Jurnal Ekonomi dan Pembangunan Indonesia

Volume 21 Article 6
Number 1 Januari

1-2021

Contagion Effect Krisis Argentina dan Turki ke Negara-Negara

Asia, Benarkah Terjadi?
Adi Setiawan
BPS Provinsi DKI Jakarta, adi.17347@gmail.com

Fitri Kartiasih
Politeknik Statistika STIS, fkartiasih@gmail.com

Follow this and additional works at: https://scholarhub.ui.ac.id/jepi

Part of the International Economics Commons

Recommended Citation
Setiawan, Adi and Kartiasih, Fitri (2021) "Contagion Effect Krisis Argentina dan Turki ke Negara-Negara
Asia, Benarkah Terjadi?," Jurnal Ekonomi dan Pembangunan Indonesia: Vol. 21: No. 1, Article 6.
DOI: 10.21002/jepi.2021.05
Available at: https://scholarhub.ui.ac.id/jepi/vol21/iss1/6

This Article is brought to you for free and open access by the Faculty of Economics & Business at UI Scholars Hub.
It has been accepted for inclusion in Jurnal Ekonomi dan Pembangunan Indonesia by an authorized editor of UI
Scholars Hub.
 Jurnal Ekonomi dan Pembangunan Indonesia
Vol. 21 No. 1 Januari 2021: 59–76
p-ISSN 1411-5212; e-ISSN 2406-9280 59

Contagion Effect Krisis Argentina dan Turki ke Negara-Negara Asia,

Benarkah Terjadi?
Contagion Effect of Argentina and Turkey Crisis to Asian Countries, is it Really
Happening?

Adi Setiawana,∗, & Fitri Kartiasihb

a BPS Provinsi DKI Jakarta
b Politeknik Statistika STIS

[diterima: 20 September 2019 — disetujui: 18 Desember 2019 — terbit daring: 27 Januari 2021]

Abstract
This study aims to examine the contagion effect of the Argentinian and Turkish crises to Asian countries using the
DCC-MGARCH model. The data used is the daily closing price index of the stock index obtained from Thomson Reuters
DataStream covering form the period of January 2, 2014 to May 17, 2019. The results showed that the contagion effect
of the Argentinian crisis occurred in Malaysia, Korea, Thailand and the Philippines, while Indonesia, Singapore, India
and China are only interdependence. The pure contagion test results also show that the contagion effect of the Turkish
crisis occurred in Indonesia, Malaysia, the Philippines, Thailand, India, and China, while Singapore and Korea only
interdependence with the Turkish market.
Keywords: contagion effect; DCC-MGARCH; interdependence; crisis

Abstrak
Penelitian ini bertujuan untuk menguji adanya contagion effect dari krisis Argentina dan Turki ke
negara-negara Asia dengan menggunakan model DCC-MGARCH. Data yang digunakan adalah data harian
harga penutupan indeks saham yang diperoleh dari Thomson Reuters DataStream mencakup periode 2
Januari 2014 hingga 17 Mei 2019. Hasil penelitian menunjukkan bahwa contagion effect dari krisis Argentina
terjadi di Malaysia, Korea, Thailand, dan Filipina, sedangkan Indonesia, Singapura, India, dan Cina
hanya interdependence. Hasil uji pure contagion juga menunjukkan bahwa contagion effect dari krisis Turki
terjadi di Indonesia, Malaysia, Filipina, Thailand, India, dan Cina, sedangkan Singapura dan Korea hanya
interdependence dengan pasar Turki.
Kata kunci: contagion effect; DCC-MGARCH; interdependence; krisis

Kode Klasifikasi JEL: C10; E42; E62

Pendahuluan bungan dengan Amerika Serikat (AS)1 . Derasnya

Krisis ekonomi di Turki dan Argentina telah menim-
bulkan pembicaraan dari berbagai pihak, terutama
ekonom, mengenai contagion effect, bahwa bahaya
masalah keuangan di suatu negara kemungkinan
akan menjangkiti negara lain. Turki telah dihadap-
kan pada krisis mata uang dan memburuknya hu-
arus investasi asing ke dalam negeri juga disinyalir
sebagai penyebab utama terjadinya contagion effect.
Sebagai dampak dari krisis ekonomi global 2008,
Turki membuka keran masuknya investasi asing ke
dalam negeri. Investasi asing dimaksudkan agar da-
pat segera memulihkan kondisi ekonomi di dalam
1 Hal ini diawali pada Agustus 2018 ketika AS menaikkan

tarif impor komoditas baja dan aluminium Turki dengan alas-

an keamanan nasional, kemudian Turki membalasnya dengan
∗ Alamat Korespondensi: Politeknik Statistika STIS, Jl. Otista
menggandakan tarif bea cukai sampai 100 persen untuk semua
No.64 C Jakarta 13330. E-mail: adi.17347@gmail.com. produk impor dari AS.

Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
60 Contagion Effect Krisis Argentina dan Turki ...
negeri. Namun, neraca perdagangan yang defisit,
disertai dengan merosotnya nilai mata uang Lira
Turki, menyebabkan terjadinya krisis keuangan.
Negara-negara Uni Eropa dan Asia pun dilanda ke-
khawatiran jika gangguan krisis finansial tersebut
akan menyebar ke negara-negara tersebut.
Sementara itu, krisis yang membelit Argentina
mendorong pemerintahannya untuk mengumum-
kan langkah-langkah penghematan dan meminta
International Monetary Fund (IMF) untuk memper-
cepat pencairan pinjaman sebesar 50 miliar dolar
AS. Krisis ekonomi Argentina dipicu oleh perma-
salahan politik dan dorongan inflasi yang tinggi
dan diperparah dengan terjadinya bencana keke-
ringan yang melanda negara tersebut. Bencana
alam ini menyebabkan gagalnya produksi pertanian
Argentina, yakni jagung dan gandum. Sementara
itu, krisis politik yang terjadi menyebabkan pasar
saham Argentina mengalami kemerosotan. Di la-
in pihak, banyaknya uang yang beredar menjadi
penyebab terjadinya inflasi yang tinggi. Cadang-
an devisa Argentina pun mengalami penurunan
cukup tajam demi menjaga stabilitas nilai tukar.
Selain itu, kinerja ekspor yang buruk juga menye-
babkan defisitnya neraca perdagangan. Keadaan ini
membuat lembaga pemeringkat internasional pun
menurunkan rating utang dan ekuitas Argentina
sehingga mendekati gagal bayar (default).
Penurunan tajam dalam nilai mata uang Lira
Turki dan Peso Argentina telah menyebabkan ke-
khawatiran bahwa berbagai mata uang negara lain-
nya, mulai dari Afrika Selatan hingga Rusia, akan
ikut melemah. Di Eropa, bursa saham terkoreksi
karena kekhawatiran krisis keuangan Turki akan
makin dalam dan menyebar ke negara-negara ber-
kembang lainnya. Kini, Afrika Selatan pun meng-
alami resesi yang ditandai oleh kelesuan ekonomi
dalam negeri. Hal ini ditandai dengan kontraksi
ekonomi pada kuartal kedua dibandingkan dengan
kuartal sebelumnya tahun 2018. Di Asia, Rupee
India dan Rupiah Indonesia telah terpukul sehing-
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
ga pembahasan mengenai risiko contagion terus
bergulir. Sederhananya, contagion adalah proses
yang terpenuhi dengan sendirinya ketika masalah
ekonomi di satu negara mendorong investor untuk
menjual aset di ekonomi dengan risiko yang sama.
Di dunia global, krisis di satu negara juga dapat
dengan cepat menyebar ke negara lain melalui hu-
bungan dagang atau pinjaman oleh bank. Akibat
dari krisis ini dapat dilihat dari merosotnya nilai tu-
kar secara terus-menerus. Kemerosotan nilai tukar
ini berdampak pada defisitnya transaksi, penurun-
an cadangan devisa, dan melemahnya daya saing
sehingga pertumbuhan ekspor melambat.
Perdagangan adalah salah satu cara yang jelas
untuk menyebarkan masalah dari satu negara ke
negara lain. Ketika ekonomi mulai goyah, peru-
sahaan cenderung memangkas produksi dan ke-
mudian jumlah pekerja. Akibatnya, konsumen me-
miliki lebih sedikit uang untuk membeli berbagai
barang, termasuk impor. Kelesuan ekonomi akan
menyebabkan konsumen kesulitan untuk meng-
akses barang impor. Hal ini adalah berita buruk
bagi bisnis global yang mengekspor banyak barang
ke negara tersebut. Jika krisis juga menyebabkan
mata uang suatu negara melemah dan biaya impor
naik, maka akan makin memengaruhi permintaan.
Namun, beberapa ekonom mengatakan Asia memi-
liki ”hubungan perdagangan yang sangat rendah”
dengan Argentina dan Turki, ”jadi keadaan terse-
but tidak terlalu mengkhawatirkan”. Akan tetapi
negara-negara yang bergantung pada uang dari
luar negeri dan memiliki arus masuk dana asing
ke pasar saham dan obligasi akan berisiko untuk
tertular. Risikonya adalah bahwa ketika sentimen
berubah lebih negatif, maka investor asing mulai
menarik dana tersebut. Hal ini akan berdampak
pada anjloknya nilai tukar.
Di Asia, baik India dan Indonesia, sangat ber-
gantung pada aliran masuk modal asing. Hal ini
akan menyebabkan mata uang kedua negara sangat
melemah. India, sebagai negara pengimpor minyak,
 Setiawan, A., & Kartiasih, K.
telah memiliki tagihan impor yang meningkat sei-
ring dengan kenaikan harga minyak. Keadaan ini
telah menyebabkan defisit neraca berjalannya me-
lebar. Negara yang memiliki defisit neraca berjalan
mungkin bergantung pada arus masuk uang asing
untuk membiayai pengeluaran dan investasi. Se-
mentara itu, Indonesia memiliki cadangan devisa
yang rendah dan tingkat kepemilikan asing yang
tinggi di pasar saham dan obligasi lokal. Sama
seperti India, fundamental ekonomi dengan arus
devisa yang masuk lebih sedikit dibandingkan de-
ngan arus devisa yang keluar. Hal ini menyebabkan
Indonesia mengalami defisit transaksi berjalan. Se-
lain itu, Indonesia sangat rentan terhadap investor
yang menarik uangnya keluar dari negara.
Pasar-pasar saham tampak bergerak sejalan sa-
tu sama lain selama periode sebelum dan setelah
krisis. Hal ini membuktikan adanya co-movements
dan interdependency. Co-movements ini telah diana-
lisis dengan berbagai cara oleh para peneliti. Be-
berapa peneliti menganggap co-movements sebagai
bentuk integrasi keuangan, ketika sebuah negara
berhubungan dengan negara lain melalui contagion
effect. Menurut Forbes & Rigobon (2000), setidak-
nya terdapat empat definisi konsep contagion effect.
Pertama, contagion merefleksikan guncangan (shock)
transmisi yang berlebihan sehubungan dengan va-
riasi fundamental. Kedua, contagion adalah hasil dari
guncangan transmisi yang disebabkan oleh peri-
laku investor. Ketiga, contagion adalah hasil dari
ko-evolusi pasar karena faktor eksternal. Keempat,
shift contagion menunjukkan peningkatan keterkait-
an pasar karena efek guncangan yang lebih besar
pada periode krisis daripada di waktu normal.
Beberapa peneliti telah mempelajari contagion
dalam bentuk yang berbeda menggunakan uji eko-
nometrika yang berbeda. Misalnya, uji linear co-
integration, model nonlinear error-correction, dan
dynamic correlations (Kaminsky & Reinhart, 2000;
Forbes & Rigobon, 2002; Baur, 2003; Yang & Bessler,
2008). Namun, temuan-temuan yang ada sampai
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
61
saat ini relatif tidak dapat disimpulkan dan sangat
bervariasi di setiap negara, per sampel dan per
periode. Calvo & Reinhart (1996) menguji conta-
gion selama krisis Peso Meksiko dan menemukan
bukti contagion dengan pasar Amerika Latin. Baur
(2003) juga tidak menolak hipotesis contagion sela-
ma krisis Asia. Jawadi et al. (2015) menguji volatility
spillover dan tidak menolak adanya contagion antara
pasar saham AS dan tiga pasar saham utama Eropa
(Jerman, Inggris, dan Prancis). Alat standar dalam
mencari hubungan antara pasar saham yang sebe-
lumnya berbeda sesuai jenis korelasi liniernya (Asai
& McAleer, 2009; Colacito et al., 2011; Boubaker et al.,
2016). Namun, korelasi linear tidak lagi dapat dian-
dalkan untuk mengukur ketergantungan hubungan
karena statis dan tidak menangkap hubungan dina-
mis yang berkembang antarpasar (Christoffersen et
al., 2012). Philippas & Siriopoulos (2013) menafsir-
kan perubahan dalam korelasi linier antara pasar
sebagai tanda penularan mungkin menyesatkan.
Berdasarkan latar belakang tersebut, penelitian ini
bertujuan untuk menguji contagion effect dari kri-
sis Argentina dan Turki terhadap pasar saham di
beberapa negara Asia.
Para ekonom telah mengembangkan pendekatan
langsung untuk mengukur contagion di pasar saham
dengan membandingkan korelasi (atau kovarians)
antara dua pasar saham selama periode yang relatif
stabil (umumnya diukur sebagai rata-rata historis)
dengan periode selama kekacauan (turmoil) (lang-
sung setelah guncangan terjadi). Contagion didefini-
sikan sebagai peningkatan yang signifikan dalam
korelasi lintas pasar selama periode kekacauan. Me-
nurut pendekatan ini, jika dua pasar berkorelasi
selama periode stabil, seperti Jerman dan Italia, dan
kemudian guncangan terhadap satu pasar memiliki
efek riak dan mengarah ke peningkatan yang signi-
fikan dalam pergerakan bersama pasar, keadaan ini
akan menjadi contagion. Di sisi lain, jika dua pasar,
secara tradisional sangat berkorelasi, seperti AS dan
Kanada, bahkan jika keduanya tetap memiliki ko-
62 Contagion Effect Krisis Argentina dan Turki ...
relasi yang tinggi setelah guncangan di satu pasar,
keadaan ini mungkin tidak selalu merupakan con-
tagion. Kejadian ini disebut contagion jika korelasi
lintas pasar meningkat secara signifikan. Jika ko-
relasinya tidak meningkat secara signifikan, maka
setiap pergerakan bersama (co-movement) pasar ting-
kat tinggi menunjukkan hubungan nyata yang kuat
antara kedua perekonomian, keadaan ini disebut
interdependence. Berdasarkan pendekatan ini, con-
tagion menyiratkan bahwa hubungan lintas pasar
secara fundamental berbeda setelah guncangan ke
satu pasar, sementara interdependence menunjukkan
tidak ada perubahan signifikan dalam hubungan
lintas pasar (Forbes & Rigobon, 2002).
Meskipun definisi contagion ini bersifat restriktif,
akan tetapi definisi tersebut memberikan dua ke-
untungan penting. Pertama, hal ini memberikan ke-
rangka kerja langsung untuk pengujian jika terjadi
contagion. Perbandingan sederhana dari hubungan
antara dua pasar (seperti koefisien korelasi lintas pa-
sar) selama periode yang relatif stabil (umumnya di-
ukur sebagai rata-rata historis) dengan keterkaitan
langsung setelah guncangan atau krisis. Contagion
adalah peningkatan signifikan dalam hubungan
lintas pasar setelah guncangan. Tes intuitif untuk
contagion ini telah menjadi dasar literatur sampai
krisis keuangan pada akhir 1990-an. Manfaat ke-
dua dari definisi ini adalah menyediakan metode
langsung untuk membeda- kan antara penjelasan
alternatif tentang bagaimana krisis ditransmisikan
ke seluruh pasar.
Literatur empiris tentang contagion atau spillover
sangat luas. Setidaknya ada dua masalah penting
yang diamati, antara lain: (1) apakah contagion benar-
benar terjadi antarnegara (pasar) selama krisis keu-
angan di masa lalu; dan (2) melalui saluran (channel)
apa guncangan yang merugikan dan dapat meram-
bat ke negara lain (pasar) dari negara sumber. Untuk
menangani masalah kedua, Rose & Spiegel (2010),
melakukan penelitian yang mencakup 85 negara, de-
ngan mempertimbangkan hubungan nyata (saluran
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
perdagangan) dan hubungan keuangan (eksposur
aset asing) yang memungkinkan krisis AS 2008 me-
nyebar ke negara lain. Rose & Spiegel menemukan
sedikit bukti bahwa saluran-saluran ini terkait erat
dengan kejadian krisis, seperti penelitian yang di-
lakukan oleh Forbes & Chinn (2004). Menariknya,
Okubo et al. (2014) dan Ando & Kimura (2012) me-
nunjukkan jaringan produksi yang terfragmentasi
di Asia, dalam kombinasi dengan hubungan perda-
gangan yang dekat, mungkin telah menghasilkan
efek jangka pendek dari krisis keuangan baru-baru
ini di Asia. Namun, contagion akibat saluran keuang-
an tampaknya sangat masuk akal karena eksposur
yang tinggi terhadap aset asing dapat menyebab-
kan pemburukan cepat dalam neraca suatu negara
ketika terjadi guncangan asing yang merugikan
dari luar. Salah satu cara untuk menyelidiki peran
keterkaitan keuangan dalam memperburuk conta-
gion effect adalah dengan membandingkan korelasi
kondisional yang dinamis di seluruh negara dan lin-
tas variabel ekonomi yang relevan (Frank & Hesse,
2009).
Untuk menangani masalah pertama, para peneli-
ti biasanya menggunakan analisis subsampel untuk
structural break (dengan tanggal structural break yang
diketahui) dalam koefisien korelasi lintas pasar tan-
pa syarat pada periode sebelum dan sesudah krisis.
Jika koefisien korelasi meningkat secara signifikan
selama krisis, keadaan ini mungkin menyiratkan
tingkat hubungan lintas pasar yang lebih tinggi
secara statistik, dengan kata lain, contagion. Contoh
studi yang menggunakan metode tersebut terma-
suk Calvo & Reinhart (1996), Baig & Goldfajn (1999),
dan Lin (2012). Penelitian-penelitian tersebut me-
nemukan perbedaan koefisien korelasi yang cukup
besar dan menyimpulkan bahwa contagion terjadi
selama krisis.
Forbes & Rigobon (2002) menunjukkan bahwa
berdasarkan perbandingan subsampel dari koefisi-
en korelasi uji-uji ini dapat mengalami bias karena
heteroskedastisitas. Untuk mengoreksi bias, Forbes
 Setiawan, A., & Kartiasih, K.
& Rigobon melaporkan hampir tidak ada bukti con-
tagion selama krisis di masa lalu, termasuk krisis
Asia 1997, krisis Peso Meksiko (devaluasi) 1994, dan
krisis pasar saham AS 1987. Sebaliknya, Forbes &
Rigobon menemukan tingkat korelasi yang tinggi
di semua periode, yang disebut interdependence. A-
kan tetapi, Corsetti et al. (2005) menunjukkan bahwa
uji yang dilakukan oleh Forbes & Rigobon (2002)
bias terhadap hipotesis nol tanpa contagion. Dengan
menggunakan model faktor standar, Corsetti et al.
melaporkan bukti contagion yang kuat selama krisis
pasar saham Hongkong 1997. Way & Saida (2018)
menegaskan bahwa krisis sangat tidak mungkin
untuk dimulai secara simultan di semua pasar, na-
mun dapat menyebar dari satu pasar ke pasar lain
mengikuti jalur transmisi.
Sejumlah penelitian menggunakan model tipe
Generalized AutoRegressive Conditional Heteroskedas-
ticity (GARCH) yang berfokus pada spillover effect
volatilitas harga. Sebagai contoh, Hamao et al. (1990)
menggunakan model GARCH-M (GARCH in me-
an) dan melaporkan beberapa spillover effect pada
rata-rata bersyarat dan varian di pasar saham sete-
lah crash pasar saham AS 1987. Bekaert et al. (2005)
tidak menemukan bukti peningkatan korelasi pa-
sar saham atas korelasi yang diharapkan berdasar-
kan fundamental ekonomi (misal, contagion) setelah
krisis Peso 1994 dan menemukan beberapa buk-
ti contagion setelah krisis Asia 1997. Bagaimana-
pun, penelitian-penelitian ini tidak memberikan
bukti langsung terhadap Forbes & Rigobon (2002).
Hwang et al. (2010) mempelajari efek contagion dari
penurunan pasar real estat AS pada beberapa pa-
sar saham global menggunakan dynamic conditional
correlation (DCC)-GARCH model. Temuan Hwang
et al. menunjukkan efek contagion yang signifikan
untuk perkembangan dan kemajuan pasar. Hemche
et al. (2016) mengidentifikasi peningkatan korelasi
pasar saham sejak krisis subprime yang menunjuk-
kan bukti lebih lanjut efek contagion, baik selama
dan setelah krisis subprime. Hal ini bisa dibenarkan
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
63
setidaknya dalam dua keadaan. Pertama, mengingat
keadaan depresi hebat, investor cenderung berpe-
rilaku mimesis2 dan lebih dipengaruhi oleh opini
pasar daripada fundamental pasar. Kedua, beberapa
pembuat kebijakan, ekonom, dan lembaga moneter
sudah mulai berbagi proyek baru bersama yang
bertujuan untuk membentuk kembali keuangan
dan kontrol sistem perbankan dan keuangan lemba-
ga. Hal ini bisa menjadi pedoman tindakan umum
yang lain bagi investor dan pasar saham.
Kelompok peneliti lain menggunakan model
DCC-MGARCH yang dikembangkan oleh Engle
(2002) untuk memperkirakan time-varying conditio-
nal correlations. Pendekatan ini tidak memerlukan
pengetahuan tentang tanggal pasti ketika contagion
terjadi. Dengan kata lain, peneliti tidak membuat
asumsi sewenang-wenang pada waktu periode ke-
kacauan (turmoil) karena tidak bergantung pada
analisis subsampel, contohnya penelitian Chiang
et al. (2007), Syllignakis & Kouretas (2011), dan
Tamakoshi & Hamori (2014).
Penelitian ini berangkat dari motivasi bahwa
penelitian mengenai contagion effect dari krisis
Argentina dan Turki terhadap pasar saham di be-
berapa negara Asia yang belum pernah dilakukan
sebelumnya. Kemudian, untuk menguji apakah ter-
jadi contagion effect, dalam penelitian ini digunakan
model DCC-MGARCH. Pendekatan ini setidaknya
memiliki dua keunggulan. Pertama, membantu un-
tuk menguji contagion selama kondisi stabil dan
kondisi bergejolak (krisis), serta untuk merepro-
duksi korelasi lintas pasar yang dinamis. Kedua,
memungkinkan efek contagion ditransmisikan se-
cara asimetris dari satu pasar ke yang lain dan
memungkinkan terjadinya efek contagion yang ber-
variasi dari waktu ke waktu. Dengan demikian,
dapat dihasilkan kemungkinan perubahan dalam
korelasi bersyarat dari waktu ke waktu, khususnya
pada periode krisis.
2 tiruan perilaku atau peristiwa antarmanusia.
64 Contagion Effect Krisis Argentina dan Turki ...
Deskripsi Singkat Krisis Ekonomi
Argentina dan Turki
Argentina merupakan negara dengan perekonomi-
an terbesar ke-21 di dunia yang saat ini sedang
menghadapi krisis ekonomi. Mata uangnya, Peso,
telah kehilangan lebih dari setengah nilainya ter-
hadap dolar AS selama tahun 2018. Pemerintah
Argentina pada Juni 2018 beralih ke IMF untuk
membiayai defisit anggarannya. Terlepas dari sum-
ber daya IMF dan rencana langkah-langkah peng-
hematan yang agresif, Pemerintah Argentina masih
berjuang untuk memulihkan stabilitas ekonomi.
Argentina memiliki sejarah panjang krisis ekono-
mi, salah satunya adalah gagal dalam utang luar
negerinya (default) sebanyak delapan kali sejak ke-
merdekaan tahun 1816. Krisis ekonomi saat ini
yang dihadapi Argentina bermula dari tantangan
yang sudah lama ada, serta perkembangan yang le-
bih baru. Meningkatnya ketergantungan Argentina
pada pembiayaan eksternal untuk mendanai ang-
garannya dan defisit transaksi berjalan membuat
Argentina rentan terhadap perubahan dalam ke-
tersediaan pembiayaan. Dimulai pada akhir 2017,
sejumlah faktor mulai menciptakan masalah, di
antaranya US Federal Reserve (Fed) mulai menaik-
kan suku bunga, mengurangi minat investor pada
obligasi Argentina; bank sentral Argentina mereset
target inflasi; dan kekeringan terburuk di Argentina
dalam 50 tahun merusak hasil komoditas yang seca-
ra signifikan mengikis pendapatan ekspor pertani-
an. Para investor mulai menjual aset Argentina yang
memberikan tekanan pada Peso. Dengan sebagian
besar utangnya dalam Dolar, Peso yang terdepresi-
asi meningkatkan nilai utang dalam Dolar. Untuk
meningkatkan kepercayaan investor, pada April
dan Mei 2018 bank sentral dan pemerintah meng-
umumkan suku bunga yang lebih tinggi (menjadi
40 persen) dan reformasi fiskal untuk memotong
defisit anggaran. Namun, volatilitas pasar terus ber-
lanjut. Bank sentral menaikkan suku bunga menjadi
60 persen pada akhir Agustus 2018, yang pada saat
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
ini merupakan kenaikan yang tertinggi di dunia,
dan pemerintah berkomitmen untuk mempercepat
langkah reformasi fiskal.
Meskipun pemerintah Argentina berkomitmen
untuk mengimplementasikan langkah-langkah ke-
bijakan yang ditentukan, termasuk reformasi fiskal,
suku bunga yang lebih tinggi, dan bantuan IMF,
prospek ekonomi tetap sulit. Hal ini karena US
Federal Reserve (Fed) terus menaikkan suku bunga
sehingga kapital untuk pasar negara berkembang
cenderung menjadi lebih mahal dan atau langka.
Kombinasi langkah-langkah penghematan fiskal
dan tingkat suku bunga yang tinggi dapat memper-
sulit perekonomian untuk keluar dari krisis.
Turki yang merupakan negara yang memiliki
perekonomian terbesar ke-17 di dunia juga meng-
hadapi krisis mata uang yang signifikan. Nilai mata
uangnya, Lira, telah turun sekitar 40 persen ter-
hadap dolar AS sejak awal 2018. Lira kehilangan
sekitar 25 persen dari nilainya dalam dua ming-
gu pertama Agustus 2018. Krisis mata uang Turki
berisiko berdampak pada bank-bank Eropa dan me-
limpah (spilling over) ke pasar-pasar berkembang
lainnya. Krisis tersebut juga menciptakan gelom-
bang default di seluruh bank dan korporasi Turki,
yang utang-utangnya kepada kreditor asing men-
capai hampir dua kali lipat sejak 2010.
Sejak krisis keuangan global 2008–2009, suku bu-
nga di negara maju berada pada posisi terendah
dalam sejarah. Investor internasional makin beralih
ke pasar negara berkembang untuk mencari ting-
kat pengembalian investasi yang lebih tinggi. Turki
adalah tujuan yang menarik karena reformasi eko-
nomi pada awal 2000-an, pertumbuhan yang baik
(rata-rata 6,9 persen per tahun antara 2010 dan 2017,
dibandingkan dengan 3,8 persen secara global), dan
pasar domestiknya yang besar (memiliki populasi
sekitar 80 juta orang). Bank-bank dan perusahaan-
perusahaan besar di Turki banyak meminjam dari
investor asing. Kemudahan akses ke pembiayaan
asing mendukung defisit neraca berjalan tahunan
 Setiawan, A., & Kartiasih, K.
Turki (rata-rata 5,5 persen dari Produk Domestik
Bruto (PDB) per tahun) antara 2010 dan 2017.
Ketergantungan Turki pada pembiayaan ekster-
nal membuatnya rentan terhadap perubahan dalam
hal ketersediaan kredit. Peningkatan pembiayaan
eksternal tersebut terjadi saat US Federal Reserve
(Fed) mulai menaikkan suku bunga. Selain itu, per-
sepsi investor tentang kelayakan kredit Turki mulai
berubah. Investor mulai mempertanyakan keber-
lanjutan booming konstruksi Turki dan kebijakan
fiskal dan moneter ekspansif dalam bulan-bulan se-
belum pemilihan presiden dan parlemen pada Juni
2018. Ketegangan politik yang meningkat antara
Turki dan AS juga mengikis kepercayaan investor.
Ketika investor makin enggan untuk berinvestasi di
Turki, permintaan akan Lira mulai turun dan mata
uangnya terdepresiasi. Kemudian, nilai nominal
utang Turki (nilai utang dalam Lira) naik sehing-
ga memperburuk kekhawatiran investor tentang
keberlanjutan utang di Turki, membuat investor
makin enggan untuk berinvestasi, dan makin me-
nekan nilai Lira sehingga menciptakan lingkaran
setan.
Data
Data yang digunakan dalam penelitian ini adalah
data harian harga penutupan indeks saham (clo-
sing price) yang dinyatakan dalam dolar AS agar
data menjadi homogen dan untuk menghindari
currency risk. Data diperoleh dari Thomson Reuters
DataStream yang mencakup periode dari 2 Januari
2014 hingga 17 Mei 2019, yang memungkinkan un-
tuk menguji contagion effects pada periode tenang
(sebelum krisis) dan krisis. Periode ini kemudian
dibagi menjadi dua subperiode: periode prakrisis
(2 Januari 2014–30 Desember 2016) dan periode
krisis (2 Januari 2017–17 Mei 2019). Pada peneliti-
an ini terdapat dua sampel, dengan 781 observasi
untuk periode sebelum krisis dan 619 observasi
untuk periode krisis, yang memungkinkan untuk
menangkap berbagai aspek contagion effect untuk
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
65
pasar yang berbeda. Investigasi empiris mencakup
sepuluh pasar saham, yaitu (1) Argentina (Merval),
(2) Turki (BIST National 100), (3) Indonesia (IDX
Composite), (4) Malaysia (FTSE Bursa Malaysia KCLI),
(5) Filipina (PSEI), (6) Singapura (MSCI Singapore),
(7) Thailand (Bangkok SET), (8) Korea (Korea SE
Composite), (9) Cina (Shanghai SE A Share), dan (10)
India (Nifty 500). Indeks harga saham Argentina
dan Turki akan menjadi benchmark/indeks patokan
untuk menghitung co-movement dari indeks harga
saham di negara-negara Asia pada periode krisis
Argentina dan Turki. Data yang digunakan untuk
estimasi harus stasioner pada level, akan tetapi da-
ta dalam penelitian stasioner pada first difference.
Dengan demikian, return saham dihitung dengan
menggunakan first logarithmic difference dari harga
saham dikalikan 100.
Selain itu, digunakan juga data pendukung beru-
pa data harian nilai tukar dan utang. Data nilai tukar
yang digunakan adalah nilai kurs tengah. Sumber
data harian nilai tukar Lira Turki terhadap Dolar
AS dan data utang sektor swasta Turki tahun 2000–
2018 diperoleh dari Bank Sentral Turki, sedangkan
data harian nilai tukar Peso Argentina terhadap
Dolar AS diperoleh dari Bank Sentral Argentina.
Sementara itu, data utang luar negeri Argentina
tahun 2011–2023 diperoleh dari Staff Report IMF
Argentina.
Metode Analisis
Metode yang digunakan dalam penelitian ini ada-
lah model DCC-MGARCH yang dapat dituliskan
sebagai berikut:
Arg
rt = γ0 + γ1 rt−1 + γ2 rt−1 + ut , ut → N(0, Ht ) (1)
rt = δ0 + δ1 rt−1 + δ2 rTur
t−1 + vt , vt → N(0, Ht ) (2)
dengan rt−1 adalah lag dari imbal hasil indeks saham
Arg
lokal, rt−1 adalah lag dari imbal hasil indeks saham
Argentina, rTur
t−1
adalah lag dari imbal hasil indeks
saham Turki, dan Ht adalah matriks kxk varian dari
66 Contagion Effect Krisis Argentina dan Turki ...

variasi waktu. δi,t = aε

, i,t

hi,t
Matriks varian-kovarian kondisionalnya dapat s = E[δt , δt ],
Q
0

dituliskan sebagai berikut: α + β < 1,

α dan β adalah parameter tidak negatif yang di-
Ht = Dt Rt Dt (3)
estimasi, α mengukur efek kejutan yang diberi-
kan, β menunjukkan korelasi dinamis yang ter-
dengan Rt adalah matriks korelasi variasi waktu
tunda, Qt = |qi j,t | melambangkan matriks varians-
dan Dt adalah matriks diagonal dari standar deviasi
kovarians δi,t , dan Q∗t =
?qi j,t merupakan sebuah
kondisional untuk series imbal hasil.
matriks diagonal yang termasuk dalam akar kua-
a
Matriks Dt diperoleh dari estimasi model
drat dari unsur utama Qt .
GARCH univariat dengan hit pada diagonal yang
Dengan demikian, akan dapat ditentukan matriks
ke-i, ∀i = 1, 2, . . . n.
korelasi kondisional sebagai:
qi
X pi
X −1 −1
hi,t = αi0 + biq ε2it−q + cip hit−p (4) Rt = (diag(Qt )) 2 Qt (diag(Qt )) 2 (6)
q=1 p=1

dengan αi0 adalah konstanta, bi dan ci masing-
(diag(Qt ))
−1
2 = diag ?q111,t , · · · , ?q1 (7)
kk,t
masing adalah koefisien ARCH dan GARCH.
Matriks korelasi bersyarat yang bervariasi waktu
Jadi, korelasi kondisional pada waktu t dapat
(Rt ) dihitung menggunakan residu standar yang
didefinisikan sebagai:
diperoleh dari estimasi GARCH. Menurut Engle &
Sheppard (2001), Rt didefinisikan sebagai berikut: qi j,t
ρi j,t = a , ∀i, j=1,···,n.i6= j (8)
qii,t q j j,t
Rt = Q∗−1 ∗−1
t Qt Qt (5)
dengan qi j,t adalah elemen baris ke-i dan kolom ke- j
s + αδt−1 δt−1 + βQt−1 ,
dengan Qt = (1 − α − β)Q
0
dari matriks Qt .

0
(1 − α − β)q̄i j + αδt−1 δt−1 + βQi j,t−1
ρi j,t = b b (9)
(1 − α − β)q̄ii + αδt−1 δt−1 + βQii,t−1 (1 − α − β)q̄ j j + αδt−1 δt−1 + βQ( j jt−1
0 0

Parameter diperkirakan menggunakan kemungkinan kuasi-maksimum yang diperkenalkan oleh Bollerslev

et al. (1992), yang menyediakan estimator yang konsisten. Persamaan fungsi log-likelihood dapat dinyatakan
dengan:

1 X 
T
L(∅) = −
2
p 0
nlog(2π) + log|Dt |2 +εt D−1
0 0
q p 0
t εt + log|Rt |+δt Rt δt − δt δt
−1
q (10)
t=1

dengan n menunjukkan jumlah persamaan, T Lebih khusus lagi, fungsi log-likelihood ini dipi-
mengacu pada jumlah pengamatan, dan ∅ menun- sahkan menjadi fungsi log-likelihood dari varians
jukkan vektor parameter yang akan diestimasi. (Persamaan (11)) dan korelasi (Persamaan (12)):

Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
 Setiawan, A., & Kartiasih, K. 67

L(∅) = l1 + l2 . Sementara parameter varians dalam r2,t .

l1 ditentukan dengan memaksimalkan l1 , untuk ko- Collins & Biekpe (2003) menunjukkan bahwa di
relasi yang bervariasi waktu ditentukan dengan bawah hipotesis nol, uji statistik ini mengikuti stu-
memaksimalkan fungsi log-likelihood: l2 . dent test dengan derajat bebas (ncrisis + npre−crisis − 4),
dengan ncrisis dan npre−crisis masing-masing meru-
1 X 
T
l1 =
0
nlog(2π) + log|Dt |2 +εt D−1
0 pakan jumlah observasi selama periode krisis dan
t εt (11)
2 tenang.
t=1
d
1X
T
(ncrisis + npre−crisis − 4)
l2 =
0
[log|Rt |+δt R−1
0
t δt − δt δt ] (12) t = (ρ ∗crisis
−ρ ∗pre−crisis
)
2 1 − (ρ∗crisis − ρ∗pre−crisis )
t=1
→ H0 Student(ncrisis + npre−crisis − 4) (15)
Uji contagion berguna untuk memeriksa pening-
katan korelasi dari waktu ke waktu menggunakan Oleh karena itu, uji contagion bertujuan untuk
matriks korelasi bersyarat dinamis. Hal ini dikare- membandingkan korelasi selama periode tenang
nakan untuk mengidentifikasi pure contagion dari dan krisis dengan menguji hipotesis berikut:
interdependence sederhana, perlu diuji apakah pe- H0 : ρ∗crisis = ρ∗pre−crisis
ningkatan korelasi selama krisis signifikan secara H1 : ρ∗crisis 6= ρ∗pre−crisis
statistik. Forbes & Rigobon (2001) menunjukkan dengan ρ∗crisis dan ρ∗pre−crisis masing-masing menun-
bahwa korelasi yang meningkat mungkin bias di- jukkan koefisien korelasi yang disesuaikan selama
karenakan adanya varian dari variasi volatilitas periode krisis dan tenang.
dan menyiratkan adanya masalah heteroskedastisi- Penolakan hipotesis nol menunjukkan bahwa
tas. Oleh karena itu, Hemche et al. (2016) mereko- koefisien korelasi yang disesuaikan antara kedua
mendasikan untuk membuat penyesuaian untuk pasar meningkat secara signifikan antara dua peri-
memperbaiki bias ini. ode dan menunjukkan bukti lebih lanjut dari pure
Misalkan r1,t dan r2,t adalah imbal hasil saham contagion, sedangkan penerimaan H0 merupakan
dari dua jenis aset yang berbeda, maka: indikasi interdependence.

r1,t = a0 + a1 r2,t + εt (13)

Hasil dan Analisis
Koefisien korelasi yang disesuaikan yang dike-
mukakan oleh Forbes & Rigobon (2001) dapat dide- Pemeriksaan Contagion Effect
finisikan sebagai berikut:
Untuk menginvestigasi efek dari krisis Argentina
ρ
ρ∗ = b (14)
dan Turki terhadap pasar saham di beberapa negara
1 + δ(1 − ρ2 ) Asia, sebelumnya dilakukan perhitungan statistik
deskriptif dan uji normalitas data sebelum dan
dengan ρ mengukur koefisien korelasi yang ti- setelah krisis Argentina dan Turki. Berdasarkan
dak disesuaikan antara r1,t dan r2,t yang bervari- Tabel 1 dapat ditunjukkan bahwa sebelum krisis,
asi dalam periode volatilitas tinggi atau rendah, pasar saham Singapura memiliki rata-rata return
var(r2,t )crise
δ = var(r2,t )pre−crise
− 1 mengukur peningkatan rela- saham yang paling rendah dan Cina memiliki rata-
crise pre−crise
tif varians relatif r2,t , var(r2,t ) dan var(r2,t ) rata return yang tertinggi. Pada saat krisis terjadi,
masing-masing mengukur varians dalam volatilitas rata-rata return saham India menjadi yang tertinggi
tinggi dan rendah, dan εt tidak berkorelasi dengan dan Cina yang terendah.
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
68 Contagion Effect Krisis Argentina dan Turki ...

Tabel 1. Statistik Deskriptif

Indeks Indonesia Malaysia Filipina Singapura Thailand Korea India Cina

Periode sebelum krisis
Mean 0,025883 -0,015497 0,017125 -0,016941 0,028944 0,003801 0,046695 0,049506
Std. Dev. 0,918179 0,572067 0,938156 0,786918 0,813264 0,714971 0,922977 1,720323
Skewness -0,387627 -0,258623 -0,658215 -0,167854 -0,246612 -0,288279 -0,87168 -1,247,326
Kurtosis 5,942817 5,350685 7,943781 5,745064 6,503508 4,962252 7,749963 8,798888
Jarque-Bera 301,374700 188,522500 851,744300 248,881100 407,351300 136,116900 833,113800 1296,79800
Probabilitas 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000
Observasi 781 781 781 781 781 781 781 781
Periode saat krisis
Mean 0,015411 -0,003619 0,016662 0,019830 0,006683 0,002346 0,046355 -0,011908
Std. Dev. 0,763976 0,523657 0,930189 0,743213 0,576469 0,752227 0,708674 1,037462
Skewness -0,526448 -0,80682 0,110782 -0,28397 -0,353529 -0,749522 -0,324717 -0,493819
Kurtosis 5,692197 7,014336 3,472877 4,443567 5,391110 6,737700 3,961466 8,477078
Jarque-Bera 215,528400 482,787200 7,03346600 62,0661200 160,355600 418,277300 34,7202800 798,866200
Probabilitas 0,000000 0,000000 0,029696 0,000000 0,000000 0,000000 0,000000 0,000000
Observasi 619 619 619 619 619 619 619 619
Sumber: DataStream, diolah

Untuk menguji normalitas data digunakan uji
Skewness dan Kurtosis. Uji Skewness menunjuk-
kan bukti lebih lanjut mengenai kecondongan dari
sebuah data. Apabila data ini menghasilkan sebagi-
an besar angka yang mendekati nol, yang artinya
data cenderung normal atau simetris (tidak con-
dong ke salah satu sisi). Kemudian, uji Kurtosis
menunjuk- kan keruncingan yang dinilai sebagai
bentuk distorsi dari kurva normal.
Sejak awal 2018, pasar saham Argentina menurun
tajam dan sangat fluktuatif. Seperti yang ditunjuk-
kan pada Gambar 1, gerakan ini memengaruhi pa-
sar di Asia. Krisis Argentina ini kemudian disusul
oleh krisis keuangan Turki. Pasar Turki turun secara
signifikan seperti yang ditunjukkan pada Gambar
2. Penurunan ini dengan cepat tercermin di pasar
Asia lainnya. Hal ini menunjukkan bahwa krisis
ekonomi di Argentina dan Turki memengaruhi pa-
sar saham negara-negara di Asia. Kasus-kasus ini
menunjukkan bahwa pergerakan dramatis dalam
satu pasar saham dapat berdampak kuat pada pasar
dengan ukuran dan struktur yang sangat berbeda
di antara negara-negara Asia.
Krisis di Argentina dan Turki dapat berdampak
kepada negara-negara di Asia diduga terjadi ka-
rena adanya contagion. Contagion, dalam hal ini,
didefinisikan sebagai peningkatan signifikan da-
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
lam hubungan lintas pasar setelah guncangan ke
satu negara (atau sekelompok negara). Menurut
definisi ini, jika dua pasar menunjukkan derajat
co-movement yang tinggi selama periode stabilitas,
bahkan jika pasar terus memiliki korelasi tinggi
setelah goncangan ke satu pasar, keadaan ini mung-
kin bukan merupakan contagion. Keadaan ini bisa
disebut contagion jika co-movement lintas pasar me-
ningkat secara signifikan setelah terjadi guncangan.
Jika co-movement tidak meningkat secara signifi-
kan, maka korelasi pasar yang tinggi dan berlanjut
menunjukkan hubungan yang kuat antara kedua
perekonomian yang ada di semua negara di dunia.
Kondisi ini hanyalah merupakan interdependence,
bukan contagion.
Selanjutnya, dapat dilihat secara jelas adanya
excess volatility melalui plot dari variasi return sa-
ham berdasarkan runtun waktu, terutama pada
sampel saat krisis Argentina dan Turki (Gambar 3).
Peningkatan volatilitas pada hampir semua pasar di
periode yang sama dapat dijadikan indikasi dari co-
movements. Hal tersebut secara jelas menunjuk- kan
bahwa kebanyakan pasar di bawah kondisi krisis
Argentina dan Turki memiliki sensitivitas yang ting-
gi. Untuk mempertegas temuan ini, unconditional
correlation matrix pada Tabel 2 menunjukkan kondisi
sebelum dan saat krisis Argentina dan Turki. Pada
 Setiawan, A., & Kartiasih, K. 69

Gambar 1. Indeks Pasar Saham Selama Krisis Argentina

Sumber: DataStream, diolah

Gambar 2. Indeks Pasar Saham Selama Krisis Turki

Sumber: DataStream, diolah

Tabel 2 dapat dilihat bahwa unconditional correlation
dengan pasar Argentina bervariasi antarnegara dan
antarperiode. Pada periode sebelum krisis Argenti-
na, pasar saham Korea, India, dan Thailand memili-
ki korelasi yang tinggi dengan pasar saham Argen-
tina, yaitu masing-masing berkorelasi sebesar 16,09
persen, 16,08 persen, dan 16,02 persen. Indonesia
dan Malaysia memiliki korelasi dengan pasar sa-
ham Argentina masing-masing sebesar 12,51 persen
dan 12,42 persen. Unconditional correlation yang le-
bih rendah di pasar lainnya mungkin disebabkan
oleh adanya diversifikasi dari berinvestasi di pasar
tersebut maupun di pasar Argentina. Menariknya,
untuk sampel kedua (periode saat krisis Argen-
tina), unconditional correlation pasar-pasar di Asia
dengan pasar Argentina mengalami penurunan,
yakni sebesar 13,44 persen untuk pasar Korea dan
11,84 persen untuk pasar India. Secara apriori, pe-
nurunan korelasi dapat dianggap sebagai indikasi
co-movements antara pasar saham dan menunjukk-
an bukti contagion lebih lanjut. Namun, beberapa
peneliti berpendapat bahwa analisis unconditional

Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
70 Contagion Effect Krisis Argentina dan Turki ...

Gambar 3. Dinamika Return Saham

Sumber: DataStream, diolah

correlation tidak cukup untuk mencapai kesimpulan
yang akurat mengenai adanya contagion (Hemche
et al., 2016) sehingga dalam penelitian ini selanjut-
nya digunakan kerangka DCC-MGARCH untuk
menguji adanya contagion effect.
Unconditional correlation dengan pasar Turki ju-
ga bervariasi antarnegara dan antarperiode seper-
ti yang ditunjukkan oleh Tabel 3. Untuk sampel
pertama, pada periode sebelum krisis Turki, pa-
sar India, Thailand, dan Singapura memiliki ko-
relasi yang tinggi dengan pasar saham Turki, ya-
itu masing-masing berkorelasi sebesar 22,74 per-
sen, 26,88 persen, dan 25,75 persen. Indonesia dan
Malaysia memiliki korelasi dengan pasar saham
Turki masing-masing sebesar 22,8 persen dan 25,23
persen, sedangkan Cina memiliki korelasi yang
paling rendah, yaitu sebesar 6,08 persen. Untuk
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
sampel kedua, yaitu periode saat krisis Turki, un-
conditional correlation pasar-pasar di Asia dengan
pasar Turki semuanya mengalami penurunan. Un-
conditional correlation tertinggi dicapai Singapura
sebesar 23,75 persen, kemudian Korea sebesar 21,48
persen. Namun sebaliknya, unconditional correlation
pasar Turki dengan pasar Cina meningkat hingga
mencapai 11,91 persen, dengan pasar Korea me-
ningkat hingga mencapai 13,44 persen dan dengan
pasar India meningkat hingga 11,84 persen.
Model GARCH
Berdasarkan langkah-langkah yang sudah dijelas-
kan sebelumnya, proses atau tahap pertama da-
lam estimasi menggunakan DCC-MGARCH ada-
lah membuat estimasi model univariate GARCH
 Setiawan, A., & Kartiasih, K. 71

Tabel 2. Matriks Korelasi (Unconditional Correlation) Sebelum dan pada Saat Krisis Argentina

Argentina Indonesia Malaysia Filipina Singapura Thailand Korea India Cina

Periode sebelum krisis
Argentina 1 0,1251 0,1242 0,0941 0,1329 0,1602 0,1609 0,1608 0,0756
Indonesia 1 0,4788 0,4713 0,4458 0,3756 0,3859 0,3964 0,1487
Malaysia 1 0,4397 0,5163 0,3667 0,4455 0,3498 0,1119
Filipina 1 0,377 0,3021 0,4097 0,3771 0,2007
Singapura 1 0,3962 0,4754 0,4583 0,2526
Thailand 1 0,3412 0,4096 0,1831
Korea 1 0,4237 0,2140
India 1 0,1958
Cina 1
Periode saat krisis
Argentina 1 0,0854 0,0789 0,0126 0,1270 0,0898 0,1184 0,1344 0,0585
Indonesia 1 0,3535 0,2951 0,3321 0,2458 0,3441 0,2858 0,2227
Malaysia 1 0,3696 0,4375 0,2837 0,4089 0,2512 0,2192
Filipina 1 0,2781 0,2188 0,2812 0,1796 0,1480
Singapura 1 0,3766 0,5502 0,3262 0,4304
Thailand 1 0,3388 0,3080 0,2705
Korea 1 0,3616 0,4288
India 1 0,1983
Cina 1
Sumber: DataStream, diolah

Tabel 3. Matriks Korelasi (Unconditional Correlation) Sebelum dan pada Saat Krisis Turki

Turki Indonesia Malaysia Filipina Singapura Thailand Korea India Cina

Periode sebelum krisis
Turki 1 0,2280 0,2523 0,1952 0,2575 0,2688 0,2163 0,2774 0,0608
Indonesia 1 0,4788 0,4713 0,4458 0,3756 0,3859 0,3964 0,1487
Malaysia 1 0,4397 0,5163 0,3667 0,4455 0,3498 0,1119
Filipina 1 0,3770 0,3021 0,4097 0,3771 0,2007
Singapura 1 0,3962 0,4754 0,4583 0,2526
Thailand 1 0,3412 0,4096 0,1831
Korea 1 0,4237 0,2140
India 1 0,1958
Cina 1
Periode saat krisis
Turki 1 0,1595 0,1861 0,0719 0,2375 0,1495 0,2148 0,1893 0,1191
Indonesia 1 0,3535 0,2951 0,3321 0,2458 0,3441 0,2858 0,2227
Malaysia 1 0,3696 0,4375 0,2837 0,4089 0,2512 0,2192
Filipina 1 0,2781 0,2188 0,2812 0,1796 0,1480
Singapura 1 0,3766 0,5502 0,3262 0,4304
Thailand 1 0,3388 0,3080 0,2705
Korea 1 0,3616 0,4288
India 1 0,1983
Cina 1
Sumber: DataStream, diolah

untuk delapan return indeks yang dibutuhkan da-
lam menghitung DCC pada tahap kedua. Terda-
pat beberapa hal yang menarik yang dihasilkan
dari estimasi model DCC-MGARCH untuk krisis
Argentina seperti yang ditampilkan pada Tabel 4.
Pertama, berkenaan dengan persamaan rata-rata
(persamaan return), koefisien lag (γ2 ) signifikan dan
positif untuk semua negara di Asia yang diteliti. Hal
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
ini menunjukkan bukti lebih lanjut dari persisten-
si dalam dinamika return saham. Pasar Argentina
memiliki efek lagging positif dan signifikan mulai
dari 0,0004 untuk Singapura hingga 0,076 untuk
Filipina. Hasil ini mengonfirmasi adanya hubungan
antarpasar saham di dunia. Hal ini sejalan dengan
literatur yang ada mengenai integrasi keuangan.
Adapun persamaan varians serta koefisien
72 Contagion Effect Krisis Argentina dan Turki ...
GARCH dan ARCH signifikan secara statistik dan
menunjukkan tanda yang sesuai untuk semua ne-
gara, kecuali Filipina. Hal ini menjelaskan adanya
variasi waktu dalam dinamika volatilitas dan pilih-
an spesifikasi GARCH. Selain itu, koefisien ARCH
lebih rendah daripada koefisien GARCH. Hal ini
menunjukkan bahwa tingkat perubahan yang ren-
dah dalam volatilitas pasar bersyarat (conditional
market volatility) dan ketergantungan waktu yang
signifikan (Lahiani & Nguyen, 2013). Selanjutnya,
analisis persistensi varians menunjukkan bahwa
jumlah estimasi koefisien ARCH dan GARCH men-
dekati 1 untuk semua pasar, yang menegaskan
tingginya tingkat persistensi varians.
Hasil estimasi model DCC-MGARCH untuk kri-
sis Turki pada Tabel 5 memperlihatkan bahwa pada
persamaan rata-rata (persamaan return), koefisien
lag (γ2 ) signifikan dan positif untuk semua negara
di Asia yang diteliti, kecuali India. Hal ini menun-
jukkan bukti lebih lanjut dari persistensi dalam
dinamika return saham. Pasar Turki memiliki efek
lagging positif dan signifikan mulai dari 0,054 un-
tuk Singapura hingga 10,47 untuk Filipina. Hasil
ini mengonfirmasi adanya hubungan antarpasar
saham di dunia dan hal ini sejalan dengan literatur
yang ada mengenai integrasi keuangan.
Adapun persamaan varians serta koefisien
GARCH dan ARCH signifikan secara statistik dan
menunjukkan tanda yang sesuai untuk semua ne-
gara. Hal ini menjelaskan adanya variasi waktu
dalam dinamika volatilitas dan pilihan spesifikasi
GARCH. Selain itu, koefisien ARCH lebih rendah
daripada koefisien GARCH. Kemudian, analisis
persistensi varians menunjukkan bahwa jumlah es-
timasi koefisien ARCH dan GARCH mendekati 1
dan bahkan lebih dari 1 untuk pasar Thailand, In-
dia, dan Cina yang menunjukkan tingginya tingkat
persistensi varians.
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
Uji Robustness
Untuk menguji robustness dari estimasi GARCH,
maka dalam penelitian ini digunakan beberapa tes
diagnostik dan hasilnya ditampilkan pada Tabel
6 untuk estimasi model GARCH krisis Argenti-
na. Pengujian normalitas error menggunakan uji
Jargue-Bera. Error terdistribusi normal jika statistik
pengujian Jargue-Bera tidak signifikan. Berdasar-
kan Tabel 5 dapat dilihat bahwa statistik pengujian
Jargue-Bera signifikan secara statistik untuk semua
negara. Pada saat estimasi model GARCH diguna-
kan heteroscedasticity consistent covariance, maka hasil
yang didapatkan masih valid secara asimtotik dan
parameter yang diduga tetap konsisten. Kemudian,
pengujian efek ARCH dilakukan dengan uji ARCH-
LM. Hasil uji ARCH-LM menghasilkan p-value yang
tidak signifikan secara statistik atau menolak hipo-
tesis heteroskedastisitas. Hal ini mengindikasikan
bahwa residual dari model GARCH yang diestimasi
sudah terbebas dari efek ARCH dan mengonfirmasi
kecukupan spesifikasi DCC-MGARCH. Uji robust-
ness dari estimasi GARCH untuk krisis Turki (Tabel
7) juga memiliki hasil yang sama, yaitu uji normali-
tas signifikan dan residual dari model GARCH yang
diestimasi sudah terbebas dari efek ARCH sehingga
memenuhi kecukupan spesifikasi DCC-MGARCH.
Uji “Pure” Contagion
Untuk memeriksa apakah co-movements ini men-
cerminkan market interdependency atau hasil dari
contagion effects, maka dilakukan uji pure contagion.
Dalam penelitian ini dilakukan uji hipotesis “pure”
contagion menggunakan uji contagion yang didesain
oleh Forbes & Rigobon (2002), yang menyarankan
penyesuaian koefisien korelasi untuk memperbaiki-
nya dari bias heteroskedastisitas lebih lanjut. Pengu-
jian serupa juga diterapkan oleh Collins & Biekpe
(2003) untuk menguji hipotesis contagion. Menurut
uji ini, hanya perubahan signifikan dalam korelasi
pasar antara periode prakrisis dan krisis yang akan
 Setiawan, A., & Kartiasih, K. 73

Tabel 4. Hasil Estimasi Model DCC-MGARCH untuk Krisis Argentina

Persamaan return Persamaan varians

γ0 γ1 γ2 a b c Persistensi
Indonesia 0,025 -0,001 0,059*** 0,009*** 0,043*** 0,944*** 0,998
(0,02061) (0,02765) (0,00772) (0,00215) (0,00677) (0,00831)
Malaysia -0,011 0,054** 0,034*** 0,005*** 0,077*** 0,906*** 0,983
(0,01258) (0,02691) (0,00501) (0,00143) (0,00969) (0,01125)
Filipina 0,006 0,008 0,076*** 1,618*** -0,00062 -0,918*** -0,918
(0,0249) (0,02324) (0,0102) (0,15840) (0,00428) (0,18100)
Singapura 5,38E-05 0,018 0,0004*** 0,000*** 0,053*** 0,935*** 0,988
(0,00017) (0,02705) (6,94E-05) (2,21E-07) (0,00754) (0,00934)
Thailand 2,34E-02 0,046 0,042*** 0,023*** 0,046*** 0,042*** 0,089
(0,01641) (0,02929) (6,36E-03) (0,016416) (0,02929) (6,36E-03)
Korea 7,00E-03 -0,03 0,058*** 0,028*** 0,053*** 0,892*** 0,945
(0,01912) (0,03159) (7,75E-03) (7,01E-03) (0,01120) (0,02050)
India 0,059*** 0,084*** 0,051*** 0,041*** 0,078*** 0,863*** 0,942
(0,02077) (0,03203) (8,89E-03) (1,14E-02) (0,01260) (0,02643)
Cina 1,80E-02 0,007 0,041*** 0,005*** 0,066*** 0,937*** 1,000
(0,02379) (0,02832) (1,04E-02) (1,43E-03) (0,00583) (0,00445)
Sumber: DataStream, diolah
Keterangan: Nilai dalam tanda kurung merupakan standard error.
*** signifikan pada taraf 1%
** signifikan pada taraf 5%
* signifikan pada taraf 10%

Tabel 5. Hasil Estimasi Model DCC-MGARCH untuk Krisis Turki

Persamaan return Persamaan varians

γ0 γ1 γ2 a b c Persistensi
Indonesia 0,031 -0,002 7,263*** 0,010*** 0,043*** 0,943*** 0,986
(0,021) (0,02747) (1,5010) (0,00239) (0,00660) (0,00841)
Malaysia -0,007 0,032 4,774*** 0,006*** 0,084*** 0,899*** 0,984
(0,01252) (0,02823) (1,00630) (0,00137) (0,01083) (0,01156)
Filipina 0,034 -0,009 10,47*** 0,021*** 0,046*** 0,929*** 0,976
(0,02379) (0,02743) (1,76064) (0,00730) (0,00964) (0,01593)
Singapura 0,001 0,014 0,054*** 0,000*** 0,058*** 0,929*** 0,988
(0,00017) (0,02748) (0,01445) (2,36E-07) (0,00781) (0,00965)
Thailand 0,027 0,045 4,114*** 0,017*** 0,029*** 1,396*** 1,426
(6,43E-03) (0,07923) (0,91049) (1,43E-03) (0,00895) (0,00985)
Korea 0,014 -0,048 9,399*** 0,034*** 0,059*** 0,877*** 0,936
(0,01930) (0,03320) (1,47838) (7,38E-03) (0,01091) (0,02019)
India 0,064*** 0,099*** 1,628 0,045*** 0,083*** 0,854*** 1,714
(0,02114) (0,03276) (1,68111) (1,20E-02) (0,01274) (0,02685)
Cina 0,024 0,009 5,38** 0,024*** 0,028*** 2,289*** 2,318
(4,96E-03) (0,06591) (0,93661) (1,51E-03) (0,00585) (0,00454)
Sumber: DataStream, diolah
Keterangan: Nilai dalam tanda kurung merupakan standard error.
*** signifikan pada taraf 1%
** signifikan pada taraf 5%
* signifikan pada taraf 10%

mengarah pada kesimpulan pure contagion.
Hasil uji pure contagion untuk krisis Argentina
pada Tabel 8 dengan hipotesis alternatif (H1 ) menyi-
ratkan peningkatan korelasi yang signifikan, tidak
ditolak untuk Malaysia dan Korea pada tingkat
signifikansi 10 persen, sedangkan untuk Thailand
dan Filipina pada tingkat signifikansi 1 persen. Me-
nurut uji Forbes & Rigobon (2001), hipotesis pure
contagion tidak ditolak untuk pasar-pasar ini. Pe-
ningkatan korelasi tidak signifikan secara statistik
untuk Indonesia, Singapura, India, dan Cina. Oleh
karena itu, dapat dikatakan adanya asosiasi inter-
dependence lebih lanjut antara pasar-pasar ini dan
pasar Argentina.

Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
74 Contagion Effect Krisis Argentina dan Turki ...

Tabel 6. Uji Robustness Model DCC-MGARCH untuk Tabel 9. Uji Pure Contagion untuk Krisis Turki
Krisis Argentina
Adjusted correlation Student
Uji ARCH (p-value) Jarque-Bera sebelum masa statistics
IDX (Indonesia) 0,2394 391,3024 krisis krisis
FTSE (Malaysia) 0,1492 233,9208 BIST 100-IDX 0,2454 0,1712 2,6722***
PSEI (Filipina) 0,1670 431,8914 BIST 100-FTSE 0,2715 0,1997 2,5913***
MSCI (Singapura) 0,1027 264,1114 BIST 100-PSEI 0,2100 0,0773 4,6588***
Bangkok SET (Thailand) 0,9619 225,7953 BIST 100-MSCI 0,2771 0,2544 0,8365
Korea SE (Korea) 0,5080 495,6596 BIST 100-Bangkok SET 0,2893 0,1606 4,5245***
Nifty 500 (India) 0,3642 649,0769 BIST 100-Korea SE 0,2327 0,2303 0,0901
Shanghai SE (Cina) 0,4004 652,2469 BIST 100-Nifty500 0,2985 0,2031 3,4047***
BIST 100-Shanghai SE 0,0655 0,1280 2,4147**
Keterangan: *** signifikan pada taraf 1%
Tabel 7. Uji Robustness Model DCC-MGARCH untuk ** signifikan pada taraf 5%
Krisis Turki * signifikan pada taraf 10%

Uji ARCH (p-value) Jarque-Bera

IDX (Indonesia) 0,1378 440,6460 lebih memahami perubahan dalam dinamika pasar
FTSE (Malaysia) 0,1838 295,8353
PSEI (Filipina) 0,8362 1162,0920 saham, pengukuran co-movement, dan untuk meng-
MSCI (Singapura) 0,1905 207,6234 identifikasi contagion dari interdependence. Hal ini
Bangkok SET (Thailand) 0,9257 247,1429
Korea SE (Korea) 0,5967 422,7634 sangat berguna bagi investor untuk mempelajari
Nifty 500 (India) 0,2915 632,1457
Shanghai SE (Cina) 0,3418 657,3967
lebih lanjut tentang peluang diversifikasi dan risiko
sistemik.

Hasil uji pure contagion untuk krisis Turki pada

Tabel 9 menunjukkan bahwa peningkatan korela- Simpulan
si yang signifikan terjadi di Indonesia, Malaysia,
Filipina, Thailand, dan India dengan tingkat signifi- Berdasarkan hasil pembahasan di atas, dapat dita-
kansi 1 persen, sedangkan untuk Cina dengan ting- rik beberapa simpulan. Pertama, plot dari variasi
kat signifikansi 5 persen. Peningkatan korelasi ti- return saham berdasarkan runtun waktu secara jelas
dak signifikan secara statistik untuk Singapura dan menunjukkan adanya excess volatility pada hampir
Korea. Oleh karena itu, dapat dikatakan adanya aso- semua pasar di Asia pada periode krisis Argen-
siasi interdependence lebih lanjut antara pasar-pasar tina dan Turki. Hal ini mengindikasikan adanya
ini dan pasar Turki. Secara keseluruhan, temuan co-movements dari pasar-pasar yang diteliti. Kedua,
ini sangat menarik karena dapat digunakan untuk unconditional correlation pasar-pasar di Asia dengan
pasar Argentina dan Turki mengalami penurunan
Tabel 8. Uji Pure Contagion untuk Krisis Argentina pada periode krisis dan ini merupakan bukti kedua
adanya co-movements antarpasar saham sehingga
Adjusted correlation Student
sebelum masa statistics dapat dikatakan adanya bukti contagion lebih lanjut.
krisis krisis Ketiga, hasil uji pure contagion menunjukkan bah-
Merval-IDX 0,1395 0,0951 1,6224
Merval-FTSE 0,1385 0,0879 1,8444* wa contagion effect dari krisis Argentina terjadi di
Merval-PSEI 0,1049 0,0140 3,2506***
Malaysia, Korea, Thailand, dan Filipina, sedangkan
Merval-MSCI 0,1482 0,1413 0,2570
Merval-Bangkok SET 0,1787 0,1000 2,8306*** Indonesia, Singapura, India, dan Cina memiliki aso-
Merval-Korea SE 0,1795 0,1318 1,7417*
Merval-Nifty 500 0,1793 0,1496 1,0956 siasi interdependence. Hasil uji pure contagion untuk
Merval-Shanghai SE 0,0843 0,0652 0,7092 krisis Turki menunjukkan bahwa contagion effect dari
Keterangan: *** signifikan pada taraf 1%
** signifikan pada taraf 5% krisis Turki terjadi di Indonesia, Malaysia, Filipina,
* signifikan pada taraf 10% Thailand, India, dan Cina, sedangkan Singapura
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
 Setiawan, A., & Kartiasih, K.
dan Korea hanya memiliki asosiasi interdependence
dengan pasar Turki.
Analisis ini memberikan beberapa implikasi ke-
bijakan. Contagion effect dari krisis Argentina dan
Turki terjadi di beberapa negara Asia. Hal ini me-
nyiratkan bahwa negara-negara Asia cukup rentan
terhadap guncangan eksternal dan dapat mengala-
mi percepatan tiba-tiba dari risiko sistemik melalui
penurunan, baik di pasar modal maupun pasar va-
luta asing. Kemungkinan keadaan ini menyerukan
perlunya membangun mekanisme stabilisasi keu-
angan terhadap contagion yang berasal dari negara
lain. Investor asing memegang peran penting yang
potensial dalam menyalurkan krisis luar negeri ke
ekonomi domestik. Oleh karena itu, negara-negara
berkembang harus berupaya mengurangi efek ini
dengan mendukung peran investor domestik da-
lam hal total volume transaksi di pasar keuangan
domestik.
Daftar Pustaka
[1] Ando, M., & Kimura, F. (2012). How did the Japanese
exports respond to two crises in the international product-
ion networks? The global financial crisis and the Great East
Japan Earthquake. Asian Economic Journal, 26(3), 261-287.
doi: https://doi.org/10.1111/j.1467-8381.2012.02085.x.
[2] Asai, M., & McAleer, M. (2009). The structure of dyna-
mic correlations in multivariate stochastic volatility mo-
dels. Journal of Econometrics, 150(2), 182-192. doi: ht-
tps://doi.org/10.1016/j.jeconom.2008.12.012.
[3] Baig, T., & Goldfajn, I. (1999). Financial market contagion
in the Asian crisis. IMF Staff Papers, 46(2), 167-195. doi:
https://doi.org/10.2307/3867666.
[4] Baur, D. (2003). Testing for contagion—mean and volati-
lity contagion. Journal of Multinational Financial Manage-
ment, 13(4-5), 405-422. doi: https://doi.org/10.1016/S1042-
444X(03)00018-5.
[5] Bekaert, G., Harvey, C. R., & Ng, A. (2005). Market integra-
tion and contagion. The Journal of Business, 78(1), 39-69. doi:
10.1086/426519.
[6] Boubaker, S., Jouini, J., & Lahiani, A. (2016). Financial
contagion between the US and selected developed and
emerging countries: The case of the subprime crisis. The
Quarterly Review of Economics and Finance, 61, 14-28. doi:
https://doi.org/10.1016/j.qref.2015.11.001.
Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76
75
[7] Calvo, S., & Reinhart, C. M. (1996). Capital flows to Latin
America: Is the evidence of contagion effects? in G. Calvo,
M. Goldstein, & E. Hochreiter (eds.), Private capital flows
to emerging markets after the Mexican crisis, pp. 151-171.
Washington, DC: Institute for International Economics.
[8] Chiang, T. C., Jeon, B. N., & Li, H. (2007). Dyna-
mic correlation analysis of financial contagion: Evi-
dence from Asian markets. Journal of Internatio-
nal Money and Finance, 26(7), 1206-1228. doi: ht-
tps://doi.org/10.1016/j.jimonfin.2007.06.005.
[9] Christoffersen, P., Errunza, V., Jacobs, K., & Langlois,
H. (2012). Is the potential for international diversifica-
tion disappearing? A dynamic copula approach. The
Review of Financial Studies, 25(12), 3711-3751. doi: ht-
tps://doi.org/10.1093/rfs/hhs104.
[10] Colacito, R., Engle, R. F., & Ghysels, E. (2011).
A component model for dynamic correlations.
Journal of Econometrics, 164(1), 45-59. doi: ht-
tps://doi.org/10.1016/j.jeconom.2011.02.013.
[11] Collins, D., & Biekpe, N. (2003). Contagion: a fear for African
equity markets?. Journal of Economics and Business, 55(3),
285-297. doi: https://doi.org/10.1016/S0148-6195(03)00020-1.
[12] Corsetti, G., Pericoli, M., & Sbracia, M. (2005).
‘Some contagion, some interdependence’: More pitfa-
lls in tests of financial contagion. Journal of Interna-
tional Money and Finance, 24(8), 1177-1199. doi: ht-
tps://doi.org/10.1016/j.jimonfin.2005.08.012.
[13] Engle, R. (2002). Dynamic conditional correlation: A
simple class of multivariate generalized autoregres-
sive conditional heteroskedasticity models. Journal of
Business & Economic Statistics, 20(3), 339-350. doi: ht-
tps://doi.org/10.1198/073500102288618487.
[14] Engle, R. F., & Sheppard, K. (2001). Theoretical and empiri-
cal properties of dynamic conditional correlation multiva-
riate GARCH. NBER Working Paper, 8554. National Bureau
of Economic Research. Diakses 12 September 2019 dari
https://www.nber.org/papers/w8554.
[15] Forbes, K. J., & Chinn, M. D. (2004). A decomposition
of global linkages in financial markets over time. Re-
view of Economics and Statistics, 86(3), 705-722. doi: ht-
tps://doi.org/10.1162/0034653041811743.
[16] Forbes, K., & Rigobon, R. (2000). Contagion in Latin
America: Definitions, measurement, and policy implica-
tions. NBER Working Paper, 7885. National Bureau of Eco-
nomic Research. Diakses 14 September 2019 dari https:
//www.nber.org/papers/w7885.
[17] Forbes, K., & Rigobon, R. (2001). Measuring contagion:
conceptual and empirical issues. In S. Claessen & K. Forbes
(eds.), International financial contagion, pp. 43-66. Springer,
Boston, MA. doi: https://doi.org/10.1007/978-1-4757-3314-
3˙3.
[18] Forbes, K. J., & Rigobon, R. (2002). No contagion,
76 Contagion Effect Krisis Argentina dan Turki ...

only interdependence: measuring stock market como- nal Review of Economics & Finance, 20(4), 717-732. doi: ht-
vements. The Journal of Finance, 57(5), 2223-2261. doi: tps://doi.org/10.1016/j.iref.2011.01.006.
https://doi.org/10.1111/0022-1082.00494. [30] Tamakoshi, G., & Hamori, S. (2014). Co-movements
[19] Frank, N., & Hesse, H. (2009). Financial spillovers to among major European exchange rates: A multiva-
emerging markets during the global financial crisis. riate time-varying asymmetric approach. International
IMF Working Paper, WP/09/104. International Mone- Review of Economics & Finance, 31, 105-113. doi: ht-
tary Fund. Diakses 14 September 2019 dari https: tps://doi.org/10.1016/j.iref.2014.01.016.
//www.imf.org/en/Publications/WP/Issues/2016/12/31/ [31] Yang, J., & Bessler, D. A. (2008). Contagion around
Financial-Spillovers-to-Emerging-Markets-During-the- the October 1987 stock market crash. European Jour-
Global-Financial-Crisis-22936. nal of Operational Research, 184(1), 291-310. doi: ht-
[20] Hamao, Y., Masulis, R. W., & Ng, V. (1990). Correlations tps://doi.org/10.1016/j.ejor.2006.04.046.
in price changes and volatility across international stock
markets. The Review of Financial Studies, 3(2), 281-307. doi:
https://doi.org/10.1093/rfs/3.2.281.
[21] Hemche, O., Jawadi, F., Maliki, S. B., & Cheffou, A. I. (2016).
On the study of contagion in the context of the subprime cri-
sis: A dynamic conditional correlation–multivariate GAR-
CH approach. Economic Modelling, 52, 292-299. doi: ht-
tps://doi.org/10.1016/j.econmod.2014.09.004.
[22] Hwang, I., In, F. H., & Kim, T. S. (2010). Contagion effects of
the US subprime crisis on international stock markets.
Finance and Corporate Governance Conference 2010 Paper.
Diakses 12 September 2019 dari https://ssrn.com/abstract=
1536349.
[23] Jawadi, F., Louhichi, W., & Idi Cheffou, A. (2015). In-
traday bidirectional volatility spillover across interna-
tional stock markets: does the global financial crisis
matter?. Applied Economics, 47(34-35), 3633-3650. doi: ht-
tps://doi.org/10.1080/00036846.2015.1021459.
[24] Kaminsky, G. L., & Reinhart, C. M. (2000). On crises, conta-
gion, and confusion. Journal of International Economics, 51(1),
145-168. doi: https://doi.org/10.1016/S0022-1996(99)00040-9.
[25] Lin, C. H. (2012). The comovement between exchange
rates and stock prices in the Asian emerging markets.
International Review of Economics & Finance, 22(1), 161-172.
doi: https://doi.org/10.1016/j.iref.2011.09.006.
[26] Okubo, T., Kimura, F., & Teshima, N. (2014). Asian
fragmentation in the global financial crisis. Internatio-
nal Review of Economics & Finance, 31, 114-127. doi: ht-
tps://doi.org/10.1016/j.iref.2014.01.001.
[27] Philippas, D., & Siriopoulos, C. (2013). Putting the
“C” into crisis: Contagion, correlations and copulas
on EMU bond markets. Journal of International Financi-
al Markets, Institutions and Money, 27, 161-176. doi: ht-
tps://doi.org/10.1016/j.intfin.2013.09.008.
[28] Rose, A. K., & Spiegel, M. M. (2010). Cross-country causes
and consequences of the 2008 crisis: International linkages
and American exposure. Pacific Economic Review, 15(3), 340-
363. doi: https://doi.org/10.1111/j.1468-0106.2010.00507.x.
[29] Syllignakis, M. N., & Kouretas, G. P. (2011). Dynamic cor-
relation analysis of financial contagion: Evidence from
the Central and Eastern European markets. Internatio-

Jurnal Ekonomi dan Pembangunan Indonesia Vol. 21 No. 1 Januari 2021, hlm. 59–76