Upload
nguyennhu
View
222
Download
0
Embed Size (px)
Citation preview
1
DAFTAR RIWAYAT HIDUP
Nama : Rifki Febi Nur Fadillah
Jenis Kelamin : Perempuan
Tempat Lahir : Jakarta
Tanggal Lahir : 7 Februari 1987
Agama : Islam
Kebangsaan : Indonesia
Anak ke : Pertama dari dua bersaudara
Orang Tua
Ayah : Drs. Musahir, M.Pd
Ibu : Nurjanis
Alamat : Jalan Talas 2 Rt. O2/01 Nomor 62 Pondok Cabe Ilir, Pamulang,
Tangerang Selatan Kode Pos 15418
Telepon : 085697091929
e-mail : [email protected]
Pendidikan Formal :
1. TK Aisiyah 56 Kampung Utan, Cempaka Putih, Ciputat, Tangerang 2. SD Negeri 1 Kampung Utan, Cempaka Putih, Ciputat Tangerang 3. MTs Negeri 3 Jakarta Selatan 4. SMU Negeri 47 Jakarta Selatan 5. UIN Syarif Hidayatullah Fakultas Ekonomi, Jurusan Manajemen Keuangan
2
ABSTRACT
This study aimed to compare the stock performance of Islamic and conventional. Results from this study provides new evidence about risk and return performance of the Jakarta Islamic Index (JII) and LQ45. An Islamic stock market index such as the JII own shares according to Islamic law, and thus has a filtering process is more rigorous than conventional stocks, LQ45. The results of this study, provide evidence of statistically significant differences in the level of risk and Risk Adjusted Performance between Islamic and conventional stock index during 2008-2009. The analysis used in this research is Autoregresive Vector (VAR) Researchers also apply Granger causality tests and Johansen cointegration test to examine the relationship of short-term and long term between the two index. In addition to short-term relationship that is significant at a two-way causality, the long-term balance to indicate that the two indexes move together the views of the VAR model estimation results with the Vector Error Correction Model (VECM). This indicates that the motion on LQ45 give a good indication of the JII by moving towards the same in the short and long term. Keywords : Islamic and Conventional Stock Performance, Risk Adjusted Performance, Granger Causality Test, Johansen Cointegration Test, Vector Autoregresive (VAR), Vector Error Correction Model (VECM).
3
ABSTRAK
Penelitian ini bertujuan untuk membandingkan kinerja saham syariah dan konvensional. Hasil dari penelitian ini memberikan bukti baru mengenai risiko dan kinerja pengembalian Jakarta Islamic Index (JII) dan LQ45. Sebuah pasar indeks saham Islam seperti JII memiliki saham menurut hukum Islam, dan tentunya memiliki proses penyaringan lebih ketat daripada saham konvensional, LQ45. Hasil penelitian ini, memberikan bukti perbedaan statistik signifikan pada resiko dan tingkat Risk Adjusted Performance antara indeks saham syariah dan konvensional selama 2008-2009. Analisis yang digunakan dalam penelitian ini adalah Vector Autoregresive (VAR) Peneliti juga menerapkan uji kausalitas Granger dan uji kointegrasi Johansen untuk memeriksa hubungan jangka pendek dan jangka panjang diantara kedua indeks tersebut. Selain hubungan jangka pendek yang signifikan pada kausalitas dua arah, keseimbangan jangka panjang mengindikasikan bahwa kedua indeks bergerak bersama-sama yang dilihat dari hasil estimasi model VAR dengan Vector Error Correction Model (VECM). Hal ini menunjukkan bahwa gerakan pada LQ45 memberikan indikasi yang baik terhadap JII dengan bergerak kearah yang sama dalam jangka pendek dan jangka panjang. Kata kunci : Kinerja Saham Syariah dan Konvensional, Risk Adjusted Performance, Uji Kausalitas Granger, Uji Konintegrasi Johansen, Vector Autoregresive (VAR), Vector Error Correction Model (VECM)
4
KATA PENGANTAR
Assalamu’alaikum Wr.Wb.
Alhamdulillahirabbil’alamin, segala puji syukur bagi ALLAH SWT Tuhan
seru sekalian alam. Shalawat serta salam tercurah kepada pembimbing umat
manusia baginda Nabi serta Rasul, Muhammad SAW beserta keluarga dan para
sahabatnya. Atas rahmat dan ridho ALLAH SWT, penulis akhirnya dapat
menyelesaikan skripsi dengan judul “Analisis Perbandingan Keseimbangan
Risiko dan Pengembalian (risk-return tradeoff) Saham antara Jakarta Islamic
Index dengan LQ45 di Bursa Efek Indonesia”.
Skripsi ini disusun sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ekonomi S-1 pada jurusan Manajemen di Fakultas Ekonomi dan Ilmu
Sosial UIN Syarif Hidayatullah Jakarta. Dalam penyelesaian skripsi ini, peneliti
telah berusaha semaksimal mungkin untuk memberikan hasil yang terbaik.
Peneliti juga memiliki keterbatasan kemampuan dalam proses penulisan skripsi
ini, oleh karena itu peneliti menyadari bahwa dengan adanya bimbingan,
dukungan dan bantuan baik secara moril maupun materil dari berbagai pihak,
maka skripsi ini dapat diselesaikan dengan baik. Pada kesempatan ini, peneliti
ingin mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Kedua orang tua peneliti, Ayah Drs. Musahir M.Pd. Ibu Nurjanis yang
selalu mendo’akan yang terbaik bagi putri-putrinya dan selalu mendukung
peneliti dalam menyelesaikan skripsi ini.
5
2. Adik peneliti Fida Mufida dan Anharul Juhdi yang selalu mendo’akan dan
memberi semangat kepada peneliti dalam menyelesaikan skripsi ini.
3. Prof. Dr. Ahmad Rodoni MM, selaku Pudek. Akademik, Dosen
Metodelogi Penelitian, Seminar Manajemen Keuangan dan Pembimbing I
yang selalu memberi motivasi dan solusi dalam penelitian ini.
4. Ibu Drs. Titi Dewi Warninda, SE, M.Si, selaku Dosen Manajemen
Keuangan, Penganggaran Perusahaan, Manajemen keuangan Internasional
dan Pembimbing II yang telah bersedia meluangkan waktunya, selalu
memberi motivasi serta solusi dalam penelitian ini.
5. Bapak Indoyama Nasarudin, SE, MAB, selaku Kepala Jurusan Manajemen
yang telah memberikan nasihat dan motivasi kepada peneliti dalam
menyelesaikan skripsi ini
6. Ibu Leis Suzanawaty , SE, M.Si, selaku Wakil Ketua Jurusan Manajemen
yang telah memberikan nasihat, pelajaran hidup dalam berproses untuk
selalu berlaku jujur dan motivasi kepada peneliti dalam menyelesaikan
skripsi ini.
7. Prof. Dr. Abdul Hamid MS, selaku Dekan Fakultas Ekonomi dan Ilmu
Sosial yang selalu memberi motivasi dalam menyelesaikan skripsi ini.
8. Seluruh Dosen dan Civitas Akademika FEIS yang telah memberikan
ilmunya yang tidak ternilai, atas motivasi dan bantuan dalam
menyelesaikan studi di FEIS UIN Syarif Hidayatullah Jakarta.
6
9. Keluarga besar dari Ayah dan Ibu yang telah memberikan motivasi serta
bantuan baik moril maupun materil sehingga peneliti dapat menyelesaikan
studi di FEIS UIN Syarif Hidayatullah Jakarta.
10. Teman-teman Mahasiswa Manajemen khususnya Manajemen A Angkatan
2005 Maharis Syahna Saputra, Bramantio Cahyadi, Elvira Hasanah,
Ristiandi, Imam Akbar, Restu Puspita Rini, Arif Fadilah, Ahmad Fauzi,
Mashari, Afian Doni, Aang Hanafie, M.Ilham, Budi Santoso, Farah Zesa,
Fitri Rahmayuni, Fira Rahma, Muhibbah, Martina Nova dan yang tidak
bisa disebutkan satu persatu.
11. Mahasiswa Akuntansi 2005, Aziz Indrawan, Didi Rohadi dan yang tidak
bisa disebutkan satu persatu.
12. Mahasiswa Ekonomi angkatan 2003-2009 Reguler dan Non-Reguler
Nadya Ismaya Hardi, M.Fikri Yulianto, Ahmad Kurniawan, Ayip Tayana,
Miranti, Emil dan yang tidak bisa disebutkan satu pesatu.
13. Teman-teman KMF KALACITRA UIN Syarif Hidayatullah Jakarta Arip
Marzuki, M.Luthfi Rahman, Nadya Kharima, Asry Rahmita, Jauharoh
Alawiyah, Emma Noor Habiebbah, Christyanto Hadiwijaya, Novita Intan
Sari, Elisha Prima Agustin, Kikim, M. Vicky Al-Utsmany, Panji
Prianggoro, Hilma Ayudya, Liga Pujianti, M.Iqbal, Nur Dinni Tylova,
Angga Rizal, Wifqy Angga Widya, Kak Dwi Setianingsih, Kak Rani dan
yang tidak bisa disebutkan satu persatu.
7
14. Teman-teman Fotografi Indonesia, Danur Priyambodo, Radian Joezar,
Reza Khaisa, Om Don Hasman, Mas Feri Latief dan yang tidak bisa
disebutkan satu persatu.
15. Teman-teman Unit Kegiatan Mahasiswa UIN Syarif Hidayatullah Jakarta
Apriansyah Rahman, Afif Waldy, Erza, Edi Hardian dan yang tidak bisa
disebutkan satu persatu.
16. Guru dan teman-teman SDN Kp.Utan I, MTS N 3 dan SMA N 47 Jakarta
Bapak Eko Sarwono, Bapak Ruhimat Sanusi, Bapak Badrun Fuadi, Alm.
Bapak Maikon, Ibu Zakiyah, Riski Lustiono, Intania Sari Pratiwi,
Muhammad Reza Avesena, Laura Riyanti, Ellam P. Wardhana, Dwidjo
Feby, Indriani, Annisa Amaia, Annyssa Rahayu, Fitri, M. Ahsanul Umam
dan yang tidak bisa disebutkan satu persatu.
Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari sempurna.
Jika terdapat kekurangan dalam penulisan skripsi ini, di tengah keterbatasan
penulis sebagai makhluk ciptaan-Nya. Penulis berharap kiranya skripsi ini dapat
bermanfaat bagi pembaca. Semoga ALLAH SWT selalu membimbing dan
menyertai langkah kita, Amin.
Wassalamu’alaikum Wr.Wb
Jakarta, Juni 2010
Penulis
8
DAFTAR ISI
Daftar Riwayat Hidup i
Abstact ii
Abstrak iii
Kata Pengantar iv
Daftar Isi viii
Daftar Tabel x
Daftar Grafik xi
Daftar Gambar xii
Daftar Lampiran xiii
BAB I PENDAHULUAN
A. Latar Belakang 1 B. Perumusan Masalah 11 C. Tujuan dan Manfaat Penelitian 11
BAB II TINJAUAN PUSTAKA
A. Pasar Modal Syariah 14 1. Pengertian Pasar Modal 14 2. Pasar Modal Syariah Indonesia 20 3. Indeks 27 4. Resiko dan Tingkat Pengembalian (Risk-Return Tradeoff) 31
B. Penelitian Terdahulu 34 C. Kerangka Pemikiran 39 D. Hipotesis 41
BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian 42 1. Deskripsi Data 42 2. Pemilihan Periode 43
9
B. Metode Penentuan Sampel 43 C. Metode Pengumpulan Data 45 D. Metode Analisa Data 45
1. Deskriptif Statistik 45 2. Analisis VAR 49
BAB IV ANALISIS DAN PEMBAHASAN
A. Sekilas Gambaran Umum Indeks Pasar Modal Indonesia 56 B. Perkembangan Pasar Modal Indonesia 59 C. Statistik Deskriptif 62
1. Perbandingan Deskriptif Statistik 62 2. Risk Adjusted Performance 65
D. Uji Stasionaritas Data 66 E. Uji Kointegrasi 73 F. Vector Error Cointegration Model (VECM) 75 G. Analisis Dalam Model VAR 77 H. Interpretasi 87
BAB V KESIMPULAN DAN IMPLIKASI
A. Kesimpulan 89 B. Implikasi 90
Daftar Pustaka xiv
Lampiran-lampiran 91
10
DAFTAR TABEL
Nomor Keterangan Halaman
2.1 Tahapan Penyaringan Saham Syariah 26
2.2 Perbandingan Indeks Syariah 27
4.1 Deskriptif Statistik 63
4.2 Risk Adjusted Performance dan Beta dari JII dan LQ45 65
4.3 Uji ADF untuk JII dengan Konstanta Pada
Tingkat Level 67
4.4 Uji ADF untuk LQ45 dengan Konstanta
Pada Level 68
4.5 Uji ADF untuk JII dengan Konstanta pada
Tingkat 1st Difference 70
4.6 Uji ADF untuk JII dengan Konstanta pada
Tingkat 1st Difference 71
4.7 The Johansen and Juselius Cointegration Test 73
4.8 Vector Error Correction Estimates 75
4.9 The Impulse Responses 78
4.10 Variance Decomposition 81
4.11 Granger Causality Test 84
11
DAFTAR GRAFIK
Nomor Keterangan Halaman
4.1 Deskriptif Statistik 64
4.2 The Impulse Responses 80
4.3 Variance Decomposition 83
12
DAFTAR GAMBAR
Nomor Keterangan Halaman
2.1 Beta dan Imbal Hasil yang diharapkan 30
2.2 Risiko 32
2.3 Kerangka Pemikiran 40
13
DAFTAR LAMPIRAN
Nomor Keterangan Halaman
1. Daftar Saham Perusahaan Tercatat
Yang Masuk Dalam Penghitungan Indeks LQ45
Periode 2008-2009 91
2. Daftar Saham Perusahaan Tercatat
Yang Masuk Dalam Penghitungan Indeks JII
Periode 2008-2009 93
3. Return Investment JII 2008 95
4. Return Investment JII 2009 96
5. Return Investment LQ45 2008 97
6. Return Investment LQ45 2009 98
7. Ri, Mean dan Standar Deviasi JII 2008-2009 99
8. Ri, Mean dan Standar Deviasi LQ45 2008-2009 100
9. Rm, Mean dan Standar Deviasi IHSG 2008-2009 101
10. Sertifikat Bank Indonesia Periode 2008-2009 102
11. Beta Saham JII 103
12. Beta Saham LQ45 104
13. Uji Augmented Dicky-Fuller 105
14. The Johansen and Juselius Cointegration Test 125
15. Vector Error Correction Estimates 137
16. Granger Causality Test 148
14
BAB I
PENDAHULUAN
A. Latar Belakang
Pasar modal merupakan salah satu tonggak penting dalam perekonomian
dunia saat ini. Banyak industri dan perusahaan yang menggunakan institusi pasar
modal sebagai media untuk menyerap investasi dan media untuk memperkuat
posisi keuangannya. Secara faktual, pasar modal telah menjadi saraf finansial
dunia, dunia ekonomi modern. Bahkan, perekonomian modern tidak akan
mungkin eksis tanpa adanya pasar modal yang terorganisir dengan baik. Setiap
hari terjadi transaksi triliunan rupiah melalui institusi ini. Sebagaimana institusi
modern, pasar modal tidak terlepas dari berbagai kelemahan dan kesalahan. Salah
satunya adalah tindakan spekulasi. Pada umumnya proses-proses transaksi bisnis
yang terjadi dikendalikan oleh para spekulan. Mereka selalu memperhatikan
perubahan pasar, membuat berbagai analisis dan perhitungan, serta mengambil
tindakan spekulasi di dalam pembelian maupun penjualan saham. Aktivitas inilah
yang membuat pasar tetap aktif. Tetapi, aktivitas ini tidak selamanya
menguntungkan, terutama ketika menimbulkan depresi yang luar biasa.
Dalam penelitian kinerja saham syariah dan konvensional oleh Muhamed
Albaity dan Rubi Ahmad (2008 : 40) pada bursa Malaysia, dalam mengukur
kinerja KLSI terhadap KLCI menggunakan pengukuran risiko dan pengembalian
yang disesuaikan yang menujukkan apakah terdapat hubungan jangka panjang
atau jangka pendek dari kedua indeks. Hasil statistik pada risiko dan imbal hasil
15
diukur dengan mean dan standar deviasi, masing-masing mengindikasikan bahwa
KLSI memiliki kinerja yang lebih rendah dibandingkan dengan KLCI. KLCI
mencakup 100 efek dari kapitalisasi pasar yang besar, sementara, KLSI meliputi
826 surat berharga. 68% dari KLCI termasuk dalam KLSI. Ukuran dan imbal
hasil positif terkait. Oleh karena itu, investor yang memilih efek sesuai islami
tidak substansial lebih buruk daripada mereka yang memilih non-islami untuk
saham keluhan. Fleksibilitas dari kriteria penyaringan untuk KLSI dibandingkan
dengan DJIMI bisa saja menjadi salah satu faktor dalam hasil kami yang
menunjukkan tidak ada perbedaan yang signifikan antara return harian KLSI dan
KLCI selama periode April 1999 sampai Desember 2005. Karena itu, tidak ada
salahnya bagi investor berinvestasi di indeks islami.
Risiko dan imbal hasil yang disesuaikan selama empat pengukuran
menunjukkan bahwa KLCI memiliki keuntungan yang lebih tinggi dan beta yang
lebih tinggi. Untuk KLSI, kebalikannya. Hal ini menunjukkan imbal hasil dan
beta yang rendah mengikuti teori di bidang keuangan di mana semakin tinggi
risiko aset akan menghasilkan hasil yang lebih tinggi dan sebaliknya. KLSI
mungkin memiliki risiko yang lebih rendah dan kembali dalam jangka pendek.
Namun, investasi tersebut juga menghasilkan penghargaan lain. Orang Islam
berusaha untuk berinvestasi di aset yang mendapatkan hasil yang menarik serta
ketenangan pikiran. Motivasi di balik investasi dalam saham Islam sangat berbeda
dari investasi konvensional. Hasil unit root menunjukkan bahwa kedua seri
memiliki akar masalah unit. Hal ini menunjukkan bahwa kedua seri mengikuti
proses acak. Kedua seri ditemukan untuk diintegrasikan dalam derajat satu, yaitu,
16
untuk menjadi stasioner pada perbedaan pertama. Selanjutnya, uji kointegrasi
menunjukkan bahwa kedua seri tersebut cointegrated yaitu, mereka memiliki
hubungan jangka panjang. Hal ini menunjukkan bahwa pasar dalam hal seri ini
tidak efisien. inefisiensi timbul dari kenyataan bahwa kesalahan satu seri dapat
digunakan untuk memprediksi pergerakan yang lain. Selain itu, menunjukkan
bahwa kriteria penyeleksian tidak mempengaruhi perilaku temporal KLSI
sehubungan dengan gerakan untuk pasangannya. Dengan kata lain, yang
menjatuhkan dan penyertaan efek sepanjang jalan tidak akan mempengaruhi KLSI
menyimpang dari pergerakan KLCI.
Selain itu, kausalitas jangka pendek, yang diukur dengan pengujian
Granger bivariat, menunjuk ke kausalitasan dua arah antara indeks. Ini berarti
bahwa dalam jangka pendek baik harga bergerak ke arah yang sama dan mereka
cenderung saling menyebabkan satu sama lain. Orang mungkin berpendapat
bahwa kausalitas dari KLSI untuk KLCI bersifat palsu karena KLSI yang
terhitung indeks baru. Hasil VECM menunjukkan bahwa dalam hal hubungan
antara KLCI dan KLSI istilah kesalahan yang signifikan dalam satu model.
Koreksi kesalahan menunjukkan penyesuaian KLCI ke setiap penyimpangan dari
kesetimbangan. Dengan kata lain, perlahan-lahan untuk menyesuaikan KLCI
deviasi dari ekuilibrium jangka panjang. Selain itu, kausalitas Granger, diukur
oleh signifikansi keseluruhan model, F-nilai, menegaskan kausalitas bivariat
bidirectional. Itu adalah istilah koreksi kesalahan mengukur hubungan jangka
panjang menunjukkan bahwa KLCI adalah menyesuaikan diri dengan ekuilibrium
jangka panjang sementara KLSI tidak. Dinamika jangka pendek secara statistik
17
signifikan dalam kedua kasus yang menyatakan hasil awal dari uji Granger
kausalitas pasangan-bijaksana.Variance Decomposition menunjukkan bahwa lebih
dari 40 hari, KLSI memiliki efek pada KLCI namun tidak sebaliknya. Hal ini
menunjukkan bahwa KLSI mendominasi KLCI dan mempengaruhinya. Di sisi
lain, dorongan tanggapan untuk waktu yang sama mengkonfirmasi hasil
dekomposisi varians mendukung pengaruh KLSI pada KLCI tetapi tidak
sebaliknya. Secara keseluruhan, hasil-hasil empiris dari penelitian tersebut tidak
memberikan bukti perbedaan signifikan dalam kinerja dan pergerakan kedua
indeks saham pasar yaitu KLSI dan KLCI. Kedua indeks tampaknya berperilaku
dalam cara yang sama baik dalam jangka pendek dan jangka panjang.
Ada beberapa prinsip dasar untuk membangun sistem pasar modal yang
sesuai dengan ajaran Islam. Sedangkan untuk implementasinya, memang
dibutuhkan proses diskursus yang panjang. Prinsip tersebut, antara lain, tidak
diperkenankannya penjualan dan pembelian secara langsung. Saat ini, jika
seseorang ataupun sebuah perusahaan ingin menjual atau membeli saham, dia
akan menggunakan jasa broker atau pialang. Kemudian broker tersebut akan
menghubungi jobbers dan menyampaikan maksud untuk bertransaksi, baik dalam
pembelian maupun penjualan saham. Kemudian para jobber ini menawarkan 2
rate harga, yaitu rate harga yang akan dibelinya yang biasanya lebih rendah dan
rate harga yang akan dijualnya yang biasanya lebih tinggi. Selanjutnya para
jobber berkewajiban untuk membeli saham tersebut. Transaksi model ini
memberikan 2 implikasi. Yang pertama, para jobber akan melakukan pembelian
saham meskipun mereka belum tentu membutuhkannya. Mereka membeli saham
18
dengan harapan akan dapat menjualnya kembali kepada pihak yang memerlukan.
Hal ini akan membuka pintu spekulasi. Para spekulan mengetahui bahwa mereka
dapat membeli saham yang menguntungkan dari pasar karena para jobber ini
mampu menyediakan ready stock. Begitu pula bila saham tersebut ternyata kurang
menguntungkan, mereka secara cepat dapat pula melepasnya. Implikasi
selanjutnya adalah perubahan harga hanya ditentukan oleh kekuatan pasar, dimana
tidak ada perubahan yang berarti dari nilai intrinsik saham. (Irfan Syauqi Beik,
2003 : 7)
Dalam ajaran Islam, aturan pasar modal harus dibuat sedemikian rupa
untuk menjadikan tindakan spekulasi sebagai sebuah bisnis yang tidak menarik.
Untuk itu, prosedur pembelian/penjualan saham secara langsung tidak
diperkenankan. Prosedurnya, setiap perusahaan yang memiliki kuota saham
tertentu memberikan otoritas kepada agen di lantai bursa, untuk membuat deal
atas sahamnya. Tugas agen ini adalah mempertemukan perusahaan tersebut
dengan calon investor, dan bukan membeli atau menjualnya secara langsung.
Saham-saham tersebut dijual ataupun dibeli jika memang tersedia. Jika banyak
pihak yang menginginkan saham tertentu, maka mereka terlebih dahulu harus
terdaftar sebagai applicant, dan saham tersebut kemudian dijual/dibeli dengan
prinsip first-come-first-served (siapa datang dulu dia dilayani ) (Irfan Syauqi Beik,
2003 : 8)
Saat ini, harga saham ditentukan oleh kekuatan supply dan demand.
Sedangkan dalam aturan Islam, penentuan harga saham berbeda dengan
penentuan harga seperti yang terjadi pada saat ini. Jika kita melihat balance sheet
19
dari joint stock company, maka terlihat bahwa aset sama dengan modal saham
ditambah dengan kewajiban. Aset tersebut merupakan representasi dari modal,
dimana kewajiban diasumsikan sama dengan nol. Sehingga, sertifikat sahamnya
memiliki nilai tertentu, dimana nilainya akan sama dengan nilai asetnya. Setiap
harga saham yang di atas atau di bawah nilai asetnya, tidak menunjukkan kondisi
sesungguhnya. Tetapi kekuatan pasar mampu membuat harga saham tersebut
berada di atas/di bawah nilai asetnya. Dalam pandangan Islam, untuk mencegah
terjadinya distorsi ini, harga saham harus sesuai dengan nilai intrinsiknya. Adapun
formula perhitungannya adalah: harga saham sama dengan modal saham +
keuntungan - kerugian + akumulasi keuntungan - akumulasi kerugian, yang
kesemuanya dibagi dengan jumlah saham (Muhammad Akram, Issues in Islamic
Economics). Formula ini akan memberikan nilai sebenarnya dari sertifikat saham,
dan akan lebih menggambarkan kondisi yang sesungguhnya. Tidak ada seorang
pun yang diperbolehkan untuk membeli atau menjual pada berbagai level harga
kecuali berdasarkan regulasi harga yang telah ditetapkan. (Irfan Syauqi Beik,
2003 : 9)
Perkembangan pasar modal syariah menunjukkan kemajuan seiring
dengan meningkatnya indeks yang ditunjukkan dalam Jakarta Islamic Index. (JII).
Peningkatan indeks pada JII walaupun nilainya tidak sebesar pada Indeks Harga
Saham Gabungan (IHSG) tetapi kenaikan secara prosentase indeks pada JII lebih
besar dari IHSG. Hal ini dikarenakan adanya konsep halal, berkah dan bertambah
pada pasar modal syariah yang memperdagangkan saham syariah. Pasar modal
20
syariah menggunakan prinsip, prosedur, asumsi, instrumentasi, dan aplikasi
bersumber dari nilai epistemologi Islam.
Salah satu institusi keuangan syariah yang saat ini sedang berkembang
adalah pasar modal syariah, yang pertumbuhannnya tidak lepas dari
perkembangan indeks keuangan syariah. Pasar modal syariah ini ada salah satunya
adalah karena besarnya dana yang dimiliki oleh umat Islam atau pelaku pasar
muslim yang ada di bursa-bursa seluruh dunia. Menurut Irfan Syauqi Beik (2006 :
15) dalam riset Bank Negeri Malaysia (Bank Sentral Malaysia), pada tahun 2005,
dana yang dimiliki oleh umat Islam mencapai angka sekitar 1,3 Trilyun Dolar AS.
Sedangkan dana yang terhimpun di pasar keuangan Islam di seluruh dunia
diperkirakan mencapai 230 milliar Dolar AS dengan pertumbuhan 12-15%
pertahun. Sehingga masih ada dana-dana berlebih dariumat Islam yang terdapat di
pasar modal konvensional.
Menurut Todi Kurniawan (2008 : 1), Islamisasi pasar modal yang telah
diperjuangkan oleh beberapa kalangan akhir-akhir ini, telah memainkan beberapa
peran penting yang mengubah topography dari sector keuangan. Hal ini telah
menjadi sumber utama dari pertumbuhan pasar modal syariah, dimana produk-
peroduk dan pelayanan pasar modal telah diperhatikan untuk diubah menjadi
produk-produk dan pelayanan pasar modal syariah. Indeks Islam atau indeks
syariah telah mengambil tempat pada proses Islamisasi pasar modal dan menjadi
awal dari pengembangan pasar modal syariah. Beberapa indeks besar Islam dunia
seperti Dow Jones Islamic Market Index (DJMI), RHB Syariah Index, Kuala
Lumpur Syariah Index (dll) telah berkembang dan telah mulai popular di antara
21
komunitas muslim yang memiliki komitmen dengan prinsip-prinsip Islam dalam
menjalankan dan memanajemen investasi mereka. Karena indeks-indeks tersebut
diciptakan dengan beberapa batasan-batasan untuk produk-produk investasi yang
sesuai syariah. Bahkan Non Muslim pun ikut masuk berinvestasi di Indeks Islam
ini walaupun ada batasan-batasannya.
Di Indonesia dalam rangka membangun pasar modal syariah. PT. Bursa
Efek Indonesia (BEI) brsama dengan PT. Danareksa Investment Management
(DIM) telah meluncurkan indeks saham yang dibuat berdasarkan syariah islam,
yaitu Jakarta Islamic Index (JII). Jakarta Islamic Index terdiri atas 30 jenis saham
yang dipilih dari saham-saham yang sesuai dengan syariah islam. Jakarta Islamic
Index dimaksudkan untuk digunakan sebagai tolok ukur (benchmark) untuk
mengukur kinerja suatu investasi pada saham dengan basis syariah. Melalui
indeks ini diharapkan dapat meningkatkan kepercayaan investor untuk
mengembangkan investasi dalam ekuiti secara syariah. Pada juni tahun 2006,
Karim Business Consulting juga meluncurkan indeks saham syariah bernama
Karim Regional Islamic Market Index. Kegiatan operasional instrumen investasi
syariah di Indonesia di tangani oleh Badan Pengawas Pasar Modal (Bapepam)
sebagai regulator dan Dewan Syariah Nasional – Majelis Ulama Indonesia yang
mengawasi kegiatan emiten maupun pelaku pasar modal agar tidak menyimpang
dari prinsip syariah.
Dalam www.islamiconomics.wordpress.com. Khusus di pasar saham, dari
awal 2008 hingga tanggal 24 Desember 2008, IHSG turun sekitar 51 persen dari
2745,85 menjadi 1336,61 (sempat di 1089,33), indeks LQ 45 turun sekitar 55
22
persen dari 599,82 menjadi 265,34, sementara indeks JII turun sekitar 56 persen
dari 493,01 menjadi 215,97. JII turun terendah, setelah selama 2007 meningkat
tajam akibat kenaikan saham sektor komoditi hingga pertengahan 2008.
Investasi keuangan syariah harus disertai dengan kegiatan sektor riil atau
transaksi yang mendasari (underlying transaction). Untuk itu, penciptaan
instrumen investasi syariah dalam pasar modal adalah dari sekuritasi aset/proyek
(asset securitisation) yang merupakan bukti penyertaan, sekuritasi utang (debt
securitisation) atau penerbitan surat utang yang timbul atas transaksi jual beli (al
dayn) atau merupakan sumber pendanaan bagi perusahaan, sekuritasi modal
(equity securitisation), merupakan emisi surat berharga oleh perusahaan emiten
yang telah terdaftar dalam pasar modal syariah dalam bentuk saham.
Menurut Harahap (2001 : 18), adapun instrumen pasar modal yang sesuai
dengan syariah dalam pasar perdana adalah muqaradah/mudharabah funds, saham
biasa (common stock), muqaradah/mudharabah Bonds. Karena instrumen pasar
modal tersebut diperdagangkan di pasar perdana, maka prinsip dasar pasar
perdana adalah semua efek harus berbasis pada harta atau transaksi riil, tidak
boleh menerbitkan efek utang untuk membayar kembali utang (bay al dayn bi al
dayn), dana atau hasil penjualan efek akan diterima oleh perusahaan, hasil
investasi akan diterima pemodal (shohibul maal), tidak boleh memberikan
jaminan hasil yang semata-mata merupakan fungsi dari waktu
Menurut Harahap (2001 : 18), untuk pasar sekunder ada beberapa
tambahan dari prinsip dasar pasar perdana, yaitu tidak boleh membeli efek
berbasis trend (indeks), suatu efek dapat diperjual belikan namun hasil (manfaat)
23
yang diperoleh dari efek tersebut berupa kupon atau deviden tidak boleh diperjual
belikan, tidak boleh melakukan suatu transaksi murabahah dengan menjadikan
objek transaksi sebagai jaminan. Adapun jenis instrument pasar modal yang jelas
diharamkan syariah adalah preferred stock (saham istimewa), forward contract,
option.
Penlitian yang dilakukan oleh Hinsa Siahaan (2007 : 15) tentang Analisa
Risiko Dan Pengembalian Satu Saham Dan Analisa Portofolio Dua Saham. Pada
dasarnya, proses investasi di pasar keuangan (di pasar uang dan pasar modal)
adalah meliputi; tahapan menentukan tujuan investasi (set investment policy),
tahapan penilaian sekuritas secara individual (perform security analysis), tahapan
membentuk portfolio (construct a portfolio), tahapan merivisi portfolio, dan
tahapan penilaian kinerja portofolio (Evaluate the performance of the portfolio).
Apa yang dipaparkan dalam tulisan ini adalah lebih banyak menyangkut tahapan
kedua tentang bagaimana menyeleksi saham-saham dengan membandingkan
tingkat pengembaliannya dengan risiko kemungkinan pengembalian yang
diharapkan tidak menjadi kenyataan. Selain membahas cara menghitung risiko
dan pengembalian saham secara individual, tulisan ini juga membahas selintas
tentang tahap ketiga tentang bagaimana cara menggabungkan atau
mengkombinasikan dua aktiva (dua saham) menurut teori Markowitz, bagaimana
pengaruhnya terhadap risiko dan pengembalian setelah digabungkan dengan
proporsi atau alokasi dana tertentu atas masing-masing aktiva.
24
B. Perumusan Masalah
Berdasarkan latar belakang penelitian, maka peneliti dapat merumuskan
masalah yang menjadi titik perhatian penelitian ini sebagai berikut :
1. Apakah terdapat perbedaan keseimbangan risiko dan pengembalian
(risk-return tradeoff) investasi yang antara Jakarta Islamic Index dan
LQ45 pada Bursa Efek Indonesia (BEI).
2. Apakah terdapat apakah terdapat hubungan jangka panjang diantara
Jakarta Islamic Index dengan LQ45.
C. Tujuan dan Manfaat Penelitian
1. Tujuan Penelitian
Tujuan penelitian ini adalah sebagai berikut :
a. Untuk menganalisis perbedaan keseimbangan risiko dan pengembalian
(risk-return tradeoff) saham dari indeks saham syariah dan
konvensional yaitu Jakarta Islamic Index dan LQ45 pada Bursa Efek
Indonesia (BEI).
b. Untuk menganalisis hubungan jangka panjang diantara Jakarta Islamic
Index dengan LQ45.
25
2. Manfaat Penelitian
Manfaat dari penelitian ini adalah sebagai berikut:
a. Manfaat Bagi Akademisi atau Peneliti
Hasil penelitian ini diharapkan berguna bagi kalangan pelajar,
mahasiswa dan akademisi lainnya yang ingin tahu lebih lanjut tentang
perkembangan pasar modal syariah di Indonesia.
b. Manfaat Bagi Perusahaan
Hasil penelitian ini diharapkan berguna bagi para pelaku pasar
modal syariah khususnya bagi investor dalam negeri maupun luar
negeri untuk mempermudah dalam pemilihan investasi pada saham
yang sesuai dengan syariah.
c. Manfaat Bagi Pemerintah
Hasil penelitian ini diharapkan dapat memberikan informasi
kepada Pemerintah khususnya Bursa Efek Indonesia (BEI) dalam
mengeluarkan kebijakan – kebijakan untuk mendorong perkembangan
pasar modal syariah khususnya bagi perusahaan – perusahaan yang
termasuk dalam Jakarta Islamic Index (JII).
d. Manfaat Bagi Investor
Mengenai manfaat yang akan investor dapatkan dari
investasinya di pasar modal syariah dan seberapa besar ‘biaya’ yang
harus dikeluarkan ketika investor beralih dari pasar modal
konvensional ke pasar modal syariah.
26
Dalam penelitian ini, yang dimaksud dengan investor adalah
investor yang memakai logika atas keputusan berinvestasi di pasar
modal syariah,bukan investor yang paham bahwa pasar modal syariah
adalah sesuai dengan ketentuan agama dan dapat berbuah berkah
dunia akhirat.
BAB II
TINJAUAN PUSTAKA
A. Pasar Modal Syariah
1. Pengertian Pasar Modal Syariah
Dalam www.idx.co.id, Pasar Modal Syariah dapat diartikan
sebagai pasar modal yang menerapkan prinsip-prinsip syariah
dalam kegiatan transaksi ekonomi dan terlepas dari hal-hal yang
dilarang seperti: riba, perjudian, spekulasi dan lain-lain.
Menurut Agustianto (2008). Dalam Islam investasi merupakan
kegiatan muamalah yang sangat dianjurkan, karena dengan berinvestasi harta
yang dimiliki menjadi produktif dan juga mendatangkan manfaat bagi orang lain.
Al-Quran dengan tegas melarang aktivitas penimbunan (iktinaz) terhadap harta
yang dimiliki (Q.S 9:33). Dalam sebuah hadits, Nabi Muhammad SAW
bersabda,”Ketahuilah, siapa yang memelihara anak yatim, sedangkan anak yatim
itu memiliki harta, maka hendaklah ia menginvestasikannya (membisniskannya),
janganlah ia membiarkan harta itu didiamkan, sehingga harta itu terus berkurang
lantaran zakat”. Untuk mengimplementasikan seruan investasi tersebut, maka
27
harus diciptakan suatu sarana untuk berinvestasi. Banyak pilihan orang untuk
menanamkan modalnya dalam bentuk investasi. Salah satu bentuk investasi
adalah menanamkan hartanya di pasar modal. Pasar modal pada dasarnya
merupakan pasar untuk berbagai instrumen keuangan atau surat-surat berharga
jangka panjang yang bisa diperjual belikan, baik dalam bentuk utang maupun
modal sendiri. Institusi pasar modal syariah merupakan salah satu
pengejawantahan dari seruan Allah tentang investasi tersebut.
Pasar modal merupakan salah satu pilar penting dalam perekonomian
dunia saat ini. Banyak industri dan perusahaan yang menggunakan institusi pasar
modal sebagai media untuk menyerap investasi dan media untuk memperkuat
posisi keuangannya. Menurut Irfan Syauqi Beik (2007). Secara faktual, pasar
modal telah menjadi financial nerve-centre (saraf finansial dunia) dalam dunia
ekonomi modern. Bahkan, perekonomian modern tidak akan mungkin eksis
tanpa adanya pasar modal yang terorganisir dengan baik. Setiap hari terjadi
transaksi triliunan rupiah melalui institusi ini. Menurut Metwally (1995, 177)
fungsi dari keberadaan pasar modal syariah :
1) Memungkinkan bagi masyarakat berpartispasi dalam kegiatan bisnis
dengan memperoleh bagian dari keuntungan dan risikonya.
2) Memungkinkan para pemegang saham menjual sahamnya guna
mendapatkan likuiditas
3) Memungkinkan perusahaan meningkatkan modal dari luar untuk
membangun dan mengembangkan lini produksinya
28
4) Memisahkan operasi kegiatan bisnis dari fluktuasi jangka pendek pada
harga saham yang merupakan ciri umum pada pasar modal konvensional
5) Memungkinkan investasi pada ekonomi itu ditentukan oleh kinerja
kegiatan bisnis sebagaimana tercermin pada harga saham.
29
Sedangkan karakteristik yang diperlukan dalam membentuk pasar modal syariah
(Metwally, 1995, 178-179) adalah sebagai berikut :
1) Semua saham harus diperjualbelikan pada bursa efek
2) Bursa perlu mempersiapkan pasca perdagangan dimana saham dapat
diperjualbelikan melalui pialang.
3) Semua perusahaan yang mempunyai saham yang dapat diperjualbelikan di
Bursa efek diminta menyampaikan informasi tentang perhitungan
(account) keuntungan dan kerugian serta neraca keuntungan kepada
komite manajemen bursa efek, dengan jarak tidak lebih dari 3 bulan
4) Komite manajemen menerapkan harga saham tertinggi (HST) tiap-tiap
perusahaan dengan interval tidak lebih dari 3 bulan sekali
5) Saham tidak boleh diperjual belikan dengan harga lebih tinggi dari HST
6) Saham dapat dijual dengan harga dibawah HST
7) Komite manajemen harus memastikan bahwa semua perusahaan yang
terlibat dalam bursa efek itu mengikuti standar akuntansi syariah
8) Perdagangan saham mestinya hanya berlangsung dalam satu minggu
periode perdagangan setelah menentukan HST
9) Perusahaan hanya dapat menerbitkan saham baru dalam periode
perdagangan, dan dengan harga HST
Menurut Iggi H Akhsien (2000 : 1), dalam Islam, syariah dikenal sebagai
hukum Allah yang mengatur muamalah dan ibadah, dimana tujuan paling
dasarnya adalah memajukan kesejahteraan manusia yang terletak pada jaminan
atas keyakinan, intelektual, masa depan, dan harta milik. Kehidupan social
30
ekonomi, termasuk di dalamnya system keuangan dan instrumentasinya, tidak
pula luput dari syariah. Islamic Finance adalah Sharia Based Finance, keuangan
yang secara logis menggunakan prinsip,prosedur, asumsi sekaligus instrumentasi
dan aplikasi dari nilai epistomologi (sumber pengetahuan) Islam. Epistomologi
Islam yang utama adalah Al-Qur’an dan As-Sunnah.
Islamic Equity Fund berbeda dengan fund konvensional dalam
operasionalnya, dan yang paling tampak adalah proses screening dalam
mengkonstruksi portfolio. Filterisasi menurut prinsip syariah akan mengeluarkan
aktivitas haram seperti riba, gharar (ketidakpastian, spekulasi), minuman keras,
judi, daging babi, rokok dan seterusnya.
Islamic Equity Fund pertama kali di luncurkan pada tahun 1995.yang
pertama adalah National Commercial Bank di Saudi Arabia, dengan bantuan
Wellington. Management company of Boston Massachussets, berdasakan syariah.
Equity Investment didasarkan pada system bagi hasil atau mudharaba
(profitsharing-loss) dimana imbal hasil (return) secara teoritis merefleksikan
profitabilitasnya baik dalam bentuk capital gain dari harga saham yang meningkat
maupun dalam bentuk dividen, alih-alih membayarkan bunga kepada pemilik
modal Equity funds adalah bentuk yang ideal sejalan dengan prinsip Islamic
Finance yang sangat mendorong alokasi produktif sumber daya ekonomi,
partisipasi modal, dan pembagian risiko. Dengan prinsip bagi hasil ini, Islam lebih
mendorong surplus unit muslim untuk menjadi investor daripada menjadi kreditor.
Dengan demikian, investor berhadapan dengan risiko atau ketidakpastian, berbeda
dengan kreditor yang meminta certain return.
31
Menurut Iggi H Akhsien (2000 : 3), Islamic Equity Funds adalah juga
intermediaries yang membantu unit surplus melakukan penempatan investasi.
Islamic Equity Funds ditujukan untuk memenuhi kebutuhan kelompok investor
yang peduli dengan isu public dan keadilan sosial, yang juga menginginkan
memperoleh earning dari sumber yang bersih serta dapat dipertanggung jawabkan
secara religius.
Menurut Iggi H Akhsien (2000 : 62), secara umum bursa efek dalam
ekonomi Islam harus melaksanakan fungsi-fungsi sebagai berikut12 :
1) Memungkinkan para penabung berpartisipasi penuh pada pemilikan
kegiatan bisnis, dengan memperoleh bagian dari keuntungan dan
risikonya.
2) Memungkinkan para pemegang saham mendapatkan likuiditas dengan
menjual sahamnya sesuai dengan aturan bursa efek.
3) Memungkinkan kegiatan bisnis dari meningkatkan modal dari luar untuk
membangun dan mengembangkan bisnisnya.
4) Memisahkan operasi kegiatan bisnis dari fluktuasi jangka pendek pada
harga saham yang merupakan ciri umum pasar modal non islami
5) Memungkinkan investasi pada ekonomi ini ditentukan oleh kinerja
kegiatan bisnis sebagaimana tercermin pada harga saham.
Menurut Adiwarman Karim (2008). Perbedaan fundamental antara shariah
atau Islamic index dan index-index yang lain adalah seluruh saham-saham yang
yang tergabung dalam index ini harus sesuai dengan syariah atau yang lebih
dikenal dengan shariah compliant . Sehingga dengan jelas dan mudah kita akan
32
mengambil kesimpulan bahwa hubungan nya ada pada saham screening.
Screening ini diperlukan untuk menentukan apakah saham-saham tersebut bisa
disebut dengan saham “halal”. Untuk menyeleksi suatu saham apakah saham
tersebut bisa dikategorikan sebagai saham syariah, bisa dilakukan dengan 2
pendekatan. Pendekatan pertama bisa kita kategorikan sebagai pendekatan jual
beli. Kita bisa mengambil pendekatan ini dengan asumsi bahwa saham adalah
asset dan dalam jual beli ada pertukaran asset ini dengan uang. Atau kita juga bisa
mengasumsikan dan juga bisa kita kategorikan sebagai sebagai sebuah kerja sama
yang memakai prinsip bagi hasil (profit-loss sharing).
Pendekatan yang kedua adalah pendekatan yang berdasarkan ciri dasar
sebuah aktivitas keuangan atau produksi. Dengan menggunakan pendekatan
produksi ini, sebuah saham bisa diklaim sebagai saham yang halal ketika produksi
dari barang dan jasa yang dilakukan oleh perusahaan bebas dari element-element
yang haram yang secara explicit disebut di dalam Al-Quran seperti riba, Judi,
Minuman yang memabukkan, zina, babi dan semua turunanturunannya. Sehingga
semua perusahaan yang menjalankan bisnisnya dan berhubunga dengan
aktivitasaktivitas yang disebutkan diatas tidak akan pernah bisa dikategorikan
sebagai perusahaan yang memiliki saham syariah. Akan tetapi pendekatan diatas
adalah pendekatan yang sangat dasar dan sangat fundamental. Dan hal ini belum
cukup untuk menseleksi saham saham syariah ini. Ada metode-metode lain yang
ditambahkan untuk melengkapi apakah saham tersebut bisa dikategorikan sebagai
saham-saham syariah.
33
2. Pasar Modal Syariah Indonesia
a) Sejarah Pasar Modal Syariah Indonesia
Dalam Syari’ah News (2007 : 8), Pasar Modal yang berdasarkan
pada ekonomi syariah mulai berkembang pesat dalam tujuh (7) tahun
terakhir. Dimulai ketika manjemen Danareksa Securities menerbitkan
Islamic Equity Funds (Reksadana Syariah) pada tahun 1997. Tiga tahun
kemudian, Bursa Efek Indonesia (BEI) menerbitkan Jakarta Islamic Index
(JII), yang terdiri dari perusahaan public yang mengelola perusahaan yang
tidak melanggar syariah. Pada akhir tahun 2002, Indosat menunjuk AAA
Securities sebagai underwriter, menerbitkan obligasi syariah berdasarkan
mudharabah, yang diikuti Berlian Laju Tanker Inc., Bank Muamalat
Indonesia, Bank Syariah Mandiri, dan berbagai perusahaan lain.
b) Instrumen Pasar Modal Syariah di Indonesia
1) Obligasi Syariah
Menurut Iggi H. Akhsien (2000 : 37). Obligasi syariah berbeda
dengan obligasi konvensional. Semenjak ada pendapat bahwa bunga
adalah riba, maka instrumen-instrumen yang punya komponen bunga
keluar dari investasi halal. Karena itu, dimunculkan alternatif yang
dinamakan obligasi syariah.
Jika merujuk kepada Fatwa Dewan Syari’ah Nasional No :
32/DSN-MUI/IX/2002, “Obligasi Syariah adalah suatu surat berharga
jangka panjang berdasarkan prinsip syariah yang dikeluarkan Emiten
kepada pemegang Obligasi Syariah yang mewajibkan Emiten untuk
34
membayar pendapatan kepada pemegang Obligasi Syariah berupa bagi
hasil/margin/fee, serta membayar kembali dana obligasi pada saat jatuh
tempo”.
Tidak semua emiten dapat menerbitkan obligasi syariah. Untuk
menerbitkan Obligasi Syariah, beberapa persyaratan berikut yang harus
dipenuhi.
1. Aktivitas utama (core business) yang halal, tidak
bertentangan dengan substansi Fatwa No : 20/DSN-
MUI/IV/2001. Fatwa tersebut menjelaskan bahwa jenis
kegiatan usaha yang bertentangan dengan syariah Islam di
antaranya adalah : (i) usaha perjudian dan permainan yang
tergolong judi atau perdagangan yang dilarang; (ii) usaha
lembaga keuangan konvensional (ribawi), termasuk
perbankan dan asuransi konvensional; (iii) usaha yang
memproduksi, mendistribusi, serta memperdagangkan makan
dan minuman haram; (iv) usaha yang memproduksi,
mendistribusi, dan atau menyediakan barang ataupun jasa
yang merusak moral dan bersifat mudarat.
2. Peringkat Investasi : (i) memiliki fundamental usaha yang
kuat; (ii) memiliki fundamental keuangan yang kuat; (iii)
memiliki citra yang baik bagi publik
3. Keuangan tambahan jika termasuk dalam komponen Jakarta
Islamic Index (JII)
35
2) Saham Syariah
PT. Bursa Efek Indonesia (BEI) bersama dengan PT. Danareksa
Investment Management (DIM) telah meluncurkan indeks saham yang
dibuat berdasarkan syariah Islam, yaitu Jakarta Islamic Index (JII). Jakarta
Islamic Index terdiri atas tiga puluh jenis saham yang dipilih dari saham-
saham yang sesuai dengan syariah Islam. Jakarta Islamic Index
dimaksudkan untuk digunakan sebagai tolok ukur (benchmark) untuk
mengukur kinerja investasi pada saham dengan basis syariah. Melalui
indeks diharapkan dapat meningkatkan kepercayaan investor untuk
menembangkan investasi dalam ekuiti secara syariah.
Dalam www.republika.co.id (2006), Penentuan kriteria pemilihan
saham dalam Jakarta Islamic Index melibatkan pihak Dewan Pengawas
Syariah PT. Danareksa Investment Management. Sedangkan untuk
menetapkan saham-saham yang akan masuk dalam perhitungan JII
dilakukan dengan urutan seleksi sebagai berikut :
1. Memilih kumpulan saham dengan jenis usaha utama yang tidak
bertentangan dengan prinsip syariah dan sudah tercatat lebih dari 3
bulan (kecuali termasuk dalam sepuluh (10) kapitalisasi besar).
2. Memilih saham berdasarkan laporan keuangan tahunan atau tengah
tahun berakhir yang memiliki rasio Kewajiban terhadap Aktiva
maksimal sebesar 90%
3. Memilih 60 saham dari susunan saham di atas berdasarkan urutan rata-
rata kapitalisasi pasar terbesar selama satu tahun terakhir.
36
4. Memilih 30 saham dengan urutan berdasarkan tingkat likuiditas rata-
rata nilai perdagangan regular selama satu tahun terakhir.
Pengkajian ulang akan dilakukan enam bulan sekali dengan
penentuan komponen indeks pada awal bulan Januari dan Juli setiap
tahunnya. Sedangkan perubahan pada jenis usaha emiten akan
dimonitoring secara terus menerus berdasarkan data-data public yang
tersedia.
Menurut Adiwarman Karim (2006 : 58), perhitungan JII dilakukan
oleh Bursa Efek Indonesia dengan menggunakan metode perhitungan
indeks yang telah ditetapkan Bursa Efek Indonesia, yaitu dengan bobot
kapitalisasi pasar (market cap weight). Perhitungan indeks ini juga
mencakup penyesuaian-penyesuaian (adjustment) akibat berubahnya data
emiten yang disebabkan oleh aksi korporasi. JII menggunakan tanggal
awal perhitungan 1 Januari 1995 dengan nilai awal sebesar 100.
Adiwarman Karim dari Karim Business Consulting pada bulan Mei
2006 mengumumkan akan menerbitkan Karim Index di tiga Negara,
dengan tahapan penyaringan yang lebih baik dibandingkan JII dan terdiri
dari lima puluh saham.
Menurut Adiwarman Karim (2006 : 58), pada periode Juni 2008
sampai dengan Desember 2008, Daftar perusahaan yang termasuk dalam
Jakarta Islamic Index adalah sebagai berikut :
1. BUMI Bumi Resources Tbk (tetap)
2. ANTM Aneka Tambang (persero) Tbk (tetap)
37
3. TLKM Telekomunikasi Indonesia Tbk (tetap)
4. PTBA Tambang Batubara Bukit Asam Tbk (tetap)
5. ELTY Bakrieland Development Tbk (tetap)
6. UNSP Bakrie Sumatra Plantations Tbk (masuk)
7. INCO International Nickel Indonesia Tbk (tetap)
8. TINS Timah Tbk (tetap)
9. ITMG Indo Tambangraya Megah Tbk (masuk)
10. UNTR United Tractors Tbk (tetap)
11. AALI Astra Agro Lestari Tbk (tetap)
12. SGRO Sampoerna Agro Tbk (masuk)
13. LSIP PP London Sumatera Tbk (masuk)
14. TRUB Truba Alam Manunggal Engineering Tbk (tetap)
15. ELSA Elnusa Tbk (masuk)
16. KIJA Kawasan Industri Jababeka Tbk (tetap)
17. SMGR Semen Gresik (Persero) Tbk (tetap)
18. LPKR Lippo Karawaci Tbk (masuk)
19. CTRA Ciputra Development Tbk (tetap)
20. MNCN Media Nusantara Citra Tbk (masuk)
21. KLBF Kalbe Farma Tbk (tetap)
22. CTRP Ciputra Property Tbk (masuk)
23. WIKA Wijaya Karya (Persero) Tbk (masuk)
24. UNVR Unilever Indonesia Tbk (tetap)
25. BISI Bisi Internasional Tbk (masuk)
38
26. BKSL Sentul City Tbk (masuk)
27. INTP Indocement Tunggal Prakarsa Tbk (tetap)
28. ASRI Alam Sutera Realty Tbk (masuk)
29. BMTR Global Mediacom Tbk (tetap)
30. TOTL Total Bangun Persada Tbk (masuk)
3) Pasar Modal Syariah di Negara Lain
Menurut Adiwarman Karim (2006 : 58), Indonesia masih jauh
tertinggal dari sisi volume, baik reksadana syariah maupun obligasi
syariah dibanndingkan dengan Negara tetangga Malaysia. Malaysia saat
ini menguasai 62% dari seluruh obligasi syariah yang diterbitkan di dunia,
sedangkan Indonesia baru 1%.
Sementara itu di sisi saham syariah dimana indeks syariah
dijadikan sebagai tolak ukur investasi berbasis syariah terjadi pula
peningkatan di level global. Saat ini bursa global juga mulai diramaikan
dengan penerbitan index syariah. Pada Februari 2006, (SGX) bekerja sama
dengan FTSE Group dan Lembaga Riset Yasir meluncurkan indeks saham
syariah yang bernama FTSE Global Islamic Index. Indeks syariah milik
SGX tersebut dirancang menggunakan standar keuangan internasional.
Selain itu, di Malaysia, Dow Jones bekerja sama dengan RHB Islamic
Malaysia menyusun indeks syariah di Kuala Lumpur.
Menurut Adiwarman Karim (2006 : 58). Dari sisi penyaringan
saham syariah, Indonesia yang memiliki JII sebagai indeks saham syariah
juga hanya melalui satu tahap dari tiga tahap yang seharusnya dijalankan.
39
Dan ini, jika dibandingkan dengan indeks syariah di Negara lain, akhirnya
mengakibatkan JII kurang bersaing. Dua tahap yang tidak dijalankan oleh
JII diawal terbentuknya disebabkan oleh kondisi ekonomi dan pasar modal
Indonesia yang saat itu tidak memungkinkan.
Tabel 2.1 Tahapan Penyaringan Saham Syariah
Proses Penyaringan Saham Syariah Secara Umum
Tahap I (Prinsip Syariah) Tahap II (Rasio Keuangan Dan
Indikator Pasar)
Tahap III
(lainnya)
Industri Non Syariah
1. Makanan dan minuman haram
2. Produk berbahaya
3. Judi
4. Lembaga keuangan konvensional
5. Hiburan
Rasio Keuangan
1. Likuiditas Asset (17-49%)
2. Pemasukan dengan bunga (5-15%)
3. Rasio hutang atas modal (30-33%)
4. Indikator Pasar
Citra
Perusahaan
Big Market Capital (Top 60)
40
Tabel 2.2 Perbandingan Indeks Syariah
3. Indeks
a) Konsep Kerja Indeks
Pada dasarnya, kinerja indeks sama dengan kinerja portfolio, yang
dapat dilihat dari dua hal : risiko dan imbal hasil atau return. Hanya saja
yang menjadi perbedaan adalah bahwa portfolio, ada diversifikasi yang
bisa dilakukan dan tidak pada indeks.
b) Konsep Perhitungan Kinerja Indeks
Dalam penelitian ini akan menggunakan CAPM, dimana saat ini
masih menjadi standar perhitungan bagi imbal hasil dan risiko yang
dihadapi.
Perbandingan Antar Indeks Syariah
Indeks Syariah Tahap I Tahap II Tahap III
1. Jakarta Islamic Index (JII) Ya Tidak Tidak
2. Securities Commision
(Malaysia)
Ya Ya Ya
3. Dow Jones Islamic Index Ya Ya Tidak
4. FTSE Global Islamic Index Ya Ya Tidak
5. Karim Regional Islamic
Market Index
Ya Ya Tidak
41
E(Ri) = Rf + β [E(Rm) – E(Rf)
Diamana E(Ri) adalah expected return dari asset dan dalam
penelitian ini berarti indeks i = JII atau LQ45, Rf adalah Risk free rate
yang diukur dari SBI dan Rm adalah expected return dari pasar yang
diukur dari IHSG.
Menurut Douglas R Emery (2004 : 299), β (beta) adalah ukuran
linear dari beberapa banyak asset individu berkontribusi kepada standar
deviasi pasar (resiko sistematis). Menurut Douglas R Emery (2004 : 300),
beta juga mengindikasikan seberapa sensitif imbal hasil portfolio pasar.
Menurut Aswath Damodaran (1996 : 33), CAPM dibangun dengan
premis bahwa varians dalam imbal hasil adalah alat pengukuran yang tepat
bagi risiko, tapi hanya varians yang tidak terdiversifikasi yang dihitung.
Model CAPM mengukur varians yang tidak terdiversifikasi itu
menggunakan estimasi beta dan berhubungan dengan imbal hasil yang
diharapka. Implikasi umum dari CAPM :
1. Semua investor akan mengalokasikan kekayaan mereka
lewat dua asset-asset yang tanpa risiko dan portfolio pasar
dari semua asset yang beresiko, didasarkan pada nilai pasar
mereka.
2. Risiko dari semua asset akan diukur dengan seberapa
banyak risiko yang bertambah dalam portfolio pasar, dan
risiko yang bertambah ini dapat diukur dengan
42
menggunakan kovarians antara imbal hasil asset dan imbal
hasil pasar. Kovarians ini dapat distandarisasi dengan
membagi varians pasar dengan beta asset. Ross et al. (2003
: 285)
Yang jika dalam penelitian ini :
β = Cov[Ri,Rm]
Var[Rm]
Di mana βI = Beta saham
Cov = Covarian
Var = Varians
Ri = Return saham (JII dan LQ45)
Rm = Return Pasar (IHSG)
3. Imbal hasil dari asset secara linear berhubungan dengan
beta, semakin besar beta, maka semakin besar imbal hasil
yang diharapkan.
Menurut Aswath Damodaran (1996 : 33), hubungan antara
Beta dan Imbal hasil yang diharapkan digambarkan
digambarkan dalam gambar 3-1. Jika CAPM benar, semua
asset harus ada di Security Market Line (SML), di mana
menyediakan imbala hasil yang diharapkan untuk setiap
beta yang ada. Gradient dari SML adalah nilai dari imbal
hasil per unit dari risiko pasar/risiko non diversifikasi.
43
Gambar 2.1
Beta dan Imbal hasil yang diharapkan : Security Market Line
Security Market Line
Rf
Beta
(Sumber: Ross, et al. 2003)
Menurut Aswath Damodaran (1996 : 33), model CAPM ini
juga mempunyai banyak kelemahan dan sudah hampir tiga
dekade menjadi perdebatan. Roll,pada tahun 1977,
menyarankan bahwa sejak portfolio pasar tidak akan pernah
bisa diobservasi,maka CAPM tidak akan pernah bisa di
terapkan, sehingga semua tes yang ada di CAPM dilakukan
secara joint test dan portfolio pasar digunakan dalam tes.
44
4. Resiko dan Tingkat Pengembalian (Risk – Return Tradeoff)
a) Pendekatan Risiko
Menurut Jogiyanto (2008 : 214) hanya menghitung return saja suatu
investasi tidaklah cukup. Risiko menurut Emery (2004 : 303), Risiko secara
sederhana adalah terjadinya sesuatu yang tidak kita harapkan atau tidak
teradinya sesuatu yang kita harapkan. Ada dua jenis risiko yang umumnya kita
ketahui :
1. Risiko Sistematis. Ini adalah risiko yang ada dalam setiap investasi yang
kita lakukan dan besarnya adalah tetap. Disebut juga sebagai risiko yang
tidak terdiversifikasi.
2. Risiko Tidak Sistematis. Ini adalah risiko yang ada dalam tiap investasi
namun memiliki besar risiko yang berbeda-beda untuk setiap asset.
Disebut juga sebagai risiko yang dapat didiversifikasi, karena semakin
banyak diversifikasi jenis investasi dan investasi dalam portfolio kita,
maka semakin berkurang risiko tidak sistematis yang kita hadapi.
45
Gambar 2-2
Risiko
Risiko Tidak Sistematis
Risiko
Sistematis
Jumlah Risiko Sistimatis
(Sumber: Ross, et al. 2003:274)
Menurut Bodie (1999 : 685), metode penyesuaian menggunakan
criteria mean-varians dikembangkan secara simultan dengan Capital Asset
Pricing Models (CAPM). Jack Treynor (1966) termasuk ilmuwan yang sangat
cepat mengaplikasikan CAPM untuk memberi rating dari kinerja manajer.
dalam CAPM, varians adalah pengukur risiko.
Menurut Bodie (1999 : 686), Treynor Index menunjukkan hubungan
antara portfolio excess return dan risiko sistematis yang ada. Diasumsikan
bahwa unsystematic risk nya minimum melalui diversifikasi portfolio,
sehingga indeks ini menunjukkan risk premium per risiko sistematis.
46
Dimana :
Ri : Return dari Index Harga Saham (JII atau LQ45)
Rm : Return Pasar dari Indeks Harga Saham Gabungan (IHSG)
βi : beta dari Index Harga Saham (JII atau LQ45)
Dalam penelitian ini yang dimaksud dengan portfolio adalah indeks.
b) Pendekatan Imbal Hasil
Imbal hasil adalah keuntungan atau selisih positif yang didapat dari
perbandingan harga saat ini dengan sebelumnya.
Imbal hasil secara sederhana dapat dihitung dengan dua cara :
1. Diskrit
2. Kontinu
Di mana : Pt+1 adalah harga pada waktu t + 1, Pt adalah harga pada waktu t dan ln
adalah logaritma natural.
Pada penelitian ini akan digunakan cara kontinu karena akan memberikan
hasil yang lebih akurat dibandingkan dengan diskrit.
47
B. Penelitian Terdahulu
Sesuai dengan tema dalam penelitian ini, maka pasar modal syariah akan
lebih difokuskan dalam perbandingan antara indeks syariah dan indeks
konvensional dalam hal kinerja risiko dan imbal hasil. Harus diakui belum banyak
penelitian yang dilakukan tentang hal ini. Penelitian yang pernah dilakukan adalah
sebagai berikut :
Hakim dan Rashidian (2002 : 10) melihat risiko dan imbal hasil dari
indeks syariah dengan melihat hubungan antara DJIMI, Wilshire 5000 dan
TIBILLS 3 bulanan periode Desember 1999 sampai dengan April 2002. DJIMI
adalah indeks syariah di Amerika Serikat yang dikeluarkan oleh Dow Jones dan
Wilshire 5000 adalah kumpulan dari 5000 perusahaan terbesar di Amerika
Serikat. DJIMI adalah bagian dari Wilshire 5000. Sekitar 75% saham di Wilshire
5000 tidak memenuhi kriteria syariah. Hakim dan Rashidian menggunakan
Statistik Deskriptif, Unit Root Test, Cointegration Test, Causality Test dan
VECM. Hasilnya adalah Indeks syariah memiliki karakteristik risiko dan imbal
hasil yang unik, yaitu indeks syariah kurang terdiversifikasi dari pada Wilshire
5000 namun memiliki imbal hasil yang lebih kecil dan disiko yang lebih kecil
pula dibandingkan Wilshire 5000.
Penelitian dengan obyek pasar modal syariah dilakukan oleh Aruzzi dan
Bandi (2003). Tujuan penelitian ini dilakukan untuk mengetahui sejauh mana
variable tingkat suku bunga, rasio profitabilitas dan beta akuntansi dapat
mempengaruhi risiko sistematik atau beta saham syariah yang tergabung dalam
48
Jakarta Islamic Index (JII) di Bursa Efek Jakarta (BEJ) secara bersama-sama
ataupun secara parsial pada periode pengamatan yang diambil dalam penelitian
tersebut. Adapun obyek yang diteliti adalah saham perusahaan yang termasuk ke
dalam JII dalam periode Januari 2008– Desember 2009. Hasil penelitian
menunjukkan bahwa secara bersama-sama maupun parsial variabel-variabel
tingkat suku bunga, rasio profitabilitas dan beta akuntansi tidak mempunyai
pengaruh secara signifikan terhadap beta saham syariah. Koefisien determinasi
adalah sebesar 7,1% ini berarti variabel-variabel tingkat suku bunga, rasio
profitabilitas dan beta akuntansi hanya dapat menjelaskan beta saham syariah
sebesar 7,1%, sedangkan 92,9% dijelaskan oleh variabel-variabel lain.
Hinsa Siahaan (Maret 2007 : 1), Setiap investasi selalu membandingkan
besarnya risiko dengan pengembalian yang diharapkan. Investasi disebut juga
sebagai the trade off between Risk and return. Hampir semua investor tidak suka
dengan risiko, kalau boleh menghindarinya. Untuk mengharapkan agar investor
bersedia mengambil risiko tinggi, maka kepada mereka harus ditawarkan tingkat
pengembalian yang tinggi. Dengan kata lain apabila seorang investor
menghendaki tingkat pengembalian yang lebih tinggi, dia harus berani atau
bersedia mengambil risiko yang lebih tinggi. High risk high return.
Hinsa Siahaan (Maret 2007: 15). Pada dasarnya , proses investasi di pasar
keuangan (di pasar uang dan pasar modal) adalah meliputi; tahapan menentukan
tujuan investasi (set investment policy), tahapan penilaian sekuritas secara
individual (perform security analysis), tahapan membentuk portfolio (construct a
49
portfolio), tahapan merivisi portfolio, dan tahapan penilaian kinerja portofolio
(Evaluate the performance of the portfolio).
Di Malaysia, Ahmad, Z dan Haslindar Ibrahim (2002 : 33) menunjukkan
tetang penelitian perbandingan Islamic Index dengan KLSE Composite Index
(KLCI). Hasilnya, Islamic Index lebih baik dari KLCI tersebut.
Hakim dan Rashidian (2002 : 5) juga menggunakan Rasio Sharpe dan
hasilnya, DJIMI memiliki Rasio Sharpe yang lebih rendah dibandingkan dengan
Wilshire 5000, ini menggambarkan DJIMI memiliki risiko per unit imbal hasil
yang lebih kecil dari pada Wilshire 5000. Dan dalam pasar modal US, tidak ada
hubungan jangka panjang yang stabil antara DJIMI dan Wilshire 5000.
Kesimpulan lain yang ada dari penelitian ini adalah seleksi yang ada pada DJIMI
tidak mempengaruhi kinerja dari indeks dan tidak mengakibatkan investasi pada
DJIMI kehilangan imbal hasil jika dibandingkan dengan Wilshire 5000. DJIMI
dan Wilshire 5000 sama-sama kompettif.
Albaity, M dan Rubi Ahmad (2008 : 41) menganalisa imbal hasil dari
saham Islamic di Malaysia. Penelitiannya menggunakan Unit Root Test,
Correlation dan Cointergration Test, Granger Causality, dan Vector Error
Correction Model. Data yang diambil sebagai sample observasi adalah Saham
gabungan (KLCI), Indeks Syariah (KLSI) dan TBills 3 bulanan Malaysia. Periode
data dari April 1999 sampai dengan Desember 2003. Hasilnya adalah TBills
memiliki return tertinggi, lalu diikuti oleh KLSI dan KLCI. Diketahui pula adanya
: (1) hubungan jangka panjang antara KLCI dan KLSI, (2) KLSI ternyata
menyebabkan KLCI, (3) TBill 3 bulanan menyebabkan KLSI dan (4) KLSI-KLCI
50
mempunyai hubungan timbale balik dalam jangka pendek dan jangka panjang.
Tbills tidak mempengaruhi dalam jangka panjang.
Rulindo, R dan Todi Kurniawan (2006 : 46) meneliti tentang hubungan
risiko dan imbal hasil dari IHSG dan JII, juga melihat hubungan dan pengaruh
dari TBills (suku bunga Bank Indonesia) dalam IHSG dan JII dan melihat pula
pengaruh yang ada antara mereka. Data dari Januati 2001 sampai dengan
Desember 2004. Variable yang digunakan adalah IHSG, JII dan TBills tiga
bulanan. Analisa menggunakan Deskriptif Statistik, Unit Root Test,
Cointegration, dan Granger Causality. Hasil yang ada adalah terlihat perbedaan
antara IHSG dan JII. Di mana JII memiliki imbal hasil yang lebih besar
dibandingkan dengan IHSG. Dalam hubungan jangka panjang, tidak terjadi
hubungan antara TBills,IHSG dan JII, satu sama lain saling mandiri. Ini cukup
menarik karena dalam penelitian-penelitian sebelumnya, ditemukan minimal
adanya satu hubungan antara variable yang ada. Dan dapat disimpulkan bahwa
pasar yang terjadi adalah pasar yang efisien karena harga informasi yang ada
tercermin langsung dalam harganya. Dengan hasil ini, investor dapat pindah dari
IHSG ke JII tanpa perlu khawatir mengenai tingkat suku bunga.
Dalam jangka pendek TBills mempengaruhi IHSG dan JII secara
langsung. Ini memperlihatkan sebuah ide pada kita bahwa investor yang ada
dalam IHSG dan JII termasuk investor yang bermain aman, memiliki
kecenderungan pada tingkat bunga bebas resiko. Secara prilaku, investor yang
berinvestasi dalam JII lebih termotivasi pada keuntungan jangka pendek, bukan
pada kesadaran untuk berinvestasi di indeks syariah. Hasil lain penelitian ini yang
51
cukup penting adalah adanya seleksi secara syariah tidak mempengaruhi kinerja
dari JII.
Hakim dan Rashidian (2004) membandingkan dua indeks, yaitu Dow
Jones Sustainibility Index (DJSI) dan Dow Jones Islamic Market Index (DJIMI).
‘Keranjang’ besar dari DJSI dan DJMI adalah Dow Jones World Index (DJW).
DJSI sering disebut sebagai Green Index karena berbasiskan moral dalam
penyaringannya. Jadi untuk dapat masuk dalam DJSI harus dilihat apakah
memiliki keberpihakan pada nilai-nilai moral yang dianut secara umum. Indeks ini
memiliki lebih dari tiga ratus saham DJSI. Hampir sama dengan DJIMI, hanya
saja DJIMI memiliki criteria syariah, dimana ada seleksi yang sesuai dengan
prinsip Islam dalam memasukkan saham-saham ke dalam indeks ini. DJIMI
diluncurkan pada Februari 1999. Data yang digunakan adalah data mingguan,
periode data adalah Januari 2000 sampai dengan Agustus 2004, dengan total 243
minggu. Dengan menggunakan dasar Capital Asset Pricing Model dalam teori,
Deskriptif Statistik, metode Ordinary Least Square (OLS) dan Generalized
Method of Momments (GMM) ditemukan bahwa adanya seleksi tidak
mengakibatkan kinerja dari DJIMI berkurang, walaupun secara kinerja dengan
menggunakan Rasio Treynor nilai DJSI jauh lebih baik dari DJIMI. Secara imbal
hasil memang DJIMI memiliki imbal hasil yang lebih kecil dibandingkan dengan
DJSI, namun DJIMI juga memiliki risiko (dari standar deviasi) yang lebih kecil
dibandingkan DJSI.
Hasil penelitian lainnya adalah DJIMI terkena tekanan risiko dua kali lipat
dibandingkan DJSI, jika kita beralih dari DJSI ke DJIMI. DJIMI kurang sensitif
52
terhadap fliktuasi dalam risiko sistematis dibandingkan dengan Dow Jones World
Index, artinya jika kita mengacu pada DJIMI maka kita tidak akan mendapatkan
tekanan risiko lagi dibandingkan ketika kita mengacu pada DJW. Hakim dan
Rashdian dalam penelitian ini menggunakan conditional CAPM dan menguji
validitas dari conditional CAPM ini. Hasilnya adalah DJIMI conditional CAPM
berlaku dengan terpenuhinya syarat garis potong adalah pada risk free rate, beta
tunggal berlaku dan hubungan antara nilai DJIMI dapat dijelaskan secara linier
oleh CAPM. Hasil yag sedikit berbeda ditunjukkan pada DJSI, dimana beta
tunggal DJSI tetap ada namun DJSI tidak memiliki garis potong pada risk free
rate, dan hubungan antara nilai DJSI tidak dapat dijelaskan secara linie oleh
CAPM, DJSI jauh lebih rumit dibandingkan dengan DJIMI.
C. Kerangka Pemikiran
Kerangka pemikiran akan menjelaskan alur pengolahan data untuk
mengukur keseimbangan risiko dan pengembalian sehingga dapat memberikan
gambaran mengenai perbandingan keseimbangan antara JII dengan LQ45. Dalam
penelitian ini, skema penelitiannya akan ditunjukkan pada Gambar 2.2.
53
Gambar 2.2
Kerangka Pemikiran
Resiko dan Imbal Hasil bulanan Saham Syariah Jakarta Islamic
Indeks (JII) Periode Januari 2008 – Desember
Resiko dan Imbal Hasil bulanan Saham Konvensional LQ45
Periode Januari 2008 – Desember 2009
Keseimbangan Risiko
dan Pengembalian Saham
Deskriptif
1. Risk Adjusted Performance
2. Analisis VAR :
1. Unit Root
2. Cointegration Test
3. VECM
Granger Causality
The Impulse Responses
The Cholesky Decomposition
54
D. Hipotesis
Dalam melakukan analisis terlebih dahulu harus ditentukan hipotesis yang
digunakan. Hipotesis yaitu dugaan mengenai suatu hal atu masalah. Hipotesis
biasanya disajikan dalam bentuk pernyataan atau dilambangkan dengan angka.
Hipotesis untuk penelitian ini yaitu :
• H0 : “terdapat perbedaan rata-rata kinerja antara saham berbasis syariah
dengan saham berbasis konvensional”
• Ha : “terdapat hubungan jangka panjang antara indeks berbasis syariah
dengan saham berbasis konvensional”
55
BAB III
METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
1. Deskripsi Data
Data yang digunakan dalam penelitian ini adalah data Jakarta Islamic
Index, Indeks LQ45, Indeks Harga Saham Gabungan (IHSG) dan Suku
Bunga Bank Indonesia. Jakarta Islamic Index (JII) adalah indeks syariah
yang terdiri dari saham tiga puluh perusahaan dari perusahaan-perusahaan
yang terdaftar pada Bursa Efek Indonesia. Agar tercatat dalam JII, ada
kriteria-kriteria yang harus dipenuhi oleh perusahaan, seperti yang sudah
dijelaskan dalam Bab II penelitian ini. Indeks LQ45 merupakan sekelompok
saham pilihan yang memenuhi kriteria tertentu, seperti total transaksi dan
frekuensi transaksi. Ada 45 saham rangking tertinggi yang masuk kriteria
LQ45.
Indeks Harga Saham Gabungan adalah indikator dari pergerakan
semua saham yang ada dalam Bursa Efek Indonesia. Suku Bunga Bank
Indonesia yang digunakan dalam penelitian ini adalah suku bunga harian.
Periode data sebanyak 698 hari, data harian indeks dari tanggal 4 Januari
2008 sampai dengan 1 Desember 2009. Tipe data adalah Time Series.
56
2. Pemilihan Periode
Periode yang ada dari tahun 2008 sampai 2009. periode ini dipilih
karena JII sebagai variable utama yang akan di lihat dalam penelitian ini
baru diterbitkan pada tahun 2000. Sedangkan pada tahun 2000, kondisi
ekonomi Indonesia belum begitu stabil, terbukti dari sisi penyaringan JII
yang tidak menggunakan rasio keuangan karena kondisi yang tidak
memungkinkan. Tahun 2008 adalah tahun dimana kondisi Indonesia sudah
mulai membaik, walau belum pulih dan JII sudah cukup baik sebagai
sebuah indeks sehingga diharapkan akan memberi validitas hasil yang
memuaskan. Data dua tahun digunakan karena mencukupi sebagai sample
data.
B. Metode Penentuan Sampel
Teknik yang dilakukan dalam pengambilan sampel ini adalah
purposive sampling yang berdasarkan judgement sampling. Purposive
sampling adalah teknik pemilihan sampel secara tidak acak dan didasarkan
pada tujuan tertentu (Indrianto dan Supomo, 1999). Tujuan penelitian ini
adalah untuk menganalisis perbedaan keseimbangan risiko dan
pengembalian (risk-return tradeoff) saham yang kompetitif dari indeks
saham syariah dan konvensional pada Jakarta Islamic Index dengan LQ45
dan menganalisis pengaruh secara langsung dan tidak langsung unsur
kinerja saham terhadap keseimbangan risiko dan pengembalian (risk-return
tradeoff) saham antara perusahaan yang termasuk dalam Jakarta Islamic
Index dengan LQ45 yang tercatat di Bursa Efek Indonesia (BEI) dan
57
Bapepam. Oleh karena itu, maka sampel yang digunakan adalah dari indeks
saham syariah dan konvensional pada Jakarta Islamic Index dengan LQ45
yang tercatat di Bursa Efek Indonesia (BEI). Hal tersebut sesuai dengan
teknik purpose sampling metode judgement sampling.
Sampel penelitian ini diambil dari perusahaan yang tercatat dalam
indeks saham JII dan LQ45 pada BEI. Dari 30 saham yang terdaftar dalam
JII dan 45 saham pada LQ45 periode Januari 2008 sampai Desember 2009,
hanya 16 saham yang terpilih sebagai sampel penelitian. Oleh karena saham
yang tercatat di BEI dimungkinkan terjadi perubahan disetiap periodenya,
maka sampel penelitian ini diambil dengan kinerja :
1. 30 saham yang terdaftar dalam Jakarta Islamic Index (JII) pada
Bursa Efek Indonesia (BEI) selama Januari 2008 sampai dengan
Desember 2009.
2. 45 saham yang terdaftar dalam LQ45 pada Bursa Efek Indonesia
(BEI) selama Januari 2008 sampai dengan Desember 2009.
3. 16 saham yang selalu ada (tetap) serta terdaftar dalam Jakarta
Islamic Index (JII) dan LQ45 pada Bursa Efek Indonesia (BEI)
selama Januari 2008 sampai dengan Desember 2009.
58
C. Metode Pengumpulan Data
Data yang digunakan dan dianalisis dalam penelitian ini adalah data
sekunder. Data sekunder merupakan data yang telah tersedia dan tidak perlu
dikumpulkan lagi. Data-data sekunder yang digunakan penulis adalah data-
data yang berhubungan langsung dengan penelitian yang dilaksanakan dan
bersumber dari terbitan-terbitan Bursa Efek Indonesia, Bapepam dan Bank
Indonesia.
Informasi utama yang digunakan sebagai data penelitian adalah return
dan resiko dari investasi, data mengenai tingkat suku bunga bebas resiko
peneliti menggunakan tingkat suku bunga Sertifikat Bank Indonesia (SBI)
berdasarkan laporan bulanan terbitan Bank Indonesia. Penelitian ini juga
memilih SBI sebagai tingkat suku bunga bebas resiko dengan anggapan
bahwa Bank Indonesia yang mengeluarkan SBI dapat dipastikan akan
melunasi kewajibannya pada saat jatuh tempo. Jadi investasi yang dilakukan
SBI benar-benar bebas resiko. Disertai dengan data perkembangan Saham
pada pasar modal syariah dan konvensional periode Januari 2008 sampai
dengan Desember 2009.
D. Metode Analisis Data
Alur pengolahan data secara umum adalah sebagai berikut :
1. Deskriptif Statistik
Berdasarkan tinjauan literatur, penyaringan investasi diharapkan akan
menghasilkan laba lebih rendah dari investasi non-disaring karena tingkat
59
yang lebih rendah pada diversifikasi. Oleh karena itu, hipotesis 1a pertama
untuk diuji adalah
H0 : “terdapat perbedaan rata-rata kinerja antara saham berbasis
syariah dengan saham berbasis konvensional”
Return diukur oleh perbedaan harga antara periode t dan t-1. Dengan
kata lain, kita menghitung kembali dengan menggunakan rumus berikut.
Statistic yang dicari adalah statistic dari imbal hasil bulanan JII, LQ45,
IHSG dan SBI. Imbal hasil dicari dengan menggunakan metode kontinu :
Empat teknik pengukuran yang digunakan. Pertama, kita mengukur
SR, yang merupakan rasio yang dikembangkan oleh Sharpe pemenang
hadiah Nobel untuk mengukur kinerja disesuaikan risiko. Rumusnya adalah
sebagai berikut:
Dimana
Ri : Return dari Index Harga Saham (JII atau LQ45)
Rm : Return Pasar dari Indeks Harga Saham Gabungan (IHSG)
σi : standar deviasi dari Index Harga Saham (JII atau LQ45)
60
Umumnya, SR lebih tinggi menunjukkan kinerja yang lebih tinggi
atau superior, dan sebaliknya. kapitalisasi pasar, dengan dasar tanggal 4
Januari 2008 dan Ada 45 saham rangking tertinggi yang masuk kriteria
LQ45 dan 30 saham yang masuk dalam kriteria JII.
Kedua, tolok ukur kinerja TI dihitung dalam studi kasus ini. Langkah-
langkah Return yang diterima itu melebihi dari apa yang telah dapat
diperoleh pada investasi bebas risiko, per setiap unit risiko pasar. Semakin
tinggi nilai TI, semakin tinggi pula diperoleh per unit risiko. The Treynor
Rasio dihitung sebagai:
Ri : Return dari Index Harga Saham (JII atau LQ45)
Rm : Return Pasar dari Indeks Harga Saham Gabungan (IHSG)
βi : beta dari Index Harga Saham (JII atau LQ45)
Ketiga, dalam penelitian ini akan menggunakan CAPM, dimana saat
ini masih menjadi standar perhitungan bagi imbal hasil dan risiko yang
dihadapi.
E(Ri) = Rf + β [E(Rm) – E(Rf)
Diamana E(Ri) adalah expected return dari asset dan dalam penelitian
ini berarti indeks i = JII atau LQ45, Rf adalah Risk free rate yang diukur
dari SBI dan Rm adalah expected return dari pasar yang diukur dari IHSG.
61
Mencari β (beta) yang merupakan ukuran linear dari beberapa banyak
asset individu berkontribusi kepada standar deviasi pasar (resiko sistematis)
dalam penelitian ini menggunakan :
β = Cov[Ri,Rm]
Var[Rm]
Di mana βi = Beta saham
Cov = Covarian
Var = Varians
Ri = Return saham (JII dan LQ45)
Rm = Return Pasar (IHSG)
Pengukuran keempat Return adalah formula yang dimodifikasi SR
dikembangkan oleh Statman (1987). Pengukuran ini dikenal sebagai excess
standar deviasi – adjusted return dan disingkat sebagai "eSDAR." Excess
yang diteliti adalah Return indeks (Syariah atau Komposit) atas Return
patokan (IHSG Index), di mana indeks leverage untuk memiliki patokan
standar deviasi. Secara matematika digambarkan sebagai berikut,
+
Dimana
: suku bunga harian SBI : tingkat pengembalian indeks pasar saham (baik JII atau LQ45)
: tingkat pengembalian indeks IHSG (patokan) : standar deviasi dari JII dan LQ45
: standar deviasi dari IHSG
62
2. Analisis VAR
Pada dasarnya, Analisis VAR meliputi Uji Stasioneritas Data dan
Estimasi Model VAR dengan VECM.
a. Uji Stasioneritas Data
Untuk menguji cointegration, kita perlu melakukan Uji Akar Unit. Uji
akar unit ini digunakan untuk melihat apakah data yang diamati stasioner
atau tidak stasioner. Test ini sebenarnya hanya merupakan pelengkap dari
analisis VAR, mengingat tujuan dari analisis VAR adalah untuk menilai
adanya hubungan timbal balik di antara variabel-variabel yang diamati, dan
bukan test untuk data. Akan tetapi, apabila data yang diamati adalah
stationer, hal ini akan meningkatkan akurasi dari analisis VAR. Tujuan dari
test ini adalah untuk menyelidiki hipotesis berikut :
Ha : “terdapat hubungan jangka panjang antara indeks berbasis syariah
dengan saham berbasis konvensional.”
Dalam statistik dan ekonometrik, uji akar unit digunakan untuk
menguji adanya anggapan bahwa sebuah data time series tidak stasioner. Uji
yang biasa digunakan adalah uji augmented Dickey–Fuller. Uji lain yang
serupa yaitu Uji Phillips–Perron. Keduanya mengindikasikan keberadaan
akar unit sebagai hipotesis null. Perlu diketahui bahwa data yang dikatakan
stasioner adalah data yang bersifat flat, tidak mengandung komponen trend,
dengan keragaman yang konstan, serta tidak terdapat fluktuasi periodik.
Untuk diketahui adanya akar unit, maka dilakukan pengujian Dickey-Fuller
(DF-test) sebagai berikut:
63
Jika variabel sebagai variabel dependen, maka akan diubah menjadi
Yt = ρ Yt-1 + Ut
Jika koefisien Yt-1 (ρ) adalah = 1 dalam arti hipotesis diterima, maka
variabel mengandung unit root dan bersifat non-stasioner. Untuk mengubah
trend yang bersifat non-stasioner menjadi stasioner dilakukan uji orde
pertama (first difference)
ΔYt = (ρ-1) (Yt – Yt-1)
Koefisien ρ akan bernilai 0, dan hipotesis akan ditolak sehingga model
menjadi stasioner.
Hipotesis yang digunakan pada pengujian augmented dickey fuller
adalah:
H1b : ρ = 0 (Terdapat unit roots, variabel Y tidak stasioner)
H1b : ρ ≠ 0 (Tidak terdapat unit roots, variabel Y stasioner)
Kesimpulan hasil root test diperoleh dengan membandingkan nilai t-
hitung dengan t-tabel pada tabel Dickey-Fuller.
Keberadaan cointegration hubungan antara dua variabel menyiratkan
bahwa ada setidaknya efek kausal dari satu variabel ke variabel yang lain.
Namun, arah kausalitas tidak ditentukan oleh Cointergration Test. Untuk
menentukan arah penyebab iulah tes kausalias Granger digunakan.
Keberadaan kointegrasi antara variabel-variabel akan memerlukan
kausalitas Granger untuk diimplementasikan dalam Vector Error Correction
Model (VECM) jika data yang diteliti tidak stasioner. Jika data yang diteliti
64
stasioner, maka model Vector Autoregresive (VAR) yang digunakan untuk
menguji kausalitas.
b. Vector Error Correction Model (VECM)
Jika Granger menunjukkan bahwa data time series yang diuji tidak
stasioner pada tingkat level atau disebut non-stasionaritas data, maka ini
dikatakan bahwa data tersebut terkointegrasi. Data VECM digunakan di
dalam model VAR non structural apabila data time series tidak stasoner
pada level, tetapi stasioner pasa data diferensi dan terkointegrasi sehingga
menunjukkan adanya hubungan teoritis antara variable. Adanya kointegrasi
ini maka VECM yang merupakan model VAR non structural ini disebut
model VAR yang terestriksi.
Spesifikasi VECM merestriksi hubungan prilaku jangka panjang
antara variable yang ada agar konvergen ke dalam hubungan kointegrasi
namun tetap membiarkan perubahan-perubahan dinamis di dalam jangka
pendek. Termnologi kointegrasi ini dikenal sebagai koreksi kesalahan (error
correction) karena apabila terjadi deviasi terhadap keseimbangan jangka
panjang akan dikoreksi secara bertahap melalui penyesuaian parsial jangka
pendek secara bertahap.
65
c. Estimasi Model VAR dengan VECM
Proses estimasi ini terdiri dari :
a. Granger Causality Test
Granger (1969) mempostulasikan bahwa suatu variabel X dikatakan
menyebabkan variabel lain, Y, apabila Y saat ini dapat diprediksi lebih baik
dengan menggunakan nilai-nilai masa lalu X. Sebagaimana yang ditulisnya:
Variable X is said to cause another variable Y, with respect to a given
information set that includes X and Y, if current Y can be predicted better by
using past values of X than by not doing so, given all other past information
in the information set is used.
Terlihat bahwa teori Granger dilandasi atas asumsi sejumlah
informasi yang memasukkan X dan Y saat ini dan semua informasi masa
lalu. Katakanlah At adalah himpunan informasi yang telah tersedia dengan t
=…, -1, 0, 1, 2, … Dengan kata lain, asumsi yang digunakan adalah A={(X,
Y)}. X dan Y dianggap merupakan sepasang data runtut waktu yang
memiliki kovarians linear yang stasioner (linear covariance-stationary time
series). Oleh karena itu:
Di mana X = variabel independen dan Y = variabel dependen
Test ini menguji apakah suatu variabel bebas (independent variable)
memiliki perbandingan dari variabel tidak bebas (dependent variable).
66
Granger causality test merupakan alat pengujian yang dilakukan untuk
mengetahui hubungan sebab akibat antara variabel-variabel yang sedang
dianalisa. Terkait dengan penelitian ini, granger causality test
memungkinkan kita membandingkan adanya hubungan satu arah atau dua
arah dari variabel-variabel yang digunakan dalam penelitian yang
membandingkan kinerja keseimbangan resiko dan pengembalian (Risk-
Return Tradeoff) antara dua indeks yang berbeda. Sebelum melakukan
granger causality test, penulis melakukan pengujian nilai lag maksimum dan
nilai lag optimum dari kedua pendekatan ini dengan Likelihood Ratio Test
yang telah dijabarkan sebelumnya. Nilai lag yang nantinya ditemukan ,
terutama nilai lag optimum, digunakan sebagai nilai lag dalam uji kausalitas
granger.
b. The Impulse Responses:
Untuk melihat efek gejolak (shock) suatu standar deviasi dari variabel
invovasi terhadap nilai sekarang (current time values) dan nilai yang akan
datang (future values) dari variabel-variabel endogen yang terdapat dalam
model yang diamati.
Respons Terhadap Adanya Aksi ( The Impulse Responses ) adalah
salah satu aksesoris pada VAR yang digunakan untuk melihat respon
variable endogen terhadap adanya pengaruh inovasi (shock) variable
endogen yang lain (Pindycks dan Rubinfeld, 1998; 385). Inovasi
diinterpretasikan sebagai “goncangan kebijakan” (policy shock) atau juga
sering disebut aksi. Secara ststistik respon terhadap aksi dirumuskan dalam
67
persamaan Sims (1980b, 256-257). Jika kita mempunyai sebuah model
linier vector skolastik x yang diformulasikan sebagai berikut :
Dimana yaitu variabel gangguan kemudian
memilih matriks triangular B sehingga menghasilkan B yakni sebuah
kovarian diagonal matriks dan B juga mempunyai diagonalnya sendiri, oleh
karena itu A perlu dipindah menjadi C = AB1 dan e menjadi f = Be,
sehingga menjadi :
Dari formula di atas, koefisien C adalah respons terhadap adanya aksi
atau inovasi (Responses of Innovations).
c. The Cholesky Decomposition:
The Cholesky Decomposition atau biasa disebut juga dengan The
Variance Decomposition memberikan informasi mengenai variabel inovasi
yang relatif lebih penting dalam VAR. Pada dasarnya test ini merupakan
metode lain untuk menggambarkan sistem dinamis yang terdapat 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.
68
Dekomposisi varian juga merupakan metode lain dari system dinamik
dengan mengunakan VAR. Jika respons terhadap adanya aksi menunjukkan
efek dari sebuah kebijakan (shock) variable endogen terhadap variable lain.
Sebaliknya, dekomposisi varian akan menguraikan inovasi pada sebuah
variable endogen terhadap komponen goncangan (shock) variable yang lain
di dalam VAR.
Berhubungan dengan persamaan pertama pada The Impulse
Responses, perlu ditetapkan terlebih dahulu matriks varian-kovarian dari
pada periode k sehingga persamaannya menjadi
:
Sehingga niai inilah yang disebut sebagai dekompoisi varian.
69
BAB IV
ANALISIS DAN PEMBAHASAN
A. Sekilas Gambaran Umum Indeks Pasar Modal Indonesia
Aktivitas pasar modal yang merupakan salah satu potensi perekonomian
nasional, memiliki peranan yang penting dalam menumbuhkembangkan
perekonomian nasional. Dukungan sektor swasta menjadi kekuatan nasional
sebagai dinamisator aktivitas perekonomian nasional. Pun demikian, di Indonesia,
ternyata pasar modal masih didominasi oleh pemodal asing. Idealnya, dalam pasar
modal perlu ada keseimbangan antara pemodal asing dengan pemodal lokal. Pasar
modal Indonesia masih dianalogikan dengan arena judi, bukan sebagai sarana
investasi. Akibatnya, hal ini menyebabkan peningkatan fluktuasi dan merugikan
investor minoritas. Indonesia memiliki 2 bursa efek, yaitu Bursa Efek Jakarta
(BEJ) dan Bursa Efek Surabaya (BES), yang masing-masing dijalankan oleh
perseroan terbatas. Pada September 2007, Bursa Efek Jakarta dan Surabaya
digabungkan (merger) menjadi Bursa Efek Indonesia (BEI). Melalui merger ini
diharapkan dapat makin memberikan peluang bagi perusahaan ke pasar modal.
Melalui penggabungan ini, biaya pencatatan menjadi lebih murah, karena hanya
mencatatkan saham secara single listing, sudah terakreditasi pada BEI. Sementara
itu, bagi anggota bursa, dengan menjadi anggota bursa atau pemegang saham BEI,
akan langsung menembus pasar. Bagi investor penggabungan ini menjadikan
makin banyaknya pilihan investasi, karena tidak ada lagi pembedaan pasar BES
dan BEJ, karena produk investasi ditawarkan dalam satu atap yaitu BEI.
70
Indeks yang ada di pasar modal Indonesia yang juga tercatat pada Bursa
Efek Indonesia (BEI) adalah :
1. Indeks Individual
Indeks individual menggunakan indeks harga masing-masing saham
terhadap harga dasarnya, atau indeks masing-masing saham yang
tercatat di BEI.
2. Indeks Sektoral
Indeks Sektoral menggunakan semua emiten yang termasuk dalam
masing-masing sektor. Sekarang ini ada 10 sektor yang ada di BEI
yaitu sektor Pertanian, Pertambangan, Industri Dasar, Aneka Industri,
Barang Konsumsi, Properti, Infrastruktur, Keuangan, Perdangangan
dan Jasa, dan Manufaktur.
3. Indeks Harga Saham Gabungan atau IHSG (Composite Stock Price
Index)
Indeks Harga Saham Gabungan atau IHSG (Composite Stock Price
Index) menggunakan semua saham yang tercatat sebagai komponen
penghitungan indeks. IHSG diperdagangkan pertama kali pada tanggal
1 April 1983 dengan nilai dasar 100dan jumlah emiten 12. IHSG
menggunakan Market Value Indeks dalam melakukan penghitungan.
71
4. Indeks LQ45
Indeks LQ45,yaitu indeks yang terdiri dari 45 saham pilihan dengan
mengacu kepada 2 variabel yaitu likuiditas perdagangan dan
kapitalisasi pasar yang likuiditas perdagangan dan kapitalisasi pasar.
Setiap 6 bulan terdapat saham baru yang masuk kedalam LQ45
tersebut.
5. Indeks Syariah atau JII (Jakarta Islamic Index)
JII merupakan indeks yang terdiri dari 30 saham mengakomodasi
syariat investasi dalam Islam atau Indeks yang berdasarkan syariah
Islam. Dengan kata lain, dalam Indeks ini dimasukkan saham-saham
yang memenuhi criteria investasi dalam syariat Islam. Saham-saham
yang masuk dalam Indeks Syariah adalah emiten yang kegiatan
usahanya tidak bertentangan dengan syariah seperti perjudia serta
permainan yang tergolong judi atau perdagangan yang dilarang dan
usaha lembaga keuangan konvensional (ribawi) termasuk perbankan
dan asuransi konvensional.
6. Indeks Papan Utama dan Papan Pengembangan
Yaitu indeks harga saham yang secara khusus didasarkan pada
kelompok saham yang tercatat di BEI yaitu kelompok Papan Utama
dan Papan Pengembangan.
72
7. Indeks KOMPAS 100
Merupakan Indeks Harga Saham hasil kerjasama Bursa Efek Indonesia
dengan harian KOMPAS. Indeks ini meliputi 100 saham dengan
beberapa poses penentuan, yaitu telah tercatat di BEI minimal 3 bulan,
saham tersebut masuk dalam perhitungan IHSG (Indeks Harga Saham
Gabungan). Berdasarkan pertimbangan factor fundamental perusahaan
dan pola perdagangan di bursa, BEI dapat menetapkan untuk
mengeluarkansaham tersebut dalam proses perhitungan indeks harga
100 saham, dan masuk dalam 150 saham dengan nilai transaksi dan
frekwensi transaksi serta kapitalisasi pasar terbesar di Pasar Reguler,
selama 12 bulan terakhir.
B. Perkembangan Pasar Modal Indonesia
Awal tahun 2009 lalu pasar modal BEI didera penurunan luar biasa tajam
akibat kecemasan mendalam akan kehancuran ekonomi global yang berawal dari
krisis subprime mortgage di AS dan sebagian Eropa. Krisis instrumen derivatif
berlandaskan aset KPR berkualitas rendah tersebut menjalar begitu cepat
sekaligus sangat dahsyat. Hampir semua pasar modal baik emerging market
ataupun pasar yang sudah efisien mengalami kejatuhan luar biasa. Tingkat
kejatuhan pasar modal global mencapai kisaran 60-80%. Krisis tersebut
menghapus sebagian besar kekayaan para investor kakap yang telah berinvestasi
selama satu dekade. Dari rakyat biasa hingga para analis keuangan, ekonom
sampai dengan petinggi negara membicarakan krisis ekonomi disertai bumbu
73
politik, anti-kapitalisme, neo-liberalisme, dan berbagai penyedap lainnya sesuai
dengan motif masing-masing kelompok. Perekonomian dan pasar finansial berada
pada kondisi yang rentan dan penuh ketidak-pastian tanpa gairah pada saat itu,
plus kerawanan isu sosial politi jelang pemilu pada paruh pertama 2009.
Setiap krisis akan menciptakan berbagai peluang bisnis dan investasi.
Ketika pasar modal BEI terjungkal hebat hingga level 1.100 an per Januari 2009,
dunia seolah terbalik dimana investor kaya menjadi “miskin” dan terbuka peluang
besar bagi para investor baru “newbie” untuk menjadi kaya. Investor baru dapat
masuk pada saat harga-harga saham terdiskon sangat rendah akibat krisis ekonomi
dan panic selling yang berlebihan. Ini jelas peluang langka. Untuk mendapatkan
peluang investasi sebaik ini mungkin harus menunggu selama kurun 10 tahun lagi.
Situasi saat itu dapat disebut maximum investment opportunity. Namun, peluang
berharga tersebut kurang dimanfaatkan akibat rasa takut dan dampak psikologis
yang dalam akibat kejatuhan pasar finansial dunia. Hal tersebut dapat dimaklumi,
Lehman Brothers, AIG, Citigroup, JP Morgan dan sederet manajer investasi kelas
dunia saja terkapar tak berdaya dihantam badai subprime mortgage tersebut.
Namun kita harus memahami, bahwa fenomena tersebut hanyalah sebuah siklus
yang terus berputar dari masa ke masa. Setelah mengalami krisis, kembali pasar
finansial mengalami booming, kemudian kembali didera krisis dan seterusnya.
Pertumbuhan yang cukup baik dimulai 2006,hingga 2007 dan paruh pertama
2008. Setelah naik 55,3% pada tahun 2006, dan naik lagi 52,1% pada tahun 2007,
Indeks Harga Saham Gabungan (IHSG) menurun 50,7% selama tahun 2008.
Memasuki kuartal III 2008, pasar finansial global mulai limbung dan hancur pada
74
kuartal terakhir 2008. Sampai paruh pertama 2008, BEI mencetak rekor dalam
sejarah hingga level 2830. Kejatuhan BEI disebabkan terutama keluarnya hot
money besar-besaran terutama pada kuartal terkahir 2008.
Pada paruh pertama 2009 indikator ekonomi makro Indonesia yang cukup kuat
dari terpaan krisis global dengan PDB sekitar 4,3% tersebut membuat pasar
kembali memasuki wilayah optimis sekalipun senantiasa dibayangi berbagai
kecemasan akan pemulihan ekonomi global yang belum jelas. Akhirnya jelang
kuartal kedua 2009, IHSG kembali menujukkan kekuataannya dan berhasil up
trend luar biasa hingga 50,1% pada akhir semster 2 tahun 2009. Serta merta
peguatan IHSG diikuti oleh menguatnya nilai tukar IDR terhadap USD menjadi
sekitar Rp. 10.200/USD pada akhir Juni 2009 setelah sempat terpuruk hingga Rp.
12.000/USD pada Desember 2008. Pemulihan tersebut juga didorong oleh
penurunan tingkat suku bunga BI (BI rate) dari 9,5% hingga 6,5% saja secara
periodik. Penguatan IHSG terus berlanjut pada kuartal 3, bahkan berhasil
menembus level psikologis 2000 dengan mulus disertai penguatan IDR/USD pada
kisaran Rp. 9500-10.000/USD. Memasuki kuartal terkhir 2009, para investor
semakin percaya diri bahkan cenderung over confidence terhadap prospek
investasinya. Hal tersebut, membuat IHSG kembali terbang tinggi menembus
level wajarnya di 2250. Bahkan pada November dan Desember 2009, IHSG
berkali-kali menembus level keramat 2500. Namun, para investor nampaknya
belum berani melangkah terlalu jauh sehingga pada kuartal terkhir 2009 IHSG
berfluktuasi pada kisaran 2400-2500 an. Bayangkan, pada 31 Desember 2009,
Indeks Harga Saham Gabungan (IHSG) telah bertengger di atas level 2.500 atau
75
tumbuh sekitar 85,86%. Ini berarti IHSG sudah dipredikasi kembali normal hanya
dalam satu tahun saja. Namun hal yang mencemaskan adalah kenaikan harga
crude oil dunia yang mencapai di atas level USD 80/barrel per 5/11/10. Kenaikan
harga minyak mentah dunia tersebut lebih disebabkan aktivitas spekulasi dari
pada proses supply-demand. www.ekonomi.kompasiana.com (2009).
C. Statistik Deskriptif
1. Perbandingan Deskripsi Statistik
Deskriptif Statistik ini berfungsi untuk memberikan gambaran umum
tentang data yang telah diperoleh. Gambaran umum ini bisa menjadi acuan untuk
melihat karakteristik data yang kita peroleh. Proses pengumpulan data,
pengolahan dan penarikan kesimpulan harus dilakukan dengan baik, cermat, teliti
serta mengikuti kaidah-kaidah dan teori yang benar dan dapat dipertanggung
jawabkan secara ilmiah berupa mean, median, standar deviasi hingga probability
yang dimiliki oleh data.
76
Tabel 4.1
Deskriptif Statistik
LQ45 JII Mean -0.002433 0.082346 Median 0.015785 0.010861 Maximum 1.028847 2.805013 Minimum -1.80389 -1.058425 Std. Dev. 0.523276 0.793296 Skewness -1.415743 1.558402 Kurtosis 7.390954 6.946751 Jarque-Bera 27.29779 25.29131 Probability 0.000001 0.000003 Sum -0.058392 1.9763 Sum Sq. Dev. 6.297809 14.47434 Observations 24 24
Tabel 4.1 memberikan rincian lebih lanjut tentang deskriptif statistik
antara kedua indeks. Uji normalitas menunjukkan bahwa tak satu pun kembali
terdistribusi secara normal. The Jarque-Bera (JB) uji normalitas signifikan pada
1%, dengan nilai pada LQ45 sebesar 27.29779 dan JII sebesar 25.29131
menunjukkan bahwa hipotesis nol dari kenormalan data diterima.
Tabel 4.1 juga menunjukkan statistik deskriptif dari pengembalian kedua
indeks. Dilihat dari mean kedua indeks, jelas bahwa rata-rata return dari JII lebih
dari LQ45 yaitu 0.082346 untuk JII dan -0.002433 untuk LQ45. Begitu juga jika
dilihat dari standar deviasi, yang merupakan pengukuran risiko longgar dan
menunjukkan bahwa LQ45 lebih berisiko daripada JII yaitu 0.793296 untuk JII
dan 0.523276 untuk LQ45. Selanjutnya, total return jangka panjang bagi kedua
indeks, yang diukur dengan jumlah semua kembali pada periode tersebut,
77
menunjukkan bahwa JII memiliki nilai laba jangka panjang sebesar 2.805013
yang lebih tinggi daripada LQ45 sebesar 1.028847.
Grafik 4.1
Deskriptif Statistik
-2
-1
0
1
2
3
2008M01 2008M07 2009M01 2009M07
LQ45 JII
78
2. Risk Adjusted Performance
Investasi portofolio diharapkan dapat meningkatkan keuntungan hanya
dengan meningkatkan risiko sistematisnya (beta), maka dibutuhkan evaluasi
Kinerja Resiko yang Disesuaikan (Risk Adjusted Performance) . Semua investor
memiliki pemikiran yang sama, mereka lebih suka berinvestasi di lini bisnis
berisiko rendah dibandingkan dengan berinvestasi pada sesuatu yang lebih
menguntungkan tetapi lebih berisiko. Dan, jelas, investor mengalokasikan asetnya
harus menyeimbangkan resiko terhadap pengembalian yang diharapkan.
Dengan kata lain, setiap penilaian kinerja harus menyeimbangkan risiko
dan imbal hasil. Itulah fungsi dari Risk Adjusted Performance. Risk Adjusted
Performance menghitung “hadiah” yang akan di dapatkan investor dengan
beberapa penyesuaian terhadap risiko. Yang peneliti maksud dengan hadiah
tergantung pada aplikasi. Mungkin pendapatan, keuntungan serta pengembalian.
Demikian pula dengan risiko dapat diukur sebagai volatilitas, betaserta nilai dalam
resiko.
Tabel 4.2
Risk Adjusted Performance dan Beta dari JII dan LQ45
Indeks Sharpe Ratio
Treynor Index
Jensen Alpha Beta eSDAR
JII 0.119190206 0.109061276 0.07599879 0.8326131 0.16513399
LQ45 0.011937073 0.007107801 -0.00742418 0.8479405 0.16100753
79
Tabel 4.2 diatas menunjukkan resiko pengembalian yang disesuaikan untuk
masing-masing indeks menggunakan empat pengukuran yang berbeda. Indeks
utama adalah IHSG yang terdiri dari semua indeks yang ada dalam bursa efek
Indonesia. Pengukuran pertama adalah sharpe ratio, yang digunakan untuk
mempertimbangkan resiko sistematis dan tidak sistematis. Hasil dari penelitian ini
menunjukkan LQ45 memiliki tingkat pengembalian yang disesuaikan lebih kecil
dari pada JII. Dimana 0.011937073 untuk LQ45 dan 0.119190206 untuk JII.
Dalam pengukuran yang kedua, yaitu Treynor Indeks, hasil penelitian
menunjukkan bahwa tingkat pengembalian LQ45 sebesar 0.109061276 lebih kecil
dari JII sebesar 0.007107801. Dalam kasus ini, LQ45 menghasilkan tingkat
pengembalian yang lebih rendah dari JII (LQ45 sebesar -0.00742418, sedangkan
JII sebesar 0.07599879. Beta menunjukkan bahwa LQ45 memiliki resiko yang
lebih tinggi sebesar 0.8479405 dari pada JII yang hanya sebesar 0.8326131.
Selanjutnya eSDAR memperlihatkan hasil perhitungan lainnya,dimana
LQ45 menghasilkan pengembalian yang lebih redah sebesar 0.16100753 daripada
JII sebesar 0.16513399. Hasil ini tidak jauh bebeda dengan hasil penelitian
Mohamed Albaity dan Rubi Ahmad (2008).
D. Uji Stasionaritas Data
Langkah pertama dalam pembentukan model VAR adalah melakukan uji
stsionaritas data. Jika data adalah stasioner pada tingkat level, maka peneliti akan
menggunakan model VAR biasa (unrestricted VAR). Sebaliknya jika data tidak
stasioner pada level tapi stasioner pada proses diferensi data, maka kita harus
menguji apakah data mempunyai hubungan dalam jangka panjang atau tidak
80
dengan melakukan uji kointegrasi. Apabila terdapat kointegrasi maka model yang
yang akan peneliti gunakan adalah model Vector Error Correction Model
(VECM).. Uji Stasionaritas data yang peneliti lakukan adalah dengan
menggunakan adalah uji akar unit Augmented Dickey-Fuller (ADF).
Tabel 4.3
Uji ADF untuk JII dengan Konstanta pada Tingkat Level
Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.074729 0.0718 Test critical values: 1% level -4.004425
5% level -3.098896 10% level -2.690439
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 09:05 Sample (adjusted): 2008M11 2009M12 Included observations: 14 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -2.158358 1.040308 -2.074729 0.1297 D(JII(-1)) 1.097698 0.817403 1.342909 0.2719 D(JII(-2)) 1.072528 0.535456 2.003018 0.1389 D(JII(-3)) 0.700162 0.455466 1.537245 0.2218 D(JII(-4)) 0.583522 0.443668 1.315224 0.2799 D(JII(-5)) 0.631806 0.380049 1.662433 0.1950 D(JII(-6)) 0.702995 0.325535 2.159509 0.1196 D(JII(-7)) 0.479071 0.356091 1.345359 0.2712 D(JII(-8)) 0.247148 0.285007 0.867163 0.4496
81
D(JII(-9)) 0.212859 0.183603 1.159347 0.3302 C 0.037360 0.112653 0.331638 0.7620
R-squared 0.999572 Mean dependent var -0.031056 Adjusted R-squared 0.998146 S.D. dependent var 0.730462 S.E. of regression 0.373790 Akaike info criterion 0.900739 Sum squared resid 0.419157 Schwarz criterion 1.402855 Log likelihood 4.694829 F-statistic 4.664590 Durbin-Watson stat 2.591842 Prob(F-statistic) 0.115819
Pada Tabel 4.3, dalam uji ADF untuk JII dengan Konstanta pada Tingkat
Level dapat kita lihat bahwa nilai statistik t pada output adalah sebesar -2.074729,
masih lebih kecil daripada nilai kritik pada nilai statistik McKinon pada tingkat
kepercayaan 1%, 5%, maupun 10%. Serta nilai Probabilitas sebesar 0.0718 masih
lebih besar daripada nilai kritik α = 0,05 (0.0718 > 0,05). Hasil output tersebut
menunjukkan bahwa data tidak stasioner.
Tabel 4.4
Uji ADF untuk LQ45 dengan Konstanta pada Tingkat Level
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 8 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.301463 0.6936 Test critical values: 1% level -3.959148
5% level -3.081002 10% level -2.681330
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 15
82
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 09:06 Sample (adjusted): 2008M10 2009M12 Included observations: 15 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -1.556639 0.247028 -6.301463 0.0015 D(LQ45(-1)) 0.667571 0.229429 2.909710 0.0334 D(LQ45(-2)) 0.679606 0.214125 3.173879 0.0247 D(LQ45(-3)) 0.749431 0.213462 3.510839 0.0171 D(LQ45(-4)) 0.502725 0.197348 2.547399 0.0514 D(LQ45(-5)) 0.648430 0.184476 3.514982 0.0170 D(LQ45(-6)) 0.676100 0.175087 3.861512 0.0119 D(LQ45(-7)) 0.544932 0.156506 3.481864 0.0176 D(LQ45(-8)) 0.530143 0.113918 4.653723 0.0056
C 0.060157 0.057508 1.046061 0.3434
R-squared 0.964551 Mean dependent var 0.129127 Adjusted R-squared 0.900744 S.D. dependent var 0.655328 S.E. of regression 0.206461 Akaike info criterion -0.082689 Sum squared resid 0.213131 Schwarz criterion 0.089345 Log likelihood 10.62017 F-statistic 15.11654 Durbin-Watson stat 2.531551 Prob(F-statistic) 0.004029
Dan pada table 4.4 uji ADF untuk LQ45 dengan Konstanta pada Tingkat
Level, dapat kita lihat bahwa nilai statistik t pada output adalah sebesar -6.301463,
masih lebih kecil daripada nilai kritik pada nilai statistik McKinon pada tingkat
kepercayaan 1%, 5%, maupun 10%. Serta nilai Probabilitas sebesar 0.6936 masih
lebih besar daripada nilai kritik α = 0,05 (0.6936 > 0,05). Hasil output tersebut
menunjukkan bahwa data tidak stasioner.
83
Tabel 4.5
Uji ADF untuk JII dengan Konstanta pada Tingkat 1st Difference
Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.854094 0.0718 Test critical values: 1% level -3.886751
5% level -3.052169 10% level -2.666593
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 17
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 09:07 Sample (adjusted): 2008M08 2009M12 Included observations: 17 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(JII(-1)) -3.033181 1.062747 -2.854094 0.0171 D(JII(-1),2) 1.336102 0.937434 1.425275 0.1845 D(JII(-2),2) 0.735725 0.764592 0.962245 0.3586 D(JII(-3),2) 0.367890 0.587660 0.626026 0.5453 D(JII(-4),2) 0.009168 0.383674 0.023894 0.9814 D(JII(-5),2) -0.147295 0.194409 -0.757656 0.4661
C -0.088491 0.168436 -0.525371 0.6108
R-squared 0.928996 Mean dependent var -0.141811 Adjusted R-squared 0.886393 S.D. dependent var 2.046148 S.E. of regression 0.689666 Akaike info criterion 1.387683 Sum squared resid 4.756395 Schwarz criterion 1.730771 Log likelihood -13.29531 F-statistic 21.80615 Durbin-Watson stat 2.455433 Prob(F-statistic) 0.000034
84
Sedangkan dari output yang dihasilkan pada uji ADF untuk JII dengan
Konstanta pada Tingkat 1st Difference pada table 4.5, terlihat bahwa nilai statistik
t sebesar -2.854094 sudah lebih besar daripada nilai t pada tabel McKinon pada
tingkat kepercayaan 1%, 5%, maupun 10%. Serta nilai probabilitasnya sebesar
0.0008 sudah lebih kecil dari nilai kritik 0,05 (0.0008 < 0,05). Dengan demikian
data telah stasioner pada diferensiasi tahap pertama (1st difference) dan hipotesis
null dapat ditolak.
Tabel 4.6
Uji ADF untuk LQ45 dengan Konstanta pada Tingkat 1st Difference
Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.069104 0.0002 Test critical values: 1% level -4.057910
5% level -3.119910 10% level -2.701103
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 13
85
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 09:07 Sample (adjusted): 2008M12 2009M12 Included observations: 13 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(LQ45(-1)) -2.684797 2.511260 -1.069104 0.3970 D(LQ45(-1),2) 1.152478 2.073370 0.555848 0.6342 D(LQ45(-2),2) 1.172008 1.893423 0.618989 0.5990 D(LQ45(-3),2) 1.189882 1.698094 0.700716 0.5560 D(LQ45(-4),2) 0.951853 1.486851 0.640181 0.5876 D(LQ45(-5),2) 0.898892 1.141556 0.787427 0.5135 D(LQ45(-6),2) 0.976561 0.952546 1.025211 0.4131 D(LQ45(-7),2) 0.877278 0.800476 1.095945 0.3875 D(LQ45(-8),2) 0.803717 0.555740 1.446212 0.2850 D(LQ45(-9),2) 0.323601 0.432923 0.747480 0.5327
C 0.017575 0.155479 0.113035 0.9203
R-squared 0.962614 Mean dependent var -0.033830 Adjusted R-squared 0.775684 S.D. dependent var 0.941675 S.E. of regression 0.445996 Akaike info criterion 1.043494 Sum squared resid 0.397826 Schwarz criterion 1.521528 Log likelihood 4.217290 F-statistic 5.149591 Durbin-Watson stat 2.420794 Prob(F-statistic) 0.173466
Dan dari output yang dihasilkan pada uji ADF untuk LQ45 dengan
Konstanta pada Tingkat 1st Difference pada table 4.6, terlihat bahwa nilai statistik
t sebesar -1.069104 sudah lebih besar daripada nilai t pada tabel McKinon pada
tingkat kepercayaan 1%, 5%, maupun 10%. Serta nilai probabilitasnya sebesar
0,0002 sudah lebih kecil dari nilai kritik 0,05 (0,0002 < 0,05). Dengan demikian
data telah stasioner pada diferensiasi tahap pertama (1st difference) dan hipotesis
null dapat ditolak.
86
87
E. Uji Kointegrasi
Sebagaimana dinyatakan oleh Engle-Granger (1983) keberadaan variabel
non stsaioner menyebabkan kemungkinan besar adanya hubungan jangka panjang
antara variabel di dalam sistim VAR. berkaitan dengan ini, maka langkah
selanjutnyadi dalam estimasi VAR adalah uji kointegrasi unuk mengetahui
keberadaan hubungan antar variabel. Pada langkah ini peneliti akan mengetahui
apakah model ini merupakan VAR tingkat diferensiasi jika tidak ada kointegrasi
dan VECM bila terdapat kointegrasi.
Tabel 4.7
The Johansen and Juselius Cointegration Test
Date: 08/06/10 Time: 09:13 Sample (adjusted): 2008M03 2009M12 Included observations: 22 after adjustments Trend assumption: Linear deterministic trend Series: JII LQ45 Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.734407 34.66332 15.49471 0.0000 At most 1 * 0.221056 5.495948 3.841466 0.0191
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
88
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.734407 29.16738 14.26460 0.0001 At most 1 * 0.221056 5.495948 3.841466 0.0191
Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
Dari hasil uji kointegrasi yang peneliti lakukan, terdapat kointegrasi antara
variabel JII dan LQ45 pada �=5%.. Hal ini membuktikan bahwa terdapat
hubungan jangka panjang antara JII dengan LQ45. Dengan kata lain, hanya ada
satu persamaan kointegrasi atau satu persamaaan keseimbangan kointegrasi yang
menyebabkan kedua indeks akan memiliki kecenderungan trend yang sama dalam
jangka panjang.
Selain itu, ini menunjukkan bahwa mekanisme penyaringan LQ45
mungkin tidak mempunyai efek pada perilaku temporal dibandingkan dengan JII.
Dengan kata lain, yang menjatuhkan perusahaan yang tidak sesuai dengan proses
seleksi tidak akan mempengaruhi tren bersama dengan JII. Hal ini bertentangan
dengan Rudd (1981), yang menyarankan bahwa proses seleksi akan cenderung
memaksakan risiko yang lebih dan biaya pada portofolio etis. Ini kembali akan
menyebabkan investasi etis untuk memasukkan efek yang lebih sedikit.
89
F. Vector Error Cointegration Model (VECM)
Berdasarkan hasil dari Uji Akar Unit dan Uji Kointegrasi yang telah
dilakiukan, diketahui bahwa model yang tepat untuk menganalisis hubungan
antara JII dan LQ45 adalah VECM. Panjang kelambanan optimal yang diperoleh
berdasarkan kriteria AIC adalah 5. hasil estimasi model VECM ditampilkan pada
tabel 4.8. Bagian atas merupakan hasil regresi jangka panjang hubungan JII dan
LQ45 didasarkan pada uji kointegrasi. Bagian berikutnya menunjukkan hasil
regresi VECM. Informasi seanjutnya merupakan informasi statistik untuk masing-
masing persamaan dan bagian bawah adalah informasi statistik untuk system
VAR secara menyeluruh. Angka yang dikurung pertama menunjukkan standar
error dan angka kedua menunjukkan t hitung.
Tabel 4.8
Vector Error Correction Estimates
Vector Error Correction Estimates
Date: 08/06/10 Time: 09:31
Sample (adjusted): 2008M07 2009M12
Included observations: 18 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
JII(-1) 1.000000
LQ45(-1) 0.750939
(0.12271)
[ 6.11959]
C -0.115650
Error Correction: D(JII) D(LQ45)
90
CointEq1 -4.511381 0.042817
(1.57868) (1.23637)
[-2.85770] [ 0.03463]
D(JII(-1)) 3.314941 -0.209923
(1.38711) (1.08634)
[ 2.38982] [-0.19324]
D(JII(-2)) 2.638289 -0.587637
(1.20233) (0.94163)
[ 2.19431] [-0.62406]
D(JII(-3)) 1.992547 -0.656219
(0.97381) (0.76266)
[ 2.04613] [-0.86043]
D(JII(-4)) 0.836201 -0.312507
(0.72351) (0.56663)
[ 1.15576] [-0.55152]
D(JII(-5)) 0.492133 -0.232602
(0.36925) (0.28918)
[ 1.33280] [-0.80434]
D(LQ45(-1)) 2.202004 -1.063187
(1.16350) (0.91122)
[ 1.89257] [-1.16678]
D(LQ45(-2)) 1.475200 -0.529931
(0.98499) (0.77141)
[ 1.49768] [-0.68696]
D(LQ45(-3)) 0.738588 -0.413301
(0.59882) (0.46897)
[ 1.23341] [-0.88129]
D(LQ45(-4)) -0.011734 -0.319500
(0.37053) (0.29019)
[-0.03167] [-1.10101]
D(LQ45(-5)) -0.673252 -0.047556
(0.33345) (0.26115)
[-2.01902] [-0.18210]
C -0.045308 0.047680
(0.17125) (0.13412)
[-0.26457] [ 0.35550]
91
R-squared 0.891355 0.816890
Adj. R-squared 0.692172 0.481188
Sum sq. resids 2.949289 1.808952
S.E. equation 0.701105 0.549083
F-statistic 4.475053 2.433378
Log likelihood -9.261623 -4.862276
Akaike AIC 2.362403 1.873586
Schwarz SC 2.955984 2.467167
Mean dependent 0.047322 0.013660
S.D. dependent 1.263655 0.762312
Determinant resid covariance (dof adj.) 0.109740
Determinant resid covariance 0.012193
Log likelihood -11.41997
Akaike information criterion 4.157774
Schwarz criterion 5.443867
Pada tabel 4.8 masing-masing lag yang digunakan dalam estimasi ini
adalah 5 kelambanan berdasarkan kriteria informasi Akaike. Hanya signifikan lag
yang dilaporkan dalam bagian ini yaitu lag 1 karena memiliki nilai absolute yang
paling kecil. Karena koefisien adalah negatif, kesalahan positif cenderung
menyebabkan JII menjadi negatif dan karenanya LQ45 jatuh.
G. Analisis Dalam Model VAR
Hasil estimasi VAR seringkali tdak memuaskan saat dilihat dari uji t.
Kelambanan variabel endogen di dalam system VAR mungkin tidak signifikan
secara statistic. Selain itu secara individual koefisien di dalam model VAR sulit
diinterpretasikan. Oleh karenna itu, diperlukan analisis guna meminimalisir
kekurangan-kekurangan dalam model VAR tersebut antara lain dengan Impulse
Response, Variance Decomposition dan Granger Causality Test.
92
Tabel 4.9
The Impulse Responses
Accumulated Response of JII: Period JII LQ45
1 0.916816 0.000000 2 1.145478 -0.333075 3 1.261656 -0.417575 4 1.749135 -0.542850 5 2.032278 -0.734619 6 2.308337 -0.868243 7 2.665965 -1.014245 8 2.973638 -1.174238 9 3.282733 -1.320516 10 3.609792 -1.470363 11 3.924712 -1.623088 12 4.240682 -1.772606 13 4.560561 -1.923107 14 4.877520 -2.074186 15 5.194887 -2.224520 16 5.513094 -2.375117 17 5.830604 -2.525825 18 6.148247 -2.676362 19 6.466068 -2.826968 20 6.783723 -2.977594 21 7.101418 -3.128181 22 7.419150 -3.278785 23 7.736843 -3.429393 24 8.054547 -3.579992
Accumulated Response of LQ45:
Period JII LQ45
1 -0.108131 0.388030 2 -0.329749 0.396843 3 -0.892847 0.576406 4 -1.108995 0.775736 5 -1.435446 0.900201 6 -1.818991 1.065095 7 -2.124490 1.232258 8 -2.458716 1.382660 9 -2.803906 1.543032 10 -3.131155 1.703299
93
11 -3.465847 1.859866 12 -3.802514 2.018862 13 -4.135092 2.177688 14 -4.469564 2.335706 15 -4.804358 2.494310 16 -5.138228 2.652841 17 -5.472573 2.811197 18 -5.806961 2.969694 19 -6.141142 3.128166 20 -6.475440 3.286601 21 -6.809741 3.445070 22 -7.143995 3.603530 23 -7.478279 3.761983 24 -7.812561 3.920444
Cholesky Ordering: JII LQ45
Karena secara individual koefisien di dalam model VAR sulit
diinterpretasikan maka peneliti menggunakan Impulse Response untuk melacak
respon endogen dalam sistem penghitungan VECM dari penelitian ini yang
disebabkan oleh goncangan (shock) atau perubahan dalam variabel gangguan (e).
Adanya shock variable gangguan dalam nilai JII, misalnya mengalami
kenaikan sebesar satu deviasi standar, akan mempengaruhi nilai LQ45 saat ini
maupun di masa mendatang. Begitu pula sebaliknya. Hasilnya dapat dilihat pada
table 4.9 di atas.
Nilai impulse response karena adanya shock suatu variable terhadap
variable lain di dalam system VAR ditampilkan padakolom 1 dan 2. Misalnya
pada bagian atas menunjukkan respon JII karena shock LQ45. Jika terjadi shock
LQ45 maka nilai JII pada periode kedua sebesar -0.333075. pada bagian kedua
menunjukkan respon LQ45 karena adanya shock variable JII dimana pada periode
kedua nilainya sebesar 0.396843.
94
Grafik 4.1
The Impulse Responses
-4
-2
0
2
4
6
8
10
2 4 6 8 10 12 14 16 18 20 22 24
Accumulated Response of JII to JII
-4
-2
0
2
4
6
8
10
2 4 6 8 10 12 14 16 18 20 22 24
Accumulated Response of JII to LQ45
-8
-6
-4
-2
0
2
4
6
2 4 6 8 10 12 14 16 18 20 22 24
Accumulated Response of LQ45 to JII
-8
-6
-4
-2
0
2
4
6
2 4 6 8 10 12 14 16 18 20 22 24
Accumulated Response of LQ45 to LQ45
Accumulated Response to Cholesky One S.D. Innovations
Setelah peneliti mengestimasi model VAR dengan VECM pada table 4.6,
maka diperoleh hasil analisis respon variabel di dalam system VAR akibat shock
variabel yang lain. Pada grafik 4.1 terdapat 4 grafik hasil Impulse Response dalam
periode 24 bulan.
95
Tabel 4.10
Variance Decomposition
Variance Decomposition of JII:
Period S.E. JII LQ45
1 0.916816 100.0000 0.000000 2 1.001887 88.94785 11.05215 3 1.012134 88.47349 11.52651 4 1.130374 89.53054 10.46946 5 1.180970 87.77159 12.22841 6 1.220145 87.34488 12.65512 7 1.279831 87.19630 12.80370 8 1.325982 86.61619 13.38381 9 1.369367 86.30973 13.69027 10 1.415834 86.07347 13.92653 11 1.458454 85.77893 14.22107 12 1.499760 85.55759 14.44241 13 1.540861 85.36379 14.63621 14 1.580361 85.17239 14.82761 15 1.618908 85.00777 14.99223 16 1.656743 84.85844 15.14156 17 1.693613 84.71866 15.28134 18 1.729706 84.59232 15.40768 19 1.765099 84.47600 15.52400 20 1.799769 84.36790 15.63210 21 1.833787 84.26816 15.73184 22 1.867193 84.17547 15.82453 23 1.900006 84.08899 15.91101 24 1.932262 84.00833 15.99167
Variance Decomposition of LQ45:
Period S.E. JII LQ45
1 0.402815 7.205904 92.79410 2 0.459839 28.75680 71.24320 3 0.748848 67.38648 32.61352 4 0.804504 65.60393 34.39607 5 0.877091 69.04775 30.95225 6 0.971383 71.88362 28.11638 7 1.031920 72.46155 27.53845 8 1.095074 73.65994 26.34006 9 1.159337 74.58559 25.41441
96
10 1.215253 75.13128 24.86872 11 1.270185 75.71642 24.28358 12 1.323629 76.19491 23.80509 13 1.373983 76.57152 23.42848 14 1.422909 76.92171 23.07829 15 1.470344 77.22320 22.77680 16 1.516085 77.48343 22.51657 17 1.560569 77.71913 22.28087 18 1.603843 77.92864 22.07136 19 1.645935 78.11609 21.88391 20 1.686998 78.28643 21.71357 21 1.727087 78.44088 21.55912 22 1.766258 78.58163 21.41837 23 1.804583 78.71073 21.28927 24 1.842111 78.82936 21.17064
Cholesky Ordering: JII LQ45
Tabel 4.10 menampilkan hasil dekomposisi varians dari kedua seri selama
24 bulan. Analisis Variance Decompotition menggambarkan relatif pentingnya
setiap variabel lain di dalam sistem VAR karena adanya shock. Analisis ini
berguna untuk memprediksi kontribusi presentase varian setiap variabel karena
adanya perbahan variabel tertentu di dalam sistim VAR. Dalam response of LQ45,
LQ45 adalah yang paling eksogen karena total LQ45 memiliki nilai lebih tinggi
dibandingkan dengan JII. Hal ini menunjukkan bahwa JII tidak berpengaruh,
walaupun tidak signifikan secara statistic. Hasil menunjukkan bahwa, meskipun
secara statistik tidak signifikan, JII adalah yang paling endogen, karena hingga 24
bulan, total pada response of JII menunjukkan bahwa JII memiliki total lebih
tinggi dibandingkan dengan LQ45.
97
Pada periode 1 varian JII yang dijelaskan oleh variabel itu sendiri sebesar
100%. Periode 2 varian JII dijelaskan oleh variabelitu sendiri sebesar 88,94%
sedangkan sisanya sebesar 11,05% dijelaskan oleh LQ45. Sementara itu, pada
bagian kedua pada periode 1 varian LQ45 dijelaskan oleh variabel itu sendiri
sebesar 92,79% sedangkan sisanya sebesar 7,20% dijelaskan oleh JII.
Grafik 4.2
Variance Decompostion
0
20
40
60
80
100
2 4 6 8 10 12 14 16 18 20 22 24
Percent JII variance due to JII
0
20
40
60
80
100
2 4 6 8 10 12 14 16 18 20 22 24
Percent JII variance due to LQ45
0
20
40
60
80
100
2 4 6 8 10 12 14 16 18 20 22 24
Percent LQ45 variance due to JII
0
20
40
60
80
100
2 4 6 8 10 12 14 16 18 20 22 24
Percent LQ45 variance due to LQ45
Variance Decomposition
98
Tahap terakhir adalah Uji Kausalitas Granger dengan tujuan menganalisis
hubungan dua arah antar variabel. Panjang kelambanan dalam model kausalitas ini
juga menggunakan kriteria Akaike hingga lag maksimum yaitu 6.
Tabel 4.11
Granger Causality Test
Uji Kausalitas Granger Kelambanan 1 Pairwise Granger Causality Tests Date: 06/04/10 Time: 00:44 Sample: 2008M01 2009M12 Lags: 1
Null Hypothesis: Obs F-Statistic Probability
LQ45 does not Granger Cause JII 23 1.08364 0.31031 JII does not Granger Cause LQ45 2.12691 0.16026
Uji Kausalitas Granger Kelambanan 2 Pairwise Granger Causality Tests Date: 06/04/10 Time: 00:45 Sample: 2008M01 2009M12 Lags: 2
Null Hypothesis: Obs F-Statistic Probability
LQ45 does not Granger Cause JII 22 1.15479 0.33865 JII does not Granger Cause LQ45 10.8464 0.00192*
99
Uji Kausalitas Granger Kelambanan 3 Pairwise Granger Causality Tests Date: 06/04/10 Time: 00:45 Sample: 2008M01 2009M12 Lags: 3
Null Hypothesis: Obs F-Statistic Probability
LQ45 does not Granger Cause JII 21 0.70992 0.56200 JII does not Granger Cause LQ45 7.56420 0.01302**
Uji Kausalitas Granger Kelambanan 4 Pairwise Granger Causality Tests Date: 06/04/10 Time: 00:46 Sample: 2008M01 2009M12 Lags: 4
Null Hypothesis: Obs F-Statistic Probability
LQ45 does not Granger Cause JII 20 0.84714 0.52408 JII does not Granger Cause LQ45 4.72593 0.01029**
Uji Kausalitas Granger Kelambanan 5 Pairwise Granger Causality Tests Date: 06/07/10 Time: 22:03 Sample: 2008M01 2009M12 Lags: 5
Null Hypothesis: Obs F-Statistic Probability
LQ45 does not Granger Cause JII 19 0.98929 0.47993 JII does not Granger Cause LQ45 2.72342 0.00924*
100
Uji Kausalitas Granger Kelambanan 6 Pairwise Granger Causality Tests Date: 06/07/10 Time: 22:05 Sample: 2008M01 2009M12 Lags: 6
Null Hypothesis: Obs F-Statistic Probability
LQ45 does not Granger Cause JII 18 0.04500 0.22482 JII does not Granger Cause LQ45 1.96655 0.00079*
Uji Kausalitas Granger Kelambanan 7 Pairwise Granger Causality Tests Date: 06/11/10 Time: 19:54 Sample: 2008M01 2009M12 Lags: 7
Null Hypothesis: Obs F-Statistic Probability
JII does not Granger Cause LQ45 17 7.46729 0.12315 LQ45 does not Granger Cause JII 1.12648 0.00054*
*,** dan *** menunjukkan signifikansi pada �=1% �=5% dan �=10% Tabel 4.11 merangkum hasil dari setiap variabel kausalitas dimana pada
penelitian ini tujuan dari uji kausalitas yang telah dilakukan adalah untuk mencari
hubungan sebab akibat antar variabel endogen dalam sistem VAR. Ada atau
tidaknya kausalitas ini diuji melalui uji F atau dilihat dari nilai probabilitasnya..
Dalam penelitian ini, pada lag 1 tidak terdapat kausalitas sama sekali antara
variabel. Sedangkan pada lag 2 hingga lag 7 hasilnya sama yaitu terdapat
kausalitas satu arah dari JII ke LQ45.
101
H. Interpretasi
Pada hipotesis pertama, peneliti menganalisa perbedaan keseimbangan
risiko dan pengembalian (risk-return tradeoff) saham dari indeks saham syariah
dan konvensional yaitu Jakarta Islamic Index dan LQ45 pada Bursa Efek
Indonesia (BEI). Hasilnya adalah terdapat perbedaan keseimbangan risiko dan
pengembalian (risk-return tradeoff) saham dari kedua indeks tersebut. Hal ini
dibuktikan dari hasil penghitungan Risk Adjusted Performance, peneliti
menemukan hasil yang menunjukkan resiko pengembalian yang disesuaikan
untuk masing-masing indeks menggunakan empat pengukuran yang berbeda.
Indeks utama adalah IHSG yang terdiri dari semua indeks yang ada dalam bursa
efek Indonesia. Pengukuran pertama adalah sharpe ratio, yang digunakan untuk
mempertimbangkan resiko sistematis dan tidak sistematis. Hasil dari penelitian ini
menunjukkan LQ45 memiliki tingkat pengembalian yang disesuaikan lebih kecil
dari pada JII. Dalam pengukuran yang kedua, yaitu Treynor Indeks, hasil
penelitian menunjukkan bahwa tingkat pengembalian LQ45 lebih kecil dari JII.
Dalam kasus ini, LQ45 menghasilkan tingkat pengembalian yang lebih rendah
dari JII. Beta menunjukkan bahwa LQ45 memiliki resiko yang lebih tinggi dari
pada JII. Selanjutnya eSDAR memperlihatkan hasil perhitungan lainnya,dimana
LQ45 menghasilkan pengembalian yang lebih redah sebesar daripada JII sebesar.
Pada hipotesis kedua, peneliti menganalisa hubungan jangka panjang
diantara Jakarta Islamic Index dengan LQ45. Dari hasil uji kointegrasi yang
102
peneliti lakukan, terdapat kointegrasi antara variabel JII dan LQ45 pada �=5%..
Hal ini membuktikan bahwa terdapat hubungan jangka panjang antara JII dengan
LQ45. Dengan kata lain, hanya ada satu persamaan kointegrasi atau satu
persamaaan keseimbangan kointegrasi yang menyebabkan kedua indeks akan
memiliki kecenderungan trend yang sama dalam jangka panjang. Berdasarkan
hasil dari Uji Akar Unit dan Uji Kointegrasi yang telah dilakiukan, diketahui
bahwa model yang tepat untuk menganalisis hubungan antara JII dan LQ45 adalah
VECM dan hasil yang didapat adalah terdapat hubungan jangka panjang diantara
Jakarta Islamic Index dengan LQ45.
103
DAFTAR PUSTAKA Albaity, dan Ahmad, R. “Performance of Syariah and Composite Indices :
Evidence from Bursa Malaysia.” Malaysian Management Journal, 2008. Kurniawan, Todi. “Voltalitas Saham Syariah (Analisis Atas Jakarta Islamic
Index)”. KARIM Review Special Edition, January 2008. Siahaan , Hinsa. “Analisis Risiko dan Pengembalian Satu Saham dan Analisa
Portofolio Dua Saham”. Badan Kebijakan Fiskal Keuangan RI, Maret 2007.
Agustianto . “Pasar Modal Syaiah”. Artikel pada www.pesantrenvirtual.com,
2008. Hakim, S. dan Rashidian, M. “Risk and Return of Islamic Stock Market Indexes", Presented at the International Seminar of Nonbank Financial Institutions: Islamic Alternatives, Kuala Lumpur, Malaysia. 2002 : 10 www.idx.co.id Bodie, Kane, Marcus. “ Investments”. CFA Editions, 1991 Rodoni, A, dan Hamid, A. “Lembaga Keuangan Syariah”. Jakarta : Zikrul Hakim, 2008 Widarjono, Agus. “Ekonometrika, Teori dan Aplikasi Untuk Ekonomi dan Bisnis” Edisi Kedua. Rulindo, R, dan Kurniawan, T. “Hubungan Risiko dan Imbal Hasil dari IHSG dan JII”. Journal Riset Bisnis dan Manajemen, 2006. Ahmad, Z, dan Ibrahim, H. (2002). “ A Study of The Performance of The KLSE Syari'ah Index”. Malaysian Management Journal, 6(1), 25–34. Syauqi Beik, Irfan. “Prinsip Pasar Modal Islami”. Republika , 2003. Achsien, H Iggi.” Investai Syari’ah di Pasar Modal “. Jakarta: Gramedia, 2003. Metwally. M.M, Prof. DR. “Teori dan Model Ekonomi Islam”. PT. Bankit Daya Insana, Jakarta, 1995. Adiwarman, A. Karim, “Sejarah Pemikiran Ekonomi Islam” . Jakarata: Gema Insani Press, 2008.
104
Rodoni, Ahmad dan Yong, Othman. “Analisis Investasi dan Portfolio”. Murai Kencana, Jakarta. 2001.
Suad, Husnan. “Dasar-Dasar Teori Portfolio dan Analisis”. Edisi 3, AMP
YKPN, Yogyakarta. 2001. Tjahjono, Heru. K. “Pengaruh Kurs dan Suku Bunga Terhadap Indeks Harga
Saham LQ45 : Pendekatan Kesalahan”. JESP, Vol.1, 2004. Wahyu, Wing, Winarno.”Analisis Ekonometrika dan Statistika dengan
Eviews”.Cetakan Pertama, STIM YKPN, Yogyakarta. 2007. Nachrowi, dan Hardius, Usman. “Pendekatan Populer dan Prektisi Ekonometrika
untuk Analisis Ekonomi dan Keuangan”.Lembaga Penerbit Fakultas Ekonom UI. Jakarta. 2006
Huda, N dan M. E. Nasution.”Investasi pada Pasar Modal Syariah”. Edisi 1.
Penerbit Kencana,Jakarta. 2007 Hamid, Abdul. “Panduan Penulisan Skripsi”. Jakarta : FEIS UIN Syarif
HIdayatullah Press, 2007. Suharyadi, dan Purwanto. “Statistik Untuk Ekonomi dan Keuangan Modern”.
Salemba Empat. 2004. Sartono, Agus. “Manajemen Keuangan Teori dan Aplikasi”. Edisi Ke Empat,
BPFE, Yogyakarta. 2001. Mulyono, Sri. “Statistika untuk Ekonomi”. Edisi 2. Lembaga Penerbit FEUI.
Jakarta. 2003. Kewon, J. Arthur dkk. “Manajemen Keuangan : Prinsip-Prinsip dan Aplikasi”.
Edisi 9. PT.Indeks, Jakarta, 2004. Halim, Abdul. “Analisis Investasi”.Edisi Ke-2, Salemba Empat, Jakarta, 2005. Alwi, Iskandar. “Pasar Modal Teori dan Aplikasi”. Nasindo Internusa. Jakarta.
2003. Darmaji, Tjiptono dan M. Hendy. “Pasar Modal di Indonesia”. Salemba Empat.
Jakarta. 2001. Jogiyanto. “Teori Portfolio dan Analisis Investasi”. Edisi II. BPFE, Yogyakarta,
2000. Samsul, Muhammad. “Pasar Modal dan Manajemen Portfolio”. Erlangga. 2006.
105
Sartono, Agus. “Manajemen Keuangan Teori dan Aplikasi”. BPFE, Yogyakarta. 2001.
Rusdin.”Pasar Modal”. Cetakan Kesatu, Bandung, Alfabeta, 2006. Bungin, Burhan. “Metodologi Penelitian Kuantitatif : Komunikasi, Ekonomi dan
Kebijakan Publik serta Ilmu-Ilmu Sosial Lainnya”. Kencana : Jakarta. 2008.
Charles P. Jones. “Investment Analysis and Management”. 9th Edition. New York
: Johm Wiley and Sons, 2004. Fakhruddin, dan Sopian. M. Hadianto. “Perangkat dan Model Analisis Investasi
di Pasar Modal”. Buku I. Elex Media Komputindo, 2001. Darmadji, Tjiptono dan Fakhruddin, H. M. “Pasar Modal di Indonesia”. Jakarta :
Penerbit Salemba Empat. 2001. www.republika.co.id (2006) www.islamiconomics.wordpress.com Fatwa Dewan Syari’ah Nasional No : 32/DSN-MUI/IX/2002
106
Lampiran I
107
108
109
Return Investment JII Periode 2008
2008 AALI ANTR BMTR BUMI CTRA ELTY INCO
Jan -
0.071920628 0.1470591 -0.03883495 0.117647 -0.06494 0.068966 0.02381
Feb -
0.024691244 -0.01205 -0.011111111 -0.03145 0.128571 0.080645 0.016129
Mar -0.20747676 -0.09352733 -0.1066667 -0.15891 -0.225 -0.17593 -0.09091
Apr 0.0172423 0.00729895 -0.0153846 0.056452 -0.0101 0.052632 0.015748
Mei 0.001894031 -0.03703549 -0.0614286 0.006249 -0.10909 0 -0.06154
Jun -
0.027778015 -0.03876136 -0.07368421 -0.08537 -0.02469 -0.01408 -0.03306
Jul -
0.022988641 0 -0.01282051 1.835499 -0.01961 -0.02677 1.051703
Agu -
0.013736346 -0.015625 0.16666667 0.009174 0.011111 0 0.807691
Sep 0.36603771 -0.28082192 -0.1 -0.47647 -0.18421 -0.41304 0.164886
Okt 0.070797281 0.106382979 -0.07692 0.166667 0.59375 -0.08333 0.211808
Nov 0.290076606 0 -0.027027 -0.58776 -0.055 -0.2 -0.04061
Des 0 0.018691589 0.0526316 -0.02151 0.016575 -0.0137 0.501677
110
Return Investment JII Periode 2009
2009 AALI ANTR BMTR BUMI CTRA ELTY INCO
Jan 0.01395317 0.04716981 0 0.085106 0.08 0.090909 0.020619
Feb 0.061982893 0.052632 -
0.064516129 0.012821 -0.03125 -0.03027 0.035714
Mar 0.091227656 0.061946903 0.10062893 0.071429 0.026316 0.117647 0.182796
Apr 0.085173496 0.07874016 0.0726257 0.178295 0.178295 0.173611 0.137931
Mei -
0.040431446 0.042105263 -0.0205128 -0.02 -0.01786 0.134615 0.043478
Jun -
0.002857143 -0.05853659 0.20689655 -0.04255 0.027397 0.051724 0
Jul 0.078218891 0.0795455 -0.01408451 0.365854 0.093333 0.109375 0.02994
Agu -
0.032407407 0.05376344 -0.0606061 -0.03361 -0.07595 -0.01408 0
Sep 0.36603771 0.05 -0.046875 -0.06818 1.807692 -0.04054 0.038216
Okt 0.070797281 -0.11650485 -0.18518519 -0.13636 -0.1 -0.15385 0.043478
Nov 0.081081081 0.055555556 0 0.073684 0.076923 -0.06122 0
Des 0.024774775 0.047619048 0 -0.06593 0 0.066298 0.028902
111
Return Investment LQ45 Periode 2008
2008 KIJA KLBF PTBA TLKM TRUB UNTR UNSP
Jan 0 0.024996 -0.02979 -0.00535 -0.015504 0.163974 0.068966
Feb -0.04918 -0.08695 -0.03376 -0.0297 -0.016807 0.011868 0.011868
Mar -0.11594 -0.0606 -0.08458 -0.0359 0.0120482 -0.17151 -0.17593
Apr 0.084906 -0.01098 0.055556 0.034682 0.0731707 0.173356 0.052632
Mei 0.007042 0 0.118774 -0.05814 -0.044944 0.14399 0
Jun -0.08462 -0.02354 0.118774 0.006849 -0.02439 -0.17648 -0.01408
Jul -0.01504 0.13913 0.034221 -0.0129 -0.635765 -0.06704 -0.02677
Agu 0.017094 -0.04724 0.066176 0.019108 -0.05 -0.02359 0
Sep -0.41489 -0.18462 -0.47236 -0.09155 -0.28481 -0.35751 -0.41304
Okt 0.06 -0.09877 0.190217 -0.08475 -0.035714 -0.02326 -0.08333
Nov 0 0.037975 0.277778 0.063636 0 0 -0.2
Des 0 0.012658 0.022222 0.014706 0 0 -0.0137
112
Return Investment LQ45 Periode 2009
2009 KIJA KLBF PTBA TLKM TRUB UNTR UNSP
Jan 0 0.068966 0.057143 -0.02326 0 0.074468 0.090909
Feb 0 0 -0.04 0.008 0 0.019048 -0.03027
Mar 0 -0.01538 -0.00704 -0.05921 0 -0.08029 0.117647
Apr 0 0.1 0.063953 0.076389 0.0243902 0.273973 0.173611
Mei 0.136364 0.011494 0.022727 0.006757 -0.1158537 0.030457 0.134615
Jun 0.037383 -0.03922 -0.03797 1.131579 -0.067416 -0.00985 0.051724
Jul 0.07377 0.13913 0.119342 0.046784 0.0233918 0.030457 0.109375
Agu -0.05263 -0.04724 -0.01527 -0.0289 -0.023392 -0.01471 -0.01408
Sep -0.02222 0.07377 0.003534 -0.01156 -0.005952 -0.023569 -0.04054
Okt -0.08594 -0.05426 0.016722 -0.0289 -0.148649 -0.0566 -0.15385
Nov 0.050847 0.016 0.136076 0.057143 0.0687023 0.041096 -0.06122
Des 0.017094 0 0.014706 -0.00571 0.0413223 0.016393 0.066298
113
Return Investment, Mean dan Standar Deviasi JII 2008-2009
Perode Ri JII
2008 2009
Jan 0.181791722 0.375690351
Feb 0.146046274 -0.504707526
Mar -1.05842459 -0.943693908
Apr 0.123887332 -0.040494298
Mei -0.260951689 -0.418148947
Jun -0.297420843 -0.042488692
Jul 2.805013199 0.400716171
Agu 0.965281636 0.056447048
Sep -0.923618798 -0.034724128
Okt 0.98915493 0.10578983
Nov -0.620315494 -0.13726887
Des 0.554369813 0.554369813
0.217067791 -0.052376096
Mean 0.082345847
Sdev 0.761856617
114
Return Investment , Mean dan Standar Deviasi LQ45 2008-2009
Periode Ri LQ45
2008 2009
Jan 0.207292 0.268226
Feb -0.143481 -0.043222
Mar -0.5164718 -0.044273
Apr 0.3784167 0.7123162
Mei 0.15968 0.0901963
Jun -0.112867 1.028847
Jul -0.569124 0.4684798
Agu -0.035546 -0.143592
Sep -1.80389 -0.004317
Okt -0.135607 -0.425537
Nov 0.179389 0.2577973
Des 0.035886 0.1330093
-0.196360258 0.191494242
Mean -0.002433008
Sdev 0.504896983
115
Return Market , Mean dan Standar Deviasi IHSG 2008-2009
Periode Rm IHSG
2008 2009
Jan -0.54029 -0.01733
Feb 0.321207 -0.01578
Mar -0.10178 0.122785
Apr 0.052506 0.091339
Mei 0.016463 0.178369
Jun -0.02193 0.086238
Jul -0.03542 0.070002
Agu -0.06213 0.069248
Sep -0.11829 0.028864
Okt -0.38731 0.010223
Nov -0.02038 -0.12878
Des 0.164335 0.034846
Average -0.06109 0.044169
mean -0.00846
median -0.00846
Var 0.030236
St.Dev 0.173885
116
Sertifikat Bank Indonesia 2008-2009
SBI
periode 2008 2009
Jan 0.08 0.09
Feb 0.08 0.08
Mar 0.08 0.08
Apr 0.08 0.08
Mei 0.08 0.07
Jun 0.09 0.07
Jul 0.09 0.07
Agu 0.09 0.07
Sep 0.09 0.07
Okt 0.10 0.07
Nov 0.10 0.07
Des 0.09 0.07
Mean 0.09 0.07
Sdev 0.08
117
Beta Saham JII
Periode Beta JII
2008 2009
Jan 0.7155714 0.568857143
Feb 0.9921429 0.659142857
Mar 0.9591429 0.540857143
Apr 1.0864286 0.699857143
Mei 0.9872857 0.607428571
Jun 1.0812857 0.639
Jul 1.0544286 0.638285714
Agu 1.0967143 0.675571429
Sep 1.0884286 0.673142857
Okt 1.0978571 0.686
Nov 1.1484286 0.646
Des 1.1604286 0.480428571
Average 0.8326131
Max 1.1604286
Min 0.8326131
118
Beta Saham LQ45
Beta LQ45
2008 2009
Jan 1.084 0.37785714
Feb 0.9922857 0.40142857
Mar 1.2001429 0.41457143
Apr 1.0467143 0.48071429
Mei 1.0921429 0.60028571
Jun 1.0465714 0.64914286
Jul 1.0635714 0.866
Agu 0.9985714 0.867
Sep 0.9871429 0.80514286
Okt 1.0062857 0.81857143
Nov 1.0141429 0.75657143
Des 0.9988571 0.78285714
1.0442024 0.65167857
Average 0.8479405
Max 1.2001429
Min 0.3778571
119
Uji ADF untuk JII dengan Konstanta pada Tingkat Level Null Hypothesis: JII has a unit root
Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.671967 0.0124 Test critical values: 1% level -3.769597
5% level -3.004861 10% level -2.642242
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:07 Sample (adjusted): 2008M03 2009M12 Included observations: 22 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -1.213415 0.330454 -3.671967 0.0016 D(JII(-1)) 0.154112 0.228700 0.673859 0.5085
C 0.089195 0.184770 0.482737 0.6348
R-squared 0.533299 Mean dependent var 0.018560 Adjusted R-squared 0.484173 S.D. dependent var 1.198745 S.E. of regression 0.860952 Akaike info criterion 2.664569 Sum squared resid 14.08354 Schwarz criterion 2.813347 Log likelihood -26.31025 F-statistic 10.85565 Durbin-Watson stat 1.833885 Prob(F-statistic) 0.000718
120
Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.315018 0.1766 Test critical values: 1% level -3.788030
5% level -3.012363 10% level -2.646119
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:11 Sample (adjusted): 2008M04 2009M12 Included observations: 21 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -0.994050 0.429392 -2.315018 0.0334 D(JII(-1)) -0.031536 0.331412 -0.095158 0.9253 D(JII(-2)) -0.167560 0.229649 -0.729637 0.4755
C 0.127558 0.188295 0.677436 0.5072
R-squared 0.566574 Mean dependent var 0.076800 Adjusted R-squared 0.490087 S.D. dependent var 1.196030 S.E. of regression 0.854064 Akaike info criterion 2.692021 Sum squared resid 12.40022 Schwarz criterion 2.890978 Log likelihood -24.26622 F-statistic 7.407459 Durbin-Watson stat 1.847740 Prob(F-statistic) 0.002201
121
Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.909929 0.0619 Test critical values: 1% level -3.808546
5% level -3.020686 10% level -2.650413
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:12 Sample (adjusted): 2008M05 2009M12 Included observations: 20 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -1.389376 0.477460 -2.909929 0.0108 D(JII(-1)) 0.435090 0.416664 1.044223 0.3129 D(JII(-2)) 0.240213 0.321413 0.747365 0.4664 D(JII(-3)) 0.398124 0.226446 1.758137 0.0991
C 0.155811 0.188830 0.825140 0.4222
R-squared 0.623813 Mean dependent var 0.021524 Adjusted R-squared 0.523497 S.D. dependent var 1.199265 S.E. of regression 0.827843 Akaike info criterion 2.672333 Sum squared resid 10.27987 Schwarz criterion 2.921266 Log likelihood -21.72333 F-statistic 6.218449 Durbin-Watson stat 1.870787 Prob(F-statistic) 0.003713
122
Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 4 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.089959 0.2502 Test critical values: 1% level -3.831511
5% level -3.029970 10% level -2.655194
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 19
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:13 Sample (adjusted): 2008M06 2009M12 Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -1.310019 0.626815 -2.089959 0.0568 D(JII(-1)) 0.396978 0.511515 0.776083 0.4516 D(JII(-2)) 0.131246 0.452528 0.290029 0.7764 D(JII(-3)) 0.310339 0.343137 0.904416 0.3822 D(JII(-4)) -0.095744 0.261299 -0.366415 0.7199
C 0.182518 0.206534 0.883719 0.3929
R-squared 0.639484 Mean dependent var 0.042912 Adjusted R-squared 0.500824 S.D. dependent var 1.228203 S.E. of regression 0.867755 Akaike info criterion 2.806274 Sum squared resid 9.788981 Schwarz criterion 3.104518 Log likelihood -20.65961 F-statistic 4.611881 Durbin-Watson stat 2.021766 Prob(F-statistic) 0.012199
123
Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.596534 0.4638 Test critical values: 1% level -3.857386
5% level -3.040391 10% level -2.660551
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 18
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:14 Sample (adjusted): 2008M07 2009M12 Included observations: 18 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -1.253034 0.784846 -1.596534 0.1387 D(JII(-1)) 0.319670 0.684128 0.467267 0.6494 D(JII(-2)) 0.086939 0.566250 0.153534 0.8808 D(JII(-3)) 0.229630 0.491227 0.467462 0.6493 D(JII(-4)) -0.157438 0.383810 -0.410197 0.6895 D(JII(-5)) -0.074674 0.284329 -0.262632 0.7977
C 0.191662 0.234282 0.818083 0.4307
R-squared 0.643287 Mean dependent var 0.047322 Adjusted R-squared 0.448716 S.D. dependent var 1.263655 S.E. of regression 0.938245 Akaike info criterion 2.995690 Sum squared resid 9.683338 Schwarz criterion 3.341945 Log likelihood -19.96121 F-statistic 3.306188 Durbin-Watson stat 1.371327 Prob(F-statistic) 0.041170
124
Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.951363 0.3032 Test critical values: 1% level -3.886751
5% level -3.052169 10% level -2.666593
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 17
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:15 Sample (adjusted): 2008M08 2009M12 Included observations: 17 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -1.104402 0.565964 -1.951363 0.0828 D(JII(-1)) 0.240253 0.512272 0.468995 0.6502 D(JII(-2)) 0.174473 0.448739 0.388808 0.7065 D(JII(-3)) 0.209239 0.368181 0.568304 0.5837 D(JII(-4)) 0.102411 0.322445 0.317607 0.7580 D(JII(-5)) 0.123290 0.251195 0.490813 0.6353 D(JII(-6)) 0.283233 0.185370 1.527931 0.1609
C 0.026772 0.160125 0.167193 0.8709
R-squared 0.806393 Mean dependent var -0.132391 Adjusted R-squared 0.655809 S.D. dependent var 1.038727 S.E. of regression 0.609398 Akaike info criterion 2.152499 Sum squared resid 3.342298 Schwarz criterion 2.544599 Log likelihood -10.29624 F-statistic 5.355117 Durbin-Watson stat 3.052321 Prob(F-statistic) 0.011665
125
Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.811921 0.0123 Test critical values: 1% level -3.920350
5% level -3.065585 10% level -2.673459
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 16
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:16 Sample (adjusted): 2008M09 2009M12 Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -1.834402 0.481228 -3.811921 0.0066 D(JII(-1)) 0.320290 0.404975 0.790889 0.4550 D(JII(-2)) 0.373230 0.369468 1.010183 0.3460 D(JII(-3)) 0.422464 0.322558 1.309732 0.2316 D(JII(-4)) 0.286290 0.266682 1.073528 0.3186 D(JII(-5)) 0.331531 0.230980 1.435326 0.1943 D(JII(-6)) 0.471216 0.181661 2.593930 0.0357 D(JII(-7)) 0.324234 0.148039 2.190200 0.0647
C -0.018474 0.118057 -0.156487 0.8801
R-squared 0.907076 Mean dependent var -0.025682 Adjusted R-squared 0.800877 S.D. dependent var 0.971805 S.E. of regression 0.433650 Akaike info criterion 1.465165 Sum squared resid 1.316368 Schwarz criterion 1.899746 Log likelihood -2.721319 F-statistic 8.541298 Durbin-Watson stat 1.407144 Prob(F-statistic) 0.005242
126
Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 8 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.123609 0.2389 Test critical values: 1% level -3.959148
5% level -3.081002 10% level -2.681330
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 15
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:16 Sample (adjusted): 2008M10 2009M12 Included observations: 15 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -1.580664 0.744329 -2.123609 0.0871 D(JII(-1)) 0.298976 0.493425 0.605920 0.5710 D(JII(-2)) 0.602738 0.359551 1.676365 0.1545 D(JII(-3)) 0.626089 0.336594 1.860073 0.1220 D(JII(-4)) 0.473766 0.307571 1.540347 0.1841 D(JII(-5)) 0.463145 0.245231 1.888607 0.1176 D(JII(-6)) 0.604829 0.224079 2.699172 0.0428 D(JII(-7)) 0.390874 0.219756 1.778673 0.1354 D(JII(-8)) 0.077291 0.167145 0.462418 0.6632
C 0.049623 0.105738 0.469305 0.6586
R-squared 0.934975 Mean dependent var 0.098533 Adjusted R-squared 0.817929 S.D. dependent var 0.864500 S.E. of regression 0.368880 Akaike info criterion 1.078032 Sum squared resid 0.680363 Schwarz criterion 1.550065 Log likelihood 1.914762 F-statistic 7.988127 Durbin-Watson stat 1.639419 Prob(F-statistic) 0.017019
127
128
Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.074729 0.0718 Test critical values: 1% level -4.004425
5% level -3.098896 10% level -2.690439
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:17 Sample (adjusted): 2008M11 2009M12 Included observations: 14 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -2.158358 1.040308 -2.074729 0.1297 D(JII(-1)) 1.097698 0.817403 1.342909 0.2719 D(JII(-2)) 1.072528 0.535456 2.003018 0.1389 D(JII(-3)) 0.700162 0.455466 1.537245 0.2218 D(JII(-4)) 0.583522 0.443668 1.315224 0.2799 D(JII(-5)) 0.631806 0.380049 1.662433 0.1950 D(JII(-6)) 0.702995 0.325535 2.159509 0.1196 D(JII(-7)) 0.479071 0.356091 1.345359 0.2712 D(JII(-8)) 0.247148 0.285007 0.867163 0.4496 D(JII(-9)) 0.212859 0.183603 1.159347 0.3302
C 0.037360 0.112653 0.331638 0.7620
R-squared 0.999572 Mean dependent var -0.031056 Adjusted R-squared 0.998146 S.D. dependent var 0.730462 S.E. of regression 0.373790 Akaike info criterion 0.900739 Sum squared resid 0.419157 Schwarz criterion 1.402855 Log likelihood 4.694829 F-statistic 4.664590 Durbin-Watson stat 2.591842 Prob(F-statistic) 0.115819
129
Null Hypothesis: JII has a unit root Exogenous: Constant Lag Length: 10 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -13.22954 0.0578 Test critical values: 1% level -4.057910
5% level -3.119910 10% level -2.701103
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 13
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII) Method: Least Squares Date: 08/06/10 Time: 08:18 Sample (adjusted): 2008M12 2009M12 Included observations: 13 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
JII(-1) -4.071135 0.307731 -13.22954 0.0480 D(JII(-1)) 2.828921 0.246586 11.47236 0.0554 D(JII(-2)) 2.376137 0.197195 12.04967 0.0527 D(JII(-3)) 1.595868 0.155279 10.27739 0.0617 D(JII(-4)) 1.331733 0.117843 11.30094 0.0562 D(JII(-5)) 1.397331 0.110810 12.61012 0.0504 D(JII(-6)) 1.423566 0.101740 13.99219 0.0454 D(JII(-7)) 1.107329 0.099056 11.17877 0.0568 D(JII(-8)) 0.898057 0.089731 10.00830 0.0634 D(JII(-9)) 0.736753 0.067402 10.93076 0.0581 D(JII(-10)) 0.334953 0.041900 7.994113 0.0792
C 0.116897 0.024090 4.852605 0.1294
R-squared 0.998821 Mean dependent var 0.090360 Adjusted R-squared 0.985857 S.D. dependent var 0.595360 S.E. of regression 0.070803 Akaike info criterion 3.176626 Sum squared resid 0.005013 Schwarz criterion 2.655134 Log likelihood 32.64807 F-statistic 77.04279 Durbin-Watson stat 2.299072 Prob(F-statistic) 0.088653
130
131
Uji ADF untuk LQ45 dengan Konstanta pada Tingkat Level
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.481667 0.1331 Test critical values: 1% level -3.769597
5% level -3.004861 10% level -2.642242
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:19 Sample (adjusted): 2008M03 2009M12 Included observations: 22 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -0.751388 0.302776 -2.481667 0.0226 D(LQ45(-1)) -0.142179 0.227327 -0.625439 0.5391
C -0.000723 0.120118 -0.006018 0.9953
R-squared 0.450069 Mean dependent var 0.012568 Adjusted R-squared 0.392182 S.D. dependent var 0.721803 S.E. of regression 0.562737 Akaike info criterion 1.814116 Sum squared resid 6.016789 Schwarz criterion 1.962894 Log likelihood -16.95527 F-statistic 7.774902 Durbin-Watson stat 1.980314 Prob(F-statistic) 0.003411
132
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.050979 0.2647 Test critical values: 1% level -3.788030
5% level -3.012363 10% level -2.646119
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:19 Sample (adjusted): 2008M04 2009M12 Included observations: 21 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -0.736473 0.359084 -2.050979 0.0560 D(LQ45(-1)) -0.172198 0.317929 -0.541623 0.5951 D(LQ45(-2)) -0.008856 0.241064 -0.036739 0.9711
C 0.025001 0.126792 0.197180 0.8460
R-squared 0.469799 Mean dependent var 0.030928 Adjusted R-squared 0.376234 S.D. dependent var 0.734345 S.E. of regression 0.579977 Akaike info criterion 1.917988 Sum squared resid 5.718353 Schwarz criterion 2.116944 Log likelihood -16.13887 F-statistic 5.021109 Durbin-Watson stat 1.877995 Prob(F-statistic) 0.011303
133
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.100512 0.2464 Test critical values: 1% level -3.808546
5% level -3.020686 10% level -2.650413
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:20 Sample (adjusted): 2008M05 2009M12 Included observations: 20 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -0.861540 0.410157 -2.100512 0.0530 D(LQ45(-1)) -0.003898 0.373341 -0.010442 0.9918 D(LQ45(-2)) 0.196895 0.331213 0.594467 0.5611 D(LQ45(-3)) 0.204566 0.246543 0.829739 0.4197
C 0.004076 0.132859 0.030679 0.9759
R-squared 0.472364 Mean dependent var -0.012270 Adjusted R-squared 0.331661 S.D. dependent var 0.725531 S.E. of regression 0.593136 Akaike info criterion 2.005532 Sum squared resid 5.277158 Schwarz criterion 2.254465 Log likelihood -15.05532 F-statistic 3.357171 Durbin-Watson stat 2.004677 Prob(F-statistic) 0.037569
134
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 4 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.643891 0.4420 Test critical values: 1% level -3.831511
5% level -3.029970 10% level -2.655194
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 19
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:22 Sample (adjusted): 2008M06 2009M12 Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -0.817040 0.497016 -1.643891 0.1242 D(LQ45(-1)) -0.059346 0.439149 -0.135139 0.8946 D(LQ45(-2)) 0.166359 0.401190 0.414663 0.6851 D(LQ45(-3)) 0.173469 0.356945 0.485982 0.6351 D(LQ45(-4)) -0.051506 0.268633 -0.191735 0.8509
C -0.009836 0.144999 -0.067838 0.9469
R-squared 0.478846 Mean dependent var -0.001404 Adjusted R-squared 0.278403 S.D. dependent var 0.743738 S.E. of regression 0.631782 Akaike info criterion 2.171546 Sum squared resid 5.188938 Schwarz criterion 2.469790 Log likelihood -14.62969 F-statistic 2.388932 Durbin-Watson stat 1.977743 Prob(F-statistic) 0.095620
135
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.080851 0.6995 Test critical values: 1% level -3.857386
5% level -3.040391 10% level -2.660551
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 18
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:22 Sample (adjusted): 2008M07 2009M12 Included observations: 18 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -0.625540 0.578748 -1.080851 0.3029 D(LQ45(-1)) -0.243047 0.527944 -0.460366 0.6542 D(LQ45(-2)) 0.058268 0.463514 0.125708 0.9022 D(LQ45(-3)) 0.015629 0.428384 0.036482 0.9716 D(LQ45(-4)) -0.256964 0.384570 -0.668186 0.5178 D(LQ45(-5)) -0.214100 0.292342 -0.732361 0.4793
C 0.010627 0.157549 0.067451 0.9474
R-squared 0.506222 Mean dependent var 0.013660 Adjusted R-squared 0.236888 S.D. dependent var 0.762312 S.E. of regression 0.665928 Akaike info criterion 2.310030 Sum squared resid 4.878055 Schwarz criterion 2.656285 Log likelihood -13.79027 F-statistic 1.879533 Durbin-Watson stat 1.933915 Prob(F-statistic) 0.172538
136
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.049138 0.7101 Test critical values: 1% level -3.886751
5% level -3.052169 10% level -2.666593
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 17
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:23 Sample (adjusted): 2008M08 2009M12 Included observations: 17 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -0.671262 0.639823 -1.049138 0.3215 D(LQ45(-1)) -0.226242 0.623984 -0.362577 0.7253 D(LQ45(-2)) 0.127840 0.552689 0.231306 0.8223 D(LQ45(-3)) 0.142925 0.489961 0.291707 0.7771 D(LQ45(-4)) -0.226442 0.466408 -0.485503 0.6389 D(LQ45(-5)) -0.204454 0.452675 -0.451657 0.6622 D(LQ45(-6)) 0.074391 0.337470 0.220437 0.8305
C 0.056111 0.167748 0.334492 0.7457
R-squared 0.572442 Mean dependent var 0.041302 Adjusted R-squared 0.239897 S.D. dependent var 0.776419 S.E. of regression 0.676912 Akaike info criterion 2.362637 Sum squared resid 4.123890 Schwarz criterion 2.754738 Log likelihood -12.08242 F-statistic 1.721398 Durbin-Watson stat 1.928844 Prob(F-statistic) 0.219879
137
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.161572 0.7454 Test critical values: 1% level -3.920350
5% level -3.065585 10% level -2.673459
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 16
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:24 Sample (adjusted): 2008M09 2009M12 Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -0.871779 0.750516 -1.161572 0.2835 D(LQ45(-1)) 0.003192 0.727949 0.004385 0.9966 D(LQ45(-2)) 0.417195 0.690883 0.603857 0.5650 D(LQ45(-3)) 0.384670 0.615118 0.625360 0.5516 D(LQ45(-4)) -0.065393 0.558160 -0.117159 0.9100 D(LQ45(-5)) 0.029904 0.563604 0.053058 0.9592 D(LQ45(-6)) 0.386343 0.522178 0.739870 0.4834 D(LQ45(-7)) 0.279952 0.365688 0.765548 0.4690
C 0.014307 0.192256 0.074419 0.9428
R-squared 0.601016 Mean dependent var 0.010535 Adjusted R-squared 0.145035 S.D. dependent var 0.791106 S.E. of regression 0.731491 Akaike info criterion 0.367251 Sum squared resid 3.745555 Schwarz criterion 1.635247 Log likelihood -11.08687 F-statistic 1.318072 Durbin-Watson stat 1.578634 Prob(F-statistic) 0.364376
138
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 8 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.301463 0.6634 Test critical values: 1% level -3.959148
5% level -3.081002 10% level -2.681330
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 15
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:27 Sample (adjusted): 2008M10 2009M12 Included observations: 15 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -1.556639 0.247028 -6.301463 0.0015D(LQ45(-1)) 0.667571 0.229429 2.909710 0.0334D(LQ45(-2)) 0.679606 0.214125 3.173879 0.0247D(LQ45(-3)) 0.749431 0.213462 3.510839 0.0171D(LQ45(-4)) 0.502725 0.197348 2.547399 0.0514D(LQ45(-5)) 0.648430 0.184476 3.514982 0.0170D(LQ45(-6)) 0.676100 0.175087 3.861512 0.0119D(LQ45(-7)) 0.544932 0.156506 3.481864 0.0176D(LQ45(-8)) 0.530143 0.113918 4.653723 0.0056
C 0.060157 0.057508 1.046061 0.3434
R-squared 0.964551 Mean dependent var 0.129127Adjusted R-squared 0.900744 S.D. dependent var 0.655328S.E. of regression 0.206461 Akaike info criterion 2.510858Sum squared resid 0.213131 Schwarz criterion 2.945439Log likelihood 10.62017 F-statistic 15.11654Durbin-Watson stat 2.531551 Prob(F-statistic) 0.004029
139
140
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.332119 0.6936 Test critical values: 1% level -4.004425
5% level -3.098896 10% level -2.690439
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:29 Sample (adjusted): 2008M11 2009M12 Included observations: 14 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -2.068682 0.887040 -2.332119 0.1020 D(LQ45(-1)) 0.887927 0.422467 2.101768 0.1264 D(LQ45(-2)) 0.918061 0.450249 2.039006 0.1342 D(LQ45(-3)) 0.989509 0.444967 2.223780 0.1126 D(LQ45(-4)) 0.781679 0.475981 1.642247 0.1991 D(LQ45(-5)) 0.849676 0.364457 2.331350 0.1020 D(LQ45(-6)) 0.903412 0.411224 2.196884 0.1155 D(LQ45(-7)) 0.790507 0.419039 1.886474 0.1557 D(LQ45(-8)) 0.749505 0.346347 2.164028 0.1191 D(LQ45(-9)) 0.214391 0.319133 0.671791 0.5498
C 0.070532 0.083946 0.840211 0.4625
R-squared 0.947368 Mean dependent var 0.019187 Adjusted R-squared 0.971926 S.D. dependent var 0.516955 S.E. of regression 0.246883 Akaike info criterion -0.082689 Sum squared resid 0.182853 Schwarz criterion 0.089345 Log likelihood 10.50175 F-statistic 5.399900 Durbin-Watson stat 2.445248 Prob(F-statistic) 0.095948
141
Null Hypothesis: LQ45 has a unit root Exogenous: Constant Lag Length: 10 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.046990 0.0102 Test critical values: 1% level -4.057910
5% level -3.119910 10% level -2.701103
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 13
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45) Method: Least Squares Date: 08/06/10 Time: 08:29 Sample (adjusted): 2008M12 2009M12 Included observations: 13 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LQ45(-1) -4.945028 1.221903 -4.046990 0.1542 D(LQ45(-1)) 3.498906 1.032893 3.387483 0.1827 D(LQ45(-2)) 2.133240 0.536260 3.977993 0.1568 D(LQ45(-3)) 2.381996 0.594241 4.008465 0.1556 D(LQ45(-4)) 2.217977 0.617085 3.594282 0.1728 D(LQ45(-5)) 2.373258 0.618435 3.837521 0.1623 D(LQ45(-6)) 2.053995 0.503300 4.081054 0.1530 D(LQ45(-7)) 2.036737 0.537641 3.788286 0.1643 D(LQ45(-8)) 2.045097 0.534832 3.823809 0.1628 D(LQ45(-9)) 1.249544 0.438030 2.852648 0.2146 D(LQ45(-10)) 0.867804 0.328994 2.637751 0.2307
C 0.107018 0.057189 1.871307 0.3124
R-squared 0.993227 Mean dependent var -0.003568 Adjusted R-squared 0.918724 S.D. dependent var 0.530717 S.E. of regression 0.151302 Akaike info criterion 1.657872 Sum squared resid 0.022892 Schwarz criterion 1.136381 Log likelihood 22.77617 F-statistic 13.33130
142
Durbin-Watson stat 3.551078 Prob(F-statistic) 0.210750
143
Uji ADF untuk JII dengan Konstanta pada Tingkat 1st Difference Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.593258 0.0000 Test critical values: 1% level -3.788030
5% level -3.012363 10% level -2.646119
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:42 Sample (adjusted): 2008M04 2009M12 Included observations: 21 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(JII(-1)) -2.193221 0.332646 -6.593258 0.0000 D(JII(-1),2) 0.510571 0.195552 2.610922 0.0177
C 0.065742 0.207740 0.316464 0.7553
R-squared 0.808766 Mean dependent var 0.090291 Adjusted R-squared 0.787517 S.D. dependent var 2.065006 S.E. of regression 0.951882 Akaike info criterion 2.870812 Sum squared resid 16.30943 Schwarz criterion 3.020030 Log likelihood -27.14353 F-statistic 38.06267 Durbin-Watson stat 1.849045 Prob(F-statistic) 0.000000
144
Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.020606 0.0500 Test critical values: 1% level -3.808546
5% level -3.020686 10% level -2.650413
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:43 Sample (adjusted): 2008M05 2009M12 Included observations: 20 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(JII(-1)) -1.966774 0.651119 -3.020606 0.0081 D(JII(-1),2) 0.349418 0.460142 0.759369 0.4587 D(JII(-2),2) -0.090829 0.242599 -0.374400 0.7130
C 0.050055 0.224414 0.223049 0.8263
R-squared 0.798326 Mean dependent var -0.024534 Adjusted R-squared 0.760512 S.D. dependent var 2.048715 S.E. of regression 1.002590 Akaike info criterion 3.019907 Sum squared resid 16.08299 Schwarz criterion 3.219053 Log likelihood -26.19907 F-statistic 21.11198 Durbin-Watson stat 1.888567 Prob(F-statistic) 0.000008
145
Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.577732 0.0169 Test critical values: 1% level -3.831511
5% level -3.029970 10% level -2.655194
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 19
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:43 Sample (adjusted): 2008M06 2009M12 Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(JII(-1)) -2.817850 0.787608 -3.577732 0.0030 D(JII(-1),2) 1.248379 0.669561 1.864475 0.0834 D(JII(-2),2) 0.597996 0.451508 1.324440 0.2066 D(JII(-3),2) 0.417477 0.235167 1.775240 0.0976
C 0.070465 0.222153 0.317190 0.7558
R-squared 0.830689 Mean dependent var 0.056657 Adjusted R-squared 0.782314 S.D. dependent var 2.071534 S.E. of regression 0.966512 Akaike info criterion 2.990687 Sum squared resid 13.07803 Schwarz criterion 3.239224 Log likelihood -23.41153 F-statistic 17.17200 Durbin-Watson stat 2.225244 Prob(F-statistic) 0.000027
146
Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 4 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.218503 0.0356 Test critical values: 1% level -3.857386
5% level -3.040391 10% level -2.660551
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 18
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:44 Sample (adjusted): 2008M07 2009M12 Included observations: 18 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(JII(-1)) -3.618393 1.124247 -3.218503 0.0074 D(JII(-1),2) 1.928623 0.954628 2.020289 0.0663 D(JII(-2),2) 1.228748 0.771869 1.591913 0.1374 D(JII(-3),2) 0.867596 0.494565 1.754262 0.1049 D(JII(-4),2) 0.282585 0.268571 1.052178 0.3134
C 0.072422 0.235955 0.306931 0.7642
R-squared 0.845408 Mean dependent var 0.040450 Adjusted R-squared 0.780995 S.D. dependent var 2.130351 S.E. of regression 0.996960 Akaike info criterion 3.092990 Sum squared resid 11.92716 Schwarz criterion 3.389781 Log likelihood -21.83691 F-statistic 13.12478 Durbin-Watson stat 1.481939 Prob(F-statistic) 0.000162
147
Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.854094 0.0718 Test critical values: 1% level -3.886751
5% level -3.052169 10% level -2.666593
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 17
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:45 Sample (adjusted): 2008M08 2009M12 Included observations: 17 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(JII(-1)) -3.033181 1.062747 -2.854094 0.0171 D(JII(-1),2) 1.336102 0.937434 1.425275 0.1845 D(JII(-2),2) 0.735725 0.764592 0.962245 0.3586 D(JII(-3),2) 0.367890 0.587660 0.626026 0.5453 D(JII(-4),2) 0.009168 0.383674 0.023894 0.9814 D(JII(-5),2) -0.147295 0.194409 -0.757656 0.4661
C -0.088491 0.168436 -0.525371 0.6108
R-squared 0.928996 Mean dependent var -0.141811 Adjusted R-squared 0.886393 S.D. dependent var 2.046148 S.E. of regression 0.689666 Akaike info criterion 1.387683 Sum squared resid 4.756395 Schwarz criterion 1.730771 Log likelihood -13.29531 F-statistic 21.80615 Durbin-Watson stat 2.455433 Prob(F-statistic) 0.000034
148
Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.669942 0.1006 Test critical values: 1% level -3.920350
5% level -3.065585 10% level -2.673459
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 16
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:46 Sample (adjusted): 2008M09 2009M12 Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(JII(-1)) -4.025729 1.507797 -2.669942 0.0284 D(JII(-1),2) 2.017294 1.299204 1.552715 0.1591 D(JII(-2),2) 1.185997 1.071766 1.106582 0.3006 D(JII(-3),2) 0.625278 0.830251 0.753119 0.4730 D(JII(-4),2) 0.137990 0.622313 0.221738 0.8301 D(JII(-5),2) -0.115049 0.397973 -0.289088 0.7799 D(JII(-6),2) -0.026953 0.206430 -0.130568 0.8993
C -0.159177 0.183967 -0.865250 0.4121
R-squared 0.904740 Mean dependent var 0.158211 Adjusted R-squared 0.821388 S.D. dependent var 1.683329 S.E. of regression 0.711417 Akaike info criterion 2.463736 Sum squared resid 4.048912 Schwarz criterion 2.850031 Log likelihood -11.70989 F-statistic 10.85443 Durbin-Watson stat 1.152317 Prob(F-statistic) 0.001585
149
Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -0.945748 0.7436 Test critical values: 1% level -3.959148
5% level -3.081002 10% level -2.681330
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 15
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:47 Sample (adjusted): 2008M10 2009M12 Included observations: 15 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(JII(-1)) -1.323793 1.399732 -0.945748 0.3808 D(JII(-1),2) -0.341874 1.239331 -0.275854 0.7919 D(JII(-2),2) -0.259058 0.987630 -0.262303 0.8019 D(JII(-3),2) -0.154986 0.762114 -0.203364 0.8456 D(JII(-4),2) -0.182510 0.567288 -0.321723 0.7586 D(JII(-5),2) -0.083885 0.409928 -0.204635 0.8446 D(JII(-6),2) 0.180454 0.261331 0.690520 0.5157 D(JII(-7),2) 0.195122 0.134903 1.446382 0.1982
C 0.041203 0.133025 0.309737 0.7672
R-squared 0.969523 Mean dependent var 0.172036 Adjusted R-squared 0.928886 S.D. dependent var 1.741471 S.E. of regression 0.464401 Akaike info criterion 1.587574 Sum squared resid 1.294012 Schwarz criterion 2.012404 Log likelihood -2.906807 F-statistic 23.85840 Durbin-Watson stat 1.278397 Prob(F-statistic) 0.000528
150
Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 8 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.039592 0.7077 Test critical values: 1% level -4.004425
5% level -3.098896 10% level -2.690439
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:48 Sample (adjusted): 2008M11 2009M12 Included observations: 14 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(JII(-1)) -1.829895 1.760206 -1.039592 0.3572 D(JII(-1),2) 0.422933 1.583116 0.267153 0.8026 D(JII(-2),2) 0.614050 1.373785 0.446977 0.6780 D(JII(-3),2) 0.551179 1.097910 0.502026 0.6420 D(JII(-4),2) 0.354823 0.851633 0.416638 0.6983 D(JII(-5),2) 0.321283 0.635524 0.505540 0.6398 D(JII(-6),2) 0.463252 0.459630 1.007881 0.3705 D(JII(-7),2) 0.306023 0.316332 0.967411 0.3881 D(JII(-8),2) 0.030650 0.190795 0.160642 0.8802
C 7.56E-05 0.150283 0.000503 0.9996
R-squared 0.963992 Mean dependent var -0.087224 Adjusted R-squared 0.882973 S.D. dependent var 1.476555 S.E. of regression 0.505118 Akaike info criterion 1.647760 Sum squared resid 1.020578 Schwarz criterion 2.104229 Log likelihood -1.534320 F-statistic 11.89837 Durbin-Watson stat 1.441477 Prob(F-statistic) 0.014742
151
152
Null Hypothesis: D(JII) has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -0.464541 0.0004 Test critical values: 1% level -4.057910
5% level -3.119910 10% level -2.701103
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 13
Augmented Dickey-Fuller Test Equation Dependent Variable: D(JII,2) Method: Least Squares Date: 08/06/10 Time: 08:49 Sample (adjusted): 2008M12 2009M12 Included observations: 13 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(JII(-1)) -1.479173 3.184158 -0.464541 0.6879 D(JII(-1),2) 0.312378 2.658508 0.117501 0.9172 D(JII(-2),2) 0.294695 2.346428 0.125593 0.9115 D(JII(-3),2) 0.022962 2.193172 0.010470 0.9926 D(JII(-4),2) -0.025261 1.787299 -0.014134 0.9900 D(JII(-5),2) 0.103360 1.345242 0.076834 0.9458 D(JII(-6),2) 0.300631 1.025927 0.293033 0.7971 D(JII(-7),2) 0.188605 0.839993 0.224532 0.8432 D(JII(-8),2) 0.048264 0.534538 0.090291 0.9363 D(JII(-9),2) 0.090695 0.251805 0.360180 0.7532
C 0.041073 0.219504 0.187117 0.8688
R-squared 0.943565 Mean dependent var 0.177008 Adjusted R-squared 0.661391 S.D. dependent var 1.141483 S.E. of regression 0.664230 Akaike info criterion 1.840129 Sum squared resid 0.882403 Schwarz criterion 2.318163 Log likelihood -0.960837 F-statistic 3.343912 Durbin-Watson stat 2.022705 Prob(F-statistic) 0.252072
153
Uji ADF untuk LQ45 dengan Konstanta pada Tingkat 1st Difference Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.878114 0.0009 Test critical values: 1% level -3.788030
5% level -3.012363 10% level -2.646119
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 08:51 Sample (adjusted): 2008M04 2009M12 Included observations: 21 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(LQ45(-1)) -1.921800 0.393964 -4.878114 0.0001 D(LQ45(-1),2) 0.253173 0.227478 1.112955 0.2804
C 0.036075 0.137498 0.262366 0.7960
R-squared 0.786796 Mean dependent var 0.011819 Adjusted R-squared 0.763107 S.D. dependent var 1.293401 S.E. of regression 0.629520 Akaike info criterion 2.043845 Sum squared resid 7.133314 Schwarz criterion 2.193062 Log likelihood -18.46037 F-statistic 33.21310 Durbin-Watson stat 1.886074 Prob(F-statistic) 0.000001
154
Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.005382 0.0005 Test critical values: 1% level -3.808546
5% level -3.020686 10% level -2.650413
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 08:52 Sample (adjusted): 2008M05 2009M12 Included observations: 20 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(LQ45(-1)) -1.884282 0.626969 -3.005382 0.0084 D(LQ45(-1),2) 0.250964 0.469801 0.534192 0.6006 D(LQ45(-2),2) 0.022491 0.244069 0.092149 0.9277
C 0.008787 0.146321 0.060056 0.9529
R-squared 0.785247 Mean dependent var -0.050984 Adjusted R-squared 0.744980 S.D. dependent var 1.293732 S.E. of regression 0.653328 Akaike info criterion 2.163381 Sum squared resid 6.829398 Schwarz criterion 2.362528 Log likelihood -17.63381 F-statistic 19.50136 Durbin-Watson stat 2.038814 Prob(F-statistic) 0.000014
155
Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.971083 0.0009 Test critical values: 1% level -3.831511
5% level -3.029970 10% level -2.655194
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 19
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 08:52 Sample (adjusted): 2008M06 2009M12 Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(LQ45(-1)) -2.398637 0.807328 -2.971083 0.0101 D(LQ45(-1),2) 0.737517 0.683561 1.078935 0.2989 D(LQ45(-2),2) 0.442766 0.485463 0.912049 0.3772 D(LQ45(-3),2) 0.262057 0.250078 1.047898 0.3124
C -0.007706 0.153555 -0.050184 0.9607
R-squared 0.795260 Mean dependent var 0.004945 Adjusted R-squared 0.736763 S.D. dependent var 1.304107 S.E. of regression 0.669093 Akaike info criterion 2.255146 Sum squared resid 6.267590 Schwarz criterion 2.503682 Log likelihood -16.42388 F-statistic 13.59488 Durbin-Watson stat 2.139825 Prob(F-statistic) 0.000099
156
Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 8 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.110522 0.0068 Test critical values: 1% level -4.004425
5% level -3.098896 10% level -2.690439
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 08:53 Sample (adjusted): 2008M11 2009M12 Included observations: 14 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(LQ45(-1)) -1.656079 1.491261 -1.110522 0.3290 D(LQ45(-1),2) 0.674042 1.327437 0.507777 0.6383 D(LQ45(-2),2) 0.617838 1.194418 0.517271 0.6323 D(LQ45(-3),2) 0.652082 1.032760 0.631398 0.5621 D(LQ45(-4),2) 0.399261 0.850596 0.469390 0.6632 D(LQ45(-5),2) 0.526881 0.675774 0.779670 0.4791 D(LQ45(-6),2) 0.553689 0.526173 1.052295 0.3520 D(LQ45(-7),2) 0.444290 0.354427 1.253547 0.2783 D(LQ45(-8),2) 0.471800 0.179496 2.628467 0.0583
C 0.003560 0.114573 0.031076 0.9767
R-squared 0.958038 Mean dependent var -0.128077 Adjusted R-squared 0.863624 S.D. dependent var 0.971028 S.E. of regression 0.358592 Akaike info criterion 0.962547 Sum squared resid 0.514353 Schwarz criterion 1.419016 Log likelihood 3.262174 F-statistic 10.14718 Durbin-Watson stat 2.420719 Prob(F-statistic) 0.019739
157
158
Null Hypothesis: D(LQ45) has a unit root Exogenous: Constant Lag Length: 9 (Automatic based on AIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.069104 0.0002 Test critical values: 1% level -4.057910
5% level -3.119910 10% level -2.701103
*MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 13
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LQ45,2) Method: Least Squares Date: 08/06/10 Time: 08:53 Sample (adjusted): 2008M12 2009M12 Included observations: 13 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(LQ45(-1)) -2.684797 2.511260 -1.069104 0.3970 D(LQ45(-1),2) 1.152478 2.073370 0.555848 0.6342 D(LQ45(-2),2) 1.172008 1.893423 0.618989 0.5990 D(LQ45(-3),2) 1.189882 1.698094 0.700716 0.5560 D(LQ45(-4),2) 0.951853 1.486851 0.640181 0.5876 D(LQ45(-5),2) 0.898892 1.141556 0.787427 0.5135 D(LQ45(-6),2) 0.976561 0.952546 1.025211 0.4131 D(LQ45(-7),2) 0.877278 0.800476 1.095945 0.3875 D(LQ45(-8),2) 0.803717 0.555740 1.446212 0.2850 D(LQ45(-9),2) 0.323601 0.432923 0.747480 0.5327
C 0.017575 0.155479 0.113035 0.9203
R-squared 0.962614 Mean dependent var -0.033830 Adjusted R-squared 0.775684 S.D. dependent var 0.941675 S.E. of regression 0.445996 Akaike info criterion 1.043494 Sum squared resid 0.397826 Schwarz criterion 1.521528 Log likelihood 4.217290 F-statistic 5.149591 Durbin-Watson stat 2.420794 Prob(F-statistic) 0.173466
159
160
Vector Error Correction Estimates
Lag Interval 1 Vector Error Correction Estimates
Date: 08/06/10 Time: 09:17
Sample (adjusted): 2008M03 2009M12
Included observations: 22 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
JII(-1) 1.000000
LQ45(-1) 0.950426
(0.21611)
[ 4.39794]
C -0.039146
Error Correction: D(JII) D(LQ45)
CointEq1 -0.977941 -0.757808
(0.32361) (0.14218)
[-3.02196] [-5.32981]
D(JII(-1)) 0.126111 0.518761
(0.24462) (0.10748)
[ 0.51553] [ 4.82663]
D(LQ45(-1)) 0.071086 -0.257048
(0.32718) (0.14375)
[ 0.21727] [-1.78817]
C 0.020226 0.020681
(0.19550) (0.08589)
[ 0.10346] [ 0.24077]
R-squared 0.498623 0.733052
Adj. R-squared 0.415061 0.688561
Sum sq. resids 15.12994 2.920677
S.E. equation 0.916816 0.402815
F-statistic 5.967053 16.47629
Log likelihood -27.09861 -9.005149
Akaike AIC 2.827147 1.182286
Schwarz SC 3.025518 1.380658
Mean dependent 0.018560 0.012568
S.D. dependent 1.198745 0.721803
161
Determinant resid covariance (dof adj.) 0.126560
Determinant resid covariance 0.084722
Log likelihood -35.28110
Akaike information criterion 4.116464
Schwarz criterion 4.612392
Lag Interval 2 Vector Error Correction Estimates
Date: 08/06/10 Time: 09:27
Sample (adjusted): 2008M04 2009M12
Included observations: 21 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
JII(-1) 1.000000
LQ45(-1) 1.036609
(0.20015)
[ 5.17916]
C -0.039502
Error Correction: D(JII) D(LQ45)
CointEq1 -0.815096 -1.005193
(0.63332) (0.26910)
[-1.28702] [-3.73544]
D(JII(-1)) 0.038807 0.744917
(0.53588) (0.22769)
[ 0.07242] [ 3.27158]
D(JII(-2)) -0.130564 0.194067
(0.39740) (0.16885)
[-0.32855] [ 1.14932]
D(LQ45(-1)) 0.195055 -0.193414
(0.40904) (0.17380)
[ 0.47686] [-1.11286]
D(LQ45(-2)) 0.387502 -0.030324
(0.37580) (0.15968)
[ 1.03115] [-0.18991]
162
C 0.084801 0.044462
(0.20395) (0.08666)
[ 0.41579] [ 0.51307]
R-squared 0.543416 0.781336
Adj. R-squared 0.391221 0.708449
Sum sq. resids 13.06276 2.358343
S.E. equation 0.933194 0.396513
F-statistic 3.570531 10.71971
Log likelihood -24.81276 -6.838796
Akaike AIC 2.934549 1.222742
Schwarz SC 3.232984 1.521177
Mean dependent 0.076800 0.030928
S.D. dependent 1.196030 0.734345
Determinant resid covariance (dof adj.) 0.115387
Determinant resid covariance 0.058871
Log likelihood -29.85515
Akaike information criterion 4.176681
Schwarz criterion 4.873030
163
Lag Interval 3
Vector Error Correction Estimates
Date: 08/06/10 Time: 09:30
Sample (adjusted): 2008M05 2009M12
Included observations: 20 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
JII(-1) 1.000000
LQ45(-1) 0.919656
(0.18731)
[ 4.90975]
C -0.119639
Error Correction: D(JII) D(LQ45)
CointEq1 -2.506028 -0.633872
(0.97068) (0.50584)
[-2.58172] [-1.25310]
D(JII(-1)) 1.517165 0.386672
(0.84747) (0.44164)
[ 1.79022] [ 0.87554]
D(JII(-2)) 1.121837 -0.106518
(0.68266) (0.35575)
[ 1.64334] [-0.29942]
D(JII(-3)) 0.677499 -0.190261
(0.37994) (0.19799)
[ 1.78318] [-0.96094]
D(LQ45(-1)) 1.176353 -0.503819
(0.59403) (0.30956)
[ 1.98028] [-1.62752]
D(LQ45(-2)) 0.607263 -0.078474
(0.39534) (0.20602)
[ 1.53607] [-0.38091]
D(LQ45(-3)) 0.334068 0.029720
(0.35574) (0.18538)
[ 0.93909] [ 0.16032]
164
C -0.072203 -0.013641
(0.19709) (0.10271)
[-0.36634] [-0.13282]
R-squared 0.683861 0.765429
Adj. R-squared 0.499447 0.628596
Sum sq. resids 8.638968 2.346062
S.E. equation 0.848477 0.442160
F-statistic 3.708287 5.593895
Log likelihood -19.98428 -6.948830
Akaike AIC 2.798428 1.494883
Schwarz SC 3.196721 1.893176
Mean dependent 0.021524 -0.012270
S.D. dependent 1.199265 0.725531
Determinant resid covariance (dof adj.) 0.121820
Determinant resid covariance 0.043855
Log likelihood -25.48896
Akaike information criterion 4.348896
Schwarz criterion 5.245055
165
Lag Interval 4 Vector Error Correction Estimates
Date: 08/06/10 Time: 09:26
Sample (adjusted): 2008M06 2009M12
Included observations: 19 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
JII(-1) 1.000000
LQ45(-1) 0.914359
(0.15778)
[ 5.79515]
C -0.101132
Error Correction: D(JII) D(LQ45)
CointEq1 -3.715198 -0.569533
(1.36729) (0.80865)
[-2.71719] [-0.70430]
D(JII(-1)) 2.505143 0.362411
(1.18219) (0.69918)
[ 2.11906] [ 0.51834]
D(JII(-2)) 1.880218 -0.122205
(1.02316) (0.60512)
[ 1.83766] [-0.20195]
D(JII(-3)) 1.284395 -0.185879
(0.75159) (0.44451)
[ 1.70890] [-0.41817]
D(JII(-4)) 0.173532 0.025426
(0.42709) (0.25259)
[ 0.40631] [ 0.10066]
D(LQ45(-1)) 2.180987 -0.517648
(1.09744) (0.64905)
[ 1.98735] [-0.79755]
D(LQ45(-2)) 1.044701 -0.085959
(0.71190) (0.42104)
166
[ 1.46748] [-0.20416]
D(LQ45(-3)) 0.582162 -0.069829
(0.42923) (0.25386)
[ 1.35629] [-0.27507]
D(LQ45(-4)) 0.545872 -0.148622
(0.36856) (0.21797)
[ 1.48111] [-0.68184]
C -0.009837 0.004357
(0.19537) (0.11555)
[-0.05035] [ 0.03771]
R-squared 0.767531 0.778249
Adj. R-squared 0.535061 0.556499
Sum sq. resids 6.312165 2.207890
S.E. equation 0.837467 0.495299
F-statistic 3.301643 3.509571
Log likelihood -16.49121 -6.512016
Akaike AIC 2.788548 1.738107
Schwarz SC 3.285621 2.235180
Mean dependent 0.042912 -0.001404
S.D. dependent 1.228203 0.743738
Determinant resid covariance (dof adj.) 0.149837
Determinant resid covariance 0.033620
Log likelihood -21.68960
Akaike information criterion 4.598905
Schwarz criterion 5.692466
167
Lag Interval 5
Vector Error Correction Estimates
Date: 08/06/10 Time: 09:31
Sample (adjusted): 2008M07 2009M12
Included observations: 18 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
JII(-1) 1.000000
LQ45(-1) 0.750939
(0.12271)
[ 6.11959]
C -0.115650
Error Correction: D(JII) D(LQ45)
CointEq1 -4.511381 0.042817
(1.57868) (1.23637)
[-2.85770] [ 0.03463]
D(JII(-1)) 3.314941 -0.209923
(1.38711) (1.08634)
[ 2.38982] [-0.19324]
D(JII(-2)) 2.638289 -0.587637
(1.20233) (0.94163)
[ 2.19431] [-0.62406]
D(JII(-3)) 1.992547 -0.656219
(0.97381) (0.76266)
[ 2.04613] [-0.86043]
D(JII(-4)) 0.836201 -0.312507
(0.72351) (0.56663)
[ 1.15576] [-0.55152]
D(JII(-5)) 0.492133 -0.232602
(0.36925) (0.28918)
[ 1.33280] [-0.80434]
D(LQ45(-1)) 2.202004 -1.063187
(1.16350) (0.91122)
[ 1.89257] [-1.16678]
168
D(LQ45(-2)) 1.475200 -0.529931
(0.98499) (0.77141)
[ 1.49768] [-0.68696]
D(LQ45(-3)) 0.738588 -0.413301
(0.59882) (0.46897)
[ 1.23341] [-0.88129]
D(LQ45(-4)) -0.011734 -0.319500
(0.37053) (0.29019)
[-0.03167] [-1.10101]
D(LQ45(-5)) -0.673252 -0.047556
(0.33345) (0.26115)
[-2.01902] [-0.18210]
C -0.045308 0.047680
(0.17125) (0.13412)
[-0.26457] [ 0.35550]
R-squared 0.891355 0.816890
Adj. R-squared 0.692172 0.481188
Sum sq. resids 2.949289 1.808952
S.E. equation 0.701105 0.549083
F-statistic 4.475053 2.433378
Log likelihood -9.261623 -4.862276
Akaike AIC 2.362403 1.873586
Schwarz SC 2.955984 2.467167
Mean dependent 0.047322 0.013660
S.D. dependent 1.263655 0.762312
Determinant resid covariance (dof adj.) 0.109740
Determinant resid covariance 0.012193
Log likelihood -11.41997
Akaike information criterion 4.157774
Schwarz criterion 5.443867
169
Uji Kausalitas Granger Lag 8
Pairwise Granger Causality Tests Date: 06/11/10 Time: 19:55 Sample: 2008M01 2009M12 Lags: 8
Null Hypothesis: Obs F-Statistic Probability
JII does not Granger Cause LQ45 16 NA NA LQ45 does not Granger Cause JII NA NA
Uji Kausalitas Granger Lag 9
Pairwise Granger Causality Tests Date: 06/11/10 Time: 19:56 Sample: 2008M01 2009M12 Lags: 9
Null Hypothesis: Obs F-Statistic Probability
JII does not Granger Cause LQ45 15 NA NA LQ45 does not Granger Cause JII NA NA
Uji Kausalitas Granger Lag 10
Pairwise Granger Causality Tests Date: 06/11/10 Time: 19:57 Sample: 2008M01 2009M12 Lags: 10
Null Hypothesis: Obs F-Statistic Probability
JII does not Granger Cause LQ45 14 NA NA LQ45 does not Granger Cause JII NA NA