEU dan Amerika
Serikat/IMUS memiliki hubungan jangka panjang secara negatif dan signifikan
dengan pasar modal syariah Indonesia/ISSI. Begitu juga dengan hubungan
jangka pendek pada VECM yang menghasilkan hubungan jangka pendek
negatif dan signifikan terhadap ISSI. Sehingga dalam jangka panjang maupun
jangka pendek, kenaikan indeks ISSI, DJIMY, DJIP, DJICHKU, DJIEU, dan
IMUS akan menyebabkan ISSI menurun, dan penurunan ke lima indeks
tersebut akan menyebabkan ISSI mengalami peningkatan. Hal ini terjadi karena
jumlah investor di Indonesia masih sangat didominasi oleh investor asing.
Sebagaimana dilansir dari www.kompas.com, Wakil Presiden Jusuf Kalla
(2/1/2018) menyampaikan bahwa 60 persen pasar modal Indonesia didominasi
oleh investor asing. Hal ini harus lebih diperhatikan dengan meningkatkan
minat investasi investor lokal. Nurhayati (2012:9) mengatakan karena, jika
pihak asing secara serentak melakukan rush dan dananya dilarikan keluar
negeri maka yang akan terjadi adalah selain terjadi crash di pasar modal
213
Indonesia dengan penurunan Indeks Harga Saham Gabungan, maka juga akan
terjadi capital outflow yang besar dan juga akan mempengaruhi neraca
pembayaran Indonesia. Selain itu volume pasar yang masih kecil membuat
pasar modal Indonesia rentan terhadap pengendalian dari pelaku pasar,
karakteristik tersebut yang mengakibatkan merosotnya atau melonjaknya indeks
harga saham dalam waktu yang sangat dekat. Jadi, untuk menghindari masalah
rentannya pasar modal syariah Indonesia yaitu dengan lebih banyak menarik
investor domestik untuk berinvestasi di pasar modal syariah.
Analisis yang terakhir adalah analisis Forecast Error Variance
Decomposition (FEVD) yang menunjukkan bahwa ke enam pasar modal
syariah saling memberikan dan menerima kontribusi terhadap pergerakan pasar
modal syariah namun dalam tingkatan yang berbeda-beda. Pergerakan pasar
modal syariah di Cina/DJICHKU dan Jepang/DJIJP memberikan kontribusi
besar terhadap pergerakan pasar modal syariah Indonesia/ISSI. Pertama pasar
modal syariah Cina/DJICHKU memberikan kontribusi terbesar yaitu 22.34%
terhadap pasar modal syariah Indonesia/ISSI, kedua pasar modal syariah
Jepang/DJIJP memberikan kontribusi besar yaitu 21.2% terhadap pergerakan
pasar modal syariah Indonesia/ISSI. Adapun pasar modal syariah Jepang/DJIJP
menerima kontribusi terbesar yaitu 21.66% dari pasar modal syariah
Indonesia/ISSI.
214
Berdasarkan dilansir dari www.kompas.com, Badan Pusat Statistik
melaporkan Cina masih menjadi mitra perdagangan utama Indonesia. Ini
terbukti dari negara tujuan ekspor dan impor Indonesia masih dipimpin oleh
Cina. Cina pun masih menjadi negara asal impor terbesar Indonesia dengan
peran mencapai 28,94 persen. Indonesia mengimpor barang dari Cina antara
lain mesin dan peralatan listrik mesin atau pesawat mekanik, serta plastik dan
barang dari plastik.
Tabel 4.40 Neraca Perdagangan Indonesia dengan Cina
(Nilai: Juta US$)
Uraian 2014 2015 2016 2017 2018
Total Perdagangan 48.230 44.457 47.591 58.850 72.670
Migas 1.310 1.972 1.784 1.988 3.011
Non Migas 46.921 42.485 45.808 56.862 69.659
Ekspor 17.606 15.046 16.791 23.083 27.132
Migas 1.147 1.786 1.673 1.733 2.724
Non Migas 16.459 13.261 15.118 21.350 24.408
Impor 30.624 29.411 30.800 35.767 45.538
Migas 163 186 111 255 287
Non Migas 30.462 29.225 30.690 35.512 45.251
Neraca Perdagangan -13.018 -14.364 -14.010 -12.684 -18.406
Migas 984 1.599 1.562 1.479 2.437
Non Migas -14.002 -15.964 -15.571 -14.162 -20.843
Sumber: BPS, data diolah oleh Kementerian Perdagangan (www.kemenag.go.id)
Berdasarkan tabel di atas, dapat diketahui bahwa nilai impor Cina ke
Indonesia sangat jauh lebih besar dibandingkan ekspor Indonesia ke Cina. Hal
ini membuat neraca perdagangan Indonesia dengan Cina menjadi sangat defisit.
215
Cina merupakan mitra dagang terbesar Indonesia dalam tujuh tahun terakhir
secara beruntun. Berdasarkan dilansir dari www.tirto.id, data Badan Koordinasi
Penanaman Modal menunjukkan realisasi investasi penanaman modal asing atau
Foreign Direct Investment dari Tiongkok ke Indonesia tercatat 1.734 proyek
senilai 2.665 miliar dolar AS. Angka ini meningkat dari 1.052 pada 2015, masa
setahun setelah Presiden Jokowi menjabat, nilainya 628,34 juta dolar AS pada
tahun itu. Bahkan sudah mencapai 1.202 proyek selama Januari-Juni 2018.
Adapun utang pemerintah Indonesia dari Cina pada 2016 diketahui mencapai
1,035 miliar dolar AS. Sementara ada 13,815 miliar dolar AS utang swasta
Indonesia yang dialirkan dari Cina. Pada 2014, utang swasta Indonesia dari
Tiongkok mencapai 6,883 miliar dolar AS pada tahun lalu utang swasta
Indonesia dari Tiongkok telah mencapai 13,816 miliar dolar AS atau meningkat
hampir dua kali lipat selama dua tahun terakhir.
Berdasarkan dilansir dari www.detik.com, proyek yang investasinya
bersumber dari Cina. Pertama, proyek high speed train atau Kereta Cepat
Jakarta-Bandung dalam kerja sama Engineering, Procurement and Construction
(EPC). Nilai kontrak EPC mencapai US$ 4,7 miliar dengan menggandeng Cina
Development Bank (CDB). Kedua, proyek membangun Kawasan Industri
Morowali dengan investasi Cina mencapai US$ 1,63 miliar. Ketiga,
pembangunan listrik di kawasan Industri Morowali, dengan kapasitas 700
Megawatt dan nilai investasi Cina US$ 650 juta. Dari data Kemenripen, Cina
216
merupakan PMA sektor manufaktur urutan ketiga dengan nilai US$ 2 miliar. Ini
tersebar pada 594 proyek. Nilai ini meningkat 839% dibanding periode yang
sama tahun 2015. Dari penjelasan di atas, diketahui bahwa Cina mempengaruhi
Indonesia sehingga hal ini membuat pergerakan pasar modal syariah
Indonesia/ISSI menerima kontribusi terbesar dari pergerakan pasar modal
syariah Cina/DJICHKU. Ditambah dengan meluasnya sistem keuangan Islam di
Cina membuat Indonesia cukup terintegrasi dengan Cina dan berpengaruh
terhadap pergerakan ISSI.
Berdasarkan dilansir dari www.presidenri.go.id, di sektor ekonomi, ekspor
nonmigas Indonesia ke Jepang menduduki peringkat ketiga dengan pangsa pasar
ke Jepang tahun 2015 sebesar 9,9 persen. Selain itu, wisatawan Jepang termasuk
salah satu yang banyak berkunjung ke Indonesia. Kepala Badan Koordinasi
Penanaman Modal (BKPM), Thomas Lembong mencatat, Jepang merupakan
negara kedua terbesar investor di Indonesia yang sebagian besar ditanamkan di
sektor infrastruktur. Diantaranya pembangkit listrik, MRT, real estate, dan
properti. Dari Januari hingga September 2016 investasi Jepang telah mencapai
angka 4,498 miliar dolar AS, atau peningkatan dua kali lipat dibandingkan
investasi Jepang di Indonesia pada 2015.
217
Tabel 4.41 Neraca Perdagangan Indonesia dengan Jepang
(Nilai: Juta US$)
Uraian 2014 2015 2016 2017 2018
Total Perdagangan 40.125 31.284 29.083 33.039 37.442
Migas 8.621 4.956 2.947 3.139 3.191
Non Migas 31.504 26.329 26.136 29.900 34.251
Ekspor 23.117 18.021 16.099 17.799 19.466
Migas 8.552 4.925 2.889 3.108 3.158
Non Migas 14.566 13.097 13.209 14.691 16.308
Impor 17.008 13.264 12.985 15.240 17.977
Migas 69 31 58 31 33
Non Migas 16.938 13.233 12.927 15.209 17.944
Neraca Perdagangan 6.110 4.757 3.114 2.559 1.489
Migas 8.482 4.894 2.832 3.077 3.125
Non Migas -2.373 -137 283 -519 -1.636
Sumber: BPS, data diolah oleh Kementerian Perdagangan (www.kemenag.go.id)
Berdasarkan tabel di atas, dapat diketahui bahwa nilai ekspor Indonesia
ke Jepang lebih besar dibandingkan nilai impor Jepang ke Indonesia walaupun
perbedaan nilai ekspor dan impor tidak jauh. Hal ini membuat neraca
perdagangan Indonesia dengan Jepang menjadi sangat defisit. Berdasarkan
dilansir dari www.jawapos.com, untuk beberapa komoditas produk pertanian
Indonesia telah menguasai 100 persen potensi pasar ekspor Jepang. Produk
pertanian Indonesia dengan potensi ekspor terbesar ke negeri Sakura adalah
minyak nabati dan lemak. Ekspor yang paling optimal menyerap pangsa pasar
di Jepang adalah lateks dan karet alam, yaitu mencapai 98% dari total potensi
pasar ekspor di Jepang. Dilansir dari www.id.emb-japan.go.id, komoditas
penting yang diimpor Jepang dari Indonesia adalah minyak, gas alam cair,
218
batubara, hasil tambang, udang, pulp, tekstil dan produk tekstil, mesin,
perlengkapan listrik, dan lain-lain. Hal ini menunjukkan bahwa negara
Indonesia dengan Jepang memiliki hubungan yang cukup erat yang membuat
pergerakan pasar modal syariah Jepang/DJIJP mendapat kontribusi besar dari
pasar modal syariah Indonesia/ISSI begitu juga sebaliknya DJIJP memberikan
kontribusi yang cukup besar terhadap ISSI.
Pasar modal yang terintegrasi akan lebih efisien daripada pasar modal
yang tersegmentasi, karena informasi yang masuk akan langsung tercermin
pada indeks harga saham menyebabkan suatu mekanisme random walk,
sehingga tidak mungkin investor memperoleh abnormal return terus-menerus
berdasarkan analisis teknikal. Oleh karenanya likuiditas pasar saham tersebut
akan meningkat dan menjadi lebih menarik bagi investor untuk berinvestasi di
pasar saham. Dengan adanya integrasi pasar modal akan mempermudah
investor untuk berinvestasi di negara manapun (Rasyidin, 2016: 22).
Berdasarkan hasil analisis integrasi pasar modal syariah menunjukkan
bahwa terjadi hubungan jangka panjang (integrasi) secara signifikan negatif
antar indeks DJIMY, DJIJP, DJICHKU, DJIEU dan IMUS terhadap ISSI.
Diversifikasi investasi sebaiknya dilakukan pada indeks-indeks yang tidak
memiliki hubungan yang kuat atau positif. Arah hubungan yang negatif
membuat diversifikasi antar indeks tersebut menjadi semakin menarik, karena
akan meminimalisir risiko investasi.
219
BAB V
SIMPULAN DAN SARAN
A. Simpulan
Efisiensi dan integrasi pasar modal syariah Indonesia, Malaysia, Jepang,
Cina, Eropa, dan Amerika Serikat dapat dilihat melalui hasil analisis sebagai
berikut:
1. Berdasarkan hasil analisis uji Kolmogorov Smirnov, terlihat bahwa data tidak
terdistribusi normal. Hal ini ditunjukkan dari nilai asymptotic signifikan <
nilai alpha 5% yang berarti data bersifat random (acak) dan fluktuatif.
Kemudian pengujian Run Test menunjukkan hasil bahwa harga saham dari ke
enam pasar modal syariah mengikuti random walk yang artinya harga saham
hari ini tidak ada hubungannya dengan harga saham sebelumnya. Hal ini
menunjukkan bahwa pasar modal syariah Indonesia, Malaysia, Jepang, Cina,
Eropa, dan Amerika Serikat efisien dalam bentuk lemah. Adapun uji
Autokorelasi, menghasilkan data tidak terdapat masalah autokorelasi yang
berarti bahwa harga saham hari ini tidak ada hubungannya dengan harga
saham sebelumnya. Hal ini menunjukkan bahwa pasar modal syariah ke enam
negara ini efisien dalam bentuk lemah yang didukung dengan pengujian Run
dan Autokorelasi menghasilkan hasil yang sama. Berbeda dengan hasil Uji
Stasioneritas Unit Root yang menghasilkan data stasioner. Hal ini
mengindikasikan terdapat gejala akar unit. Dalam uji efisiensi pasar modal
220
hasil yang akurat menggunakan uji run dan autokorelasi sehingga dinyatakan
bahwa ke enam pasar modal syariah efisien dalam bentuk lemah.
2. Hasil analisis Kausalitas Granger menunjukkan bahwa pasar modal syariah di
Jepang, Cina, Eropa tidak memiliki hubungan kausalitas dengan pasar modal
syariah Indonesia. Hanya terdapat pasar modal syariah Malaysia dan Amerika
Serikat yang memiliki kausalitas satu arah, yaitu pasar modal syariah
Malaysia mempengaruhi pasar modal syariah Indonesia namun tidak
sebaliknya dan pasar modal syariah Indonesia mempengaruhi pasar modal
syariah Amerika Serikat namun tidak sebaliknya.
3. Hasil analisis Kointegrasi Johansen menunjukkan bahwa pasar modal syariah
Malaysia, Jepang, Cina, Eropa, dan Amerika Serikat memiliki hubungan
jangka panjang dengan pasar modal syariah Indonesia. Adapun hasil VECM
menunjukkan bahwa ke lima indeks memiliki hubungan jangka panjang dan
jangka pendek secara signifikan negatif terhadap ISSI. Hasil uji IRF
menunjukkan bahwa antar indeks saling merespon terhadap guncangan.
4. Hasil uji Forecast Error Variance Decomposition (FEVD) menunjukkan
bahwa antar ke enam pasar modal syariah saling memberikan dan menerima
kontribusi terhadap pergerakan pasar modal syariah, namun dalam tingkatan
yang berbeda-beda. Pasar modal syariah di Cina dan Jepang memberikan
kontribusi terbesar terhadap pergerakan pasar modal syariah Indonesia.
Sementara pergerakan pasar modal syariah di Jepang menerima kontribusi
terbesar dari pasar modal syariah Indonesia.
221
B. Saran
Dengan segala keterbatasan dalam penelitian ini, maka penulis memberikan
beberapa saran yang diajukan untuk penelitian selanjutnya, diantaranya:
1. Penelitian yang dilakukan penulis hanya menguji tentang masalah efisiensi
dan integrasi pasar modal syariah. Diharapkan pada peneliti selanjutnya bisa
menambahkan lagi permasalahan-permasalahan yang lain untuk diteliti
bersamaan dengan masalah efisiensi dan integrasi pasar sehingga hasil
penelitian bisa lebih luas dan menambah wawasan bagi pembaca.
2. Periode penelitian yang dilakukan penulis selama 5 periode dari tahun 2014-
2018. Diharapkan pada peneliti selanjutnya dapat memperluas periode
penelitian dengan periode yang lebih lama dan panjang. Data untuk penelitian
selanjutnya diharapkan lebih beragam, misalnya harga indeks saham harian,
mingguan dan bulanan, agar didapatkan hasil yang lebih bervariasi lagi.
3. Metode penelitian yang dilakukan penulis sebanyak 10 metode untuk menguji
efisiensi pasar dan integrasi. Diharapkan peneliti selanjutnya menambahkan
metode serta alat bantu analisis lain untuk menambah keakuratan hasil uji.
4. Objek penelitian yang dilakukan penulis adalah 6 pasar modal syariah.
Diharapkan pada penelitian selanjutnya untuk menambahkan jumlah objek
penelitian dan membandingkan dengan pasar modal konvensional agar
menciptakan hasil yang lebih banyak dan menambah wawasan mengenai
efisiensi dan integrasi pasar modal negara tersebut.
222
DAFTAR PUSTAKA
BUKU-BUKU
______, Ahmad. 2009. Investasi Syariah. Jakarta: Lembaga Penelitian UIN Jakarta
Ajija SR, DW Sari, RH Setianto, MR Primanti. 2011. Cara Cerdas Menguasi Eviews.
Jakarta: Salemba Empat
Al Arif, M. Nur Rianto. 2012. Lembaga Keuangan Syariah, Suatu Kajian Teoritis
Praktis. Bandung: Pustaka Setia
Ardana, Yudhistira. 2017. Co-Integration and Contagion Effect antara Indeks Saham
Syariah di beberapa Negara dan Jakarta Islami Index (JII) pada periode
Krisis Yunani, Jurnal Ekonomi dan Kebijakan Pembangunan, Jurnal
Manajemen Magister, Vol. 3, No. 2: 224-260
Arikunto, Suharsimi. 2014. Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta:
Rineka Cipta
Asmarani, Mutia, Bakran Suni dan Nurfitri Nugrahaningsih. 2014. Kerja sama Sosial
dan Ekonomi Malaysia-Indonesia (SOSEKMALINDO) (Studi Kasus
Pengembangan Pariwisata di Kabupaten Nugrahaningsih. Jurnal Tesis PMIS-
UNTAN-PSIP: 1-16
Auruma S, Tyas. 2013. Diversifikasi Investasi Saham Perbandingan Risiko Total
Portofolio Melalui Diversifikasi Domestik dan Internasional. Jurnal
Manajemen Teori dan Terapan Tahun 6. No. 1: 24-39
Aziz, Abdul. 2010. Manajemen Investasi Syariah. Bandung: Alfabeta
Beik, Irfan Syauqi dan Sri Wulan Fatmawati. 2014. Pengaruh Indeks Harga Saham
Syariah Internasional dan Variabel Makro Ekonomi terhadap Jakarta Islamic
Index. Fakultas Ilmu Ekonomi dan Manajemen, CIBEST IPB (Juli, 2014), Vol.
VI No. 2: 155-178
223
Bodie, Z., Kane, A., & Marcus, A. J. 2008. Investment. 6th Edition, New York: Mc.
Graw Hill
Eliyawati, Wenty Yolanda. 2014 Penerapan Model GARCH untuk Menguji Pasar
Modal Efisien di Indonesia. Jurnal Administrasi Bisnis (JAB) Vol.7 No.2
El-Khamichi A, Mohamed Arouri, Sarkar Kabir, Frederic Teulon. 2014. Are Islamic
Equity Indices More Efficient Than Their Conventional Counterparts?
Evidence From Major Global Index Families, The Journal of Applied Business
Research, Vol. 30, No. 4
Endri. 2009. Integrasi Pasar Saham Kawasan Perdagangan Bebas ASEAN-CHINA.
Jurnal Manajemen Bisnis, Vol. 2 No.2
Ersabathari, Ruth Valencia dan Muharam, Harjum. 2017. Integrasi Pasar Modal
ASEAN 6 Periode Tahun 2007-2016, Diponegoro Journal of Management, Vol.
6, Np. 3, P. 1-15, ISSN (Online): 2337-3792
Fama, 1970. Efficient Capital Market: A Review of Theory and Empirical Work, The
Journal of Financial, Vol. 25: 383-417
Guidi, Francesco dan Gupta, Rakesh. 2011. Are ASEAN Stock Market Efficient?
Evidence from Univariate and Multivariate Variance Ratio Test. Discussion
Paper Finance. Griffifth University and University of Greenwich, London
(UK). ISSN 1836-8123
Hadi, Nor. 2013. Pasar Modal, Acuan Teoritis dan Praktis Investasi di Instrumen
Keuangan Pasar Modal. Yogyakarta: Graha Ilmu
Halim, Abdul. 2015. Analisis Investasi di Aset Keuangan. Jakarta: Mitra Wacana
Media
Hamid Kashif, Syed Zulfikar AS, Tahir Suleman, dan Rhana Syahid Imdad A. 2010.
Testing the Weak form of Efficient Market Hypothesis: Empirical Evidence
from Asia-Pasific Markets. International Research Journal of Finance and
Economics, Issue 58, ISSN 1450-2887: 121-133
Hariyani, Iswi dan Purnomo, Soerfianto Dibyo. 2010. Buku Pintar Hukum Bisnis
Pasar Modal. Jakarta: Transmedia Pustaka
Hartono, Jogiyanto. 2017. Teori Portofolio dan Analisis Investasi. Yogyakarta: BPFE
224
Huda, Nurul dan Mustafa Edwin Nasution. 2014. Investasi pada Pasar Modal
Syariah. Jakarta: Prenadamedia Group
Ikrima, Tara Ninta dan Muharam, Harjum. 2014. Co-Integration and Contagion
Effect antara Indeks Saham Syariah di Indonesia, Malaysia, Eropa dan
Amerika Serikat saat Terjadinya Krisis Yunani, Jurnal Dinamika Manajemen,
Vol. 5, No. 2: 131-146
Iqbal, Zamir dan Abbas Mirakhor. 2015. Pengantar Keuangan Islam. Jakarta:
Prenadamedia Group
Juanda, Bambang dan Juandi. 2012. Ekonometrika Deret Waktu Teori & Aplikasi.
Bogor: IPB Press
JURNAL
Kartika Astriyana Prima, Jubaedah dan Fitri Yetti. 2017. Analisis Efficient Market
Hypothesis Pada Bursa Efek Indonesia Terhadap Pasar Saham ASEAN.
Sustainable Competitive Advantage-7 (SCA-7) FEB UNSOED,
Lingaraja Kasilingan, Murugesan Selvam, dan Vinayagamoorthi Vasanth. 2014. The
Stock Efficiency of Emerging Markets: Evidence From Asian Region, Vol. 10,
No. 19, ISSN 1911-2017 E-ISSN 1911-2025
Mailangky, Jeina. 2013. Integrasi Pasar Modal dan Beberapa Bursa di Dunia”.
Jurnal EMBA, Vol.1 No.3: 722-731
Martalena dan Maya Malinda. 2011. Pengantar Pasar Modal. Jakarta: Penerbit
ANDI
Maruddani DAI, Safitri D. 2008. Vector Autoregression (VAR) untuk peramalan
Harga Saham PT. Indofood Sukses Makmur Indonesia Tbk. Jurnal Matematika.
Volume 11, No. 6: 6-12
Muhamad. 2014. Manajemen Keuangan Syari’ah Analisis Fiqh dan Keuangan.
Yogyakarta: UUP STIM YKPN
Mulyadi, M. S. 2012. Analysis of Volatility Spillover in Indonesia, USA and Japan
Capital Market. African Journal of Business Management. 6 (27): 1-15
225
Nachrowi, Nachrow Djajal dan Hardius Usman. 2006. Pendekatan Populer dan
Praktis Ekonometrika Untuk Analisis Ekonomi dan Keuangan. Jakarta:
Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia
Nurgianto, Burhan dan Gunawan dan Marzuki. 2012. Statistik Terapan untuk
Penelitian Ilmu-Ilmu Sosial. Yogyakarta: Gajah Mada University Press
Nurhayati, Mafizatun. 2012. Analisis Integrasi Pasar Modal Kawasan ASEAN dalam
Rangka Menuju Masyarakat Ekonomi ASEAN: 1-14
Nurrahmi, Novita dan Ahmad Rodoni. 2014. Analisis Faktor-Faktor yang
Mempengaruhi Volatilitas Indeks Saham Syariah Jakarta Islamic Index dan
Kuala Lumpur Syariah Index dengan Pendekatan Error Correction Model,
Jakarta, UIN Syarif Hidayatullah Jakarta
Phan, Khoa Cuong dan Zhou, Jian. 2014. Market Efficiency in Emerging Stock
Market: A Case Study of Vietnam Stock Market. IOSR Journal of Business and
Management (IOSR-JBM) e-ISSN: 2278-487X, p-ISSN: 2319-7668, Volume
16, Issue 4, Ver IV (April, 2014): 61-67
Prakash, S. 2014. Effecient Market Hypothesis: Examing the Case of South Asian
Stock Markets.
Purnomo, B., dan M. W. Rider. 2012. Domestic and Foreign Stock and the
Indonesian Stock Market: Time Series Evidence. Working Paper: 1-28
Puryanti, Dwi dan Marlina, Reni. 2013. Analysis of Capital Market Integration
Region Asia, South East Asia Journal Contemporary Business, Economic and
Law, Vol. 2, Issue 1 (June), ISSN 2289-1560
Puspitasari Ardina, Hermanto Siregar, Trias Andati. 2015. Analisis Integrasi Bursa
Saham ASEAN 5, Jurnal Ekonomi dan Kebijakan Pembangunan, Vol. 4, No. 2:
187-206
Qizam Ibnu, Abdul Qoyum, dan Misnen Ardiansyah. 2015. Global Financial Crisis
and Islamic Capital Market Integration among 5-ASEAN Countries, Global
Review of Islamic Economic and Business, Vol. 2, No. 3: 207-218
Rasyidin, M. 2016. Integrasi Pasar Modal ASEAN Pasca Pemberlakukan MEA,
Jurnal Visioner dan Strategis, Volume 5, Nomor 2 (September, 2016), ISSN:
2338-2864: 17-24
226
Riyanti dan Gilang Pandu Palagan. 2016. Pengujian Efisiensi Market Hipotesis Pra
dan Pasca MEA (Pendekatan Johansen Cointegration Test), Universitas
Muhammadiyah Jakarta (November 15, 2016), ISBN 978-602-17688-7-7: 216-
229
Robiyanto dan Aldhi Fajar Hartanto. 2018. Contagion Effect dan Integrasi Pasar
Modal di Kawasan Asia, Eropa dan Amerika. Jurnal Organisasi dan
Manajemen, Vol. 4, No. 1: 1-9
Rodoni, Ahmad dan Herni Ali. 2010. Manajemen Keuangan Modern. Jakarta: Mitra
Wacana Media
Santosa, Budi. 2013. Integrasi Pasar Modal Kawasan Cina – ASEAN. Jurnal
Ekonomi Pembangunan. Vol. 14, Nomor 1: 78-91
Saputra, Dedy. 2014. Tingkat Integrasi Pasar Modal Indonesia dengan Pasar Modal
Global: 31-38
Semuel Hatane, Sautma Ronni Basana, dan Kevin Budihargono. 2016. Analisa
Efisiensi Pasar Bentuk Lemah Melalui Evaluasi Harga Saham di BEI.
Seth, Neha dan A. K. Sharma. 2015. International Stock Market Efficiency and
Integration: Evidences from Asian and US Market, Journal of Advances in
Management Research, Vol. 12, No. 2: 88-106
Soemitra, Andi. 2014. Masa Depan Pasar Modal Syariah di Indonesia. Jakarta:
Prenadamedia Group
Sudirman. 2015. Pasar Modal dan Manajemen Portofolio. Gorontalo: Sultan Amai
Press
Sugiono. 2010. Metode Penelitian Bisnis: Pendekatan Kuantitatif, Kualitatif, dan
R&D. Jakarta: ALFABETA
Sujawerni, Wiratna. 2015. Metodologi Penelitian Bisnis dan Ekonomi. Yogyakarta:
Pustaka Baru Pressh
Suliyanto. 2011. Ekonometrika Terapan: Teori dan Aplikasi dengan SPSS.
Yogyakarta: Penerbit ANDI
227
Sutedi, Andrian. 2011. Pasar Modal Syariah: Sarana Investasi Keuangan
Berdasarkan Prinsip Syariah, Cet.1. Jakarta: Siar Grafika
Tandelilin, Eduardus. 2010. Portofolio dan Investasi: Teori dan Aplikasi. Edisi
Pertama. Yogyakarta: Konisius
Umam, Khoirul. 2013. Pasar Modal Syariah dan Praktik Pasar Modal Syariah.
Bandung: Pustaka Setia
Utami, Alia Tri. 2018. Efisiensi Pasar Modal Bentuk Lemah Pada Pasar Modal
Indonesia, Malaysia dan Korea Selatan Periode Krisis Ekonomi Global 2008,
Jurnal Inspirasi Bisnis dan Manajemen, Vol. 2, (2), 101-116, e-2579-9401, p-
2579-9312
Waworundeng, Jurgen H. dan Paulina Van Rate. 2018. Analisis Hubungan Pasar
Modal ASEAN dengan Pasar Modal Indonesia di Bursa Efek Indonesia, Jurnal
EMBA, ISSN 2303-1174, Vol. 6, No. 1 (Januari 1, 2019): 271-280
Widarjono, Agus. 2007. Ekonometrika Teori dan Aplikasi
Winarno, Wing Wahyu 2011. Analisis Ekonometrika dan Statistika dengan Eviews,
Edisi Ketiga. Yogyakarta: Unit Penerbit dan Percetakan (UPP STM YKPN)
www.djindexes.com
www.id.emb-japan.go.jp
www.investing.com
www.jawapos.com
www.kemendag.go.id
www.kompas.com
www.ojk.go.id
www.presidenri.go.id
www.tirto.id
228
LAMPIRAN HASIL PENGUJIAN
Lampiran 1: Tabel Statistik Deskriptif Return Saham
ISSI DJIMY DJIJP DJICHKU DJIEU IMUS
Mean -8.99E-05 0.000183 0.000367 -0.000673 9.97E-06 0.000398
Median 0.000000 0.000213 0.000327 -0.000354 0.000353 0.000258
Maximum 0.033378 0.048054 0.067893 0.034436 0.031878 0.041053
Minimum -0.033887 -0.034490 -0.050588 -0.047546 -0.063157 -0.039735
Std. Dev. 0.007804 0.006760 0.010514 0.008003 0.008564 0.008016
Skewness -0.269355 0.184174 -0.012597 -0.367604 -0.523448 -0.440454
Kurtosis 4.967564 8.248017 8.197677 5.521015 6.807674 6.075027
Jarque-Bera 212.0639 1410.392 1376.715 351.4110 794.6634 521.3949
Probability 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
Sum -0.110004 0.223689 0.448290 -0.823301 0.012199 0.487257
Sum Sq. Dev. 0.074417 0.055842 0.135079 0.078260 0.089634 0.078518
Observations 1223 1223 1223 1223 1223 1223
Lampiran 2: Tabel Hasil Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
ISSI DJIMY DJIJP DJICHIKU DJIEU IMUS
N 1223 1226 1304 1234 1303 1301
Normal
Parametersa,b
Mean -.0000900 .0001996 .0002824 -.0006760 -.0000609 .0002888
Std.
Deviation .00780374
.0067658
5
.0108300
0
.0079911
5
.0086446
8 .00855452
Most
Extreme
Differences
Absolute .055 .062 .073 .052 .057 .093
Positive .034 .062 .068 .032 .051 .065
Negative -.055 -.054 -.073 -.052 -.057 -.093
Test Statistic .055 .062 .073 .052 .057 .093
Asymp. Sig. (2-tailed) .000c .000c .000c .000c .000c .000c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
229
Lampiran 3: Hasil Uji Run atas ISSI
Runs Test
Unstandardized
Residual
Test Valuea .00033
Cases < Test Value 611
Cases >= Test Value 612
Total Cases 1223
Number of Runs 607
Z -.315
Asymp. Sig. (2-tailed) .753
a. Median
Lampiran 4: Hasil Uji Run atas DJIMY
Runs Test
Unstandardized
Residual
Test Valuea .00033
Cases < Test Value 611
Cases >= Test Value 612
Total Cases 1223
Number of Runs 607
Z -.315
Asymp. Sig. (2-tailed) .753
a. Median
Lampiran 5: Hasil Uji Run atas DJIJP
Runs Test
Unstandardized
Residual
Test Valuea .00010
Cases < Test Value 611
Cases >= Test Value 612
Total Cases 1223
Number of Runs 609
Z -.200
Asymp. Sig. (2-tailed) .841
a. Median
230
Lampiran 6: Hasil Uji Run atas DJICHKU
Lampiran 7: Hasil Uji Run atas DJIEU
Runs Test
Unstandardized
Residual
Test Valuea .00012
Cases < Test Value 611
Cases >= Test Value 612
Total Cases 1223
Number of Runs 609
Z -.200
Asymp. Sig. (2-tailed) .841
a. Median
Lampiran 8: Hasil Uji Run atas IMUS
Runs Test
Unstandardized
Residual
Test Valuea .00019
Cases < Test Value 611
Cases >= Test Value 612
Total Cases 1223
Number of Runs 609
Z -.200
Asymp. Sig. (2-tailed) .841
a. Median
Runs Test
Unstandardized
Residual
Test Valuea .00012
Cases < Test Value 611
Cases >= Test Value 612
Total Cases 1223
Number of Runs 605
Z -.429
Asymp. Sig. (2-tailed) .668
a. Median
231
Lampiran 9: Uji Autokorelasi atas ISSI
Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.312566 Prob. F(2,1220) 0.2695
Obs*R-squared 2.625936 Prob. Chi-Square(2) 0.2690
Lampiran 10: Uji Autokorelasi atas DJIMY
Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.307839 Prob. F(2,1219) 0.2708
Obs*R-squared 2.618642 Prob. Chi-Square(2) 0.2700
Lampiran 11: Uji Autokorelasi atas DJIJP
Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.323053 Prob. F(2,1219) 0.2667
Obs*R-squared 2.649038 Prob. Chi-Square(2) 0.2659
Lampiran 12: Uji Autokorelasi atas DJICHKU
Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.389613 Prob. F(2,1219) 0.2496
Obs*R-squared 2.782003 Prob. Chi-Square(2) 0.2488
Lampiran 13: Uji Autokorelasi atas DJIEU
Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.309232 Prob. F(2,1219) 0.2704
Obs*R-squared 2.621426 Prob. Chi-Square(2) 0.2696
Lampiran 14: Uji Autokorelasi atas IMUS
Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.345924 Prob. F(2,1219) 0.2607
Obs*R-squared 2.694731 Prob. Chi-Square(2) 0.2599
232
Lampiran 15: Uji Unit Root Return Saham ISSI
Null Hypothesis: ISSI has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -34.57080 0.0000
Test critical values: 1% level -3.435488
5% level -2.863697
10% level -2.567968 *MacKinnon (1996) one-sided p-values.
Lampiran 16: Uji Unit Root Return Saham DJIMY
Null Hypothesis: DJIMY has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -32.03175 0.0000
Test critical values: 1% level -3.435475
5% level -2.863691
10% level -2.567965 *MacKinnon (1996) one-sided p-values.
Lampiran 17: Uji Unit Root Return Saham DJIJP
Null Hypothesis: DJIJP has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -41.97478 0.0000
Test critical values: 1% level -3.435157
5% level -2.863550
10% level -2.567890 *MacKinnon (1996) one-sided p-values.
233
Lampiran 18: Uji Unit Root Return Saham DJICHKU
Null Hypothesis: DJICHKU has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -36.16652 0.0000
Test critical values: 1% level -3.435440
5% level -2.863676
10% level -2.567957 *MacKinnon (1996) one-sided p-values.
Lampiran 19: Uji Unit Root Return Saham DJIEU
Null Hypothesis: DJIEU has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -35.57690 0.0000
Test critical values: 1% level -3.435161
5% level -2.863552
10% level -2.567891 *MacKinnon (1996) one-sided p-values.
Lampiran 20: Uji Unit Root Return Saham IMUS
Null Hypothesis: IMUS has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -36.03142 0.0000
Test critical values: 1% level -3.435169
5% level -2.863556
10% level -2.567893 *MacKinnon (1996) one-sided p-values.
234
Lampiran 21: Tabel Statistik Deskriptif Daily Closing Price
ISSI DJIMY DJIJP DJICHKU DJIEU IMUS
Mean 168.5976 847.6746 1522.270 1878.913 3298.294 3991.618
Median 171.0900 805.3400 1464.290 1794.580 3297.100 3808.220
Maximum 199.6100 1105.100 2095.040 2501.300 3908.900 5334.820
Minimum 131.6100 680.9200 1133.350 1357.400 2731.720 3160.370
Std. Dev. 14.26208 115.4238 252.9743 279.6196 267.3536 524.2594
Skewness -0.436610 0.716052 0.578239 0.526144 0.094112 0.843933
Kurtosis 2.497093 2.289020 2.190302 2.121656 1.980964 2.605448
Jarque-Bera 51.74459 130.2708 101.5627 95.74043 54.72228 153.1075
Probability 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
Sum 206194.8 1036706. 1861736. 2297911. 4033813. 4881749.
Sum Sq. Dev. 248563.2 16280282 78203121 95544647 87346082 3.36E+08
Observations 1223 1223 1223 1223 1223 1223
Sumber: data diolah dengan eviews
Lampiran 22: Uji Stasioneritas Daily Closing Price Tingkat Level ISSI
Null Hypothesis: ISSI has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.105472 0.2427
Test critical values: 1% level -3.435488
5% level -2.863697
10% level -2.567968 *MacKinnon (1996) one-sided p-values.
Lampiran 23: Uji Stasioneritas Daily Closing Price Tingkat Level DJIMY
Null Hypothesis: DJIMY has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.665169 0.4488
Test critical values: 1% level -3.435479
5% level -2.863693
10% level -2.567966
*MacKinnon (1996) one-sided p-values.
235
Lampiran 24: Uji Stasioneritas Daily Closing Price Tingkat Level DJIJP
Null Hypothesis: DJIJP has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.344349 0.6106
Test critical values: 1% level -3.435161
5% level -2.863552
10% level -2.567891 *MacKinnon (1996) one-sided p-values.
Lampiran 25: Uji Stasioneritas Daily Closing Price Tingkat Level DJICHKU
Null Hypothesis: DJICHKU has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.274592 0.6433
Test critical values: 1% level -3.435440
5% level -2.863676
10% level -2.567957 *MacKinnon (1996) one-sided p-values.
Lampiran 26: Uji Stasioneritas Daily Closing Price Tingkat Level DJIEU
Null Hypothesis: DJIEU has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.921177 0.3226
Test critical values: 1% level -3.435161
5% level -2.863552
10% level -2.567891 *MacKinnon (1996) one-sided p-values.
236
Lampiran 27: Uji Stasioneritas Daily Closing Price Tingkat Level IMUS
Null Hypothesis: IMUS has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.282976 0.6395
Test critical values: 1% level -3.435169
5% level -2.863556
10% level -2.567893 *MacKinnon (1996) one-sided p-values.
Lampiran 28: Uji Stasioneritas Tingkat First Difference ISSI
Null Hypothesis: D(ISSI) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -34.46099 0.0000
Test critical values: 1% level -3.435492
5% level -2.863699
10% level -2.567969
*MacKinnon (1996) one-sided p-values.
Lampiran 29: Uji Stasioneritas Tingkat First Difference DJIMY
Null Hypothesis: D(DJIMY) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -31.72789 0.0000
Test critical values: 1% level -3.435479
5% level -2.863693
10% level -2.567966 *MacKinnon (1996) one-sided p-values.
237
Lampiran 30: Uji Stasioneritas Tingkat First Difference DJIJP
Null Hypothesis: D(DJIJP) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -42.67829 0.0001
Test critical values: 1% level -3.435161
5% level -2.863552
10% level -2.567891 *MacKinnon (1996) one-sided p-values.
Lampiran 31: Uji Stasioneritas Tingkat First Difference DJICHKU
Null Hypothesis: D(DJICHKU) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -34.98170 0.0000
Test critical values: 1% level -3.435445
5% level -2.863678
10% level -2.567958 *MacKinnon (1996) one-sided p-values.
Lampiran 32: Uji Stasioneritas Tingkat First Difference DJIEU
Null Hypothesis: D(DJIEU) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -35.89101 0.0000
Test critical values: 1% level -3.435165
5% level -2.863554
10% level -2.567892 *MacKinnon (1996) one-sided p-values.
238
Lampiran 33: Uji Stasioneritas Tingkat First Difference IMUS
Null Hypothesis: D(IMUS) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -36.05789 0.0000
Test critical values: 1% level -3.435173
5% level -2.863557
10% level -2.567894 *MacKinnon (1996) one-sided p-values.
Lampiran 34: Penentuan Lag Optimal DJIMY dengan ISSI
VAR Lag Order Selection Criteria
Endogenous variables: D(ISSI) D(DJIMY)
Exogenous variables: C
Date: 04/03/19 Time: 03:32
Sample: 1/01/2014 12/31/2018
Included observations: 1216
Lag LogL LR FPE AIC SC HQ
0 -6313.010 NA 111.1383 10.38653 10.39492* 10.38969*
1 -6306.034 13.91769 110.5956 10.38163 10.40682 10.39111
2 -6302.024 7.986665 110.5938 10.38162 10.42359 10.39742
3 -6294.435 15.09008 109.9430* 10.37572* 10.43447 10.39783
4 -6292.705 3.435582 110.3542 10.37945 10.45499 10.40789
5 -6290.588 4.195010 110.6966 10.38255 10.47488 10.41730
6 -6284.370 12.30209* 110.2936 10.37890 10.48802 10.41998
* 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
239
Lampiran 35: Penentuan Lag Optimal IDJIJP dengan ISSI
VAR Lag Order Selection Criteria
Endogenous variables: D(ISSI) D(DJIJP)
Exogenous variables: C
Date: 04/03/19 Time: 03:42
Sample: 1/01/2014 12/31/2018
Included observations: 1216
Lag LogL LR FPE AIC SC HQ
0 -7303.509 NA 566.7313 12.01564 12.02403 12.01880
1 -7284.935 37.05512 553.3087 11.99167 12.01685* 12.00115*
2 -7278.206 13.40308* 550.8306 11.98718 12.02915 12.00298
3 -7274.017 8.329913 550.6594* 11.98687* 12.04563 12.00899
4 -7271.783 4.435315 552.2611 11.98977 12.06532 12.01821
5 -7269.149 5.220452 553.5035 11.99202 12.08435 12.02678
6 -7264.631 8.938640 553.0328 11.99117 12.10029 12.03225
* 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 36: Penentuan Lag Optimal DJICHKU dengan ISSI
VAR Lag Order Selection Criteria
Endogenous variables: D(ISSI) D(DJICHKU)
Exogenous variables: C
Date: 04/03/19 Time: 03:43
Sample: 1/01/2014 12/31/2018
Included observations: 1216
Lag LogL LR FPE AIC SC HQ
0 -7585.386 NA 900.9947* 12.47925* 12.48765* 12.48241*
1 -7584.563 1.641549 905.7154 12.48448 12.50966 12.49396
2 -7581.522 6.056870 907.1452 12.48606 12.52802 12.50186
3 -7577.743 7.515341 907.4745 12.48642 12.54517 12.50854
4 -7577.355 0.769584 912.8825 12.49236 12.56790 12.52080
5 -7573.084 8.465754 912.4753 12.49191 12.58424 12.52667
6 -7565.979 14.05731* 907.8284 12.48681 12.59592 12.52788
* 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
240
Lampiran 37: Penentuan Lag Optimal DJIEU dengan ISSI
VAR Lag Order Selection Criteria
Endogenous variables: D(ISSI) D(DJIEU)
Exogenous variables: C
Date: 04/03/19 Time: 03:48
Sample: 1/01/2014 12/31/2018
Included observations: 1216
Lag LogL LR FPE AIC SC HQ
0 -7991.469 NA 1757.062 13.14715 13.15555* 13.15031*
1 -7989.183 4.559454 1762.024 13.14997 13.17515 13.15945
2 -7985.385 7.566056 1762.608 13.15030 13.19227 13.16610
3 -7981.728 7.272097 1763.602 13.15087 13.20962 13.17299
4 -7977.380 8.631194 1762.594 13.15030 13.22584 13.17873
5 -7971.441 11.76920* 1756.985* 13.14711* 13.23944 13.18186
6 -7969.442 3.955932 1762.777 13.15040 13.25952 13.19147
* 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 38: Penentuan Lag Optimal IMUS dengan ISSI
VAR Lag Order Selection Criteria
Endogenous variables: D(ISSI) D(IMUS)
Exogenous variables: C
Date: 04/03/19 Time: 03:49
Sample: 1/01/2014 12/31/2018
Included observations: 1216
Lag LogL LR FPE AIC SC HQ
0 -8146.886 NA 2268.827 13.40277 13.41117* 13.40593*
1 -8140.273 13.19174 2259.100 13.39848 13.42366 13.40796
2 -8132.570 15.34383 2245.381 13.39238 13.43435 13.40818
3 -8127.615 9.852843 2241.857 13.39081 13.44957 13.41293
4 -8126.664 1.887324 2253.130 13.39583 13.47137 13.42427
5 -8118.870 15.44753* 2239.114* 13.38959* 13.48192 13.42435
6 -8117.085 3.530552 2247.290 13.39323 13.50235 13.43431
* 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
241
Lampiran 39: Uji Stabilitas VAR atas DJIMY dengan ISSI
Roots of Characteristic Polynomial
Endogenous variables: D(ISSI) D(DJIMY)
Exogenous variables: C
Lag specification: 1 3
Date: 04/03/19 Time: 03:41
Root Modulus
0.183213 - 0.404893i 0.444416
0.183213 + 0.404893i 0.444416
0.386716 0.386716
-0.384097 0.384097
-0.131160 - 0.215058i 0.251899
-0.131160 + 0.215058i 0.251899
No root lies outside the unit circle.
VAR satisfies the stability condition.
Lampiran 40: Uji Stabilitas VAR atas DJIJP dengan ISSI
Roots of Characteristic Polynomial
Endogenous variables: D(ISSI) D(DJIJP)
Exogenous variables: C
Lag specification: 1 3
Date: 04/03/19 Time: 03:43
Root Modulus
0.192486 - 0.403574i 0.447128
0.192486 + 0.403574i 0.447128
-0.211255 - 0.344144i 0.403812
-0.211255 + 0.344144i 0.403812
-0.374718 0.374718
0.243691 0.243691
No root lies outside the unit circle.
VAR satisfies the stability condition.
Lampiran 41: Uji Stabilitas VAR atas DJICHKU dengan ISSI
Roots of Characteristic Polynomial
Endogenous variables: ISSI DJICHKU
Exogenous variables: C
Lag specification: 1 1
Date: 03/29/19 Time: 00:22 Root Modulus 0.995932 0.995932
0.985458 0.985458 No root lies outside the unit circle.
VAR satisfies the stability condition.
242
Lampiran 42: Uji Stabilitas VAR atas DJIEU dengan ISSI
Roots of Characteristic Polynomial
Endogenous variables: D(ISSI) D(DJIEU)
Exogenous variables: C
Lag specification: 1 5
Date: 04/03/19 Time: 03:49
Root Modulus
0.499276 - 0.413070i 0.648000
0.499276 + 0.413070i 0.648000
-0.258274 - 0.537929i 0.596719
-0.258274 + 0.537929i 0.596719
-0.584546 0.584546
0.432001 - 0.385774i 0.579177
0.432001 + 0.385774i 0.579177
-0.139038 - 0.507902i 0.526589
-0.139038 + 0.507902i 0.526589
-0.479198 0.479198
No root lies outside the unit circle.
VAR satisfies the stability condition.
Lampiran 43: Uji Stabilitas VAR atas IMUS dengan ISSI
Roots of Characteristic Polynomial
Endogenous variables: D(ISSI) D(IMUS)
Exogenous variables: C
Lag specification: 1 5
Date: 04/03/19 Time: 03:50
Root Modulus
-0.220329 - 0.627626i 0.665176
-0.220329 + 0.627626i 0.665176
0.492946 - 0.418680i 0.646753
0.492946 + 0.418680i 0.646753
-0.605441 0.605441
-0.475719 0.475719
-0.027832 - 0.449609i 0.450469
-0.027832 + 0.449609i 0.450469
0.292831 - 0.196200i 0.352483
0.292831 + 0.196200i 0.352483
No root lies outside the unit circle.
VAR satisfies the stability condition.
243
Lampiran 44: Uji Kausalitas Granger atas DJIMY dengan ISSI
Pairwise Granger Causality Tests
Date: 04/03/19 Time: 03:54
Sample: 1/01/2014 12/31/2018
Lags: 3
Null Hypothesis: Obs F-Statistic Prob.
D(DJIMY) does not Granger Cause D(ISSI) 1219 2.93506 0.0324
D(ISSI) does not Granger Cause D(DJIMY) 0.63729 0.5911
Lampiran 45: Uji Kausalitas Granger atas DJIJP dengan ISSI
Pairwise Granger Causality Tests
Date: 04/03/19 Time: 03:55
Sample: 1/01/2014 12/31/2018
Lags: 3
Null Hypothesis: Obs F-Statistic Prob.
D(DJIJP) does not Granger Cause D(ISSI) 1219 0.17205 0.9153
D(ISSI) does not Granger Cause D(DJIJP) 1.55148 0.1995
Lampiran 46: Uji Kausalitas Granger atas DJICHKU dengan ISSI
Pairwise Granger Causality Tests
Date: 04/05/19 Time: 06:34
Sample: 1/01/2014 12/31/2018
Lags: 1 Null Hypothesis: Obs F-Statistic Prob. D(DJICHKU) does not Granger Cause D(ISSI) 1221 0.61122 0.4345
D(ISSI) does not Granger Cause D(DJICHKU) 0.56296 0.4532
Lampiran 47: Uji Kausalitas Granger atas DJIEU dengan ISSI
Pairwise Granger Causality Tests
Date: 04/03/19 Time: 03:56
Sample: 1/01/2014 12/31/2018
Lags: 5
Null Hypothesis: Obs F-Statistic Prob.
D(DJIEU) does not Granger Cause D(ISSI) 1217 0.24497 0.9424
D(ISSI) does not Granger Cause D(DJIEU) 1.73221 0.1243
244
Lampiran 48: Uji Kausalitas Granger atas IMUS dengan ISSI
Pairwise Granger Causality Tests
Date: 04/03/19 Time: 03:58
Sample: 1/01/2014 12/31/2018
Lags: 5
Null Hypothesis: Obs F-Statistic Prob.
D(IMUS) does not Granger Cause D(ISSI) 1217 0.80583 0.5455
D(ISSI) does not Granger Cause D(IMUS) 4.38152 0.0006
Lampiran 49: Uji Kointegrasi Johansen atas DJIMY dengan ISSI
Date: 04/03/19 Time: 03:59
Sample (adjusted): 1/08/2014 12/31/2018
Included observations: 1218 after adjustments
Trend assumption: Linear deterministic trend
Series: D(ISSI) D(DJIMY)
Lags interval (in first differences): 1 to 3
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.238289 577.6687 15.49471 0.0001
At most 1 * 0.182977 246.1431 3.841466 0.0000 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.238289 331.5256 14.26460 0.0001
At most 1 * 0.182977 246.1431 3.841466 0.0000 Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
245
Lampiran 50: Uji Kointegrasi Johansen atas DJIJP dengan ISSI
Date: 04/03/19 Time: 04:00
Sample (adjusted): 1/08/2014 12/31/2018
Included observations: 1218 after adjustments
Trend assumption: Linear deterministic trend
Series: D(ISSI) D(DJIJP)
Lags interval (in first differences): 1 to 3
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.237422 630.0445 15.49471 0.0001
At most 1 * 0.218256 299.9054 3.841466 0.0000 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.237422 330.1391 14.26460 0.0001
At most 1 * 0.218256 299.9054 3.841466 0.0000 Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Lampiran 51: Uji Kointegrasi Johansen atas DJICHKU dengan ISSI
Date: 04/03/19 Time: 04:00
Sample (adjusted): 1/03/2014 12/31/2018
Included observations: 1221 after adjustments
Trend assumption: Linear deterministic trend
Series: D(ISSI) D(DJICHKU)
Lags interval (in first differences): No lags
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.498646 1674.107 15.49471 1.0000
At most 1 * 0.493713 831.0763 3.841466 0.0000 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
246
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.498646 843.0309 14.26460 0.0001
At most 1 * 0.493713 831.0763 3.841466 0.0000 Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Lampiran 52: Uji Kointegrasi Johansen atas DJIEU dengan ISSI
Date: 04/03/19 Time: 04:02
Sample (adjusted): 1/10/2014 12/31/2018
Included observations: 1216 after adjustments
Trend assumption: Linear deterministic trend
Series: D(ISSI) D(DJIEU)
Lags interval (in first differences): 1 to 5
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.185332 457.3913 15.49471 0.0001
At most 1 * 0.157322 208.1430 3.841466 0.0000 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.185332 249.2484 14.26460 0.0001
At most 1 * 0.157322 208.1430 3.841466 0.0000 Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
247
Lampiran 53: Uji Kointegrasi Johansen atas IMUS dengan ISSI
Sample (adjusted): 1/10/2014 12/31/2018
Included observations: 1216 after adjustments
Trend assumption: Linear deterministic trend
Series: D(ISSI) D(IMUS)
Lags interval (in first differences): 1 to 5
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.187026 450.2104 15.49471 0.0001
At most 1 * 0.150564 198.4303 3.841466 0.0000 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.187026 251.7801 14.26460 0.0001
At most 1 * 0.150564 198.4303 3.841466 0.0000 Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Lampiran 54: Estimasi VECM atas DJIMY dengan ISSI
Vector Error Correction Estimates
Date: 04/03/19 Time: 04:04
Sample (adjusted): 1/08/2014 12/31/2018
Included observations: 1218 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
D(ISSI(-1)) 1.000000
D(DJIMY(-1)) -0.076494
(0.01056)
[-7.24350]
C -0.051133
248
Error Correction: D(ISSI,2) D(DJIMY,2)
CointEq1 -0.991115 2.093563
(0.05485) (0.27406)
[-18.0701] [ 7.63900]
D(ISSI(-1),2) 0.032583 -1.473413
(0.04724) (0.23603)
[ 0.68979] [-6.24259]
D(ISSI(-2),2) 0.001969 -1.010814
(0.03885) (0.19412)
[ 0.05069] [-5.20707]
D(ISSI(-3),2) -0.027418 -0.550893
(0.02838) (0.14183)
[-0.96594] [-3.88416]
D(DJIMY(-1),2) -0.061095 -0.557858
(0.00639) (0.03193)
[-9.56134] [-17.4724]
D(DJIMY(-2),2) -0.051419 -0.335087
(0.00669) (0.03345)
[-7.68030] [-10.0167]
D(DJIMY(-3),2) -0.019644 -0.142318
(0.00572) (0.02856)
[-3.43655] [-4.98272]
C 0.003130 0.009155
(0.04350) (0.21734)
[ 0.07195] [ 0.04212]
Lampiran 55: Estimasi VECM atas DJIJP dengan ISSI
Vector Error Correction Estimates
Date: 04/03/19 Time: 04:06
Sample (adjusted): 1/08/2014 12/31/2018
Included observations: 1218 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
D(ISSI(-1)) 1.000000
D(DJIJP(-1)) -0.087228
(0.00715)
[-12.2016]
C 0.014234
249
Error Correction: D(ISSI,2) D(DJIJP,2)
CointEq1 -0.689630 5.942842
(0.04892) (0.51502)
[-14.0983] [ 11.5390]
D(ISSI(-1),2) -0.181970 -4.688693
(0.04445) (0.46795)
[-4.09426] [-10.0196]
D(ISSI(-2),2) -0.135333 -2.748156
(0.03807) (0.40088)
[-3.55442] [-6.85539]
D(ISSI(-3),2) -0.105369 -1.656215
(0.02864) (0.30158)
[-3.67862] [-5.49180]
D(DJIJP(-1),2) -0.047305 -0.497932
(0.00413) (0.04353)
[-11.4406] [-11.4375]
D(DJIJP(-2),2) -0.032756 -0.361471
(0.00367) (0.03862)
[-8.93019] [-9.35986]
D(DJIJP(-3),2) -0.017199 -0.127601
(0.00268) (0.02817)
[-6.42759] [-4.52913]
C 0.001777 0.001650
(0.04548) (0.47887)
[ 0.03906] [ 0.00344]
Lampiran 56: Estimasi VECM atas DJICHKU dengan ISSI
Vector Error Correction Estimates
Date: 04/05/19 Time: 01:11
Sample (adjusted): 1/06/2014 12/31/2018
Included observations: 1220 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
D(ISSI(-1)) 1.000000
D(DJICHKU(-1)) -0.018736
(0.00299)
[-6.25684]
C -0.024467
250
Error Correction: D(ISSI,2) D(DJICHKU,2)
CointEq1 -0.983060 3.601198
(0.03982) (0.62469)
[-24.6863] [ 5.76477]
D(ISSI(-1),2) 0.033941 -1.729784
(0.02882) (0.45214)
[ 1.17761] [-3.82580]
D(DJICHKU(-1),2) -0.010075 -0.464174
(0.00160) (0.02515)
[-6.28472] [-18.4583]
C 0.002633 0.042585
(0.04393) (0.68907)
[ 0.05995] [ 0.06180]
Lampiran 57: Estimasi VECM atas DJIEU dengan ISSI
Vector Error Correction Estimates
Date: 04/03/19 Time: 04:10
Sample (adjusted): 1/10/2014 12/31/2018
Included observations: 1216 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
D(ISSI(-1)) 1.000000
D(DJIEU(-1)) -0.019893
(0.00322)
[-6.16895]
C -0.029970
Error Correction: D(ISSI,2) D(DJIEU,2)
CointEq1 -1.140772 8.137079
(0.07443) (1.45640)
[-15.3261] [ 5.58712]
D(ISSI(-1),2) 0.169530 -5.929874
(0.06725) (1.31589)
[ 2.52082] [-4.50636]
D(ISSI(-2),2) 0.118709 -4.167838
(0.05953) (1.16473)
[ 1.99421] [-3.57837]
251
D(ISSI(-3),2) 0.058196 -2.815214
(0.05043) (0.98667)
[ 1.15409] [-2.85326]
D(ISSI(-4),2) 0.063216 -2.099711
(0.04054) (0.79325)
[ 1.55932] [-2.64699]
D(ISSI(-5),2) 0.026599 -0.916329
(0.02902) (0.56783)
[ 0.91654] [-1.61373]
D(DJIEU(-1),2) -0.018392 -0.671438
(0.00186) (0.03638)
[-9.89057] [-18.4537]
D(DJIEU(-2),2) -0.014943 -0.504151
(0.00201) (0.03925)
[-7.44851] [-12.8437]
D(DJIEU(-3),2) -0.011317 -0.347348
(0.00200) (0.03921)
[-5.64725] [-8.85869]
D(DJIEU(-4),2) -0.007323 -0.288866
(0.00183) (0.03572)
[-4.01170] [-8.08768]
D(DJIEU(-5),2) -0.002998 -0.208098
(0.00143) (0.02799)
[-2.09537] [-7.43398]
C -0.000866 -0.007860
(0.04361) (0.85338)
[-0.01985] [-0.00921]
Lampiran 58: Estimasi VECM atas IMUS dengan ISSI
Vector Error Correction Estimates
Date: 04/03/19 Time: 04:11
Sample (adjusted): 1/10/2014 12/31/2018
Included observations: 1216 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
D(ISSI(-1)) 1.000000
D(IMUS(-1)) -0.019428
(0.00290)
[-6.70057]
C -0.003994
252
Error Correction: D(ISSI,2) D(IMUS,2)
CointEq1 -1.084338 11.59822
(0.07413) (1.61684)
[-14.6265] [ 7.17340]
D(ISSI(-1),2) 0.124403 -8.080120
(0.06749) (1.47183)
[ 1.84340] [-5.48986]
D(ISSI(-2),2) 0.088037 -5.651487
(0.05998) (1.30806)
[ 1.46784] [-4.32049]
D(ISSI(-3),2) 0.041801 -4.197524
(0.05095) (1.11127)
[ 0.82038] [-3.77723]
D(ISSI(-4),2) 0.060782 -2.532615
(0.04110) (0.89627)
[ 1.47904] [-2.82573]
D(ISSI(-5),2) 0.028648 -0.392313
(0.02938) (0.64075)
[ 0.97511] [-0.61227]
D(IMUS(-1),2) -0.018425 -0.645945
(0.00169) (0.03696)
[-10.8720] [-17.4763]
D(IMUS(-2),2) -0.015912 -0.578845
(0.00183) (0.03990)
[-8.69663] [-14.5062]
D(IMUS(-3),2) -0.013131 -0.387659
(0.00185) (0.04044)
[-7.08124] [-9.58586]
D(IMUS(-4),2) -0.008018 -0.231140
(0.00166) (0.03614)
[-4.83838] [-6.39562]
D(IMUS(-5),2) -0.002526 -0.156232
(0.00128) (0.02791)
[-1.97337] [-5.59715]
C -0.000678 -0.022980
(0.04382) (0.95565)
[-0.01547] [-0.02405]
253
Lampiran 59: FEVD atas DJIMY dengan ISSI
Variance Decomposition of D(ISSI):
Period S.E. D(ISSI) D(DJIMY)
1 1.518028 100.0000 0.000000
2 1.523319 99.46311 0.536891
3 1.527596 98.95252 1.047482
4 1.556608 95.33790 4.662097
5 1.585154 92.25917 7.740830
6 1.599078 90.96383 9.036166
7 1.613234 89.65700 10.34300
8 1.630729 88.07038 11.92962
9 1.647808 86.55541 13.44459
10 1.663250 85.20079 14.79921
Variance Decomposition of D(DJIMY):
Period S.E. D(ISSI) D(DJIMY)
1 7.585171 0.056580 99.94342
2 7.930989 1.312532 98.68747
3 8.329522 2.492264 97.50774
4 8.837018 3.871113 96.12889
5 9.476556 5.899309 94.10069
6 9.898273 6.529577 93.47042
7 10.32494 7.036280 92.96372
8 10.76763 7.514978 92.48502
9 11.19404 8.007008 91.99299
10 11.58582 8.389679 91.61032
Cholesky Ordering: D(ISSI) D(DJIMY)
Lampiran 60: FEVD atas DJIJP dengan ISSI
Variance Decomposition of D(ISSI):
Period S.E. D(ISSI) D(DJIJP)
1 1.587300 100.0000 0.000000
2 1.617947 98.26411 1.735887
3 1.647149 95.73157 4.268430
4 1.690166 92.11716 7.882838
5 1.783106 86.89251 13.10749
6 1.821467 85.58788 14.41212
7 1.867099 83.81818 16.18182
8 1.916090 81.82576 18.17424
9 1.966541 80.16815 19.83185
10 2.009167 78.79673 21.20327
254
Variance Decomposition of D(DJIJP):
Period S.E. D(ISSI) D(DJIJP)
1 16.71221 1.459850 98.54015
2 16.82867 2.793111 97.20689
3 17.39770 6.923673 93.07633
4 18.24043 9.108950 90.89105
5 19.12657 14.01074 85.98926
6 19.55557 15.45784 84.54216
7 20.18322 17.13507 82.86493
8 20.78215 18.82177 81.17823
9 21.36515 20.41567 79.58433
10 21.88322 21.66132 78.33868
Cholesky Ordering: D(ISSI) D(DJIJP)
Lampiran 61: FEVD DJICHKU dengan ISSI
Variance Decomposition of D(ISSI):
Period S.E. D(ISSI) D(DJICHKU)
1 1.534257 100.0000 0.000000
2 1.550499 98.34571 1.654293
3 1.588364 93.72362 6.276384
4 1.612537 91.25115 8.748852
5 1.641402 88.49978 11.50022
6 1.667224 86.12480 13.87520
7 1.693850 83.78108 16.21892
8 1.719475 81.63125 18.36875
9 1.745013 79.58195 20.41805
10 1.770040 77.65920 22.34080
Variance Decomposition of D(DJICHKU):
Period S.E. D(ISSI) D(DJICHKU)
1 24.06801 1.378729 98.62127
2 26.87342 3.542483 96.45752
3 32.23177 6.068499 93.93150
4 35.50254 7.001656 92.99834
5 39.07516 7.683214 92.31679
6 42.07716 8.161245 91.83876
7 45.00371 8.528358 91.47164
8 47.69244 8.811926 91.18807
9 50.26514 9.039575 90.96042
10 52.69929 9.225985 90.77401
Cholesky Ordering: D(ISSI) D(DJICHKU)
255
Lampiran 62: FEVD atas DJIEU dengan ISSI
Variance Decomposition of D(ISSI):
Period S.E. D(ISSI) D(DJIEU)
1 1.520844 100.0000 0.000000
2 1.527005 99.29851 0.701493
3 1.533351 98.61235 1.387651
4 1.541818 97.70330 2.296703
5 1.552877 96.42365 3.576352
6 1.566833 94.71674 5.283262
7 1.578779 93.32514 6.674860
8 1.586561 92.64415 7.355852
9 1.594529 91.97126 8.028744
10 1.602683 91.22966 8.770342
Variance Decomposition of D(DJIEU):
Period S.E. D(ISSI) D(DJIEU)
1 29.75766 0.181634 99.81837
2 30.37778 1.554009 98.44599
3 31.18854 2.803125 97.19687
4 32.14885 3.766491 96.23351
5 32.71688 4.327697 95.67230
6 33.58374 5.293630 94.70637
7 35.62835 5.839266 94.16073
8 36.46689 6.245048 93.75495
9 37.37665 6.603253 93.39675
10 38.31268 6.941201 93.05880
Cholesky Ordering: D(ISSI) D(DJIEU)
Lampiran 63: FEVD atas IMUS dengan ISSI
Variance Decomposition of D(ISSI):
Period S.E. D(ISSI) D(IMUS)
1 1.527958 100.0000 0.000000
2 1.531897 99.67073 0.329274
3 1.535431 99.26086 0.739141
4 1.540126 98.73425 1.265751
5 1.555583 96.99211 3.007892
6 1.576605 94.46012 5.539880
7 1.587513 93.27126 6.728744
8 1.594703 92.77851 7.221494
9 1.603707 92.10485 7.895146
10 1.613720 91.31604 8.683965
256
Variance Decomposition of D(IMUS):
Period S.E. D(ISSI) D(IMUS)
1 33.32382 0.267250 99.73275
2 34.06109 2.956242 97.04376
3 34.53349 4.790489 95.20951
4 35.54264 5.538205 94.46179
5 36.70707 6.714030 93.28597
6 37.80751 9.034800 90.96520
7 39.52369 9.357812 90.64219
8 40.39831 9.864207 90.13579
9 41.22859 10.50759 89.49241
10 42.26048 11.03126 88.96874
Cholesky Ordering: D(ISSI) D(IMUS)