BAB IV
Hasil Analisis
Bab ini akan menjelaskan interpretasi hasil analisis penelitian analisis statistik dan
ekonomi dari parameter yang terdapat pada hasil regresi model Vector Error Correction
Model (VECM). Terdapat beberapa pengujian sebelum menyatakan bahwa model VECM ini
dinyatakan tepat. Pengujian tersebut antara lain pengujian stasioneritas, pengujian
kointegrasi, pengujian penentuan lag optimal, pengujian kausalitas granger, pengujian
stabilitas, pengujian heterokedastisitas, dan pengujian autokorelasi.
Tabel 4.1
Hasil Uji Stasioneritas Variabel KURS
Null Hypothesis: KURS has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
t-Statistic
Prob.*
-9.315683
-3.486064
-2.885863
-2.579818
0.0000
Uji Augmented Dickey-Fuller Test (ADF Test) hipotesis nolnya adalah data
mengandung unit root atau data tersebut tidak stasioner dengan kriteria jika nilai statistik t
pada tabel diatas lebih besar dari nilai kritikal maka hipotesis nol ditolak yang artinya data
telah stasioner. Berdasarkan tabel 4.1 diatas dan pada lampiran 2 menggunakan uji ADF
dapat disimpulkan bahwa variabel KURS telah stasioner pada tingkat level. Data dari
variabel tingkat pertumbuhan nilai tukar telah terjadi stasioneritas.
Tabel 4.2
Hasil Uji Stasioneritas Variabel JII
Null Hypothesis: JII has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
t-Statistic
Prob.*
-8.565364
-3.486064
-2.885863
-2.579818
0.0000
Berdasarkan tabel 4.2 diatas dan pada lampiran 2 menggunakan uji ADF dapat
disimpulkan bahwa variabel JII telah stasioner pada tingkat level. Data dari variabel tingkat
pengembalian saham telah terjadi stasioneritas.
Penentuan lag optimal ini ditentukan dengan membandingkan nilai dari Akaike
Information (AIC). Selain itu terdapat 4 jenis indikator criterion lag length lainnya seperti :
LR, FPE, SC (SIC) dan HQ (HQC). Model VAR yang paling baik adalah model yang
memiliki nilai AIC terkecil dan sebagai tambahan didukung juga dengan menggunakan
kriteria yang lainnya.
Lag
0
1
2
3
LR
NA
12.17731
*
6.912145
4.37674
Tabel 4.3
Hasil Penentuan Lag Optimal
FPE
AIC
SC
6.29E-06
-6.30042
-6.251320*
HQ
-6.280504
6.04e-06*
6.08E-06
6.27E-06
-6.281754*
-6.235026
-6.164961
-6.341499*
-6.334602
-6.304367
-6.1942
-6.089103
-5.960669
Panjang lag yang optimal untuk model VAR adalah lag ke-1. Berdasarkan tabel 4.3
lag ke-1 dipilih karena mempunyai kriteria nilai Akaike Information Criterion (AIC) yang
paling kecil diantara lag-lag yang lainnya dan kemudian didukung juga dengan nilai LR, FPE
dan HQ yang paling kecil pada lag tersebut. Hasil lengkap penentuan lag optimal terdapat di
lampiran 3.
Uji kausalitas granger diketahui bahwa yang memiliki hubungan kausalitas adalah
yang memiliki nilai probabilitas yang lebih kecil daripada nilai alpha 0.05 sehingga nanti Ho
akan ditolak yang berarti suatu variabel akan mempengaruhi variabel lain. Berikut ini adalah
hasil pengujian kausalitas granger :
Tabel 4.4
Hasil Pengujian Kausalitas Granger
Null Hypotesis
Obs F-Statistic
JII does not Granger Cause KURS
4.09487
119
KURS does not Granger Cause JII
1.53379
Prob
0.0453
0.2180
Hasil pengujian kausalitas granger pada tabel 4.3 dan selengkapnya pada lampiran 4
menunjukkan bahwa hipotesis nol variabel JII memiliki kausalitas variabel KURS ditolak
karena probabilitas sebesar 0.0453 kurang dari alpha 0.05, artinya bahwa variabel tingkat
pengembalian saham (JII) mempengaruhi variabel tingkat pertumbuhan nilai tukar (KURS).
Variabel tingkat pertumbuhan nilai tukar (KURS) secara statistik tidak signifikan
mempengaruhi variabel tingkat pengembalian saham (JII) karena probabilita sebesar 0.2180
yang lebih besar dari alpha 0.05 maka hipotesis nol diterima.
VECM yang dipilih, jika tidak terdapat kointegrasi pada model maka metode VAR yang
dipilih.
Tabel 4.5
Hasil Uji Kointegrasi Johansen
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
0.308168
0.228732
74.11949
30.64684
15.49471
3.841466
0.0000
0.0000
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
0.308168
0.228732
43.47265
30.64684
14.26460
3.841466
0.0000
0.0000
Hasil uji kointegrasi terlihat dari trace test dan max-eigen test, kemudian kedua nilai
tersebut dibandingkan dengan critical value sebesar 5 persen dan apabila nilai trace dan maxeigen value lebih besar daripada critical value maka terdapat kointegrasi pada tingkat
keyakinan 95 persen. Pada tabel diatas dapat diinterpretasikan adanya kointegrasi pada
tingkat kepercayaan 95 persen. Dengan adanya kointegrasi pada uji johansen memperlihatkan
indikasi awal hubungan jangka panjang antar variabel sehingga variabel ini membentuk suatu
hubungan yang linier.
Setelah dilakukan uji stasioneritas, kointegrasi, penentuan lag optimum dan uji
kausalitas granger maka estimasi VECM dilakukan. Berikut ini adalah hasil estimasi dari
model VECM :
Tabel 4.6
Hasil Estimasi Model VECM Jangka Pendek
Error
Correction:
CointEq1
D(KURS(-1))
D(JII(-1))
R-squared
F-statistic
D(KURS)
D(JII)
1.028341**
-0.711671***
*
-0.10549
-0.22191
[-6.74621]
[ 4.63414]
-0.132425
-3.41E-01*
-0.09716
-0.20439
[-1.36291]
[-1.66836]
-0.16354*** -0.32553***
-0.04128
-0.08682
[-3.96216]
[-3.74931]
-6.72E-05
-0.000239
-0.00335
-0.00704
[-0.02010]
[-0.03397]
0.451689
0.300786
31.30376
16.34674
Tabel diatas menunjukkan bahwa dalam jangka pendek tingkat pengembalian nilai
tukar hanya dipengaruhi secara negatif oleh tingkat pengembalian saham. Sedangkan untuk
variabel tingkat pengembalian saham dipengaruhi secara negatif oleh tingkat pengembalian
saham itu sendiri dan tingkat pertumbuhan nilai tukar. Hal yang terpenting dari persamaan
jangka pendek ini adalah nilai dari error correction (ECT) yang bernilai positif dan signifikan
yang berarti model empiris ini memiliki spesifikasi yang valid sehingga hasil VECM dapat
digunakan untuk melihat pengaruh di jangka panjangnya. Untuk itu, hasil estimasi model
VAR relatif dapat dipercaya. Sehingga didapatkan model jangka pendek untuk pertumbuhan
nilai tukar seperti berikut:
(Eq 4.0)
Interpretasi pada model jangka pendek diatas adalah apabila ada perubahan sebesar 1
persen pada pengembalian saham (JII) maka akan menyebabkan penurunan peretumbuhan
nilai tukar (KURS) sebesar 0.1635 persen. Untuk VECM yang bernilai -0.711
mengindikasikan sebesar 71 persen mampu mengoreksi deviasi keseimbangan jangka
panjang setelah lag pertama atau model ini mampu mengoreksi ketidaksesuaian jangka
pendek terhadap jangka panjang sebesar 71 persen selama satu bulan. Nilai error correction
yang negatif memperlihatkan adanya koreksi dari pergerakan suatu variabel menuju
keseimbangan jangka panjangnya sehingga koefisiennya bernilai negatif dan nilai koefisien
tersebut harus mendekati nol sehingga penyesuaian menuju keseimbangan jangka panjangnya
semakin cepat. Sedangkan model jangka pendek untuk pengembalian saham adalah sebagai
berikut :
Interpretasi pada model jangka pendek diatas adalah apabila ada perubahan sebesar 1
persen pada pengembalian saham (JII) maka akan menyebabkan penurunan pengembalian
saham sebesar 0.325 persen. Adapun variabel pertumbuhan nilai tukar bernilai -0.340988
yang berarti apabila ada perubahan sebesar 1 persen pada pertumbuhan nilai tukar (KURS)
sebulan yang lalu maka akan mengurangi pengembalian saham (JII) bulan ini sebesar 0.341
persen. Untuk VECM yang bernilai positif 1.028 mengindikasikan sebesar 102 persen
mampu mengoreksi deviasi keseimbangan jangka panjang setelah lag pertama atau model ini
mampu mengoreksi ketidaksesuaian jangka pendek terhadap jangka panjang sebesar 102
persen selama satu bulan.
Model jangka panjang ini dilihat dari hasil pengujian kointegrasi dan ditemukan
adanya kesimbangan jangka panjang. Berikut ini adalah hasil estimasi model kointegrasi :
Tabel 4.7
Hasil Estimasi Model VECM Jangka Panjang
Cointegrating
Eq:
KURS(-1)
JII(-1)
CointEq1
1
-0.126494
-0.07895
[-1.60217]
-0.003629
Berdasarkan tabel 4.7 diatas variabel JII menjadi variabel bebas dan KURS menjadi
variabel terikat karena berdasarkan uji kausalitas granger terjadi hubungan searah dari
pengembalian saham (JII) terhadap pertumbuhan nilai tukar (KURS). Hasil estimasi diatas
jika dipindahkan ke persamaan akan menjadi seperti berikut :