4.1. Pendahuluan
Bagian terpenting dari sebuah penelitian adalah kegiatan pengolahan dan
analisis data. Pengolahan dan analisis data dilakukan setelah penetapan hipotesis dan
penyusunan model penelitian untuk diperoleh hasil atau kesimpulan. Penelitian ini
menggunakan model Vector Auto Regression (VAR). VAR merupakan sebuah
bangunan model ekonometrika time series yang bersifat tidak teoritis. Model VAR
dibangun dengan pertimbangan meminimalkan pendekatan teori dengan tujuan agar
mampu menangkap fenomena ekonomi dengan baik. Hal ini dikarenakan model yang
dibangun dengan teori ekonomi belum mampu menentukan spesifikasi yang tepat dan
memberikan penjelasan yang berbeda terhadap suatu fenomena (Nachrowi D.
Nachrowi, 2006).
Untuk persamaan simultan terdapat variabel endogen dan variabel eksogen.
Dalam membuat model simultan, langkah awal yang harus dilakukan adalah melihat
apakah suatu persamaan dalam sistem teridentifikasi atau tidak. Chritopher Sims
(Gujarati, 2003) berpendapat, jika terdapat hubungan yang simultan antar variabel
yang diamati, variabel-variabel tersebut perlu diperlakukan sama, sehingga tidak ada
lagi variabel endogen dan eksogen.
Dalam model VAR kita hanya perlu menentukan (Nachrowi D. Nachrowi,
2006):
1. Variabel yang saling berinteraksi (menyebabkan) yang perlu dimasukkan dalam
sistem.
2. Banyaknya variabel jeda yang perlu diikutsertakan dalam model yang diharapkan
dapat “menangkap” keterkaitan antar variabel dalam sistem.
Kelebihan model VAR (Nachrowi D. Nachrowi, 2006) antara lain:
1. Model VAR adalah model yang sederhana dan tidak perlu membedakan antara
variabel endogen dan variabel eksogen. Semua variabel pada model VAR dapat
dianggap sebagai variabel endogen.
30 Universitas Indonesia
31
2. Cara estimasi model VAR sangat mudah, yaitu dengan menggunakan OLS pada
setiap persamaan secara terpisah.
3. Peramalan menggunakan model VAR pada beberapa hal lebih baik dibanding
menggunakan model dengan persamaan simultan yang lebih kompleks.
Kelemahan model VAR (Nachrowi D. Nachrowi, 2006) antara lain:
1. Model VAR lebih bersifat ateoiritik karena tidak memanfaatkan informasi atau
teori terlebih dahulu.
2. Mengingat tujuan utama model VAR untuk peramalan maka model VAR kurang
cocok untuk analisis kebijakan.
3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat
menimbulkan permasalahan.
4. Semua variabel dalam VAR harus stasioner, jika tidak, maka harus ditransformasi
terlebih dahulu.
5. Interprestasi koefisien yang didapat berdasarkan model VAR tidak mudah.
Universitas Indonesia
32
2. Impulse Response;
3. Variance Decomposition;
4. Uji Kausalitas.
Berdasarkan hasil pemilihan lag di atas (tabel 4.1), penentuan lag optimal
dilihat dari kemungkinan nilai LR, FPE, AIC, SC dan HQ yang memiliki tanda
bintang (*) (nilai absolute paling kecil). Terdapat 3 lag yang memiliki tanda bintang
(*), yaitu pada lag 2, lag 6 dan lag 8. Penulis memilih AIC criteria sebagai lag
optimal yaitu pada lag 6, pemilihan AIC criteria seperti penelitian yang dilakukan
oleh Inggrid (2006) dan menurut Carlos Enrique Carrasco Gutierrez, et al (2007:15),
disebutkan bahwa AIC criteria menunjukkan performa yang lebih baik dalam
pemilihan model.
Universitas Indonesia
34
Tabel 4.2
Rangkuman Hasil Uji Kausalitas Granger (lanjutan)
Uji kausalitas Granger yang pertama adalah KLCI dan JCI. Hasilnya adalah
terjadi hubungan satu arah dari JCI ke KLCI. JCI dan KLCI memiliki hubungan yang
positif, apabila JCI naik maka KLCI juga akan naik, begitu juga sebaliknya. Namun
KLCI tidak memberikan pengaruh terhadap pergerakan JCI.
Uji kausalitas Granger yang kedua adalah kausalitas antara JCI dan HIS. Hasil
uji kausalitas Granger menunjukan tidak adanya hubungan antara JCI dan HIS atau
dapat dikatakan pula bahwa pergerakan indeks JCI tidak akan berpengaruh terhadap
pergerakan JCI, begitu juga sebaliknya.
Uji kausalitas Granger yang ketiga adalah NKY dan JCI. Hasilnya adalah terjadi
hubungan satu arah dari JCI ke NKY. JCI dan NKY memiliki hubungan yang positif,
apabila JCI naik maka NKY juga akan naik, begitu juga sebaliknya. Namun NKY
tidak memberikan pengaruh terhadap pergerakan JCI.
Uji kausalitas Granger yang keempat adalah SHCOMP dan JCI. Hasilnya
adalah terjadi hubungan dua arah antara SHCOMP dan JCI. JCI dan SHCOMP
memiliki hubungan yang positif, apabila JCI naik maka SHCOMP juga akan naik,
begitu juga sebaliknya. Hal ini berlaku pula apabila SHCOMP mengalami
pergerakan, maka hal ini akan berpengaruh terhadap JCI. JCI memiliki pengaruh
yang lebih kuat daripada SHCOMP.
Uji kausalitas Granger yang kelima adalah INDU dan JCI. Hasilnya adalah
terjadi hubungan dua arah antara INDU dan JCI. JCI dan INDU memiliki hubungan
yang positif, apabila JCI naik maka INDU juga akan naik, begitu juga sebaliknya. Hal
ini berlaku pula apabila INDU mengalami pergerakan, maka hal ini akan berpengaruh
Universitas Indonesia
35
terhadap JCI. INDU memiliki pengaruh yang lebih kuat daripada JCI. Hal ini berarti
pergerakan JCI akan mengikuti pergerakan dari INDU.
Uji kausalitas Granger yang keenam adalah UKX dan JCI. Hasilnya adalah
terjadi hubungan satu arah dari UKX ke JCI. JCI dan UKX memiliki hubungan yang
positif, apabila UKX naik maka JCI juga akan naik, begitu juga sebaliknya. Namun
JCI tidak memberikan pengaruh terhadap pergerakan UKX.
Uji kausalitas Granger yang ketujuh adalah KOSPI dan JCI. Hasilnya adalah
terjadi hubungan dua arah antara KOSPI dan JCI. JCI dan KOSPI memiliki hubungan
yang positif, apabila KOSPI naik maka JCI juga akan naik, begitu juga sebaliknya.
Hal ini berlaku pula apabila JCI mengalami pergerakan, maka hal ini akan
berpengaruh terhadap KOSPI. KOSPI memiliki pengaruh yang lebih kuat daripada
JCI. Hal ini berarti pergerakan JCI akan mengikuti pergerakan dari KOSPI.
Uji kausalitas Granger yang kedelapan adalah ASX dan JCI. Hasilnya adalah
terjadi hubungan satu arah dari ASX ke JCI. JCI dan ASX memiliki hubungan yang
positif, apabila ASX naik maka JCI juga akan naik, begitu juga sebaliknya. Namun
JCI tidak memberikan pengaruh terhadap pergerakan ASX.
Hasil uji kausalitas Granger yang menunjukkan hubungan saling mempengaruhi
(hubungan 2 arah) adalah hubungan antara JCI dengan SHCOMP, INDU dan KOSPI.
Dalam penelitian ini, penulis hanya memfokuskan terhadap kausalitas variabel JCI
dengan variabel lainnya. Dengan demikian, hanya JCI, SHCOMP, INDU dan KOSPI
yang akan diestimasi dengan menggunakan model VAR.
Universitas Indonesia
36
menggunakan VAR (unrestricted VAR) atau VAR yang teristriksi (restricted VAR)
atau yang lebih dikenal dengan Vector Error Correction Model (VECM).
Tabel 4.3
Uji Dickey Fuller
Universitas Indonesia
37
Tabel 4.4
Uji Phillips Perron
Uji Phillips Perron
Variabel Level First Difference
adj-
t-Statistic Prob.* Keterangan Statistic
Prob.* Keterangan
JCI -0.931539 0.7787 Tidak stasioner -46.92055 0.0001 stasioner
SHCOMP -1.245902 0.6565 Tidak stasioner -53.87135 0.0001 stasioner
INDU -2.314940 0.1673 Tidak stasioner -57.62509 0.0001 stasioner
KOSPI -1.505520 0.5309 Tidak stasioner -52.17194 0.0001 stasioner
Sumber : Hasil Pengolahan Data melalui E-Views 5, diolah.
Berdasarkan table 4.3 dan table 4.4 di atas (hasil lengkap pada lampiran), dapat
dilihat bahwa variabel-variabel tidak stasioner pada level, akan tetapi stasioner pada
first difference. Dengan demikian dapat dinyatakan pada first difference bahwa JCI,
SHCOMP, INDU dan KOSPI stasioner.
Universitas Indonesia
38
Tabel 4.5
Uji Kointegrasi Johansen (lanjutan)
Selected (0.05 level*) Number of Cointegrating Relations by Model
Dari data tabel 4.5 di atas dan berdasarkan AIC, VAR memilih lag 1 dan pada
Schwarz Criterion memilih VAR pada lag 0. Hipotesa nol untuk variabel-variabel
Universitas Indonesia
39
Universitas Indonesia
40
Tabel 4.7
Hasil estimasi Vector Error Correction Model (VECM)
Cointegration Restrictions:
B(1,1)=0, B(1,3)=0
Convergence achieved after 6 iterations.
Not all cointegrating vectors are identified
LR test for binding restrictions (rank = 1):
Chi-square(2) 13.15708
Probability 0.001390
JCI(-1) 0.000000
INDU(-1) 0.000725
SHCOMP(-1) 0.000000
KOSPI(-1) -0.001653
C -6.008234
Universitas Indonesia
41
Tabel 4.7
Hasil estimasi Vector Error Correction Model (VECM) (lanjutan)
(0.02044) (0.13525) (0.04609) (0.01873)
[-0.93318] [-1.75700] [-1.24469] [-3.35949]
Universitas Indonesia
42
Tabel 4.7
Hasil estimasi Vector Error Correction Model (VECM) (lanjutan)
D(SHCOMP(-2)) 0.005219 0.010607 -0.018299 0.014222
(0.00855) (0.05658) (0.01928) (0.00783)
[ 0.61048] [ 0.18748] [-0.94916] [ 1.81533]
Universitas Indonesia
43
Tabel 4.7
Hasil estimasi Vector Error Correction Model (VECM) (lanjutan)
C 0.297650 0.636977 0.080107 0.266474
(0.34271) (2.26813) (0.77289) (0.31409)
[ 0.86851] [ 0.28084] [ 0.10365] [ 0.84841]
Menurut Eviews Help, disebutkan bahwa hasil dan estimasi VECM memiliki
persamaan dengan hasil dan estimasi VAR. Tabel 4.7 menunjukkan hasil VECM,
VECM tersebut menggunakan lag 6 yang merupakan optimum lag berdasarkan
pemilihan lag berdasarkan AIC kriteria. Menurut Nachrowi D. Nachrowi (2006:296),
disebutkan bahwa setiap variabel mempunyai tiga nilai, yaitu:
1. Nilai koefisien pada baris pertama;
2. Nilai standar error koefisien pada baris kedua;
3. Uji-t pada baris ketiga. Pada model ini ternyata tidak terdapat nilai ”probability”
untuk uji-t, untuk sampel yang besar kita menggunakan standar Tolak hipotesis
jika nilai Uji-t lebih besar dari 2.
Berdasarkan tabel 4.7 terlihat bahwa variabel yang memengaruhi JCI secara
signifikan adalah: JCI t-1, JCI t-5, JCI t-6, INDU t-1, INDU t-3, SHCOMP t-5,
KOSPI t-3 dan KOSPI t-5. Variabel yang memengaruhi INDU secara signifikan
adalah: INDU t-1, INDU t-2, SHCOMP t-4 dan KOSPI t-2.Variabel yang
Universitas Indonesia
44
memengaruhi SHCOMP secara signifikan adalah: JCI t-1, JCI t-4, INDU t-1,
SHCOMP t-3, dan SHCOMP t-4. Variabel yang memengaruhi KOSPI secara
signifikan adalah: JCI t-1, JCI t-3, INDU t-1, INDU t-2, INDU t-3, INDU t-5,
SHCOMP t-1, KOSPI t-1, dan KOSPI t-2. Hal tersebut menunjukkan hal-hal sebagai
berikut:
a. Perubahan indeks harga saham pada Bursa Efek Indonesia (JCI) dipengaruhi
perubahan JCI (1, 5 dan 6 hari sebelumnya), perubahan INDU (1 dan 3 hari
sebelumnya), perubahan SHCOMP (5 hari sebelumnya), dan perubahan KOSPI
(3 dan 5 hari sebelumnya).
b. Perubahan indeks pada Dow Jones Industrial Average (INDU) dipengaruhi
perubahan INDU (1 dan 2 hari sebelumnya), perubahan SHCOMP (4 hari
sebelumnya), dan perubahan KOSPI (2 hari sebelumnya).
c. Perubahan Shanghai SE Composite Index (SHCOMP) dipengaruhi perubahan JCI
(1 dan 4 hari sebelumnya), perubahan INDU (1 hari sebelumnya), dan perubahan
SHCOMP (3 dan 4 hari sebelumnya).
d. Perubahan Korea Index (KOSPI) dipengaruhi perubahan JCI (1 dan 3
sebelumnya), perubahan INDU (1, 2, 3 dan 5 hari sebelumnya), perubahan
SHCOMP (1 hari sebelumnya) dan perubahan KOSPI (1 dan 2 hari sebelumnya).
suatu standar deviasi dari variabel inovasi terhadap nilai sekarang (current time
values) dan dinilai yang akan datang (future values) dari variabel-variabel endogen
yang terdapat dalam model yang diamati.
Tabel 4.8
Impulse Response Function
Response of JCI:
Period JCI INDU SHCOMP KOSPI
Response of INDU:
Period JCI INDU SHCOMP KOSPI
Response of SHCOMP:
Period JCI INDU SHCOMP KOSPI
Universitas Indonesia
46
Tabel 4.8
Impulse Response Function (lanjutan)
8 15.67712 8.664748 41.15922 -1.088497
9 16.17394 8.869801 41.05812 -1.467865
10 15.92898 9.441435 40.46026 -1.302411
Response of KOSPI:
Period JCI INDU SHCOMP KOSPI
20 20 20 20
16 16 16 16
12 12 12 12
8 8 8 8
4 4 4 4
0 0 0 0
-4 -4 -4 -4
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
80 80 80 80
40 40 40 40
0 0 0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
40 40 40 40
30 30 30 30
20 20 20 20
10 10 10 10
0 0 0 0
R espons e of K OSP I to J C I R espons e of KOSPI t o I N DU R es pons e of KOSP I to SH COMP R es pons e of KOSPI t o KOSP I
16 16 16 16
12 12 12 12
8 8 8 8
4 4 4 4
0 0 0 0
-4 -4 -4 -4
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Sesuai dengan hasil dari uji kausalitas Granger pada tabel 4.8, maka yang
akan dibahas adalah respon dari JCI pada perubahan satu standar deviasi dari
variabel itu sendiri dan juga variabel INDU, SHCOMP dan KOSPI. Respon yang
diberikan oleh JCI pada perubahan satu standar deviasi dari variabel itu sendiri
menunjukkan bahwa respon JCI mengalami kenaikan sampai dengan periode 5. Pada
periode 1, respon yang diberikan sebesar 18,31% dan terus meningkat sampai
dengan sebesar 21,4%. Setelah itu respon yang diberikan menurun seiring dengan
bertambahnya periode. Pada jangka panjang responnya berkisar di angka 18,9%.
Sedangkan respon yang diberikan oleh JCI pada perubahan satu standar deviasi dari
INDU pada periode 1 tidak memberikan respon. Pada periode ke dua menunjukkan
nilai yang positif dan seterusnya serta menunjukkan ada peningkatan sampai periode
6 sebesar 7,9% kemudian mengalami penurunan yang tidak signifikan. Atas
perubahan satu standar deviasi dari SHCOMP, JCI memberikan respon negatif baik
jangka pendek maupun jangka panjang. JCI memberikan respon yang negatif pada
periode kedua dan ketiga terhadap KOSPI. Untuk periode 4 dan selanjutnya
memberikan respon positif.
Berdasarkan hasil uji kausalitas Granger pada tabel 4.8 dapat dilihat respon
dari INDU pada perubahan satu standar deviasi dari variabel itu sendiri dan juga
variabel JCI, SHCOMP dan KOSPI. Respon yang diberikan oleh INDU pada
perubahan satu standar deviasi dari variabel itu sendiri menunjukkan bahwa respon
INDU mengalami penurunan dari periode pertama sampai dengan periode ke sepuluh.
Respon terbesar terjadi pada periode pertama yaitu sebesar 120,58%. Sedangkan
respon yang diberikan oleh INDU pada perubahan satu standar deviasi dari JCI pada
periode pertama memberikan respon sebesar 12,55% dan naik sampai dengan periode
3 kemudian turun pada periode 4 dan naik lagi pada periode 5. Selanjutnya
mengalami penurunan pada periode jangka panjangnya. Respon yang diberikan
INDU atas perubahan satu standar deviasi dari SHCOMP dan KOSPI menunjukkan
Universitas Indonesia
48
pengaruh yang sama, yaitu pada periode pertama tidak memberikan respon. Pada
periode selanjutnya, JCI memberikan respon yang negatif dan berfluktuasi.
Sesuai dengan hasil dari uji kausalitas Granger pada tabel 4.8 maka yang akan
dibahas adalah respon dari SHCOMP pada perubahan satu standar deviasi dari
variabel itu sendiri dan juga variabel JCI, INDU dan KOSPI. Respon yang diberikan
oleh SHCOMP pada perubahan satu standar deviasi dari variabel itu sendiri
menunjukkan bahwa respon SHCOMP mengalami fluktuasi dari periode pertama
hingga periode ke sepuluh. Pada periode 1, respon yang diberikan sebesar 40,45%
dan respon tertinggi terjadi pada periode 5 sebesar 43,59%. Sedangkan respon yang
diberikan oleh SHCOMP pada perubahan satu standar deviasi dari JCI pada periode 1
memberikan respon sebesar 8,37% dan berfluktuasi sampai dengan periode jangka
panjang. Nilai tertinggi yang tercatat adalah sebesar 16,17% pada period ke 9. Atas
perubahan satu standar deviasi dari INDU, SHCOMP memberikan respon negatif
pada periode pertama dan selanjutnya menunjukkan respon positif dan peningkatan
pada jangka panjang. SHCOMP tidak memberikan respon pada periode pertama
KOSPI, pada periode selanjutnya memberikan respon negatif baik jangka pendek
maupun jangka panjang, kecuali pada periode 4.
Pembahasan yang terakhir adalah respon dari KOSPI pada perubahan satu
standar deviasi dari variabel itu sendiri dan juga variabel JCI, INDU dan SHCOMP.
Berdasarkan tabel 4.8, respon yang diberikan oleh KOSPI pada perubahan satu
standar deviasi dari variabel itu sendiri menunjukkan bahwa respon KOSPI
mengalami penurunan dari periode pertama hingga periode ke sepuluh. Pada periode
1, respon yang diberikan sebesar 15,4% dan terus menurun sampai dengan sebesar
12,9%. Sedangkan respon yang diberikan oleh KOSPI pada perubahan satu standar
deviasi dari JCI pada periode 1 memberikan respon sebesar 6,2% dan meningkat pada
periode ke dua sebesar 7,39%. Pada periode ke tiga mengalami penurunan sampai
dengan periode ke sepuluh hingga mencapai 5,27%. Atas perubahan satu standar
Universitas Indonesia
49
deviasi dari INDU, KOSPI memberikan respon positif pada periode pertama sebesar
1,78% dan terus mengalami peningkatan sampai periode 7 sebesar 10,21% dan
menurun sampai dengan periode 10. KOSPI memberikan respon positif juga pada
SHCOMP, sampai dengan periode 5 selanjutnya pada periode sampai dengan periode
10 memberikan respon negative.
Variance decomposition ini bertujuan untuk mengukur perkiraan varians error suatu
variabel, yaitu seberapa besar perbedaan antara sebelum dan sesudah shock, baik
yang berasal dari variabel itu sendiri maupun dari variabel lain. Menurut Yonathan S.
Hadi (2003:110), menyebutkan bahwa variance decomposition memberikan
informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR. Test ini
digunakan untuk menyusun perkiraan error variance suatu variabel, yaitu seberapa
besar perbedaan antara variance sebelum dan sesudah shock, baik shock yang berasal
dari diri sendiri maupun shock dari variabel lain.
Tabel 4.9
Variance Decomposition
Variance Decomposition of
JCI:
Period S.E. JCI INDU SHCOMP KOSPI
Variance Decomposition of
INDU:
Period S.E. JCI INDU SHCOMP KOSPI
Universitas Indonesia
50
Tabel 4.9
Variance Decomposition (lanjutan)
2 165.5570 1.155382 98.84429 9.23E-05 0.000231
3 196.0738 1.339378 98.57970 0.000496 0.080424
4 224.3224 1.244226 98.66600 0.001547 0.088223
5 248.2142 1.272838 98.58234 0.064822 0.080000
6 269.6301 1.143908 98.56284 0.194467 0.098781
7 287.9708 1.030538 98.62715 0.223186 0.119125
8 304.9487 0.949269 98.67013 0.255171 0.125434
9 320.8041 0.878085 98.69657 0.290869 0.134480
10 335.6647 0.818698 98.72778 0.315084 0.138434
Variance Decomposition of
SHCOMP:
Period S.E. JCI INDU SHCOMP KOSPI
Variance Decomposition of
KOSPI:
Period S.E. JCI INDU SHCOMP KOSPI
Universitas Indonesia
51
Grafik 4.2
Variance Decomposition
80 80 80 80
60 60 60 60
40 40 40 40
20 20 20 20
0 0 0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Perc ent IN DU v arianc eduet oJ C I Percent IN D U v aria nce duet oI ND U Percent I ND U v arianc edue to SH C OMP Perc ent IN D U v aria nce due to KOSPI
100 100 100 100
80 80 80 80
60 60 60 60
40 40 40 40
20 20 20 20
0 0 0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Perc ent SH C OMP v aria nce due to J CI Perc ent SHC OMP v ariance due to IN D U Perc ent SHC OMP v arianc eduet o SHC OMP P ercent SH C OMP v arianc edue t oKOSPI
100 100 100 100
80 80 80 80
60 60 60 60
40 40 40 40
20 20 20 20
0 0 0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Perc ent K OSP I v ariance due to JC I Perc ent KOSPI v ariance due to IN D U Perc ent KOSPI v arianc eduet oS HC OMP P erc ent K OSP I v ariance due t oKOSPI
90 90 90 90
80 80 80 80
70 70 70 70
60 60 60 60
50 50 50 50
40 40 40 40
30 30 30 30
20 20 20 20
10 10 10 10
0 0 0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Hasil dari variance decomposition pada tabel 4.9, menunjukkan bahwa JCI bersifat
inertia dimana penjelas terbesar dari variabel adalah variabel itu sendiri. Hal ini dapat
dilihat bahwa variabel JCI dalam periode 1 sebesar 100% dan selanjutnya menurun
tidak terlalu signifikan. Pada jangka pendek variabel INDU tidak berpengaruh
terhadap JCI, nilai pengaruh mulai muncul pada periode ke dua sebesar 2,9% dan
semakin meningkat pada periode-periode selanjutnya. Untuk variabel SHCOMP
hanya mampu memberikan penjelasan terbesar pada jangka panjang sebesar 0,18%,
demikian juga pada variabel KOSPI yang memberikan nilai terbesar pada periode ke
sepuluh yaitu sebesar 0,5%.
Universitas Indonesia
52
Hasil dari variance decomposition pada tabel 4.9, menunjukkan bahwa INDU bersifat
inertia dimana penjelas terbesar dari variabel adalah variabel itu sendiri. Hal ini dapat
dilihat bahwa variabel INDU dalam periode 1 sebesar 98,9% dan selanjutnya
mengalami pergerakan yang fluktuatif. Variabel JCI tidak berpengaruh terhadap
INDU, dimana pada periode 1 hanya mampu memberikan penjelasan sebesar 1,07%
dan semakin menurun pada periode selanjutnya. Untuk variabel SHCOMP hanya
mampu memberikan penjelasan terbesar pada jangka panjang sebesar 0,3%, demikian
juga pada variabel KOSPI yang memberikan nilai terbesar pada periode ke sepuluh
yaitu sebesar 0,13%.
Hasil dari variance decomposition pada tabel 4.9, menunjukkan bahwa SHCOMP
juga bersifat inertia dimana penjelas terbesar dari variabel adalah variabel itu sendiri.
Hal ini dapat dilihat bahwa variabel SHCOMP dalam periode 1 sebesar 95,88% dan
pada periode berikutnya mengalami penurunan hingga mencapai 87,54%. Variabel
JCI memberikan penjelasan sebesar 4,1% pada periode pertama dan semakin naik
pada periode selanjutnya hingga mencapai 9,89% pada period ke sepuluh. Variabel
INDU hanya memberikan penjelasan sebesar 0,013% pada periode pertama dan
semakin naik pada periode selanjutnya tetapi besarnya tidak terlalu signifikan hingga
mencapai 2,49% pada periode 10.Untuk variabel KOSPI hanya mampu memberikan
penjelasan terbesar pada jangka panjang sebesar 0,05%.
Hasil dari variance decomposition pada tabel 4.9, menunjukkan bahwa SHCOMP
juga bersifat inertia dimana penjelas terbesar dari variabel adalah variabel itu sendiri.
Hal ini dapat dilihat bahwa variabel KOSPI dalam periode 1 sebesar 84,14% dan
pada periode berikutnya mengalami penurunan yang signifikan hingga mencapai
60,85%. Variabel JCI memberikan penjelasan sebesar 13,6% pada periode pertama
dan berfluktuasi pada periode selanjutnya. Variabel INDU memberikan penjelasan
sebesar 1,13% kemudian melonjak pada periode ke dua mencapai 10,87% dan pada
Universitas Indonesia
53
periode selanjutnya semakin naik hingga mencapai 26,65 pada periode 10.Untuk
variabel SHCOMP hanya mampu memberikan penjelasan terbesar pada periode
jangka pendek yaitu sebesar 1,06% dan pada jangka panjang mengalami penurunan.
Universitas Indonesia