ANALISIS INTEGRASI BURSA SAHAM SYARIAH DI NEGARA...
Transcript of ANALISIS INTEGRASI BURSA SAHAM SYARIAH DI NEGARA...
ANALISIS INTEGRASI BURSA SAHAM SYARIAH DI NEGARA
ANGGOTA ORGANISASI KONFERENSI ISLAM (OKI)
(Studi Empiris: Indonesia, Malaysia, Pakistan, Kuwait, Turki, dan Qatar
periode 2013-2018)
Skripsi
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-syarat Meraih Gelar Sarjana Ekonomi
Oleh
Qisti Amalia
NIM: 11140810000079
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
JAKARTA
1439 H/2018 M
ii
iii
iv
v
vi
DAFTAR RIWAYAT HIDUP
IDENTITAS DIRI
Nama
Tempat/Tanggal Lahir
Jenis Kelamin
Agama
Alamat
Email:
: Qisti Amalia
: Makassar 08 Mei 1997
: Perempuan
: Islam
: Jl. Musyawarah No.1 RT 004/RW 001,
Kec.Pasar minggu, Kel.Ragunan, Jakarta
Selatan
PENDIDIKAN FORMAL
2014-2018
2014-2011
2011-2008
2008-2002
2002-2001
: UIN Syarif Hidayatullah Jakarta
: MAN 2 Bulukumba
: MTsN Gantarang
: SDN 203 Makassar
: TK Ibu Pertiwi, Makassar
PENDIDIKAN NON FORMAL
2014
2015
2018
:Sekolah Sejarah Peradaban Islam (Omah
Peradaban), Universitas Indonesia
: Kursus Bahasa Inggris di Global English
:Sekolah E-Commerce, Sangsang University
vii
PENGALAMAN ORGANISASI
2014
2015
2017
2018
: Anggota Devisi Syiar LDK Komda Syahid
: Anggota Devisi LITBANG DEMA FEB
Penggerak GBM (Gerakan Banten
Mengajar)
Volunteer Komunitas I’am Hope
Volunteer Komunitas Kaki Langit
Koor.Tim Pengajar HMB 2017
Anggota Devisi Danus Komunitas CCE
(Charity Children Education)
Anggota Devisi Pendidikan HMB 2018
viii
ABSTRACT
This study examines the integration of Islamic stock market of Indonesia
with Islamic stock market in five OIC member countries, namely Malaysia,
Pakistan, Kuwait, Turkey and Qatar. This categorization was chosen based on
The World Income Grouping of the Organization of Islamic Cooperation (OIC).
The shari’ah stock exchanges of which being sampled in this study is Jakarta
Islamic Index (JII), FTSE Bursa Malaysia Emas Shariah (FBMS), KSE Meezan
Indez (KMI 30), Dow Jones Islamic Market of Kuwait (DJIMKW), Dow Jones
Islamic Market of Turkey (DJIMTR) dan QE Al-Rayan Islamic Index (QERI). This
study applies the method of Vector Autoregressive (VAR) / Vector Error
Correction Model(VECM) and daily closing indices data spanning from 2013 to
2018.
The results indicate there is no causality relationships among all Islamic
stock market in Malaysia, Pakistan, Kuwait, Turkey and Qatar with Islamic stock
market of Indonesia. Then based on cointegration analysis, only Islamic stock
market of Malaysia have a long-term relationship with Islamic stock market of
Indonesia. Furthermore, based on Variance Decomposition(VD) analysis is
looked that Islamic stock market of Indonesia provide the greatest contribution to
Islamic stock market of Pakistan’s movement. Meanwhile, the greatest contributor
to Islamic stock market of Indonesia’s movement itself that is derived from Islamic
stock market of Malaysia.
Keyword: integration, Islamic stock market, VAR, VECM, Causality, Co-
integration, varianve decomposition.
ix
ABSTRAK
Penelitian ini menguji integrasi bursa saham syariah Indonesia dengan
bursa saham syariah di lima negara anggota OKI, yaitu Malaysia, Pakistan,
Kuwait, Turki dan Qatar. Kategorisasi ini dipilih berdasarkan The World Income
Grouping of Organization Islam Cooperation (OIC). Bursa saham syariah yang
menjadi sampel dalam penelitian ini adalah Jakarta Islamic Index (JII), FTSE
Bursa Malaysia Emas Shariah (FBMS), KSE Meezan Index (KMI 30), Dow Jones
Islamic Market of Kuwait (DJIMKW), Dow Jones Islamic Market of Turkey
(DJIMTR) dan QE Al-Rayan Islamic Index (QERI). Penelitian ini menerapkan
metode Vector Autoregressive (VAR) / Vector Error Correction Model (VECM)
dan data indeks penutupan harian mulai dari 2013 sampai 2018.
Hasil penelitian menunjukkan tidak adanya hubungan kausalitas antara
bursa saham syariah di Indonesia dengan bursa saham syariah di Malaysia,
Pakistan, Kuwait, Turki dan Qatar. Kemudian berdasarkan analisis kointegrasi,
hanya bursa saham syariah Malaysia yang memiliki hubungan jangka panjang
dengan bursa saham syariah Indonesia. Selanjutnya berdasarkan analisis Variance
Decomposition (VD) terlihat bursa saham syariah Indonesia memberikan
kontribusi terbesar terhadap pergerakan Pakistan. Sementara, penyumbang
kontribusi terbesar terhadap bursa saham syaria Indonesia itu sendiri berasal dari
bursa saham syariah Malaysia.
Kata Kunci: integrasi, bursa saham syariah, VAR, VECM, kausalitas,
kointegrasi, variance decomposition
x
KATA PENGANTAR
Bismillahirrahmanirahim
Puji syukur penulis panjatkan kehadirat Allah SWT. yang telah
melimpahkan rahmat, hidayah dan kasih sayang-Nya yang tiada terkira kepada
hambanya, sehingga penulis dapat menyelesaikan skripsi yang berjudul “Analisis
Integrasi Bursa Saham Syariah di Negara Anggota Organisasi Kerjasama
Islam (OKI) (Studi Empiris: Indonesia, Malaysia, Pakistan, Kuwait, Turki
dan Qatar Periode 2013-2018)” dengan sebaik-baiknya. Shalawat dan salam
tercurahkan kepada junjungan Nabi Muhammad SAW., sebagai bentuk rasa cinta
dan hormat penulis kepada Beliau yang paling berjasa dalam peradaban Islam.
Skripsi ini dimaksudkan untuk memenuhi salah satu syarat mencapai gelar
Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas Islam Negeri
Syarif Hidayatullah Jakarta.
Penulis menyadari bahwa dalam penyusunan skripsi ini masih jauh dari
kata sempurna. Hal ini disebabkan karena terbatasnya kemampuan dan
pengetahuan yang penulis miliki. Untuk itu, kiranya pembaca dapat memaklumi
atas kelemahan dan kekurangan yang ditemui dalam penyusunan skripsi ini.
Penulis juga menyadari bahwa sejak awal penyusunan hingga terselesaikannya
skripsi ini banyak pihak yang telah membantu dan memberi dukungan baik moril
maupun materil. Untuk itu, tak lupa pada kesempatan ini, secara khusus, penulis
ingin menyampaikan terima kasih yang sebesar-besarnya kepada:
1. Kedua orang tua saya, Bapak dan Ummi yang telah memberikan
dukungan baik secara moril maupun materil, memberikan kasih
sayang, cinta dan tidak berhenti mendo’akan dengan penuh rasa ikhlas.
Kalian adalah motivasi terbesar bagi penulis untuk menyelesaikan
tugas skripsi ini.
xi
2. My little Brother, Fadel Muhammad yang selalu memberikan
semangat serta do’a yang tulus selama ini.
3. Bapak Dr.M.Arief Mufrainy, Lc.M.Si selaku Dekan FEB, Bapak
Dr.Amilin, SE.Ak, M.Si selaku Wadek I FEB, Bapak Dr.Ade Sofyan
Mulazid, MH selaku Wadek II FEB, dan Bapak Dr.Desmadi
Saharuddin, Lc.,MA selaku Wadek III FEB, yang telah memberikan
jalan bagi peulis dalam menyelesaikan skripsi ini.
4. Bapak Dr. Indo Yama Nasaruddin, SE, MAB selaku dosen
pembimbing I, yang telah bersedia meluangkan waktu dan tenaganya
di tengah kesibukan untuk membimbing dan mengarahkan penulis
dalam menyusun skripsi ini serta motivasinya yang begitu besar pada
penulis.
5. Bapak Deni Pandu Nugraha, SE., MM. selaku dosen pembimbing II,
yang telah meluangkan waktu dan pikirannya untuk membimbing dan
mengarahkan penulisan skripsi ini serta motivasinya bagi penulis.
6. Ibu Titi Dewi Warninda SE, M.Si selaku ketua jurusan Manajemen.
7. Ibu Ir. Ela Patriana, MM selaku sekertaris Jurusan Manajemen
8. Bapak Muhammad Faisal Badroen MBA, selaku pembimbing
akademik yang telah mengarahkan dan memotivasi selama penulis
menuntut ilmu di FEB UIN Syarif Hidayatullah Jakarta.
9. Seluruh Dosen Fakultas Ekonomi dan Bisnis, terima kasih atas curahan
ilmu yang Bapak dan Ibu berikan kepada penulis.
10. Seluruh jajaran karyawan Fakultas Ekonomi dan Bisnis, atas kerja
kerasnya melayani mahasiswa dengan baik, membantu dalam
mengurus kebutuhan administrasi, keuangan dan lain-lainnya.
11. Perempuan-perempuan hebat yang bercita-cita menjadi wanita
sholehah, yaitu Dita, Suci, Atika dan Isti. Terima kasih telah menerima
anak bugis ini ke dalam perkumpulan berfaedah kalian. “My best
friend is the one who brings out the best in me-Henry Ford”.
xii
12. Seluruh anak Manajemen 2014, khususnya Ais, Dinda, Mita, Ratna,
Lusy, Ilham dan Bazuri yang secara random memberikan dukungan
kepada saya. Keep in touch wherever we are kids.
13. Temen-temen seperantauan yang sudah seperti keluarga, Kak Ninda,
Kak Ceri, Izar, Koko, Pak Syafa dan Bu Ummul yang tiada hentinya
memberikan dukungan dan semangat saat suka maupun duka selama
berada di Jakarta.
14. Piihak-pihak yang tidak dapat disebutkan satu persatu, suatu
kebahagian telah dipertemukan dan diperkenalkan dengan kalian
semua. Terima kasih banyak atas motivasi yang telah diberikan selama
ini.
Penulis menyadari hasil penelitian ini masih memiliki banyak
kekurangan. Dengan segenap kerendahan hati penulis mengharapkan
saran, arahan maupun kritikan yang konstruktif demi penyempurnaan hasil
penelitian ini. Skripsi ini diharapkan dapat memberikan manfaat bagi
berbagai pihak, baik manajer investasi, dunia bisnis, dunia akademisi, para
pembaca serta bagi penulis sendiri sebagai proses pengembangan diri.
Jakarta, 11 November 2018
Penulis
(Qisti Amalia)
xiii
DAFTAR ISI
HALAMAN JUDUL ..................................................................................................... i
LEMBAR PENGESAHAN SKRIPSI ........................................................................ ii
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF .......................................... iii
LEMBAR PENGESAHAN UJIAN SKRIPSI .......................................................... iv
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ................................... v
DAFTAR RIWAYAT HIDUP ................................................................................... vi
ABSTRAK ................................................................................................................. viii
KATA PENGANTAR ................................................................................................. x
DAFTAR ISI ............................................................................................................. xiii
DAFTAR TABEL ..................................................................................................... xvi
DAFTAR GAMBAR ............................................................................................... xviii
BAB I PENDAHULUAN ............................................................................................ 1
A. Latar Belakang Penelitian ......................................................................... 1
B. Perumusan Masalah ................................................................................. 10
1. Batasan Masalah ................................................................................ 10
2. Perumusan Masalah........................................................................... 11
C. Tujuan Penelitian ..................................................................................... 11
D. Manfaat Penelitian ................................................................................... 12
BAB II TINJAUAN PUSTAKA ............................................................................... 14
A. Landasan Teori ........................................................................................ 14
1. Pasar Modal ....................................................................................... 14
xiv
2. Indeks Harga Saham.......................................................................... 18
3. Indeks Harga Saham Syariah ............................................................ 22
4. Integrasi Keuangan ............................................................................ 25
B. Penelitian Terdahulu ................................................................................ 30
C. Kerangka Pemikiran ................................................................................ 36
D. Hipotesis ................................................................................................... 38
BAB III METODELOGI PENELITIAN .................................................................. 43
A. Ruang Lingkup Penelitian ....................................................................... 43
B. Teknik Pengambilan Sampel .................................................................. 43
C. Teknik Pengumpulan Data ...................................................................... 46
D. Teknik Analisis Data ............................................................................... 46
1. Uji Statistik Deskriptif ...................................................................... 46
2. Uji Stasioneritas................................................................................. 52
3. Penentuan Lag Length ...................................................................... 53
4. Uji Kausalitas Granger ...................................................................... 53
5. Uji Kointegrasi Johansen .................................................................. 55
6. Uji Stabilitas Lag Length .................................................................. 56
7. Uji Estimasi VAR/VECM ................................................................ 56
8. IRF ...................................................................................................... 56
9. Variance Decomposition ................................................................... 57
E. Operational Variabel Penelitian .............................................................. 58
BAB IV ANALISIS DAN PEMBAHASAN ........................................................... 62
A. Sekilas Gambaran Umum Objek Penelitian .......................................... 62
1. Sejarah OKI ....................................................................................... 62
2. Tujuan OKI ........................................................................................ 66
3. Prinsip OKI ........................................................................................ 68
B. Penemuan Dan Pembahasan ................................................................... 68
1. Deskripsi Data ................................................................................... 68
xv
2. Pembahasan ....................................................................................... 18
3. Interpretasi ....................................................................................... 133
BAB V KESIMPULAN DAN SARAN ................................................................. 142
A. Kesimpulan ............................................................................................ 142
B. Saran ....................................................................................................... 143
DAFTAR PUSTAKA .............................................................................................. 145
LAMPIRAN-LAMPIRAN ...................................................................................... 146
xvi
DAFTAR TABEL
Tabel 2.1 Daftar Saham JII Periode Desember 2017 s/d Mei 2018 .............. 25
Tabel 2.2 Penelitian terdahulu .................................................................... 31
Tabel 3.1 Categorization Of OIC Members States ...................................... 44
Tabel 4.1 Daftar Negara Anggota OKI (Organisasi Kerjasama Islam) ....... 63
Tabel 4.2 Statistika Deskriptif atas Nilai Penutupan Harian JII .................. 75
Tabel 4.3 Statistika Deskriptif atas Nilai Penutupan Harian FBMS ............ 76
Tabel 4.4 Statistika Deskriptif atas Nilai Penutupan Harian KMI30 ............ 77
Tabel 4.5 Statistika Deskriptif atas Nilai Penutupan Harian DJIMKW ....... 77
Tabel 4.6 Statistika Deskriptif atas Nilai Penutupan Harian DJIMTR ......... 78
Tabel 4.7 Statistika Deskriptif atas Nilai Penutupan Harian QERI .............. 79
Tabel 4.8 Uji Stasioneritas atas Nilai Penutupan Harian Indeks Bursa ....... 81
Saham Syariah
Tabel 4.9 Penentuan Lag Optimal atas FBMS dengan JII .......................... 83
Tabel 4.10 Penentuan Lag Optimal antara KMI30 dengan JII ....................... 84
Tabel 4.11 Penentuan Lag Optimal antara DJIMKW dengan JII ................... 85
Tabel 4.12 Penentuan Lag Optimal antara DJIMTR dengan JII ................... 86
Tabel 4.13 Penentuan Lag Optimal antara QERI dengan JII ......................... 87
Tabel 4.14 Hasil Uji Kausalitas Granger antara FBMS dengan JII ................ 89
Tabel 4.15 Hasil Uji Kausalitas Granger antara KMI30 dengan JII ............... 90
Tabel 4.16 Hasil Uji Kausalitas Granger antara DJIMKW dengan JII ........... 91
Tabel 4.17 Hasil Uji Kausalitas Granger antara DJIMTR dengan JII ............ 92
xvii
Tabel 4.18 Hasil Uji Kausalitas Granger antara QERI dengan JII ................. 93
Tabel 4.19 Hasil Uji Kointegrasi antara FBMS dengan JII ............................ 94
Tabel 4.20 Hasil Uji Kointegrasi antara KMI30 dengan JII........................... 95
Tabel 4.21 Hasil Uji Kointegrasi antara DJIMKW dengan JII ...................... 96
Tabel 4.22 Hasil Uji Kointegrasi antara DJIMTR dengan JII ........................ 97
Tabel 4.23 Hasil Uji Kointegrasi antara QERI dengan JII ............................. 98
Tabel 4.24 Hasil Estimasi VECM antara FBMS dengan JII ........................ 100
Tabel 4.25 Hasil Estimasi VAR antara KMI30 dengan JII .......................... 106
Tabel 4.26 Hasil Estimasi VAR antara DJIMKW dengan JII ...................... 109
Tabel 4.27 Hasil Estimasi VAR antara DJIMTR dengan JII ....................... 111
Tabel 4.28 Hasil Estimasi VAR antara QERI dengan JII ............................ 115
Tabel 4.29 Variance Decomposition antara FBMS dengan JII .................... 124
Tabel 4.30 Variance Decomposition antara KMI30 dengan JII ................... 125
Tabel 4.31 Variance Decomposition antara DJIMKW dengan JII ............... 128
Tabel 4.32 Variance Decomposition antara DJIMTR dengan JII ................ 130
Tabel 4.33 Variance Decomposition antara QERI dengan JII ..................... 132
Tabel 4.34 List Of Supplyng Market For Product Exported ........................ 137
Tabel 4.35 List Of Supplyng Market For Product Exported ........................ 138
Tabel 4.36 List Of Importing Market From Organization Of The ................ 139
Islamic Cooperation For Product Exported By Indonesian
Tabel 4.37 List Of Importing Market From Organization Of The ................ 140
Islamic Cooperation For Product Exported By Indonesian
xviii
DAFTAR GAMBAR
Gambar 1.1 Grafik Islamic Finance Assets 2016 .............................................. 3
Gambar 1.2 Top Current Financial Market ....................................................... 4
Gambar 1.3 Perbandingan indeks saham syariah dan konvensional .................. 5
Global
Gambar 2.1 Kerangka Pemikiran ................................................................... 37
Gambar 4.1 Pergerakan Indeks Harian JII ..................................................... 69
Gambar 4.2 Pergerakan Indeks Harian FBMS ................................................ 70
Gambar 4.3 Pergerakan Indeks Harian KMI30 ............................................... 71
Gambar 4.4 Pergerakan Indeks Harian DJIMKW ........................................... 72
Gambar 4.5 Pergerakan Indeks Harian DJIMTR ............................................ 73
Gambar 4.6 Pergerakan Indeks Harian QERI ................................................ 74
Gambar 4.7 Hasil Uji Stabilitas VECM antara FBMS dengan JII ................ 100
Gambar 4.8 Hasil Uji Stabilitas VAR antara KMI30 dengan JII ................... 101
Gambar 4.9 Hasil Uji Stabilitas VAR antara DJIMKW dengan JII ............... 102
Gambar 4.10 Hasil Uji Stabilitas VAR antara DJIMTR dengan JII ................ 103
Gambar 4.11 Hasil Uji Stabilitas VAR antara QERI dengan JII ..................... 104
Gambar 4.12 Impulse Response Function antara FBMS dengan JII ................ 118
Gambar 4.13 Impulse Response Function antara KMI30 dengan JII ............... 119
Gambar 4.14 Impulse Response Function antara DJMIKW dengan JII ........... 120
xix
Gambar 4.15 Impulse Response Function antara DJIMTR dengan JII ............ 122
Gambar 4.16 Impulse Response Function antara QERI dengan JII ................. 123
xx
DAFTAR LAMPIRAN
Lampiran 1 Analisis Deskriptif Indeks Bursa Saham Syariah ....................... 147
Lampiran 2 Uji Stasioneritas Tingkat Level JII ............................................ 147
Lampiran 3 Uji Stasioneritas Tingkat Level FBMS ...................................... 148
Lampiran 4 Uji Stasioneritas Tingkat Level KMI30 ..................................... 149
Lampiran 5 Uji Stasioneritas Tingkat Level DJIMKW ................................. 149
Lampiran 6 Uji Stasioneritas Tingkat Level DJIMTR .................................. 150
Lampiran 7 Uji Stasioneritas Tingkat Level QERI ....................................... 151
Lampiran 8 Uji Stasioneritas Tingkat First Difference JII ............................ 152
Lampiran 9 Uji Stasioneritas Tingkat First Difference FBMS ...................... 152
Lampiran 10 Uji Stasioneritas Tingkat First Difference KMI30 ..................... 153
Lampiran 11 Uji Stasioneritas Tingkat First Difference DJIMKW ................... 154
Lampiran 12 Uji Stasioneritas Tingkat First Difference DJIMTR .................. 155
Lampiran 13 Uji Stasioneritas Tingkat First Difference QERI ....................... 155
Lampiran 14 Penentuan Lag Optimal FBMS dengan JII ................................... 156
Lampiran 15 Penentuan Lag Optimal KMI30 dengan JII ............................... 156
Lampiran 16 Penentuan Lag Optimal DJIMKW dengan JII ........................... 157
Lampiran 17 Penentuan Lag Optimal DJIMTR dengan JII ............................ 157
Lampiran 18 Penentuan Lag Optimal QERI dengan JII .................................. 158
Lampiran 19 Uji Kausalitas Granger antara FBMS dengan JII ....................... 158
Lampiran 20 Uji Kausalitas Granger antara KMI30 dengan JII ...................... 159
xxi
Lampiran 21 Uji Kausalitas Granger antara DJIMKW dengan JII ................ 159
Lampiran 22 Uji Kausalitas Granger antara DJIMTR dengan JII ...................... 159
Lampiran 23 Uji Kausalitas Granger antara QERI dengan JII ........................ 160
Lampiran 24 Uji Penentuan Asumsi Deterministik FBMS dengan JII ............ 160
Lampiran 25 Uji Penentuan Asumsi Deterministik KMI30 dengan JII ........... 160
Lampiran 26 Uji Penentuan Asumsi Deterministik DJIMKW dengan JII ....... 161
Lampiran 27 Uji Penentuan Asumsi Deterministik DJIMTR dengan JII......... 162
Lampiran 28 Uji Penentuan Asumsi Deterministik QERI dengan JII ............. 164
Lampiran 29 Uji Kointegrasi Johansen FBMS dengan JII ................................ 165
Lampiran 30 Uji Kointegrasi Johansen KMI30 dengan JII ............................. 166
Lampiran 31 Uji Kointegrasi Johansen DJIMKW dengan JII ......................... 167
Lampiran 32 Uji Kointegrasi Johansen QERI dengan JII ............................... 168
Lampiran 33 Estimasi VECM FBMS dengan JII............................................ 169
Lampiran 34 Estimasi VAR KMI30 dengan JII ............................................. 170
Lampiran 35 Estimasi VAR DJIMKW dengan JII ....................................... 172
Lampiran 36 Estimasi VAR DJIMTR dengan JII ........................................... 173
Lampiran 37 Estimasi VAR QERI dengan JII ................................................ 174
Lampiran 38 Impulse Response Function FBMS dengan JII .......................... 176
Lampiran 39 Impulse Response Function KMI30 dengan JII ......................... 177
Lampiran 40 Impulse Response Function DJIMKW dengan JII ..................... 178
Lampiran 41 Impulse Response Function DJIMTR dengan JII ....................... 179
Lampiran 42 Impulse Response Function QERI dengan JII ............................ 179
xxii
Lampiran 43 Variance Decomposition FBMS dengan JII............................... 180
Lampiran 44 Variance Decomposition KMI30 dengan JII ............................. 180
Lampiran 45 Variance Decomposition DJIMKW dengan JII ......................... 181
Lampiran 46 Variance Decomposition DJIMTR dengan JII ........................... 182
Lampiran 47 Variance Decomposition QERI dengan JII ................................ 183
1
BAB I
PENDAHULUAN
A. Latar Belakang
Salah satu system keuangan global yang penting yang mengalami
perkembangan pesat adalah keuangan syariah. Menurut Kholis (2017:5),
dalam empat puluh tahun terakhir, keuangan Islam telah bertumbuh dengan
pesat dan saat in telah menjadi industri yang memiliki kontribusi penting
dalam perekonomian nasional tidak hanya di negara-negara muslim,
namun juga di berbagai negara di seluruh dunia. Keuangan Islam telah
membuat terobosan signifikan dalam lingkungan global dengan memfasilitasi
diversifikasi resiko dan berkontribusi dalam stabilitas keuangan global. Kini
keuangan Islam telah menjadi bagian integral dalam sistem keuangan
internasional.
Perkembangan pesat keuangan syariah ini menjadi sebuah fenomena yang
menarik dan menjadi alternatif bagi umat Islam. Praktek keuangan
konvensional, khususnya dalam kegiatan bursa saham yang mengandung
unsur spekulasi sebagai salah satu komponennya menjadi hambatan psikologis
bagi umat Islam untuk turut aktif dalam kegiatan investasi terutama di bidang
tersebut. Selain itu, keuangan syariah secara inheren kurang rentan terhadap
krisis karena fitur pembagian risikonya mengurangi leverage dan mendorong
manajemen risiko yang lebih baik di pihak kedua lembaga keuangan dan
2
pelanggan mereka. Keuangan syariah diproyeksikan akan terus berkembang
terhadap pergeseran lanskap ekonomi global yang dipimpin oleh tantangan
baru yang muncul dari lingkungan politik yang berubah, arah kebijakan
moneter baru dari AS, pemulihan yang lamban dalam harga minyak, konflik
geopolitik yang belum terselesaikan dan ketidakpastian umum dalam prospek
ekonomi untuk 2018.
Seiring dengan perkembangannya, praktek keuangan syariah juga
mengglobal dan mendapatkan sambutan yang baik di berbagai benua dan
wilayah dimana tidak hanya di negara-negara yang bermayoritas muslim,
tetapi juga di negara-negara non-muslim seperti wilayah Eropa walaupun
persentasinya hanya 3,7%. Wilayah Gulf Cooperation Council (GCC) yang
beranggotakan negara-negara teluk yang kaya produksi minyak mentah,
seperti Bahrain, Kuwait, Qatar, Oman, Uni Emirat Arab dan Arab Saudi
memiliki bagian terbesar dari aset keuangan Islam pada tahun 2016, yaitu
sebesar 42,3%. Penyebaran keuangan syariah terbesar kedua berada di wilayah
Middle East and North Africa (MENA) sebesar 29,9%. Serta terakhir adalah
Asia sebesar 22,5%.
3
Gambar 1.1 Islamic Financial Assets 2016
Sumber: Financial Outlook of The OIC Member Countries 2017
Keuangan syariah secara luas mengacu pada transaksi pasar keuangan,
operasi dan layanan yang sesuai dengan arahan Islam, prinsip-prinsip
sekaligus prakteknya. Perkembangan pasar keuangan syariah sendiri saat ini,
baik itu pasar uang maupun pasar modal syariah dapat dipilih cukup signifikan
terutama di negara-negara dengan mayoritas penduduknya Islam. Hal tersebut
dapat dibuktikan dari grafik peringkat pasar keuangan syariah berikut ini,
dimana didomisili oleh negara-negara dengan mayoritas penduduk Islam,
seperti: Iran, Saudi Arabia, Malaysia, Uni Emirat Arab, Kuwait, Qatar,
Bahrain, Turki, Bangladesh dan Indonesia.
4
Gambar 1.2 Top Current Islamic Finance Market (US Billions)
Sumber: State of Global Islamic Economic Report 2016
Gejolak krisis ekonomi yang terjadi di Eropa dan Amerika sebenarnya
tidak sepenuhnya membawa kerugian terhadap kondisi perekonomian untuk
sebagian besar negara khususnya negara-negara yang memiliki bursa saham
syariah karena saat terjadinya krisis tersebut saham-saham syariah semakin
diminati disebabkan ketahanannya yang bisa dibilang lebih bagus
dibandingkan dengan saham-saham konvensional. Hal ini dapat dibuktikan
melalui pergerakan indeks bursa saham syariah global di Amerika, yaitu Dow
Jones World Islamic saat terjadi krisis dan pasca terjadi krisis yang
menunjukka lebih unggul dibandingkan indeks bursa saham konvensional
keduanya. Pergerakan Dow Jones World Islamic awalnaya lebih rendah dari
indeks bursa saham konvensionalnya, yaitu Dow Jones World, namun
5
memasuki periode krisis yang terjadi di Amerika tahun 2008 yang berawal
dari krisis kredit macet atau yang dikenal dengan subprime mortgage crisis
kedua indeks bursa saham syariah tersebut mengalami peningkatan secara
bertahap melebihi indeks bursa saham konvensiaonal mereka hingga
terjadinya krisis di Eropa yang mulai terasa pada akhir tahun 2009 akibat
krisis utang di negara Yunani yang kemudian merembet ke Irlandia dan
Portugal. Berdasarkan yang dilansir dari Islamic Finance Service Industry
(IFSI) Stability Report 2017, Down Jones Islamic Market Index telah memiliki
kapitalisasi di akhir tahun 2016 sebesar US$ 53,2 miliar dibandingkan indeks
konvensionalnya, yaitu Dow Jones Indeks sebesar US$ 46,2 miliar.
Gambar 1.3 Perbandingan indeks Bursa saham Syariah dan
Konvensional Global.
DJ Islamic DJ Global
Sumber: Islamic Financial Service Industry Stability Report 2017
6
Selain itu, kecenderungan perekonomian dunia pada beberapa dekade
terakhir ini tidak terlepaskan dari proses globalisasi yang akan terus
berlangsung dan semakin cepat mengikuti peningkatan serta perubahan pola
kebutuhan masyarakat dunia. Globalisasi mengimplikasikan tidak berartinya
lagi jarak regional maupun territorial, sehingga apapun yang terjadi dan
berlangsung di suatu tempat tidak ada jaminan kejadian atau peristiwa tersebut
tidak membawa pengaruh di tempat lainnya. Perkembangan proses globalisasi
telah meningkatkan kadar hubungan saling ketergantungan (interdependensi)
tidak hanya dalam hubungan perdagangan tetapi juga dalam investasi,
keuangan dan faktor produksi. Salah satu karakter utama dari globalisasi
adalah semakin menipisnya batas-batas geografis dari kegiatan ekonomi atau
pasar secara nasioanal dan regional menuju ke arah kegiatan ekonomi yang
melibatkan banyak negara.
Motivasi yang mendasari integrasi ekonomi dapat beragam, namun yang
seringkali mucul diawal proses globalisasi yang ditandai dengan semakin
liberalnya sektor perdagangan yang menggeser peran perekonomian autarky,
adalah kepentingan atas region atau wilayah yang saling tergantung dan
berdekatan secara geografis. Berbeda dengan integrasi ekonomi pada
umumnya, OKI terbentuk atas dasar kesamaan faktor religi, meskipun dari
struktur ekonomi, ideologi, system moneter dan finansial sangat bervariasi.
Dengan pemberlakuan Agreement on Trade Preferential System of the
Organization of the Islamic Conference (TPS-OIC) secara lengkap pada tahun
7
2012, maka kerjasama ekonomi antar negara OKI berpotensi semakin
meningkat. Ada tiga komponen utama dalam kerjasama TPS, yaitu kerangka
kerjasama (The Framework Agreement). The Protocol on Preferential Tariff
Scheme (PRETAS) dan aturan asal barang (Rules of Origin / RoO). Kerangka
kerjasama TPS-OIC mulai diberlakukan tahun 2002. Sementara PRETAS
diimplementasikan pada februari 2010. Selanjutnya perjanjian aturan asal
barang telah disepakati untuk dimulai pada Agustus 2012. Pendalaman
kerangka kerjasama dalam bingkai TPS-OIC diharapkan menjadi titik balik
untuk membangun kerjasama ekonomi yang semakin mendalam antar anggota
OKI.
Menurut Pasaribu dan Kowandar (2013), dua kata kunci dalam globalisasi
adalah interaksi dan integrasi, yakni interaksi ekonomi antara negara dan
tingkat integrasinya. Interaksi ekonomi antar Negara mencakup arus
perdagangan, produksi dan keuangan. Sementara integrasi berarti bahwa
perekonomian local atau nasional setiap Negara secara efektif merupakan
bagian yang tidak terpisah dari satu perekonomian tunggal dunia. Oleh karena
itu, bursa saham syariah yang saling terintegrasi akan menyebabkan
munculnya hubungan antara satu bursa saham dengan bursa saham yang
lainnya. Apabila terjadi shock pada suatu bursa saham dalam periode waktu
tertentu, akan mempengaruhi kondisi bursa saham yang lain. Hal ini membuat
investor asing yang ingin berinvestasi mempunyai kesempatan diversifikasi
portofolio mereka di bursa berbagai Negara karena keterkaitan antarbursa
secara global tersebut sehingga dapat membantu para investor untuk
8
meningkatkan return yang didapat serta menurunkan resikonya dalam
portofolio mereka.
Penelitian tentang integrasi antara bursa saham syariah Negara anggota
OKI masih sangat sedikit. Beberapa di antaranya adalah penelitian yang
dilakukan Zhang Hengxhao (2014) tentang dampak krisis yang terjadi di
amerika serikat terhadap integrasi bursa saham syariah dan konvesional yang
terpilih di Asia Pasifik, yaitu United Islamic Market, Japan Islamic Market,
Kuala Lumpur Islamic Market, Jakarta Islamic Market, China Islamic
Market. Japan Nikkei, US Total Market, Kuala Lumpur Composite Index,
Jakarta Composite Indeks, dan China Total Market. Hasil penelitian
menunjukkan periode sebelum krisis, bursa saham syariah di Asia Pasifik
dipengaruhi oleh kinerja bursa saham syariah Amerika Serikat dan bursa
saham konvensional Malaysia. Sedangkan selama periode krisis, ketiga bursa
saham, baik syariah maupun konvensional, di Amerika Serikat, Jepang dan
Malaysia memiliki dampak yang signifikan terhadap kinerja bursa saham
syariah di Asia Pasifik.
Penelitian selanjutnya dilakukan oleh Harjum Muharam (2015) yang
berjudul “ Cointegration dan Contagion Effect Antara Pasar Saham Syariah
Di Indonesia,Malasyia, Eropa dan Amerika Serikat”. Penelitian ini
menggunakan metode penelitian VAR. Hasil dari penelitian ini menunjukkan
bahwa krisis Yunani tidak memiliki pengaruh terhadap pergerakan saham
Islam di AS, Malasyia, Indonesia dan Eropa. Namun terdapat kointegrasi dan
9
contagion effect terhadap harga saham syariah di empat wilayah tersebut saat
krisis Yunani terjadi.
Tujuan utama dalam penelitian ini adalah untuk menganalisis integrasi di
bursa efek syariah negara anggota Organisasi Konferensi Islam (OKI).
Pemilihan subjek ini dikarenakan beberapa alasan. Pertama, belum ada
penelitian integrasi bursa saham syariah di Negara anggota OKI. Kedua,
selama beberapa dekade industri keuangan Islam memiliki ekspansi
perkembangan yang cepat, mencapai sekitar USD 2 triliun dari total aset pada
tahun 2014. Pertumbuhan luar biasa yang ditambahkan ke resistensi keuangan
Islam terhadap krisis yang memukul pasar keuangan memberi perhatian besar
terhadap jenis keuangan ini. Ketiga, Pemerintah pada negara anggota OKI
telah melakukan upaya besar untuk mendorong pengembangan keuangan
syariah di wilayah tersebut dan berharap untuk dapat sejajar dengan pasar
yang sedang berkembang.
Integrasi bursa pada bursa saham syariah di negara OKI diduga cenderung
akan lebih kuat, karena negara yang diyakini menerapkan nilai syariah yang
baik, bisa diyakini sebagai panutan bagi negara lain yang memiliki
keterbatasan dalam menganalisa faktor-faktor yang berhubungan nilai Islami
dalam praktek bisnis. Data yang digunakan dalam penelitian ini adalah data
harian dengan periode penelitian dari tahun 2013 sampai tahun 2018.
Berdasarkan uraian yang telah dipaparkan , penulis bermaksud melakukan
penelitian dengan judul “Analisis Integrasi Pada Bursa Saham Syariah di
10
Negara Anggota Organisasi Konferensi Islam (OKI) (Studi Empiris:
Indonesia, Malaysia, Pakistan, Turki, Qatar dan Kuwait)”.
B. Permasalahan
1. Batasan Masalah
Berdasarkan fenomena-fenomena yang telah diuraikan di latar
belakang penelitian, untuk menyelesaikan masalah yang akan dibahas pada
bab-bab selanjutnya, maka perlu ditentukan batasan penelitian sehingga
hasil analisa selanjutnya dapat terarah dan sesuai dengan tujuan penelitian.
Dari latar belakang diatas, bisa ditentukan batasan masalah dalam
penelitian ini adalah sebagai berikut:
a. Variabel dalam penelitian ini adalah indeks bursa saham syariah di
Negara anggota OKI.
b. Negara yang menjadi Variabel dipilih berdasarkan the World Bank
Income Grouping.
c. Indeks bursa syariah yang menjadi Variabel penelitian adalah JII,
FBMS, KMI30, DJIMKW, DJIMTR dan QERI.
d. Analisis integrasi pada penelitian ini adalah uji Kausalitas Granger,
Uji Kointegrasi Johansen dan Variance Decomposition.
e. Menggunakan harga penutupan harian indeks bursa saham syariah
periode 1 Juli 2013 hingga 31 Juli 2018.
11
2. Perumusan Masalah
Berdasarkan latar belakang di atas, maka permasalahan yang akan
dibahas sebagai berikut:
a. Bagaimana hubungan kausalitas antara bursa saham syariah di
negara Anggota Organisasi Konferensi Islam (Malaysia, Pakistan,
Kuwait, Turki, Qatar) dengan bursa saham syariah Indonesia?
b. Bagaimana hubungan jangka panjang antara bursa saham syariah di
negara anggota Organisasi Konferensi Islam (Malaysia, Pakistan,
Kuwait, Turki, Qatar) dengan bursa saham syariah Indonesia?
c. Bagaimana kontribusi tiap bursa saham syariah di negara anggota
Organisasi Konferensi Islam (Malaysia, Pakistan, Kuwait, Turki,
Qatar) dengan bursa saham syariah Indonesia?
C. Tujuan Penelitian
Berdasarkan permasalahan yang telah dirumuskan di atas, maka tujuan
penulisan penelitian ini adalah:
1. Untuk mengetahui hubungan kausalitas antara bursa saham syariah di
negara Anggota Organisasi Konferensi Islam (Malaysia, Pakistan,
Kuwait, Turki, Qatar) dengan bursa saham syariah Indonesia.
2. Untuk mengetahui hubungan jangka panjang antara bursa saham
syariah di negara anggota Organisasi Konferensi Islam (Malaysia,
12
Pakistan, Kuwait, Turki, Qatar) dengan bursa saham syariah
Indonesia?.
3. Untuk mengetahui kontribusi tiap bursa saham syariah di negara
anggota Organisasi Konferensi Islam (Malaysia, Pakistan, Kuwait,
Turki, Qatar) dengan bursa saham syariah Indonesia.
D. Manfaat Penelitian
1. Bagi Akademisi
Diharapkan penelitian ini dapat memberikan pemahaman mengenai
peran integrasi pasar dalam berinvestasi. Penelitian ini juga diharapkan
dapat menjadi sumber informasi dan referensi bagi peneliti selanjutnya
untuk melakukan penelitian mengenai topik-topik yang berkaitan.
2. Bagi Investor
Penelitian ini memberikan informasi mengenai integrasi bursa saham
syariah di enam negara anggota OKI sehingga dapat dijadikan bahan
pertimbangan dalam memutuskan kebijakan investasi pada perusahaan.
3. Bagi Pemerintah
Diharapkan melalui pemerintah dapat memberikan perhatian lebih
serta menetapkan kebijakan yang tepat yang berkaitan dengan kerja sama
13
dengan negara-negara Organisasi Konferensi Islam (OKI) demi
memajukan perekonomian Indonesia.
14
BAB II
TINJAUAN PUSTAKA
A. Landasan Teori
1. Pasar Modal Syariah
a. Pengertian Pasar Modal Syariah
Menurut Awaluddin (2016:1) pasar modal merupakan salah satu
instrument investasi penting dalam perekonomian dunia. Industri dan
perusahaan memanfaatkan pasar modal sebagai media untuk menyerap
investasi dan memperkuat struktur modal. Dapat dikatakan bahwa pasar
modal telah menjadi financial nerve-centre dunia ekonomi modern.
Istilah pasar biasanya digunakan istilah bursa, exchange, market.
Sementara untuk istilah modal sering digunakan adalah efek, securities,
dan stock. Pasar modal menurut UU No.9 tahun 1995 tentang pasar
modal Pasal 1 ayat (12) adalah kegiatan yang bersangkutan dengan
penawaran dan Umum dan Perdagangan Efek.
Pasar modal syariah merupakan salah satu implementasi konkrit
dari ekonomi syariah. Ibarat sebuah rumah ekonomi syariah, maka
pasar modal syariah sebagai salah satu ruangan di antara beberapa
ruang yang lain seperti bank syariah, akuntansi syariah, reksa dana
syariah, asuransi syariah dan lain-lain. Oleh karena itu, pasar modal
syariah tidak dapat dilepaskan dari ekonomi syariah. Berdasarkan
15
pengertian pasar modal di atas, pasar modal syariah dapat diartikan
sebagai kegiatan dalam pasar modal sebagaimana yang diatur dalam
UUPM (Undang-Undang Pasar Modal) yang tidak bertentangan
dengan prinsip syariah. (www.bapepam.go.id). Adapun Sihombing
(2017:136) juga mengemukakan pengertian pasar modal syariah
(Islamic stock exchange) lainnya yaitu kegiatan yang berkaitan dengan
efek yang diterbitkannya, serta lembaga profesi yang berkaitan
dengannya, dimana semua produk dan mekanisme operasionalnya
berjalan tidak bertentangan dengan hukum muamalaat islamiyah. Pasar
modal syariah juga dapat diartikan pasar modal yang menerapkan
prinsip-prinsip syariah.
Abdul Manan ( 2017: 17) menyatakan adanya perbedaan yang
fundamental antara pasar modal konvensional dengan pasar modal
syariah. Pasar modal syariah tidak mengenal kegiatan perdagangan
semacam short selling, beli atau jual dalam waktu yang amat singkat
untuk mendapatkan keuntungan dari selisih jual dan beli. Pemegang
saham syariah merupakan pemegang saham untuk jangka waktu yang
relatif panjang. Pada pemilikan saham yang ditentukan membawa
dampak positif. Perusahaan tentunya akan mendapatkan pemegang
saham yang jelas lebih menaruh perhatian dan mempunyai rasa
memiliki, ini akan menjadi control yang efektif. Karakteristik
pemilikan saham syariah yang hanya mengutamakan keuntungan yang
akan dibagi dan kerugian yang akan ditanggung bersama (profit-loss
16
sharing), tidak akan menciptakan fluktuasi kegiatan perdagangan yang
tajam dan bersifak spekulasi.
b. Fungsi Pasar Modal Syariah
Fungsi dari keberadaan pasar modal syariah adalah sebagai berikut:
1) Memungkinkan bagi masyarakat untuk berpartisipasi dalam
kegiatan bisnis dengan memperoleh bagian dari keuntungan
dan resikonya.
2) Memungkinkan para pemegang saham menjual sahamnya
guan mendapatkan likuiditas.
3) Memungkinkan perusahaan meningkatkan modal dari luar
untuk membangun dan mengembangkan lini produksinya.
4) Memisahkan operasi kegiatan bisnis dan fluktuasi jangka
pendek pada harga saham yang merupakan ciri umum pada
pasar modal konvensional.
5) Memungkinkan investasi pada ekonomi yang ditentukan
oleh kinerja kegiatan bisnis sebagaimana tercermin pada
harga saham
c. Instrument Pasar Modal Syariah
Menurut Abdul Hamid (2009:42) efek-efek yang boleh
diperdagangkan dalam pasar modal syariah hanya memenuhi kriteria
syariah, seperti saham syariah, obligasi syariah, dan reksa dana syariah,
17
telah dilakukannya upaya-upaya rekonstruksi terhadap surat berharga
diantaranya.
1) Penghapusan bunga tetap dan mengalihkannya ke suatu
investasi yang ikut serta dalam keuntungan dan dalam kerugian
serta tunduk pada kaidah Al-ghunmu bi al-ghun
(keuntungan/penghasilan berimbang, dengan kerugian yang
ditanggung).
2) Penghapusan syariat jaminan atas kembalinya harga obligasi
dan bunga, sehingga menjadi seperti saham biasa.
3) Pengalihan obligasi ke saham biasa.
Berdasakan kaidah tersebut, maka diterbitkanlah instrument pasar
modal syariah dengan prinsip-prinsip berikut:
1) Muqadarah/Mudharabah Funds
Adalah dana yang berbentuk saham yang memberikan
kesempatan kepada investor untuk bersama-sama dalam
pembiayaan atau investasi dengan perjanjian bagi hasil dan bagi
resiko (profit and lost sharing).
2) Muraqadhah/ Mudharabah Bonds
Salah satu bentuk obligasi yang sesuai dengan ketentuan
syariah adalah obligasi berdasarkan prinsip mudharabah. Jenis
obligasi ini dikeluarkan oleh perusahaan untuk tujuan pembiayaan
18
proyek-proyek tertentu atau proyek yang terpisah dari kegiatan
perusahaan yang bersifat jangka panjang. Keuntungan dari proyek
rasio laba rugi yang telah disepakati oleh kedua belah pihak.
2. Indeks Harga Saham
a. Pengertian Indeks Harga Saham
Indeks harga saham merupakan indikator utama yang
menggambarkan pergerakan harga saham. Kebutuhan suatu investor
memilih investasi dalam suatu saham memerlukan data historis
terhadap pergerakan saham di bursa. Di dalam transaksi pada bursa
terjadi pada setiap saat hingga pergerakan harga pun terjaditiap waktu.
Dari ribuan kejadian dan fakta historis yang terjadi di bursa harus
dapat disajikan dengan system tertentu hingga menghasilkan suatu
informasi yang sederhana. Dengan informasi yang sederhana, investor
dapat menafsirkan informasi tersebut hingga dapat mengambil
keputusan investasi terhadap saham
Menurut Abdul Hamid (2009:48) Indeks diharapkan memiliki lima
fungsi di pasar modal, yaitu:
1) Sebagai indikator trend saham.
2) Sebagai indikator tingkat keuntungan,
3) Sebagaitolak ukur (benchmark) kinerja suatu portofolio
4) Memfasilitasi pembentukan portofolio dengan strategi pasif.
19
5) Memfasilitasi berkembangnya produk derivatif.
Faktor-faktor yang mempengaruhi pergerakan harga indeks saham
menurut Awaluddin (2016:13), yaitu faktor domestik, faktor asing, dan
faktor aliran modal ke Indonesia. Faktor domestik yang dapat
berpengaruh terhadap indeks saham berupa faktor-faktor fundamental
suatu negara seperti inflasi, pendapatan nasional, jumlah uang yang
beredar, suku bunga, maupun nilai tukar rupiah. Berbagai faktor
fundamental tersebut dianggap dapat berpengaruh pada ekspektasi
investor yang pada akhirnya berpengaruh pada pergerakan indeks.
Faktor asing merupakan salah satu implikasi dari bentuk globalisasi
dan semakin terintegrasinya pasar modal di seluruh dunia. Kondisi ini
memungkinkan timbulnya pengaruh dari bursa-bursa maju terhadap
bursa yang sedang berkembang.
b. Pergerakan Indeks Saham
Indeks saham dibentuk dengan tujuan untuk menggambarkan
pergerakan harga saham di satu bursa tertentu. Untuk mencapai tujuan
tersebut, sampel yang digunakan harus representative, meskipun tidak
harus besar. Di beberapa bursa saham yang jumlah emitennya tercatat
belum banyak, indeks dihitung dari seluruh saham seperti di bursa
Taiwan, Korea, Denmark, dan Indonesia.
20
Di sebagaian besar saham lainnya, indeks agregat sahamnya tidak
mengambil seluruh populasi, tetapi menggunakan sampel yang
representative. Jika sampel representative (indeks LQ45 dan indeks
100 saham) itu telah terpilih, selanjutnya menentukan berapa bobot
masing-masing saham di dalam sampel atau populasi untuk digunakan
perhitungan indeks.
Adapun Budi Frensidy (2008:8) ada empat cara pembobotan yang
bisa digunakan, yaitu berdasarkan harga, nilai kapitalisasi, saham yang
beredar di public dan tidak tertimbang.
1) Berdasarkan Harga
Indeks saham berdasarkan harga yang paling popular adalah
Dow Jones Industrial Average (DJIA). DJIA sebagai indeks
pertama yang berdasarkan harga merupakan harga rata-rata dari 30
saham industry besar dan terkenal, umumnya adalah pemimpin
dalam industrinya, istilah lainnya untuk 30 saham ini adalah blue
chips. Perhitungan indeks ini menyebabkan saham yang berharga
tinggi mempunyai pengaruh besar.
2) Berdasarkan nilai
Indeks berdasarkan nilai memberikan bobot yang lebih besar
pada saham yang berkapitalisasi pasar bebas dan bukan pada
saham berharga tinggi. Yang dimaksud dengan kapitalisasi pasr
21
adalah jumlah saham tercatat dikalikan dengan harga pasarnya.
Indeks saham ini yang paling banyak digunakan. Indeks ini
digunakan di Bursa Efek Indonesia (BEI) untuk menghitung Indeks
Harga Saham Gabungan (IHSG), indeks LQ45, Jakarta Islamic
Indeks. Indeks berdasarkan kapitalisasi pasar ini juga digunakan
untuk indeks KMI 30.
Keunggulan indeks berdasarkan nilai adalah perubahan indeks
ini mencerminkan perubahan nilai kapitalisasi pasar jika mencakup
seluruh saham di suatu bursa seperti IHSG di BEI, jika IHSG naik,
maka kapitalisasi pasar di BEI naik. Perhitungan indeks
berdasarkan nilai menyebabkan saham yang mempunyai
kapitalisasi besar lebih menentukan pergerakan indeks
dibandingkan dengan saham berkapitalis kecil.
3) Indeks tak tertimbang
Mereka yang relatif jarang digunakan adalah indeks tak
tertimbang atau indeks yang memberikan bobot kepada semua
saham tanpa melihat harga saham atau kapitalisasi pasar saham itu.
Saham berharga Rp/50 sama pentingnya dengan saham berharaga
Rp.200. saham berkapitalisasi pasar besar juga berbobot sama
dengan saham berkapitalisasi kecil. Indeks tak tertimbang
digunakan untuk indeks bursa saham Singapura, Milan dan Value
Line.
22
4) Saham Beredar
Indeks yang berdasarkan saham yang beredar di public
berusaha untuk mengoreksi indeks bedasarkan nilai. Jika indeks
berdasarkan nilai menggunakan seluruh saham tercatat sebagai
dasar pembobotan, indeks ini hanya menggunakan jumlah saham
yang beredar atau jumlah saham yang tersedia di pasar untuk
menghitung nilai kapitalisasi. Penggunaan indeks ini menyebabkan
saham mempuyai saham beredar dengan kapitalisasi terbesar yang
paling menentukan pergerakan indeks.
3. Indeks saham Syariah
Dalam konteks ekonomi islam, pada pola investasi Syariah, equity
fund dan indeks saham Syariah pertama kali justru diperkenalkna di negara
yang selama ini sangat alergi terhada Islam, yaitu Amerika Serikat. Dow
Jones Islamic Market (DJIM) pioneer indeks saham Islam yang pertama
kali diluncurkan pada 8 Maret 1999 di Manama, Bahrain. (Hamid, 2009:
98).
DJIM adalah bagian dari kelompok indeks-indeks global Dow
Jones (DJGI) yang terdiri dari 2700 saham dari 64 negara yang sesuai
dengan ketentuan Syariah. DJMI mencakup 10 sektor ekonomi, 19 sektor
pasar, 41 group industry dari 114 sub group. Sharia Suvervisory (SSB)
dari Dow Jones Islamic Market Indeks (DJIM) melakukan filterisasi
23
terhadap saham-saham halal berdasarkan aktivitas bisnis dan rasio
finansialnya,. SSB secara spesifik langsung mengeluarkan perusahaan
yang memiliki usaha dalam bidang-bidang berikut (Awaluddin, 2016:17).
a. Alcohol
b. Minuman keras dan turunannya
c. Jasa keuangan konvensional.
d. Industry hiburan
e. Tembakau
f. Senjata dan alat pertahanan
Di pasar modal Indonesia PT Bursa Efek Indonesia (BEI) bersama
dengan PT Danareksa Investment management (DM) meluncurkan indeks
saham yang dibuat berdasarkan Syariah islam yaitu Jakarta Islamic indeks
(JII). Saham-saham dalam JII terdiri dari 30 saham yang dipilih dari
saham-saham yang sesuai dengan Syariah islam, yang dievaluasi setiap 6
bulan. Penentuan komponen indeks setiap Januari dan Juli, sedangkan
perubahan pada jenis usaha emiten akan dimonitoring secara teru-
menerusbrdasarkan data-data publik yang tersedia.
Nugroho (2017:80), Jakarta Islamic Indeks (JII) mensyaratkan
saham dengan jenis usaha utama yang tidak bertentangan dengan prinsip
syariah dan sudahtercatat lebih dari 3 bulan kecuali termasuk dalam 10
kapitalisasi besar. Pemilihan saham berdasarkan laporan keuangan tahunan
atau tengah tahun berakhir yang memiliki rasio kewajiban saham di atas
24
berdasarkan rata-rata urutan kapitalisasi pasar terbesar selama satu tahun
terakhir. JII juga memilih 30 saham dengan urutan berdasarkantingkat
likuiditas rata-rata nilai perdagangan regular selama satu tahun terakhir.
Dari 30 emiten yang ada dalam daftar saham JII, terdapat 1 sektor
yang sahamnya tidak ada dalam daftar saham JII, yaitu sektor bank.
Sementara saham JII terdapat 8 sektor yaitu, sektor pertanian, sektor
pertambangan sektor industry dasar dan kimia, sektor aneka industry,
sektor industry barang dan konsumsi, sektor properti dan real estate, sektor
infrastruktur, utilitas dan transportasi, serta sektor perdagangan jasa dan
investasi. Adapun daftar saham JII yang telah di terbitkan BEI adalah
sebagai berikut
25
Tabel 2.1 Daftar Saham JII Periode Desember 2017 s.d Mei 2018
KODE NAMA EMITEN KODE NAMA EMITEN
ADRO Adaro Energy Tbk MYRX Hanson Internatioanl Tbk
AKRA AKR Corporindo Tbk PGAS Perusahaan Gas Negara Tbk
ANTM Aneka Tambang (persero)
Tbk
PTBA Tambang Batubara Bukit
Asam (Persero) Tbk
ASII Astra Internasional Tbk PTPP PP (persero) Tbk
BRPT Barito Pacifik Tbk PWON Pakuwon Jati Tbk
BSDE Bumi Seporng Damai Tbk SCMA Surya Citra Media Tbk
CTRA Ciputra Development Tbk SMGR Semen Indonesia(persero)
Tbk
EXCL XL Axiata Tbk SMRA Summarecon Agung Tbk
ICBP Indofood CBP Sukses
Makmur Tbk
TLKM Telekomunikasi Indonesia,
tbk
INCO Vale Indonesia Tbk TPIA Chandra Asri Petrochemical,
tbk
INDF Indofood Sukses Makmur
Tbk UNTR United Trantors Tbk
KLBF Kalbe Farma Tbk UNVR Unilever Indonesia Tbk
LPKR Lippo Karawaci Tbk WIKA Wijaya Karya (Persero) Tbk
LPPF Matahri Departmen Store
Tbk WSBP Waskita Beton Precast Tbk
LSIP PP London Sumatera
Indonesia Tbk WSKT Waskita Karya (Persero)
Tbk
Sumber: Bursa Efek Indonesia
4. Financial Integration
Ehigiamuzoe (2018:4) mengatakan ada tiga hal penting untuk
mendefinisikanintegrasi secara finansial. Pertama, integrasi tidak
bergantung dari struktur keuangan di sebuah kawasan tertentu. Struktur
26
keuangan mencakup seluruh perantara, lembaga serta pasar keuangan dan
bagaimana mereka berkaitan satu dengan lainnya sehubungan dengan
aliran dana ked an dari individe, pemerintah dan perusahaan di suatu
kawasan tersebut. Biasanya, setiap kawasan mengembangkan struktur
finansial yang berbeda-beda sebelum mereka terintegrasi secara finansial..
memang, tidak ada jaminan bahwa integrasi finansial akan mengarah
kepada struktur keuangan yang terintegrasi.
Kedua, hambatan-hambatan dalam kegiatan berinvestasi tidak akan
hilang sehubungan terjadinya integrasi finansial. Sebaliknya, integrasi
finansial berkaitan denga dampak simetris dan asimetris dari hambatan-
hambatan yang ada di setiap kawasan yang berbeda.. dengan kata lain,
bahkan dengan keberadaan hambatan-hambatan ini, beberapa kawasan
dapat terintegrasi secara finansial selama hambatan tersebut
mempengaruhi secara simetris.
Ketiga, definisi tentang integrasi finansial memisahkan dua
komponen pasar keuangan, yaitu permintaan dan penawaran dalam
berinvestasi. Integrasi yang utuh membutuhkan akses yang seragam ke
setiap bank, perusahan trading dan lembaga penyelesaian transaksi bagi
investor (selaku demand) dan perusahaan (selaku supply) terlepas dari
negara mana mereka berasal. Selain itu, akses yang sama telah diberikan,
integrasi yang utuh mensyaratkan tidak ada deskriminasi antara pelaku
pasar semata-mata berdasarkan daerah sal. Ketika sebuah negara atau
27
kawasan menghalangi kesempatan investor asing untuk menanamkan
modalnya, maka kawasan atau negara tersebut tidaklah terintegrasi secara
finansial.
Arsyad (2015:22) menyatakan bahwa integrasi finansial ditandai
dengan dihapusnya hambatan-hambatan aliran modal lintas negara.
Redukasi terhadap aliran modal mencakup aliran investasi secara
langsung, investasi dalam bentuk portofolio, system penyelesaian lintas
negara maupun aliran kredit perbankan lintas negara. Benoite Coeure
(2013) menambahkan bahwa integrasi finansial adalah situasi dimana
tidak ada hambatan ataupun perbedaan antar agen ekonomi untuk
berinvestasi pada sejumlah modal, berdasarkan lokasi mereka berada. Ini
menunjukkan bahwa integrasi finansial akan tercapai ketika adanya jalur
masuk pasar yang sama utnuk semua pelaku ekonomi.
Belke (2016:17) mengemukakan keuntungan yang didapat dari
integrasi finansial dilihat dari sudut pandang sebuah negara, keuntungan
dapat berupa rendahnya konsumsi resiko secara global, dampak positif
dari arus modal asing terhadap investasi dan pertumbuhan domestic,
meningkatkan kebijakan makroekonomi dan meningkatkan efisiensi yang
selaras dengan stabilitas dari kebijakan keuangan domestik dengan
investasi bank asing.
28
Keuntungan integrasi finansial:
a. Risk Sharing
Integrasi finansial haruslah memberikan peluang tambahan untuk
dapat berbagi resiko dan memudahkan dalam konsumsi resiko
tersebut, ini menjadi bagain terpenting dari sebuah integrasi finansial.
Peningkatan perangkat instrument keuangan dan dalam kepemilikan
asset lintas negara yang dihasilkan dari sebuah integrasi finansial harus
dapat memberikan nilai lebih baik untuk memperluas jangkauan
portofolio dan meminimalisasi resiko yang terjadi lintas negara. Dari
model teori tentang risk sharing, mengatakan ketika sekelompok
investor di suatu kawasan ekonomi terpapar resiko secara utuh, maka
konsumsi risiko dari para investor tersebut ke negara lain dalam satu
kawasan yang sama, artinya kemana pun investor pergi maka resiko
yang ia dapat akan mengikuti kemana pun mereka pergi, jika masih
dalam satu kawasan yang terintegrasi secara keuangan.
b. Meningkatkan Alokasi Modal
Secara umum integrasi finansial dalam cakupan luas
memungkinkan untuk memberikan alokasi modal yang sesuai.
Hilangnya hambatan secara keseluruhan baik pada lembaga trading,
kliring dan penyelesaian transaksi akan memberikan ragam pilihan
kepada perusahaan-perusahaan untuk memilih lembaga-lembaga
29
tersebut yang paling efisien di antara yang lainnya. Selain itu, investor
akan mendapatkan izin untuk menginvestasikan dananya dimanapun
mereka percayai dana tersebut akan teralokasikan untuk penggunaan
yang produktif.
c. Pertumbuhan Ekonomi
Dampak lain dari integrasi finansial yang luas, yang sebagian
terkait dengan permasalahan alokasi modal yang sudah jelas di atas,
yaitu pertumbuhan ekonomi. Integrasi finansial seharusnya mampu
meningkatkan aliran dana untuk peluang berinvetasi di sebagian
negara. Ini seharusnya menjadi permasalahan setiap kali integrasi
finansial memfasilitasi akses terhadap kesempatan berinvestasi di
negara-negara ini, asalkan peluang berinvestasi tersebut cenderung
menguntungkan investor asing. Babecky (2017:175) mengatakan,
proses integrasi akan meningkatkan kompetisi antar negara-negara
kurang berkembang dan demikian akan meningkatkan efisiensi system
keuangan dengan, misalnya, mengurangi biaya administrasi
transaksinya.
Hubungan antara pengembangannya system keuangan suatu
negara dengan integrasi finansial adalah yang paling penting, karena
terdapat bukti yang kuat bahwa perkembangan system keuangan
berhubungan dengan pertumbuhan ekonomi. Beberapa peneliti di
bidang keuangan seperti Elisabeta (2016:4) menemukan bukti empiris
30
yang kuat, bahwa liberalisasi pasar ekuitas memberikan hak kepada
investor asing untuk dapat memperdagangkan surat-surat berharaga
domestik dan investor domestik dapat memperdagangkan surat-surat
berharga asing, yang kemudian menghasilkan peningkatan rata-rata
pertumbuhan riil tahunan.
B. Penelitian Terdahulu
Beberapa penelitian terdahulu akan diuraikan secara ringkas karena
penelitian ini mengacu pada penelitian sebelumnya. Meskipun ruang lingkup
hampir sama, tetapi karena beberapa variabel, objek, periode waktu yang
digunakan dan penentuan sampel berbeda maka terdapat banyak hal yang
tidak sama sehingga dapat dijadikan sebagai referensi untuk saling
melengkapi. Berikut ini ringkasan beberapa penelitian:
31
Tabel 2.2 Penelitian Terdahulu
No. Peneliti
dan
Tahun
Judul Variabel/
Metode
Penelitian
Hasil Penelitian
1. M.Shabr
i Abd.
Madjid
(2018)
Who Co-
moves the
Islamic Stock
Market of
Indonesia-the
US, UK or
Japan?
JII, DJIUS,
DJIJP, DJIUK
VECM
Penelitian mendapatkan bukti
bahwa pasar saham syariah
Indonesia, Jepang, Inggris dan
Amerika Serikat bergerak menuju
tingkat integrasi yang tinggi.
Pasar syariah Jepang secara
dominan menggerakkan pasar
saham syariah Indonesia,
dibandingkan dengan pasar
saham syariah Inggris dan
Amerika Serikat baik berdasarkan
analisis bivariate maupun analisis
multivariate.
2. Rakesh
Kumar,
Raj S.
Dhankar
(2017)
Finansial
Instability,
Integration
and Volatility
of Emerging
South Asian
Stock Market
BSE
SENSEX,
KSE 100,
CSE ALL,
DSEX, DJIG
Metode
GARCH
Hasil penelitian menunjukkan
bursa saham Asia Selatan
signifikan terintegrasi dengan
pasar ekuitas internasional. Selain
itu, bursa saham India, Pakistan
dan Srilangka terbukti saling
terintegrasi secara kuat.
32
No. Peneliti
dan
Tahun
Judul Variabel/
Metode
Penelitian
Hasil Penelitian
3. Nuruzza
man
Arsyad
(2015)
Integration
Between East
and Southeast
Asian Equity
Markets
HANG
SENG,
NIKKIE 225,
KOSPI,
SHANGHAI,
IHSG, KLCI,
PSE, SGX,
SET,
VNINDEX
Uji
Kointegrasi
Johansen dan
Uji Kausalitas
Granger
Terdapat hubungan jangka
panjang (kointegrasi) antara pasar
ekuitas Asia Timur dengan Asian
Tengggra . selain itu, uji
kausalitas granger menunjukkan
adanya kausalitas antara jepan
dan semua negara Asia Tenggara.
adapun Singapura dan Vietman
memiliki kausalitas dengan
semua negara yang ada di Asia
Timur.
Hasil ini menyatakan Jepang
adalah negara Asia Timur yang
memiliki integrasi yang kuat
terhadap negara Asia Tenggara.
Sementara Singapura dan
Vietnam adalah negara Asia
tenggara yang memiliki integrasi
yang kuat dengan Asia Timur
33
No. Peneliti
dan
Tahun
Judul Variabel/
Metode
Penelitian
Hasil Penelitian
4.
Harjum
Muhara
m
(2015)
Co-integration
dan
Contagion
Effect antara
Pasar Saham
Syariah Di
Indonesia,
Malaysia,
Eropa, dan
Amerika
Serikat Saat
Terjadinya
Krisis Yunani
DJIMY,
DJIM US,
MSCI, JII
Uji VAR dan
VECM
Hasil penelitian menunjukkan
bahwa krisis yunani tidak
memiliki pengaruh terhadap
pergerakan harga saha Islam di
AS, Malaysia, Indonesia dan
Eropa. Namun ada co-integrasi
dan contagion effect terhadap
harga saham syariah di empat
wilayah saat krisis Yunani terjadi.
5. Neha
Seth
(2015)
International
Stock Market
Efficiency
and
Integration:
Evidence
from ASIAN
and US
Market
IHSG, Nifty
50,
SHANGHAI,
HANGSENG,
KLCI, TWSE,
S&P 500,
DJIA, KSE
100, KOSPI,
NIKKIE 225
Uji
Kointegrasi
dan GARCH
Pasar ditemukan berkorelasi dan
terintegrasi dalam jangka
panjang, yang membuat
diversifikasi dana internasional
tidak signifikan.
34
No. Peneliti
dan
Tahun
Judul Variabel/
Metode
Penelitian
Hasil Penelitian
6. Mohd
Yahya
Mohd
Hussin,
et.al
(2013)
FBMS, JII,
DJIM
Uji
kointegrasi
Johansen dan
Uji Kausalitas
Granger
Tidak ada hubungan jangka
panjang (kointegrasi) antara
FBMS, JII, dan DJIM. Selain itu,
uji kausalitas Granger
menunjukan adanya hubungan
dua arah antara DJIM dengan
FBMS dan hubungan satu arah
antara FBMS dengan JII.
7. Salina
H.
Kassim
(2013)
The Global
Financial
Crisis and The
Integration Of
Islamic Stock
Market In
Developed
and
Developing
Countries
IMUS,
DJIUK,
DJIJP,
DJIMTR,
DJIMY,
DJIMKW,
JAKIS
ARDL dan
VECM
DJIMY dan JII yang
terkointegrasi sebagai bursa
saham syariah di Negara
berkembang terintegrasi sangat
dekat satu sama lain, begitu juga
dengan IMUS, DJIUK dan DJIJP
yang termasuk bursa saham
syariah di Negara maju juga
saling terintegrasi satu sama lain.
35
No. Peneliti
dan
Tahun
Judul Variabel/
Metode
Penelitian
Hasil Penelitian
8. Dwi
Puryati
dan
Renu
Marlina
(2013)
Analysis of
Capital
Market
Integration
Region Asia
IHSG, KLSI,
STI,
KOSPI,HAN
G SENG,
SHANGHAI,
BSE,NIKKEI
225 dan
TWSE
Analisis
Korelasi dan
(VECM)
Hasil analisis korelasi maupun uji
kointegrasi menunjukkan bahwa
kesembilan bursa saham
terintegrasi dalam jangka
panjang. Sementara untuk jangka
pendek, hanya bursa saham BSE
yang tidak terintegrasi.
9. Sarkar
Humayu
n Kabir,
et.al
(2013)
Are Islamic
Stock
MarketsIntegr
ated
Globally?
Evidence
From Time
Series
Techniques
DJIAP,
AJIEU,
DJIMKW,DJI
UK, IMUS
Analisis
(VECM) dan
analisis
Beveridge
Nelson (BNI)
Time Series
Decompositio
n
Hasil penelitian menunjukkan
adanya hubungan kointegrasi
antara kelima bursa syariah
tersebut.
36
No. Peneliti
dan
Tahun
Judul Variabel/
Metode
Penelitian
Hasil Penelitian
10. Bakri
Abdul
Karim
dkk.
(2010)
The Subprime
Crisis and
Islamic Stock
Market
Integration
DJMY, JII,
DJIUK,
DJIJP, IUSA
Uji
kointegrasi
Time series.
Hasil penelitian menunjukan
tidak adanya kointegrasi di antara
bursa saham shariah. Penelitian
juga membuktikan bahwa krisis
subpreme tidak mempengaruhi
pergerakan jangka panjang di
antara bursa saham shariah
tersebut.
Sumber: Jurnal-jurnal
C. Kerangka Pemikiran
Menurut Abdul Hamid (2010:15) kerangka pemikiran merupakan sintesa
dari serangkaian teori yang tertuang dalam tinjauan pustaka, yang pada
dasarnya merupakan gambaran sistematis dari kinerja teori dalam memberikan
solusi atau alternative solusi dari serangkaian masalah yang ditetapkan.
Kerangka pemikiran dapat disajikan dalam bentuk bagan, deskripsi kualitatif,
dana ش atau gabungan keduanya. Kerangka pemikiran dalam penelitian ini
dideskripsikan sebagai berikut:
37
Gambar 2.1
Kerangka pemikiran
Uji Stasioneritas
Uji Kausalitas Granger
Bursa Saham Syariah:
JII (Indonesia), FBMS (Malaysia),
KMI-30 (Pakistan), QERI (Qatar),
DJIMTR (Turki), dan DJIMKW
(Kuwait)
Stasioner
dideferensiasi data
Tidak stasioner
VAR bentuk
level
Stasioner
Uji Kointegrasi
Ya
didefere
nsiasi
data
Tidak
didefe
rensias
i data
VECM
data
VAR bentuk
difference
IRF dan Variance
Decomposition
Interpretasi
Kesimpulan
38
D. HIPOTESIS PENELITIAN
Syofian Siregar (2011:112) mengatakan hipotesis adalah pernyataan
tentang suatu konsep yang perlu diuji kebenarannyaSesuai dengan teori dan
kerangka pemikiran, maka hipotesis di bawah ini pada dasarnya merupakan
jawaban sementara terhadap suatu masalah yang harus dibuktikan
kebenarannya, adapun hipotesis yang dirumuskan dalam penelitian ini adalah
sebagai berikut:
1. Hipotesa Pertama
H0: Tidak terdapat hubungan kausalitas antara bursa saham
syariah di negara Anggota Organisasi Konferensi Islam
(Malaysia, Pakistan, Kuwait, Turki, Qatar) dengan bursa
saham syariah Indonesia.
Ha: Terdapat hubungan kausalitas antara bursa saham syariah di
negara Anggota Organisasi Konferensi Islam (Malaysia,
Pakistan, Kuwait, Turki, Qatar) dengan bursa saham syariah
Indonesia.
2. Hipotesa Kedua
H0: Tidak terdapat hubungan jangka panjang antara bursa saham
syariah di negara anggota Organisasi Konferensi Islam
(Malaysia, Pakistan, Kuwait, Turki, Qatar) dengan bursa
saham syariah Indonesia.
39
Ha: Terdapat hubungan jangka panjang antara bursa saham
syariah di negara anggota Organisasi Konferensi Islam
(Malaysia, Pakistan, Kuwait, Turki, Qatar) dengan bursa
saham syariah Indonesia.
3. Hipotesa Ketiga
H0: Tidak terdapat kontribusi tiap bursa saham syariah di negara
anggota Organisasi Konferensi Islam (Malaysia, Pakistan,
Kuwait, Turki, Qatar) dengan bursa saham syariah
Indonesia.
Ha: terdapat kontribusi tiap bursa saham syariah di negara
anggota Organisasi Konferensi Islam (Malaysia, Pakistan,
Kuwait, Turki, Qatar) dengan bursa saham syariah
Indonesia.
43
BAB III
METODOLOGI PENELITIAN
A. Ruang lingkup penelitian
Ruang lingkup penelitian ini adalah untuk menganalisis integrasi
yang terjadi antara bursa saham syariah di negara-negara yang tergabung
dalam Organisasi Kerjasama Islam (OKI) yang diwakili oleh Indonesia
dengan Jakarta Islamic Indeks (JII) , Malaysia dengan FTSE Bursa
Malaysia Emas Shar’iah (FBMS), Pakistan dengan KSE Meezan 30 (KMI
30), Kuwait dengan Dow Jones Islamic Market Kuwait (DJIMKW), Turki
dengan Dow Jones Islamic Market Turkey (DJIMTR) dan Qatar dengan
QE Al-Rayan Islamic (QERI). Periode yang akan diteliti adalah dari tahun
1 Juli 2013 sampai 31 Juli 2018.
B. Teknik Pengambilan Sampel
Populasi dari penelitian ini adalah seluruh aktifitas pergerakan nilai
penutupan harian indeks saham syariah di Indonesia, Malaysia, Pakistan,
Kuwait, Turki dan Qatar mulai dari tahun 1 Juli 2013 sampai dengan 31
Juli 2018. Sampel yang dipilih adalah JII, FBMS, KMI30, DJIMKW,
DJIMTR dan QERI.
Pemilihan negara Indonesia, Malaysia, Pakistan, Kuwait, Turki
serta Qatar berdasarkan beberapa faktor. Pertama, bursa saham mencakup
wilayah geografis yang memberikan kebaruan penelitian ini. Kedua, bursa
44
saham yang dipilih dalam penelitian ini juga dikategorikan
menurut tingkat The World Bank Income Grouping yaitu, Indonesia dan
Pakistan mewakili negara kategori OIC-LMIG, Malaysia dan Turki
mewakili negara kategori OIC-UMIG dan terakhir Qatar dan Kuwait
mewakili negara kategori OIC-HIG. Adapun untuk negara kategori OIC-
LIG tidak termasuk dalam sampel penelitian dikarenakan tidak tersedianya
bursa saham syariah di negara bersangkutan.
Tabel 3.1. Categorization Of OIC Members States
CATEGORIES COUNTRIES NUMBER
OF
COUNTRIES
OIC-Low income
group
US$ 1045 or less
Afghanistan, Benin, Burkina Faso,
Chad, Comoros, Guinea, Guinea-
Bissau, Mali, Mozambique, Niger,
Sierra Leone, Somalia, Gambia The,
Togo, Uganda
15
OIC-Lower
middle income
group
US$ 1,046 to US$
4,125
Bangladesh, Cameroon, Cote
d'Ivoire, Djibouti
Egypt, Arab Rep., Guyana,
Indonesia, Kyrgyz Republic,
Mauritania, Morocco, Nigeria,
Pakistan, State of Palestine, Senegal,
Sudan, Syrian Arab Republic,
Tajikistan Uzbekistan, Yemen
19
45
OIC-Upper
middle income
US$ 4,126 to
US$12,735
Albania, Algeria, Azerbaijan,
Gabon, Islamic Republic of Iran,
Iraq, Jordan, Kazakhstan, Lebanon,
Libya, Malaysia, Maldives,
Suriname, Tunisia, Turkey,
Turkmenistan
16
OIC-High
income group
US$ 12,736 or
more
Bahrain, Brunei Darussalam,
Kuwait, Oman, Qatar, Saudi Arabia,
United Arab Emirates
7
Source: World Bank
Sampel adalah bagian dari populasi yang dipilih melalui cara
terentu yang mewakili karakteristik tertentu, jelas dan lengkap yang
dianggap mewakili populasi (Arifin,2008:69).pemilihan sampel dalam
penelitian ini menggunakan purposive sampling dengan tujuan agar
diperoleh sampel representative sesuai dengan kriteria yang ditentukan,
adapun kriteria pemilihan sampel adalah sebagai berikut:
1. Bursa saham syariah yang terkenal/utama/terbesar di negara
anggota Organisasi Kerjasama Islam (OKI) yang dipilih.
2. Tersedianya data indeks bursa saham Syariah harian selama
periode penelitian, yaitu dari tahun 2013 sampai tahun 2018.
46
C. Teknik Pengumpulan Data
Penelitian ini menggunakan data sekunder berupa data runtun
waktu (time series) dengan skala harian yang diambil dari sumber data
dengan menggunakan teknik pengumpulan data berikut:
1. Penelitian Kepustakaan (Library Research), yaitu metode
pengumpulan data yang diperoleh dari membaca buku-buku,
jurnal, bahan, serta literatur-literatur yang terkait dengan
permasalahan yang diteliti.
2. Internet Research, metode pengumpulan data yang diperoleh
dari media internet seperti: www.yahoofinance.com,
www.investing.com, www.wikipedia.com, dan website
lainnya.
D. Teknik Analisis
Dalam penelitian ini analisis yang akan digunakan adalah analisis
Vector Autoregressive (VAR)/Vector Error Correction Model (VECM)
dan sebagai alat analisis adalah eviews 9. Sebelum memasuki detail atas
analisis dan pembahasan model yang digunakan, terlebih dahulu dijelaskan
mengenai statistika deskriptif dan analisis Vector Autoregressive
(VAR)/Vector Error Correction Model (VECM).
1. Statistika Deskriptif
Menurut Wahyu Winarno (2011:39-3.10) statistika deskriptif
merupakan ringkasan atas data yang disajikan yang berisi beberapa
47
hitungan pokok statistik, seperti rata-rata, nilai maksimum, nilai
minimum, standar deviasi, kurtois, Jaque-Bera, dan lain sebagainya.
Akan tetapi, standarnya hanya tiga informasi yaitu rata-rata, standar
deviasi dan observation (banyaknya data), tetapi tidak menutup
kemungkinan bisa juga ditambahkan dengan informasi lainnya.
Berikut ini penjelasan dari beberapa hitungan pokok di dalam statistika
deskriptif
a. Rata-rata (mean) diperoleh dengan menjumlahkan seluruh data dan
membaginya dengan cacah data.
b. Maximum adalah nilai paling besar dari data.
c. Minimum adalah nilai paling rendah dari data.
d. Standar deviasi adalah ukuran disperse atau penyebaran data.
e. Skewness adalah ukuran asimetris distribusi data di sekitar mean.
f. Kurtois mengukur ketinggian suatu distribusi
g. Jarque-Bera adalah uji statistiks untuk mengetahui apakah data
berdistribusi normal atau tidak. Uji ini mengukur perbedaan
skewness dan kurtois data yang dibandingkan dengan apabila
datanya bersifat normal.
2. Analisis Vector Autoregressive (VAR)/Vector Error Correction Model
(VCEM)
Sebagaian besar model ekonometrika adalah model persamaan
tunggal ataupun persamaan ganda yakni lebih dari satu persamaan
disebut dengan persamaan struktural atau teoritis. Disebut persamaan
48
struktural karena hubungan variabel di dalam persamaan dibentuk atas
dasar teori ekonomi. Akan tetapi seringkali teori ekonomi belum
mampu menentukan spesifikasi yang tepat. Misalnya teori terlalu
kompleks sehingga simplifikasi harus dibuat atau sebaliknya fenomena
yang ada terlalu komplek jika hanya dijelaskan dengan teori yang ada.
Ahli ekonometrika telah mengembangkan sebuah model yang bisa
membantu menyelesaikan permasalahan tersebut. Model persamaan
ini disebut Vector Autoregression (VAR). Model VAR ini dibangun
dengan pertimbangan meminimalkan pendekatan teori dengan tujuan
agar mampu menangkap fenomena ekonomi dengan baik. (Agus
Widarjono, 2009:345).
Menurut Nachrowi, D.N dkk (2006:289) VAR yang dikembangkan
oleh Sim (1992) ini berbeda dalam bangunan modelnya. Dengan VAR
kita hanya perlu memperhatikan dua hal yaitu: (1) kita tidak perlu
membedakan mana yang variabel endogen dan eksogen. Semua
variabel baik endogen maupun eksogen yang dipercaya saling
berhubungan seharusnya dimasukkan di dalam model. (2) untuk
melihat hubungan antara variabel di dalam VAR kita membutuhkan
sejumlah kelambanan variabel yang ada. Kelambanan variabel yang
lain di dalam model.
Adapun Agus Widarjono (2009:353) mengatakan secara garis
besar, terdapat empat hal yang ingin diperoleh dari pembentukan
sebuah system persamaan yang pada dasarnya dapat disediakan dengan
49
metode VAR, yaitu deskripsi data, peramalan, inferensi structural, dan
analisis kebijakan.
a. Tes Kausalitas Granger, yaitu mengetahui hubungan sebab
akibat antar variabel.
b. Peramalan, yaitu dapat mengamati pergerakan atau trend
data-data yang diamati sehingga dapat dilakuakn
peramalan. Peramalan di dalam VAR merupakan sebuah
ekstrapolasi nilai saat ini dan masa depan seluruh variabel
dengan menggunakan seluruh informasi yang ada di masa
yang lalu.
c. Impulse Response Function (IRF), yaitu dengan mendeteksi
respon setiap variabel baik pada saat ini maupun masa
depan akibat adanya perubahan atau shock suatu variabel
tertentu.
d. Forecas Error Decomposition of Variance (FEDV), yaitu
dengan melakukan prediksi terhadap kontribusi persentase
varians setiap variabel terhadap perubahan suatu variabel
tertentu.
Berdasarkan proses pembentukan VAR maka ada dua bentuk VAR
non structural yang secara umum digunakan yaitu VAR (Unrestricted
VAR) dan VAR yang teristriksi (restricted VAR) dikenal dengan
Vector Error Correction Model (VECM). Teristriksi atau tidaknya
bentuk VAR sangat erat dengan ada tidaknya kointegrasi di dalam
50
model VAR non structural. Pada pembentukan VAR non struktural
model tidak dibuat berdasarkan bangunan teori yang ada tetapi lebih
menekankan pada adnya saling ketergantungan antar variabel
ekonomi. Jika data stasioner pada tingkat level maka tidak perlu
melakukan uji kointegrasi. Dengan demikian apabila data stasioner
pada tingkat level maka model VAR ini desbut model structural karena
tidak memerlukan keberadaan hubungan secara teoritis antarvariabel.
VAR dengan data pada tingkat data level ini disebut dengan nama
VAR in level. Akan tetapi jika data time series menunjukkan tidak
stasioner maka perlu dilakukan uji stasioneritas data pada tingkat
diferensi.. maka model ini disebut dengan model VAR in difference.
Sebaliknya jika data tidak stasioner pada level tetapi stasioner pada
proses diferensi data, maka kita harus menguji apakah data mempunyai
hubungan dalam jangka panjang atau tidak dengan melakukan uji
koointegrasi. Apabila terdapat kointegrasi maka model yang digunakan
adalah model Vector Error Correction Model (VECM). Model VECM
ini merupakan model yang terestriksi (restricted VAR) karena adanya
kointegrasi yang menunjukkan adanya hubungan jangka panjang antar
variabel di dalam sistem VAR. (Agus Widarjono: 2009, 348).
Menurut Shochrul R Ajija (2011:165), ada beberapa kelemahan
dari model VAR di antaranya:
a. Model VAR merupakan model yang atheorictic atau tidak
berdasarkan teori, hal ini tidak seperti pada persamaan
51
simultan. Pada persamaan simultan, pemilihan variabel yang
akan dimasukkan dalam persamaan memegang peranan penting
dalam mengidentifikasi model.
b. Pada model VAR, penekanannya terletak pada peramalan
sehingga model ini kurang cocok digunakan dalam
menganalisis kebijakan.
c. Permsalahan yang besar dalam modeol VAR adalah pemilihan
(lag length) panjang lag yang tepat. Oleh karena semakin
panjang lag, jumlah parameter yang akan bermasalah pada
derajat bebas (degree of freedom-df) akan bertambah.
d. Variabel yang tergabung pada model VAR harus stasioner.
Apabila tidak stasioner, perlu dilakukan transformasi bentuk
data, misalnya melalui first difference.
e. Sering ditemui kesulitan dalam menginterpretasi setiap
koefisien pada estimasi model VAR sehingga sebagian besar
peneliti melakukan interpretasi pada estimasi fungsi IRF dan
variance decompotition.
Selanjutnya, menurut Mahyudin (2009:4) analisis VAR memiliki
beberapa keunggulan:
a. Metode ini sederhana kita tidak perlu khawatir untuk
membedakan mana variabel endogen dan mana variabel
eksogen.
52
b. Estimasinya sederhana. Dimana OLS bisa dapat diaplikasikan
pada tiap-tiap persamaan secara terpisah.
c. Hasil perkiraan (forecast) yang diperoleh dengan metode ini
dalam banyak kasuslebih bagus dibandingkan dengan hasil
yang didapat dengan menggunakan model simultan yang
kompleks sekalipun.
d. Analisis VAR sangan berguna, baik di dalam memahami
adanya hubungan timbal balik (interrelationship) antara
variabel-variabel ekonomi, maupun di dalam pembentukan
model ekonomi berstruktur.
Adapun tahap-tahap yang harus dilakukan dalam analisis
VAR/VECM sebagai berikut:
a. Uji Stasioneritas
Agus Widarjono (2009:349) mengemukakan langkah
pertama yang harus dilakukan dalam estimasi model ekonomi
dengan data time series adalah dengan menguji stasioneritas pada
data atau disebut stationary stochastic process. Uji stasioneritas
data ini dapat dilakukan dengan menggunkan uji akar unit ADF
atau PP atau dengan uji lain sesuai dengan bentuk trend yang
terkandung pada setiap variabel.
Pada penelitian ini, uji stasioneritas yang digunakan adalah
uji akar unit sebagai uji formal untuk mengetahui kestasioneran
data. Uji akar unit yang digunakan adalah Augmented Dickey
53
Fuller (ADF) test pada derajat yang sama (level atau difference)
sehingga diporeleh suatu data yang stasioner, yaitu data yang
variansanya tidak terlalu besar dan mempunyai kecenderungan
untuk mendekati nilai rata-ratanya.
b. Penentuan Lag Length
Shochrul R Ajija, dkk (2011:166-167), salah satu
permasalahn yang terjadi dalam uji stasioneritas adalah penentuan
lag optimal. Jika lag yang digunakan dalam uji stasioneritas terlalu
sedikit, maka residual dari regresi tidak akan menampilkan proses
white noise sehingga model tidak dapat mengestimasi actual error
secara tepat. Akibatnya γ dan standar kesalahan tidak diestimasi
secara baik. Namun demikian, jika memasukka terlalu banyak lag,
maka dapat mengurangi kemampuan untuk menolak H0 karena
tambahan parameter yang terlalu banyak akan mengurangi derajat
bebas. Selanjutnya, untuk mengetahui jumlah lag optimal dipilih
kriteria yang mempunyai final Prediction Error (FPE),atau jumlah
dari Akaike Information Criterion (AIC), Schwarz Information
Criterion (SIC), dan Hannan-Quinn Information Criterion (HQ)
yang paling kecil di antara berbagai lag yang diajukan.
c. Uji Kausalitas Granger
Metode yang digunakan untuk menganalisis hubungan
kausalitas antarvariabel yang diamati adalah dengan Uji Kausalitas
Granger. Dalam penelitian ini, uji kausalitas Granger digunakan
54
untuk melihat apakah suatu variabel mempunyai hubungan dua
arah, atau hanya satu arah saja. Pada Uji Granger yang dilihat
adalah pengaruh masa lalu terhadap kondisi sekarang, sehingga
data yang digunakan adalah data time series.
Dalam Shochrul R Ajija, dkk (2011:167), secara umum
suatu persamaan granger dapat diinterpretasikan sebagai berikut:
1) Unindirectional Causality dari variabel dependen ke
variabel independen. Hal ini terjadi ketika koefisien lag
variabel dependen secara statistik signifikan berbeda
dengan nol, sedangkan koefisien lag seluruh variabel
independen sama dengan nol.
2) Feedback/bilaterall causality jika koefisien lag seluruh
variabel, baik variabel dependen maupun independen secara
statistik signifikan berbeda dengan nol.
3) Independence jika koefisien lag seluruh variabel, baik
variabel dependen maupun independen secara statistik tidak
berbeda dengan nol.
untuk menguji kausalitas tersebut, apabila nilai probabilitas
lebih kecil daripada 0,05, maka terjadi kausalitas Granger, dan
sebaliknya apabila lebih besar daripada 0,05, maka tidak terjadi
kausalitas granger.
55
d. Uji Kointegrasi
Agus Widarjono (2009:235), Keberadaan variabel
nonstasioner menyebabkan kemungkinan besar adanya hubungan
jangka panjang antara variabel di dalam sistem VAR. berkaitan
dengan hal ini, maka langkah selanjutnya di dalam estimasi VAR
adalah uji kointegrasi untuk mengetahui keberadaan hubungan
antar variabel. Hubungan kointegrasi dalam sebuah system
persamaan menandakan bahwa dalam system tersebut terdapat
error correction model yang menggambarkan adanya dinamisasi
dalam jangka pendek secara konsisten dengan hubungan jangka
panjangnya.
Shocrul dkk (199-200) mengemukakan salah satu
pendekatan yang dapat digunakan dalam uji kointegrasi adalah
dengan metode Johansen. Metode ini membandingkan dua
pengujian statistik yang berbeda, yaitu trace statistic dan nilai
Max-Eigen statistic. Jika nilai Max-Eigen dan nilai trace-nya lebih
besar dari nilai kritis 1% dan 5% maka data terintegrasi. Pengujian
ini dilakukan dengan menggambarkan lag optimal sesuai dengan
pengujian sebelumnya. Sementara itu, penentuan asumsi
deterministic yang melandasi pembukaan persamaan kointegrasi
didasarkan pada dua kriteria, yaitu SC dan AIC.
56
e. Stabilitas VAR/VECM
Sebelum melakukan analisis VAR lebih jauh terlebih
dahulu diuji stabilitasnya karena jika hasil estimasi VAR/VECM
menunjukkan tidak stabil, maka Impulse Response Function (IRF)
dan Variance Decomposition (VD) menjadi tidak valid. Uji
stabilitas VAR/VECM dapat dilakukan dengan menghitung akar-
akar dari fungsi polynomial atau yang dikenal dengan roots of
characteristic polynomial. Jika semua akar dari fungsi polynomial
tersebut berada di dalam unit circle atau jika nilai absolutnya lebih
kecil daripada 1. Dengan demikian model VAR/VECM tersebut
bersifat stabil sehingga analisis IRF dan VD dapat dilakukan.
f. Estimasi VAR/VECM
VAR merupakan persamaan simultan. Sebagai sebuah
persamaan simultan maka harus dilakukan identifikasi apakah
model VAR ini bisa diestimasi atau tidak. Ada tiga kemungkinan
hasil identifikasi ini yaitu tidak teridentifikasi (underidentified),
tepat terindetifikasi (exactly identified or just identified) dan terlalu
teridentifikasi (overidentified).
g. Impuls Respon Function (IRF)
Agus Widarjono (2009:253), karena secara individual
koefisien di dalam model VAR sulit diinterpretasikan maka para
57
ahli ekonometrika menggunakan analisis penting di dalam model
VAR. analisis impulse response ini melacak respon dari variabel
endogen di dalam model VAR. analisis impulse response ini
melacak respon dari variabel endogen di dalam sistem VAR karena
adanya goncangan (Shocks) atau perubahan di dalam variabel
gangguan (e).
Menurut Sims (1992) dalam Shochrul R. Ajija (2011:168)
menjelaskan bahwa fungsi IRF menggambarkan ekspektasi k-
periode ke depan dari kesalahan prediksi suatu variabel akibat
inovasi dari variabel yang lain. Dengan demikian, lamanya
pengaruh dari schock suatu variabel lain sampai pengaruhnya
hilang atau kembali ke titik keseimbangan dapat dilihat atau
diketahui. Selain itu, IRF juga berfungsi untuk memberikan
gambaran ekspektasi k-periode ke depan dari kesalahan prediksi
suatu variabel akibat inovasi dari variabel yang lain sampai
pengaruhnya hilang atau kembali ke titik keseimbangan dapat
dilihat.
h. Variance Decomposition (VD)
Agus Widarjono (2009:356), Model VAR menyediakan
analisis forecast error decomposition of variance atau seringkali
disebut dengan variance decomposition. Analisis IRF sebelumnya
digunakan untuk melacak dampak shock dari variabel endogen
terhadap variabel lain di dalam system VAR. Sedangkan analisis
58
variance decomposition ini menggambarkan relatif pentingnya
setiap variabel di dalam sistem VAR karena adanya shock.
Variance decomposition berguna untuk memprediksi kontribusi
presentase varian setiap variabel karena adanya perubahan variabel
tertentu di dalam sistem VAR.
Lebih lanjut Shochrul R Ajija (2011:168) menyatakan
variance decomposition ini merupakan perangkat pada model
VAR yang akan memisahkan variasi dari sejumlah variabel yang
diestimasi menjadi komponen-komponen shock atau menjadi
variabel innovation, dengan asumsi bahwa variabel-variabel
innovation tidak saling berkorelasi. Kemudian, Variance
decomposition akan memberikan informasi mengenai proporsi dari
pergerakan pengaruh shock pada sebuah variabel terhadap shock
variabel lainnya pada veriode saat ini dan periode yang akan
dating.
E. Operasional Variabel Penelitian
Terdapat enam variabel dalam penelitian ini, yaitu:
1. Indeks JII
Jakarta Islamic Index (JII) adalah indeks saham syariah yang
pertama kali diluncurkan di pasar modal Indonesia pada tanggal 3 Juli
2000 yang merupakan hasil kerjasama PT. Bursa Efek Indonesia
dengan PT Danareksa Investment Management (DIM) yang dibuat
59
berdasarkan Syariah islam. JII terdiri dari 30 saham yang dipilih dari
saham-saham yang sesuai dengan Syariah islam. Pada awal
peluncurannya (www.sahamok.com). Perhitungan JII dilakukan
dengan menggunakan metode perhitungan indeks yang telah
ditetapkan yaitu dengan kapitalisasi pasar (www.wikipedia.org).
2. Indeks FBMS
Bursa Malaysia melakukan kerjasama dengan FTSE Group dan
meluncurkan indeks Syariah baru yang dikenal dengan FTSE Bursa
Malaysia EMAS Shariah Indeks (FBMS) pada tanggal 22 Januari
2007. Setelah FBMS diluncurkan, Kuala Lumpur Shariah Index secara
resmi dinonaktifkan pada tanggal 1 November 2007 dan diganti
dengan FBMS setelah selama Sembilan bulan sama-sama diaktifkan
sejajar dengan FBMS. Saat ini FBMS menjadi satu-satunya benchmark
saham Syariah di Malaysia (The Report Malaysia 2007). Metode
perhitungan indeks FBMS berdasarkan Jumlah saham yang beredar
dan menggunakan hari dasar tanggal 31 Maret 2006 dengan nilai
indeks sebesar 6000 (FTSE Monthly Report Oktober 2014).
3. Indeks KMI 30
KSE Meezan Index (KMI-30) adalah indeks pasar saham di Bursa
Efek Pakistan yang terdiri dari tiga puluh perusahaan yang telah
disaring dan sesuai dengan kriteria Syariah Islam. Indeks ini pertama
kali diperkenalkan pada tahun 2009 dan periode dasar untuk indeks
60
Islam ini adalah 30 Juni 2008 yang merupakan hasil kerjasama Bursa
Efek Karachi (sekarang dikenal sebagai Bursa Saham Pakistan) dengan
Al-Meezan Investment Bank. Indeks dihitung menggunakan
kapitalisasi pasar float bebas. Pada setiap titik waktu, tingkat indeks
mencerminkan nilai pasar float bebas dari saham yang dipilih
berdasarkan syariah dibandingkan dengan periode dasar
(www.wikipedia.com).
4. Indeks QERI
QE Al Rayan Islamic Index (QERI) telah diluncurkan pada 7
Januari 2013 oleh Qatar Exchange dan Al Rayan Investment. Indeks
Islam ini adalah indeks pengembalian total yang mencerminkan kinerja
harga dan pendapatan dividen dari saham yang sesuai dengan Syariah
yang terdaftar di Bursa Qatar. Indeks ini dimaksudkan untuk
mendukung penciptaan dana yang diperdagangkan di bursa syariah
oleh Al Rayan Investment dan telah dikeluarkan sesuai dengan Fatwa
oleh Dewan Syariahnya (www.QSE.com)
5. Indeks DJIMTR
Dow Jones Islamic Market Turkey (DJIMTR) adalah indeks yang
dirancang untuk mengukur kinerja saham yang diperdagangkan di
Turki dan telah melewati layar berbasis aturan untuk kepatuhan
terhadap pedoman investasi shariah (www.djimtr.com).
61
6. Indeks DJIMKW
Dow Jones Islamic Market Kuwait (DJIMKW) adalah indeks yang
dirancang untuk mengukur kinerja saham yang diperdagangkan di
Kuwait dan telah melewati layar berbasis aturan untuk kepatuhan
terhadap pedoman investasi shariah (www.djim.com).
62
BAB IV
ANALISIS UMUM OBJEK PENELITIAN
A. Sekilas Gambaran Umum Objek Penelitian
1. Sejarah Pembentukan OKI
Majid (2016:1) mengatakan sejarah berdirinya organisasi kerja sama
Islam (OKI) tidak lepas dari berbagai peristiwa di Timur Tengah
mengenai umat Islam. Konflik yang terjadi antara Israel dan Palestina
yang berlangsung lama dan tak kunjung selesai merupakan suatu hal yang
bertali temali dengan gerakan Zionisme yang ingin mendirikan negara
Yahudi di Palestina. Kemudian setelah Israel merdeka pada tahun 1948,
mereka gencar malakukan pengusiran warga Palestina. Bukan hanya
sebuah pengusiran yang dilakukan Israel terhadap Palestina melainkan
berbagai teror dan siksaan secara perlahan agar rakyat Palestina
meninggalkan tanah airnya. Dengan berbagai konflik yang terjadi antara
Israel dan Palestina sampai pada perang yang terjadi dalam merebutkan
kota al-Quds (Jerussalem) pada tahun 1967, kemudian memuncak dengan
kaum Radikal Yahudi yang membakar masjid al-Aqsa pada 21 Agustus
1969, membuat umat islam di seluruh dunia tersadarkan dan mulai
membetuk suatu organisasi.
Organisasi kerja sama Islam (selanjutnya disingkat OKI) adalah
organisasi internasional yang berdiri pada tanggal 25 September 1969 di
63
Rabat, Maroko dimana OKI memiliki cakupan area geografis terbesar
kedua setelah PBB, dari paling utara Albania (Eropa) ke arah selatan
Mozambik (Afrika) hingga bagian barat dunia Guyana (Latin Amerika)
sampai bagian paling timur Indonesia (Asia), dan hanya benua Australia
saja yang belum termasuk didalamnya. Dengan keanggotan yang mencapai
57 negara (56 minus Syria di masa konflik saat ini), total populasinya
mencapai seperlima total populasi dunia.
Tabel 4.1 Daftar Negara Anggota OKI (Organisasi Kerjasama Islam)
Negara Anggota Bentuk
Pemerintahan
Tahun
Bergabung Hari Nasional
Afganistan Republik 1969 19 Agustus
Aljazair Republik 1969 1-Nov
Arab Saudi Kerajaan 1969 23-Sep
Chad Republik 1969 11 Agustus
Guinea Republik 1969 02 Oktober
Indonesia Republik 1969 17 Agustus
Iran Republik 1969 11 Februari
Kuwait Kerajaan 1969 25 Februari
Lebanon Republik 1969 22-Nov
Libya Republik 1969 24 Desember
Malaysia Kerajaan 1969 31 Agustus
Mali Republik 1969 22-Sep
Maroko Kerajaan 1969 30 Juli
Mauritania Republik 1969 28-Nov
Mesir Republik 1969 23 Juli
Niger Republik 1969 18 Desember
Pakistan Republik 1969 23 Maret
64
Palestina Republik 1969 01 Januari
Senegal Republik 1969 4-Apr
Sudan Republik 1969 01 Januari
Somalia Republik 1969 01 Juli
Tunisia Republik 1969 20 Maret
Turki Republik 1969 29 Oktober
Yaman Republik 1969 22 Mei
Yordania Kerajaan 1969 25 Mei
Bahrain Kerajaan 1972 16 Desember
Oman Kerajaan 1972 18-Nov
Qatar Kerajaan 1972 18 Desember
Suriah Republik 1972 17-Apr
Uni Emirat Arab Kerajaan 1972 02 Desember
Sierra Leone Republik 1972 27-Apr
Bangladesh Republik 1974 26 Maret
Gabon Republik 1974 17 Agustus
Gambia Republik 1974 18 Februari
Guinea-Bissau Republik 1974 24-Sep
Uganda Republik 1974 09 Oktober
Burkino Faso Republik 1974 11 Desember
Kamerun Republik 1974 20 Mei
Irak Republik 1975 –
Komoro Republik 1976 06 Juli
Maladewa Republik 1976 26 Juli
Djibouti Republik 1978 26 Juni
Benin Republik 1983 01 Agustus
Brunei
Darussalam Kerajaan 1984 23 Februari
Nigeria Republik 1986 01 Oktober
65
Azerbaijan Republik 1992 28 Mei
Albania Republik 1992 28-Nov
Kirgizstan Republik 1992 31 Agustus
Tajikistan Republik 1992 9-Sep
Turkmenistan Republik 1992 27 Oktober
Mozambik Republik 1994 25 Juni
Kazakhstan Republik 1995 16 Desember
Uzbekistan Republik 1996 1-Sep
Suriname Republik 1996 25-Nov
Togo Republik 1997 27-Apr
Guyana Republik 1998 23 Februari
Pantai Gading Republik 2001 07 Agustus
Sumber: data diolah dari www.oic-cio.org
Atas prakarsa Raja Faisal dari Arab Saudi dan Raja Hassan II dari
Maroko, dengan Panitia Persiapan yang terdiri dari Iran, Malaysia, Niger,
Pakistan, Somalia, Arab Saudi dan Maroko, terselenggara Konferensi
Tingkat Tinggi (KTT) Islam yang pertama pada tanggal 22-25 September
1969 di Rabat, Maroko. Konferensi ini merupakan titik awal
bagi pembentukan Organisasi Kerja Sama Islam (OKI). Secara umum
latar belakang terbentuknya OKI sebagai berikut:
a. Tahun 1964: Pada Konferensi Tingkat Tinggi (KTT) Arab di
Mogadishu timbul suatu ide untuk menghimpun kekuatan Islam
dalam suatu wadah internasional.
b. Tahun 1965: Diselenggarakan Sidang Liga Arab sedunia di Jeddah
Saudi Arabia yang mencetuskan ide untuk menjadikan umat Islam
66
sebagai suatu kekuatan yang menonjol dan untuk menggalang
solidaritas Islamiyah dalam usaha melindungi umat Islam dari
zionisme khususnya.
c. Tahun 1967: Pecah Perang Timur Tengah melawan Israel. Oleh
karenanya solidaritas Islam di negara-negara Timur Tengah
meningkat.
d. Tahun 1968: Raja Faisal dari Saudi Arabia mengadakan kunjungan
ke beberapa negara Islam dalam rangka penjajagan lebih lanjut
untuk membentuk suatu Organisasi Islam Internasional.
e. Tahun 1969: Tanggal 21 Agustus 1969 Israel merusak Mesjid Al
Agsha. Peristiwa tersebut menyebabkan memuncaknya kemarahan
umat Islam terhadap Zionis Israel.
Seperti telah disebutkan diatas, Tanggal 22 hingga 25 September 1969
diselenggarakan Konferensi Tingkat Tinggi (KTT) negara-negara Islam di
Rabat, Maroko untuk membicarakan pembebasan kota Jerusalem dan
Mesjid Al Aqsa dari cengkeraman Israel. Dari KTT inilah OKI berdiri.
2. Tujuan OKI
Secara umum tujuan didirikannya organisasi tersebut adalah untuk
mengumpulkan bersama sumber daya dunia Islam dalam mempromosikan
kepentingan mereka dan mengkonsolidasikan segenap upaya negara
tersebut untuk berbicara dalam satu bahasa yang sama guna
memajukan perdamaian dan keamanan dunia muslim. Secara khusus, OKI
67
bertujuan pula untuk memperkokoh solidaritas Islam diantara negara
anggotanya, memperkuat kerjasama dalam bidang politik, ekonomi, sosial,
budaya dan iptek. Pada Konferensi Tingkat Menteri (KTM) III OKI bulan
February 1972, telah diadopsi piagam organisasi yang berisi tujuan OKI
secara lebih lengkap, yaitu:
a. Memperkuat/memperkokoh:
1) Solidaritas diantara negara anggota;
2) Kerjasama dalam bidang politik, ekonomi, sosial, budaya dan
iptek.
3) Perjuangan umat muslim untuk melindungi kehormatan
kemerdekaan dan hak-haknya.
b. Aksi bersama untuk:
1) Melindungi tempat-tempat suci umat Islam;
2) Memberi semangat dan dukungan kepada rakyat Palestina
dalam memperjuangkan haknya dan kebebasan mendiami
daerahnya.
c. Bekerjasama untuk:
1) menentang diskriminasi rasial dan segala bentuk penjajahan;
2) menciptakan suasana yang menguntungkan dan
saling pengertian diantara negara anggota dan negara-negara
lain.
68
3. Prinsip OKI
Untuk mencapai tujuan di atas, negara-negara anggota menetapkan
lima prinsip, yaitu:
a. Persamaan mutlak antara negara-negara anggota.
b. Menghormati hak menentukan nasib sendiri, tidak campur tangan
atas urusan dalam negeri negara lain.
c. Menghormati kemerdekaan, kedaulatan dan integritas wilayah
setiap negara.
d. Penyelesaian setiap sengketa yang mungkin timbul melalui cara-
cara damai seperti perundingan, mediasi, rekonsiliasi atau arbitrasi.
e. Abstein dari ancaman atau penggunaan kekerasan terhadap
integritas wilayah, kesatuan nasional atau kemerdekaan politik
sesuatu negara
B. Penemuan
1. Deskripsi Data
Dalam penelitian ini data yang diuji merupakan data nilai penutupan
indeks harian. Oleh karena itu, analisis singkat mengenai pola pergerakan
nilai penutupan indeks-indeks yang menjadi variabel dalam penelitian ini
akan dibahas sebagai berikut.
69
a. Jakarta Islamic Index (JII)
Range pergerakan nilai penutupan JII dari periode 2 Januari 2013
sampai dengan 31 Agustus 2018 adalah antara 500 hingga 800. Pada
tanggal 20 September 2015, indeks ini mencatat nilai penutupan
terendah 541,03 dan nilai penutupan tertinggi 798,770 pada tanggal 28
Januari 2018. Adapun nilai penutupan harian rata-rata JII adalah
676,711.
Gambar 4.1. Pergerakan Indeks Harian JII
Sumber: Data diolah dari Investing.com
b. FTSE Bursa Malaysia EMAS Syariah (FTFBMS)
Range pergerakan nilai penutupan FBMS dari periode 2 Juli 2013
sampai dengan 1 Juli 2018 adalah antara 10.500 hingga 14.000. Pada
tanggal 24 Agustus 2015 indeks ini mencatat nilai penutupan terendah
0
100
200
300
400
500
600
700
800
900
Ind
eks
Tahun
70
10.901,9 dan nilai penutupan tertinggi 13.807,2 pada tanggal 8 Januari
2018. Adapun nilai penutupan harian rata-rata FTFBMS adalah
12.680,43.
Gambar 4.2. Pergerakan Indeks Harian FBMS
Sumber: data diolah dari Investing.com
c. Karachi Meezan 30 (KMI-30)
Range pergerakan nilai penutupan KMI30 dari periode 1 Juli 2013
sampai dengan 1 Juli 2018 adalah antara 37.000 hingga 95.000. Pada
tanggal 20 September 2015, indeks ini mencatat nilai penutupan
terendah 36.759,88 dan nilai penutupan tertinggi 91.145,45 pada
tanggal 28 Januari 2018. Adapun nilai penutupan harian rata-rata
KMI30 adalah 60.910,4.
0.00
2,000.00
4,000.00
6,000.00
8,000.00
10,000.00
12,000.00
14,000.00
16,000.00
Ind
eks
Tahun
71
Gambar 4.3. Pergerakan Indeks Harian KMI30
Sumber: data diolah dari Investing.com
d. Dow Jones Islamic Market Kuwait (DJIMKW)
Range pergerakan nilai penutupan DJIMKW dari periode 1 Juli
2013 sampai dengan 1 Juli 2018 adalah antara 550 hingga 950. Pada
tanggal 20 September 2015, indeks ini mencatat nilai penutupan
terendah 538,35 dan nilai penutupan tertinggi 908,14 pada tanggal 28
Januari 2018. Adapun nilai penutupan harian rata-rata DJIMKW
adalah 709,556.
0.00
10,000.00
20,000.00
30,000.00
40,000.00
50,000.00
60,000.00
70,000.00
80,000.00
90,000.00
100,000.00
Ind
eks
Tahun
72
Gambar 4.4. Pergerakan Indeks Harian DJIMKW
Sumber: data diolah dari Investing.com
e. Dow Jones Islamic Market Turkey (DJIMTR)
Range pergerakan nilai penutupan DJIMTR dari periode 1 Juli
2013 sampai dengan 1 Juli 2018 adalah antara 4000 hingga 7000.
Pada tanggal 20 September 2015, indeks ini mencatat nilai penutupan
terendah 3778,07 dan nilai penutupan tertinggi 6885,03 pada tanggal
28 Januari 2018. Adapun nilai penutupan harian rata-rata DJIMTR
adalah 4904,587.
0
100
200
300
400
500
600
700
800
900
1000
Ind
eks
Tahun
73
Gambar 4.5. Pergerakan Indeks Harian DJIMTR
Sumber: Data diolah dari Investing.com
f. QE Al- Rayan Islamic (QERI)
Pergerakan nilai penutupan QERI dari periode 1 Juli 2013 sampai
dengan 1 Juli 2018 adalah antara 4000 hingga 7000. Pada tanggal 20
September 2015, indeks ini mencatat nilai penutupan terendah 3778,07
dan nilai penutupan tertinggi 6885,03 pada tanggal 28 Januari 2018.
Adapun nilai penutupan harian rata-rata QERI adalah 4904,587.
0.00
1,000.00
2,000.00
3,000.00
4,000.00
5,000.00
6,000.00
7,000.00
8,000.00
ind
eks
Tahun
74
Gambar 4.6. Pergerakan Indeks Harian QERI
Sumber: Data diolah dari Investing.com
2. Pembahasan
Dalam pembahasan hal pertama yang dilakukan adalah analisis
statistika deskriptif yaitu analisis dasar yang digunakan untuk
menggambarkan keadaan data secara umum lebih lanjut. Setelah
itu,dilakukan analisis Vector Autoregressive (VAR) untuk mengetahui
integrasi antara bursa saham syariah di Indonesia, Malaysia, Pakistan,
Turki, Kuwait dan Qatar. Adapun langkah-langkah dalam analisis VAR
adalah uji stasioneritas, penentuan lag optimum, uji kausalitas, uji
kointegrasi, uji stabilitas VAR, estimasi VAR/VECM, impulse Response
Function (IRF), dan Variance Decomposition (VD).
0.00
1,000.00
2,000.00
3,000.00
4,000.00
5,000.00
6,000.00
Ind
eks
Tahun
75
a. Statistika Deskriptif
Pada bagian ini akan dijelaskan analisis deskriptif statistik terhadap
data yang digunakan dalam penelitian. Analisis ini digunakan untuk
melihat gambaran umum yang tercermin dari informasi mean, median,
maximum, minimum, standar deviation dari data yang digunakan pada
penelitian ini. Dimana mean merupakan rata-rata yang dianggap
mewakili sekumpulan data; median merupakan suatu nilai yang berada
di tengah-tengah data setelah data diurutkan. Maximum merupakan
nilai besar dalam sekumpulan data; minimum merupakan nilai peling
kecil dalam sekumpulan data ; sedangkan standard deviation
merupakan nilai standar deviasi masing-masing variabel atau rata-rata
penyimpangan dari tiap observasi terhadap rata-ratanya
(Newbold,Carlson, & Thorne,2013). Berikut ini adalah hasil deskriptif
statistik pada penelitian ini:
1) Statistika Deskriptif Bursa Syariah Indonesia
Tabel 4.2. Statistika Deskriptif atas Nilai Penutupan Harian
Indeks JII
JII
Mean 676.7111
Median 681.6200
Maximum 798.7700
Minimum 541.0300
Std. Dev. 54.93869
Sumber: data diolah
76
Berdasarkan tabel statistika deskriptif untuk bursa saham
syariah di atas, terlihat bahwa rata-rata nilai penutupan harian JII
sebesar 676.7111. Adapun nilai penutupan harian terbesar JII
adalah 798.7700 dan penutupan harian terkecil sebesar 541.0300.
Sementara itu informasi dari standar deviasi di table diketahui
sebesar 54.93869.
2) Statistika Deskriptif Bursa Syariah Malysia
Tabel 4.3. Statistika Deskriptif atas Nilai Penutupan Harian
Indeks FBMS
FBMS
Mean 12676.12
Median 12687.59
Maximum 13807.20
Minimum 10901.91
Std. Dev. 461.1859
Sumber: data diolah
Berdasarkan tabel statistika deskriptif untuk bursa saham
syariah di atas, terlihat bahwa rata-rata nilai penutupan harian
FBMS sebesar 12676.12. Adapun nilai penutupan harian terbesar
FBMS adalah 13807.20 dan penutupan harian terkecil sebesar
10901.91. sementara itu informasi dari standar deviasi di table
diketahui sebesar 461.1859.
77
3) Statistika Deskriptif Bursa Syariah Pakistan
Tabel 4.4 Statistika Deskriptif atas Nilai Penutupan Harian
Indeks KMI30
KMI30
Mean 60638.69
Median 57645.97
Maximum 91145.45
Minimum 36759.88
Std. Dev. 13779.15
Sumber: data diolah
Berdasarkan tabel statistika deskriptif untuk bursa saham
syariah di atas, terlihat bahwa rata-rata nilai penutupan harian
KMI30 sebesar 60638.69. Adapun nilai penutupan harian terbesar
KMI30 adalah 91145.45 dan penutupan harian terkecil sebesar
36759.88. sementara itu informasi dari standar deviasi di table
diketahui sebesar 13779.15.
4) Statistika Deskriptif Bursa Syariah Kuwait
Tabel 4.5. Statistika Deskriptif atas Nilai Penutupan Harian
Indeks DJIMKW
DJIMKW
Mean 722.3378
Median 719.3600
Maximum 908.1400
Minimum 538.3500
Std. Dev. 88.61713
Sumber: data diolah
78
Berdasarkan tabel statistika deskriptif untuk bursa saham
syariah di atas, terlihat bahwa rata-rata nilai penutupan harian
DJIMKW sebesar 722.3378. Adapun nilai penutupan harian
terbesar DJIMKW adalah 908.1400 dan penutupan harian terkecil
sebesar 538.3500. sementara itu informasi dari standar deviasi di
table diketahui sebesar 88.61713.
5) Statistika Deskriptif Bursa Syariah Turki
Tabel 4.6. Statistika Deskriptif atas Nilai Penutupan Harian
Indeks DJIMTR
DJIMTR
Mean 4869.912
Median 4517.200
Maximum 6885.030
Minimum 3778.070
Std. Dev. 832.8520
Sumber: data diolah
Berdasarkan tabel statistika deskriptif untuk bursa saham
syariah di atas, terlihat bahwa rata-rata nilai penutupan harian
DJIMTR sebesar 4869.912. Adapun nilai penutupan harian
terbesar DJIMTR adalah 6885.030 dan penutupan harian terkecil
sebesar 3778.070. sementara itu informasi dari standar deviasi di
table diketahui sebesar 832.8520.
79
6) Statistika Deskriptif Bursa Syariah Qatar
Tabel 4.7 Statistika Deskriptif atas Nilai Penutupan Harian
Indeks QERI
QERI
Mean 3846.913
Median 3868.695
Maximum 4843.470
Minimum 2635.890
Std. Dev. 530.7232
Sumber: data diolah
Berdasarkan tabel statistika deskriptif untuk bursa saham
syariah di atas, terlihat bahwa rata-rata nilai penutupan harian
QERI sebesar 3846.913. Adapun nilai penutupan harian terbesar
QERI adalah 4843.470 dan penutupan harian terkecil sebesar
2635.890. sementara itu informasi dari standar deviasi di table
diketahui sebesar 530.7232.
Dari tabel statistika deskriptif untuk seluruh bursa saham syariah di
atas, terlihat bahwa rata-rata nilai penutupan harian yang terbesar
adalah KMI-30 sebesar 61,023.05 , sedangkan rata-rata nilai penutupan
harian terkecil adalah JII sebesar 676.9939. sementara itu informasi
dari standar deviasi di tabel diketahui KMI-30 adalah yang memiliki
risiko paling tinggi diimbangi dengan rnetan yang lebih tinggi (nilai
penutupan lebih tinggi) dan JII adalah yang memiliki resiko paling
rendah.
80
b. Uji Stasioneritas
Uji stasioneritas dalam penelitian ini menggunakan uji Augmented
Dicky Fuller (ADF). Nilai ADF akan dibandingkan dengan nilai kritis
McKinnon untuk mengetahui derajat stasionertas variabel-variabel
hipotesis dalam uji ini adalah sebagai berikut.
H0: data tidak stasioner
H1: data stasioner
Apabila nilai ADF statistic lebih besar daripada nilai kritis
MacKinnon, maka H0 ditolak atau data tersebut stasioner karena tidak
terdapat unit root. Sebaliknya apabila nilai ADF statistic lebih kecil
daripada nilai kritis MacKinnon, maka data tersebut tidak stasioner
pada derajat level. Oleh karena itu untuk memperoleh data yang
stasioner pada derajat yang sama first difference 1st harus dilakukan.
Berikut ini adalah hasil uji variabel-variabel penelitian (indeks bursa
saham syariah pada tingkat level dan 1st difference.
81
Tabel 4.8 Uji Stasioneritas atas Nilai Penutupan Harian Indeks Bursa
Saham Syariah
S
u
m
b
e
:
Sumber: data diolah
Dari hasil uji stasioneritas nilai penutupan harian indeks bursa
saham syariah di atas dapat diketahui bahwa pada tingkat level hanya
nilai ADF statistic JII yang lebih besar dari α= 5% critical value
sehingga dapat dikatakan stasioner. Sedangkan yang lainnya tidak
stasioner. Oleh karena itu, semua indeks perlu dilakukan proses 1st
difference karena jika salah satu variabel stasioner di tingkat 1st
difference, maka semua variabel harus stasioner di tingkat 1st
difference. Setelah dilakukan proses 1st difference, nilai ADF statistic
lebih besar dari α =5% critical value yang berarti seluruh variabel
indeks bursa saham syariah stasioner pada 1st difference.
Level 1STDifference
Variabel ADF Statistik Prob ADF Statistik Prob
JII -3,444905 0,0460 -23,05982 0,000
FBMS -2,979690 0,1383 -32,07121 0,000
KMI30 -2,557200 0,3004 -30,10601 0,000
DJIMKW -1,380097 0,8665 -34,100017 0,000
DJIMTR -1,732314 0,7365 -34,82705 0,000
QERI -1,210125 0,9072 -30,56351 0,000
5% critical value Mac Kinnon -3,413376
82
c. Penentuan Lag Optimal
Langkah berikutnya yang dilakukan setelah uji uni root adalah
penentuan lag optimal. Penetapan lag optimal sangat penting karena
variabel independen yang akan digunakan tidak lain adalah lag dari
variabel endogennya. Pemilihan lag optimal dilakukan sebelum uji
kointegrasi. Pemilihan panjang lag penting karena bisa mempengaruhi
penerimaan dan penolakan hipotesis nol, mengakibatkan bias estimasi
dan menghasilkan prediksi yang tidak akurat.
Dalam memilih lag optimum yang tepat, dilakukan lag length
criterion yang sesuai berdasarkan model vector autoregressive (VAR).
Lag yang terpilih adalah panjang lag yang menurut kriteria Likelihood
Rasio (LR), Final Prediction (FPE), Akaike Information (AIC),
Schwarz Information Criteria (SC), dan Hannan Quin Criteria (HQ).
Penentuan lag optimal dengan menggunakan kriteria informasi
tersebut, kita pilih/tentukan kriteria yang mempunyai final prediction
error correction (FPE) atau jumlah dari AIC, SIC, dan HQ yang paling
kecil di antara berbagai lag tersebut. Jika kriteria informasi hanya
merujuk pada satu kandidat lag saja, maka kandidat tersebutlah yang
optimal.
83
1) Penentuan Lag Optimal antara Bursa Syariah Malaysia dengan
Bursa Syariah Indonesia
Tabel 4.9 Penentuan Lag Optimal atas JII dengan FBMS
S
u
m
b
e
r
:
Sumber : Data diolah
Pada Tabel penentuan lag optimal indeks FBMS dengan JII di
atas, terlihat bahwa lag menurut SC dan HQ akan optimal saat lag
1 dan lag atas LR, FPE AIC akan optimal saat lag 4. Berdasarkan
model VAR lag order selection, mengacu kepada jumlah lag yang
paling banyak direkomendasikan dari Final Prediction Error dan
Akaike Information Criterion maka penulis memilih lag 4 sebagai
pilihan lag optimal.
Lag LogL LR FPE AIC SC HQ
0 -15943.86 NA 5.74e+08 25.84418 25.85247 25.84730
1 -11315.71 9233.802 319288.8 18.34961 18.37449* 18.35897*
2 -11308.11 15.14149 317430.5 18.34377 18.38524 18.35937
3 -11304.35 7.474968 317554.7 18.34416 18.40222 18.36600
4 -11294.14 20.27141* 314374.6* 18.33409* 18.40875 18.36218
5 -11292.11 4.020197 315381.0 18.33729 18.42854 18.37161
6 -11287.74 8.643664 315193.3 18.33669 18.44453 18.37726
7 -11286.34 2.768267 316523.9 18.34091 18.46533 18.38771
8 -11284.65 3.337702 317710.4 18.34465 18.48566 18.39769
84
2) Penentuan Lag Optimal antara KMI30 dengan JII
Tabel 4.10 Penentuan Lag Optimal atas JII dengan KMI30
Sumber: data diolah
Pada tabel penentuan lag optimal indeks FBMS dengan JII
di atas, terlihat bahwa lag menurut SC dan HQ akan optimal saat
lag 2 dan lag atas LR, FPE AIC akan optimal saat lag 4.
Berdasarkan model VAR lag order selection, mengacu kepada
jumlah lag yang paling banyak direkomendasikan dari Final
Prediction Error dan Akaike Information Criterion maka penulis
memilih lag 4 sebagai pilihan lag optimal.
Lag LogL LR FPE AIC SC HQ 0 -19875.23 NA 3.36e+11 32.21593 32.22422 32.21905
1 -14090.98 11540.37 28684473 22.84762 22.87251 22.85698
2 -14073.92 33.98336 28083657 22.82645 22.86793* 22.84205*
3 -14069.89 8.017506 28082222 22.82640 22.88447 22.84824
4 -14064.82 10.07471* 28033373* 22.82466* 22.89931 22.85274
5 -14064.25 1.118757 28189916 22.83023 22.92147 22.86455
6 -14062.03 4.392245 28271400 22.83311 22.94095 22.87368
7 -14060.46 3.109401 28382811 22.83705 22.96147 22.88385
8 -14057.09 6.642574 28411945 22.83807 22.97909 22.89112
Sumber: Data diolah
85
3) Penentuan Lag Optimal antara Bursa Syariah Kuwait dengan
Bursa Syariah Indonesia
Tabel 4.11 Penentuan Lag Optimal antara DJIMKW dengan JII
Lag LogL LR FPE AIC SC HQ
0 -13884.37 NA 20389105 22.50627 22.51456 22.50939
1 -7955.528 11828.85 1377.268 12.90361 12.92850* 12.91297*
2 -7948.664 13.67190 1370.891 12.89897 12.94044 12.91457
3 -7944.526 8.229784 1370.583 12.89875 12.95681 12.92059
4 -7938.449 12.06591 1365.977* 12.89538* 12.97003 12.92346
5 -7937.436 2.007180 1372.607 12.90022 12.99147 12.93454
6 -7933.105 8.571030 1371.872 12.89968 13.00752 12.94025
7 -7929.216 7.683058 1372.120 12.89986 13.02429 12.94667
8 -7923.160 11.94496* 1367.557 12.89653 13.03755 12.94958
Sumber: Data diolah
Pada tabel penentuan lag optimal indeks DJIMKW dengan
JII di atas, terlihat bahwa lag menurut SC dan HQ akan optimal
saat lag 1 dan lag atas LR akan optimal saat lag 8, serta FPE AIC
akan optimal saat lag 4. Berdasarkan model VAR lag order
selection, mengacu kepada jumlah lag yang paling banyak
direkomendasikan dari Final Prediction Error dan Akaike
Information Criterion maka penulis memilih lag 4 sebagai
pilihan lag optimal.
86
4) Penentuan Lag Optimal antara Bursa Syariah Turki dengan
Bursa Syariah Indonesia
Tabel 4.12 Penentuan Lag Optimal antara DJIMTR dengan JII
S
u
m
b
e
r
Sumber: Data diolah
Pada tabel penentuan lag optimal indeks DJIMTR dengan
JII di atas, terlihat bahwa lag menurut SC dan HQ akan optimal
saat lag 1 dan lag atas LR akan optimal saat lag 7, serta FPE AIC
akan optimal saat lag 4. Berdasarkan model VAR lag order
selection, mengacu kepada jumlah lag yang paling banyak
direkomendasikan dari Final Prediction Error dan Akaike
Information Criterion maka penulis memilih lag 4 sebagai
pilihan lag optimal.
Lag LogL LR FPE AIC SC HQ
0 -16512.04 NA 1.44e+09 26.76505 26.77335 26.76817
1 -10915.42 11166.01 166890.7 17.70085 17.72573* 17.71021*
2 -10913.68 3.463043 167503.5 17.70451 17.74599 17.72012
3 -10908.47 10.36165 167175.3 17.70255 17.76062 17.72439
4 -10902.78 11.30091 166717.5* 17.69981* 17.77446 17.72789
5 -10901.71 2.134109 167509.4 17.70455 17.79579 17.73887
6 -10900.04 3.287460 168145.6 17.70834 17.81617 17.74890
7 -10893.48 12.96573* 167448.8 17.70418 17.82861 17.75099
8 -10888.95 8.929602 167306.0 17.70333 17.84435 17.75638
87
5) Penentuan Lag Optimal antara Bursa Syariah Qatar dengan
Bursa Syariah Indonesia
Tabel 4.13 Penentuan Lag Optimal antara QERI dengan JII
Lag LogL LR FPE AIC SC HQ
0 -16146.55 NA 7.97e+08 26.17268 26.18098 26.17580
1 -10789.44 10688.16 136068.5 17.49667 17.52155 17.50603
2 -10775.13 28.51400 133812.6 17.47995 17.52142* 17.49555*
3 -10772.41 5.397339 134091.8 17.48203 17.54010 17.50388
4 -10761.18 22.29745* 132529.6* 17.47031* 17.54497 17.49840
5 -10759.62 3.096553 133054.3 17.47427 17.56551 17.50859
6 -10756.95 5.287588 133341.1 17.47642 17.58425 17.51698
7 -10754.63 4.586125 133704.5 17.47914 17.60356 17.52594
8 -10752.83 3.548971 134182.4 17.48271 17.62372 17.53575 Sumber: Data diolah
Pada tabel penentuan lag optimal indeks QERI dengan JII
di atas, terlihat bahwa lag menurut SC dan HQ akan optimal saat
lag 2 dan lag atas LR, FPE AIC akan optimal saat lag 4.
Berdasarkan model VAR lag order selection, mengacu kepada
jumlah lag yang paling banyak direkomendasikan dari Final
Prediction Error dan Akaike Information Criterion maka
penulis memilih lag 4 sebagai pilihan lag optimal.
88
d. Hubungan Kausalitas
Metode yang digunakan untuk menganalisis hubungan kausalitas
antar variabel yang teliti adalah dengan Uji Kausalitas Granger. Dalam
penelitian ini, uji kausalitas Granger digunakan untuk melihat arah
hubungan di antara bursa saham syariah negara anggota OKI yang
telah dipilih.
Hipotesis dalam uji ini adalah sebagai berikut
H0 : tidak terdapat hubungan kausalitas
H1 : terdapat hubungan kausalitas
Apabila nilai probablitas lebih kecil daripada 0,05, maka H0
ditolak atau data terjadi, dan sebaliknya apabila lebih besar daripada
0,05, maka H0 diterima atau tidak terjadi kausalitas Granger.
1) Hubungan Kausalitas antara Bursa Saham Syariah Malaysia
dengan Bursa Saham Syariah Indonesia
Dari hasil penentuan lag pada tabel 4.4 menunjukkan bahwa
lag yang dipilih adalah lag 4 sehingga uji kausalitas Granger akan
dilakukan pada lag tersebut. Berdasarkan tabel uji kausalitas
Granger di bawah ini, terlihat bahwa hipotesis nol pertama dan
kedua diterima. Artinya, FBMS tidak berpengaruh secara
signifikan terhadap JII karena nilai probabilitasnya lebih besar dari
0,05, yaitu sebesar 0,4467. Begitupun sebaliknya JII tidak
89
berpengaruh secara signifikan terhadap JII karena nilai
probabilitasnya lebih besar dari 0,05, yaitu sebesar 0,1170. Dengan
demikian tidak terjadi hubungan kausalitas antara FBMS dengan
JII.
Tabel 4.14 Hasil Uji Kausalitas Granger antara FBMS dengan JII
Sumber: Data diolah
2) Hubungan Kausalitas antara Bursa Saham Syariah Pakistan
dengan Bursa Saham Syariah Indonesia
Dari hasil penentuan lag pada tabel 4.5 menunjukkan bahwa
lag yang dipilih adalah lag 4 sehingga uji kausalitas Granger akan
dilakukan pada lag tersebut. Berdasarkan tabel uji kausalitas
Granger di bawah ini, terlihat bahwa hipotesis nol pertama dan
kedua diterima. Artinya, KMI30 tidak berpengaruh secara
signifikan terhadap JII karena nilai probabilitasnya lebih besar dari
0,05, yaitu sebesar 0,4467. Begitupun sebaliknya JII tidak
berpengaruh secara signifikan terhadap JII karena nilai
probabilitasnya lebih besar dari 0,05, yaitu sebesar 0,1170. Dengan
demikian tidak terjadi hubungan kausalitas antara KMI30 dengan
JII.
Null Hypothesis: Obs F-Statistic Prob. FBMS does not Granger Cause JII 1238 0.92802 0.4467
JII does not Granger Cause FBMS 1.84988 0.1170
90
Tabel 4.15 Hasil Uji Kausalitas Granger antara KMI30 dengan JII
Null Hypothesis: Obs F-Statistic Prob. KMI30 does not Granger Cause JII 1238 1.33072 0.2564
JII does not Granger Cause KMI30 0.53132 0.7128
Sumber: Data diolah
3) Hubungan Kausalitas antara Bursa Saham Syariah Kuwait
dengan Bursa Saham Syariah Indonesia
Dari hasil penentuan lag pada tabel 4.6 menunjukkan bahwa
lag yang dipilih adalah lag 4 sehingga uji kausalitas Granger akan
dilakukan pada lag tersebut. Berdasarkan tabel uji kausalitas
Granger di bawah ini, terlihat bahwa hipotesis nol pertama dan
kedua diterima. Artinya, DJIMKW tidak berpengaruh secara
signifikan terhadap JII karena nilai probabilitasnya lebih besar dari
0,05, yaitu sebesar 0,6478. Begitupun sebaliknya JII tidak
berpengaruh secara signifikan terhadap JII karena nilai
probabilitasnya lebih besar dari 0,05, yaitu sebesar 0,9487. Dengan
demikian tidak terjadi hubungan kausalitas antara DJIMKW
dengan JII.
91
Tabel 4.16 Hasil Uji Kausalitas Granger antara DJIMKW
dengan JII
S
u
Sumber: Data diolah
4) Hubungan Kausalitas antara Bursa Saham Syariah Turki dengan
Bursa Saham Syariah Indonesia
Dari hasil penentuan lag pada tabel 4.7 menunjukkan bahwa
lag yang dipilih adalah lag 4 sehingga uji kausalitas Granger akan
dilakukan pada lag tersebut. Berdasarkan tabel uji kausalitas
Granger di bawah ini, terlihat bahwa hipotesis nol yang pertama
ditolak. Artinya, DJIMTR berpengaruh signifikan terhadap JII
karena nilai probabilitasnya lebih kecil dari 0,05, yaitu sebesar
0,0239. Sebaliknya untuk hipotesis kedua diterima. Artinya, JII
tidak berpengaruh signifikan terhadap DJIMTR karena nilai
probabilitasnya lebih besar dari 0,05, yaitu sebesar 0,9090. Dengan
demikian, terjadi hubungan kausalitas satu arah antara DJIMTR
dengan JII.
Null Hypothesis: Obs F-Statistic Prob. JII does not Granger Cause DJIMKW 1238 0.62071 0.6478
DJIMKW does not Granger Cause JII 0.18019 0.9487
92
Tabel 4.17 Hasil Uji Kausalitas Granger antara DJIMTR
dengan JII
S
S
Sumber: data diolah
5) Hubungan Kausalitas antara Bursa Saham Syariah Qatar dengan
Bursa Saham Syariah Indonesia
Dari hasil penentuan lag pada tabel 4.8 menunjukkan bahwa
lag yang dipilih adalah lag 4 sehingga uji kausalitas Granger akan
dilakukan pada lag tersebut. Berdasarkan tabel uji kausalitas
Granger di bawah ini, terlihat bahwa hipotesis nol pertama dan
kedua diterima. Artinya, QERI tidak berpengaruh secara signifikan
terhadap JII karena nilai probabilitasnya lebih besar dari 0,05, yaitu
sebesar 0,7063. Begitupun sebaliknya JII tidak berpengaruh secara
signifikan terhadap QERI karena nilai probabilitasnya lebih besar
dari 0,05, yaitu sebesar 0,7661. Dengan demikian tidak terjadi
hubungan kausalitas antara QERI dengan JII.
Null Hypothesis: Obs F-Statistic Prob. DJIMTR does not Granger Cause JII 1238 2.82355 0.0239
JII does not Granger Cause DJIMTR 0.25123 0.9090
93
Tabel 4. 18 Hasil Uji Kausalitas Granger antara QERI
dengan JII
Sumber: Data diolah
e. Kointegrasi
Pengujian kointegrasi dilakukan untuk memperoleh hubungan
jangka panjang antara variabel yang telah memenuhi persyaratan
selama proses integrasi yaitu dimana semua variabel telah stasioner
pada derajat yang sama yaitu derajat I. apabila ditemukan adanya
kointegrasi, maka estimasi vcem dilakukan. Namun sebaliknya,
apabila tidak ditemukan adanya kointegrasi, maka estimasi VAR in
difference yang akan dilakukan.
Uji kointegrasi yang digunakan dalam penelitian ini adalah uji
kointegrasi Johansen dengan membandingkan nilai trace statistic dan
nilai Max-Eigen statistic dengan nilai kritis 0,05.. Jika nilai trace
statistic dan Max-Eigen statistic lebih besar dari nilai kritis 0,05 maka
data terkointegrasi, dan sebaliknya.
Null Hypothesis: Obs F-Statistic Prob.
JII does not Granger Cause QERI 1238 0.54007 0.7063
QERI does not Granger Cause JII 0.45870 0.7661
94
1) Kointegrasi antara Bursa Saham Syariah Malaysia dengan Bursa
Saham Syariah Indonesia
Tabel 4.19 Hasil Uji Kointegrasi antara FBMS dengan JII
S
u
m
b
e
r
:
d
a
Sumber: Data diolah
Berdasarkan tabel hasil uji kointegrasi antara FBMS dengan JII,
nilai trace statistic dan nilai Max-Egen statistic menunjukkan
adanya dua rank kointegrasi yang signifikan pada α= 5% yang
ditunjukkan oleh tanda asentrik (*). Hal ini mengindikasikan
bahwa di antara pergerakan FBMS dan JII memiliki hubungan
keseimbangan dalam jangka panjang. Dengan demikian, analisis
selanjutnya akan menggunakan model VECM.
Trend assumption: Linear deterministic trend
Series: JII FBMS
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.012834 20.70079 15.49471 0.0075
At most 1 * 0.003810 4.721912 3.841466 0.0298 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.012834 15.97887 14.26460 0.0265
At most 1 * 0.003810 4.721912 3.841466 0.0298 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
95
2) Kointegrasi antara Bursa Saham Syariah Pakistan dengan Bursa
Saham Syariah Indonesia
Tabel 4.20 Hasil Uji Kointegrasi antara KMI30 dengan JII
S
u
m
b
e
r
:
d
a
Sumber: data diolah
Berdasarkan tabel hasil uji kointegrasi antara KMI30 dengan JII,
nilai trace statistic dan nilai Max-Eigen statistic menunjukkan
tidak adanya rank kointegrasi yang signifikan pada α=5% yang
ditunjukkan dengan tanda asentrik (*). Hal ini mengindikasikan
KMI30 dan JII tidak memiliki keseimbangan dalam jangka
Trend assumption: Linear deterministic trend
Series: JII KMI30
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.007187 9.131959 15.49471 0.3533
At most 1 0.000169 0.209437 3.841466 0.6472 Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.007187 8.922522 14.26460 0.2927
At most 1 0.000169 0.209437 3.841466 0.6472 Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
96
panjang. Dengan demikian, analisis selanjutnya akan menggunakan
model VAR in difference.
3) Kointegrasi antara Bursa Saham Syariah Pakistan dengan Bursa
Saham Syariah Indonesia
Tabel 4.21 Hasil Uji Kointegrasi Johansen antara DJIMKW
dengan JII
Sumber: data diolah
Berdasarkan tabel hasil uji kointegrasi antara DJIMKW dengan
JII, nilai trace statistic dan nilai Max-Eigen statistic menunjukkan
Trend assumption: Linear deterministic trend
Series: JII DJIMKW
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.003816 4.987254 15.49471 0.8102
At most 1 0.000208 0.257440 3.841466 0.6119 Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.003816 4.729815 14.26460 0.7755
At most 1 0.000208 0.257440 3.841466 0.6119
Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
97
tidak adanya rank kointegrasu yang signifikan pada α=5% yang
ditunjukkan dengan tanda asentrik (*). Hal ini mengindikasikan
DJIMKW dan JII tidak memiliki keseimbangan dalam jangka
panjang. Dengan demikian, analisis selanjutnya akan menggunakan
model VAR in difference.
4) Kointegrasi antara Bursa Saham Syariah Turki dengan Bursa
Saham Syariah Indonesia
Tabel 4.22 Uji Kointegrasi Johansen antara DJIMTR
dengan JII
Trend assumption: Linear deterministic trend
Series: JII DJIMTR
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.008578 13.29271 15.49471 0.1045
At most 1 0.002129 2.636027 3.841466 0.1045 Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.008578 10.65668 14.26460 0.1723
At most 1 0.002129 2.636027 3.841466 0.1045 Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Sumber: Data diolah
98
Berdasarkan tabel hasil uji kointegrasi antara DJIMTR dengan
JII, nilai trace statistic dan nilai Max-Eigen statistic menunjukkan
tidak adanya rank kointegrasu yang signifikan pada α=5% yang
ditunjukkan dengan tanda asentrik (*). Hal ini mengindikasikan
DJIMTR dan JII tidak memiliki keseimbangan dalam jangka
panjang. Dengan demikian, analisis selanjutnya akan menggunakan
model VAR in difference.
5) Kointegrasi antara Bursa Saham Syariah Qatar dengan Bursa
Saham Syariah Indonesia
Tabel 4.23 Hasil Uji Kointegrasi antara QERI dengan JII
Trend assumption: Linear deterministic trend
Series: QERI JII
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.004176 7.503457 15.49471 0.5199
At most 1 0.001880 2.327189 3.841466 0.1271 Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.004176 5.176267 14.26460 0.7194
At most 1 0.001880 2.327189 3.841466 0.1271 Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Sumber: Data diolah
99
Berdasarkan tabel hasil uji kointegrasi antara QERI dengan JII,
nilai trace statistic dan nilai Max-Eigen statistic menunjukkan
tidak adanya rank kointegrasu yang signifikan pada α=5% yang
ditunjukkan dengan tanda asentrik (*). Hal ini mengindikasikan
QERI dan JII tidak memiliki keseimbangan dalam jangka panjang.
Dengan demikian, analisis selanjutnya akan menggunakan model
VAR in difference.
f. Uji Stabilitas VAR/VECM
Stabilitas sistem VAR/VECM dilihat dari nilai inverse roots
karakteristik AR polinomialnya. Suatu system VAR dikatakan stabil
(stasioner) jika seluruh root-nya memiliki modulus lebih kecil dari satu
dan semuany terletak di dalam unit circle. Stabilitas VAR/VECM ini
perlu diuji terlebih dahulu sebelum melakukan analisis lebih jauh
karena jika hasil estimasi VAR(tidak ada kointegrasi) atau VECM (ada
kointegrasi) menunjukkan tidak stabil, maka impilse Response
Function (IRF) tidak dan Variance Decomposition (VD) menjadi tidak
valid.
1) Uji Stabilitas VECM antara Bursa Saham Syariah Malaysia
dengan Bursa Saham Syariah Indonesia
Dari hasil uji stabilitas VECM antara FBMS dengan JII pada
pilihan lag optimal empat, terlihat bahwa semua root berada di
100
dalam unit circle. Hal ini menunjukkan bahwa model VECM sudah
stabil pada lag optimalnya sehingga dapat digunakan.
Gambar 4.6 Hasil Uji Stabilitas VECM antara FBMS
dengan JII
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
Sumber: Data diolah
2) Uji Stabilitas VAR Bursa Saham Syariah Pakistan dengan Bursa
Saham Syariah Indonesia
Dari hasil uji stabilitas VAR antara KMI30 dengan JII pada
pilihan lag optimal empat, terlihat bahwa semua root berada di
dalam unit circle. Hal ini menunjukkan bahwa model VAR sudah
stabil pada lag optimalnya sehingga dapat digunakan.
101
Gambar 4.7 Hasil Uji Stabilitas VAR antara KMI30 dengan JII
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
Sumber : Data diolah
3) Uji Stabilitas VAR Bursa Saham Syariah Kuwait dengan Bursa
Saham Syariah Indonesia
Dari hasil uji stabilitas VAR antara DJIMKW dengan JII pada
pilihan lag optimal empat, terlihat bahwa semua root berada di
dalam unit circle. Hal ini menunjukkan bahwa model VAR sudah
stabil pada lag optimalnya sehingga dapat digunakan.
102
Gambar 4.7 Hasil Uji stabilitas antara DJIMKW dengan JII
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
Sumber: Data diolah
4) Uji Stabilitas VAR Bursa Saham Syariah Turki dengan Bursa
Saham Syariah Indonesia
Dari hasil uji stabilitas VAR antara DJIMTR dengan JII pada
pilihan lag optimal empat, terlihat bahwa semua root berada di
dalam unit circle. Hal ini menunjukkan bahwa model VAR sudah
stabil pada lag optimalnya sehingga dapat digunakan.
103
Tabel 4.8 Uji Stabilitas VAR antara DJIMKW dengan JII
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
Sumber: Data diolah
5) Uji Stabilitas VAR Bursa Saham Syariah Qatar dengan Bursa
Saham Syariah Indonesia
Dari hasil uji stabilitas VAR antara QERI dengan JII pada
pilihan lag optimal empat, terlihat bahwa semua root berada di
dalam unit circle. Hal ini menunjukkan bahwa model VAR sudah
stabil pada lag optimalnya sehingga dapat digunakan.
104
Tabel 4.9 Hasil Uji Stabilitas VAR antara QERI dengan JII
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
Sumber: Data diolah
g. Estimasi VAR/VECM
Pada tahap sebelumnya telah dilakukan uji stasioner untuk
memeriksa apakah data tersebut stasioner atau tidak . Apabila data
ditemukan stasioner, maka model VAR langsung dapat dirumusakan
dan diestimasi. Jika datatidak stasioner, sebagaimana dijelaskan ada
dua kemungkinan model yang bisa dilakukan, yaitu
melakukandifferencing terhadap data sehingga data menjadi stasioner
dan modelnya menjadi VAR in difference atau tidak melakukan
differencing tetapi merestriksi VAR dengan persamaaan kointegrasi
sehingga modelnya menjadi model VECM. Penentuan signifikasi hasil
105
estimasi VAR/VECM adalah dengan membandingkan nilai t-statistik
hasil estimasi secara mutlak, yaitu apabila variabel X memiliki nilai t-
statistik yang lebih besar dari 2 atau 1,96 maka variabel X memiliki
pengaruh yang signifikan terhadap variabel Y, dan sebaliknya.
6) Estimasi VECM antara Bursa Saham Syariah Malaysia dengan
Bursa Saham Syariah Indonesia
Setelah dilakukan uji kointegrasi antara FBMS dengan JII
dan hasilnya terbukti adanya kointegrasi, maka selanjutnya akan
dilakukan estimasi VECM. Estimasi VECM dilakukan untuk
melihat analisis jangka panjang dan jangka pendek.
106
Tabel 4.24 Hasil Estimasi VECM antara FBMS dengan JII
Cointegrating Eq: CointEq1
DJII(-1) 1.000000
DFBMS(-1) -0.106527
[-4.97494]*
@TREND (1) 0.098881
[ 3.60692]
C 612.3508
Error Correction: D(DJII) D(DFBMS)
CointEq1 -0.007424 0.192941
[-1.51515] [ 4.40059]*
D(DJII(-1)) 0.003651 -0.15211
[ 0.12717] [-0.59214]
D(DJII(-2)) -0.059267 -0.27071
[-2.07229]* [-1.05786]
D(DJII(-3)) -0.087276 -0.45878
[-3.05371]* [-1.79404]
D(DJII(-4)) -0.017506 -0.02977
[-0.61172] [-0.11625]
D(DFBMS(-1)) 0.001728 0.102022
[ 0.54556] [ 3.59956]*
D(DFBMS(-2)) -0.000116 0.041878
[-0.03646] [ 1.47228]
D(DFBMS(-3)) 0.005584 0.065817
[ 1.75567] [ 2.31263]*
D(DFBMS(-4)) -0.006546 -0.00514
[-2.06315]* [-0.18110]
C -0.020871 -0.2084
[-0.09317] [-0.10397]
Catatan: tanda asetrik (*) menunjukkan variabel signifikan pada α = 5%
Sumber: data diolah
Berdasarkan hasil estimasi VECM antara FBMS dengan
JII, menunjukkan terdapat dua persamaan VECM yang memuat
persamaan kointegrasi serta variabel yang merupakan hasil
107
differencing dari lag setiap variabel. Berikut ini dua persamaan
VECM yang terbentuk sekaligus penjelasannya.
D(JII) = -0.007424 (JII(-1) – 0.106527*FBMS(-1) +
612.3508) + 0,003651D(JII(-1)) - 0,059267*D(JII(-
2)) – 0,087276*D(JII(-3)) – 0,017506*D(JII(-4)) +
0,001728D(FBMS(-1)) – 0,000116D(FBMS(-2)) +
0,005584D(FBMS(-3)) – 0,006546*D(FBMS(-4)) -
0,020871
D(FBMS) = 0.192941* (JII(-1) – 0.106527*FBMS(-1) +
612.3508) + 0.15211D(JII(-1)) – 0.27071D(JII(-2))
– 0.45878D(JII(-3)) – 0.02977D(JII(-4)) +
0,102022*D(FBMS(-1)) – 0,041878D(FBMS(-2)) +
0.005584D(FBMS(-3)) – 0.00514D(FBMS(-4)) –
0.2084
Pada hasil estimasi cointegration vector di dalam kedua
persamaan di atas menunjukkan bahwa FBMS (0.106527)
memiliki pengaruh yang signifikan terhadap cointegration
vector, yang berarti bahwa bursa saham syariah tersebut
berkontribusi signifikan pada hubungan jangka panjang dengan
bursa saham syariah di Indonesia. Selain itu, koefisien speed of
adjustment pada cointegration vector untuk FBMS sebesar
0.192941 juga dinilai signifikan secara statistik, artinya pada
saat terjadi disequilibrium dalam jangka pendek terhadap
keseimbangan jangka panjang, maka FBMS akan menyesuaikan
secara positif sebesar 0.192941, sebaliknya, koefisien speed of
adjustment pada JII sebesar -0.007424 dinilai tidak signifikan
secara statistik sehingga mengindikasikan bahwa cointegrating
108
vector tidak berkontribusi terhadap bursa saham syariah tersebut
dalam hubungan kesimbangan jangka panjangnya. Meskipun JII
memiliki kontribusi penting pada cointegrating vector.
Selanjutnya, pada persamaan pertama di atas, variabel
FBMS memberikan pengaruh yang signifikan secara negatif
terhadap pergerakan JII pada 4 hari sebelumnya. , sedangkan JII
sendiri memberikan pengaruh yang signifikan secara negative
pada 2 maupun 3 hari sebelumnya. Sementara itu, pada
persamaan kedua, variabel JII tidak sama sekali memberikan
pengaruh yang signifikan terhadap pergerakan FBMS,
sedangkan FBMS sendiri memberikan pengaruh yang signifikan
secara positif pada satu dan 3 hari sebelumnya.
1) Estimasi VAR antara Bursa Syariah Pakistan dan Bursa
Syariah Indonesia
Setelah dilakukan uji kointegrasi Johansen antara KMI30
dengan JII dan hasilnya tidak adanya hubungan kointegrasi,
maka selanjutnya akan dilakukan estimasi VAR in difference.
Estimasi VAR in difference dilakukan untuk melihat analisis
jangka pendeknya saja.
109
Tabel 4.25 Hasil Estimasi VAR antara KMI30dengan JII
DJII DKMI30
DJII(-1) 0.991086 -2.46102
[ 34.8812]* [-1.01654]
DJII(-2) -0.061114 3.741558
[-1.52440] [ 1.09533]
DJII(-3) -0.030791 -1.171868
[-0.76827] [-0.34317]
DJII(-4) 0.085219 0.278510
[ 2.99882]* [ 0.11502]
DKMI30(-1) 0.000184 1.171107
[ 0.55034] [ 41.0952]*
DKMI30(-2) -0.000417 -0.226363
[-0.80988] [-5.15708]*
DKMI30(-3) 0.000593 0.032267
[ 1.15509] [ 0.73810]
DKMI30(-4) -0.000318 0.021229
[-0.95403] [ 0.74808]
C 8.001213 -176.5012
[ 2.69591]* [-0.69795]
Catatan: tanda asetrik (*) menunjukkan variabel signifikan pada α = 5%
Sumber: data diolah
Berikut ini adalah dua persamaan yang terbentuk dalam
hasil estimasi VAR in difference pada tabel 4.25:
D(JII) =0.991086D(JII(-1)) – 0.061114D(JII(-2)) –
0.030791D(JII(-3)) + 0.085219D(JII(-4)) +
0.000184D(KMI30(-1)) – 0.000417D(KMI30(-2)) +
0.000593D(KMI30(-3)) – 0.000318D(KMI30(-4)) +
8.001213
D(KMI30) = -2.46102D(JII(-1)) + 3.741558D(JII(-2)) –
1.171868D(JII(-3)) + 0.278510D(JII(-4)) +
0.000184D(KMI30(-1)) – 0.000417D(KMI30(-2)) +
0.000593D(KMI30(-3)) – 0.000318D(KMI30(-4)) +
8.001213
110
Pada persamaan di atas, variabel KMI30 tidak memberikan
pengaruh yang signifikan terhadap pergerakan JII, sedangkan
JII sendiri memberikan pengaruh yang signifikan secara positif
pada 1 dan 4 hari sebelumnya. Sementara itu, pada persamaan
kedua, variabel JII sama sekali tidak memberikan pengaruh
yang signifikan terhadap pergerakan KMI30, sedangkan
KMI30 sendiri memberikan pengaruh yang signifikan secara
postif pada hari 1 sebelumnya dan secara negatif pada 2 hari
sebelumnya.
2) Estimasi VAR antara Bursa Syariah Kuwait dengan Bursa
Syariah Indonesia
Setelah dilakukan uji kointegrasi Johansen antara DJIMKW
dengan JII dan hasilnya tidak adanya hubungan kointegrasi,
maka selanjutnya akan dilakukan estimasi VAR in difference.
Estimasi VAR in difference dilakukan untuk melihat analisis
jangka pendeknya saja.
111
Tabel 4.26 Hasil Estimasi VAR antara DJIMKW dengan JII
DJII DDJIMKW
DJII(-1) 0.994369 0.001429
[ 34.9768]* [ 0.08541]
DJII(-2) -0.060641 -0.016615
[-1.50928] [-0.70273]
DJII(-3) -0.029193 -0.005927
[-0.72726] [-0.25092]
DJII(-4) 0.086554 0.020236
[ 3.04515]* [ 1.20985]
DDJIMKW(-1) 0.038112 1.092947
[ 0.78013] [ 38.0178]*
DDJIMKW(-2) -0.043449 -0.043345
[-0.59104] [-1.00197]
DDJIMKW(-3) -0.01127 -0.022851
[-0.15262] [-0.52584]
DDJIMKW(-4) 0.016243 -0.027685
[ 0.32846] [-0.95132]
C 6.270646 1.327493
[ 1.76909] [ 0.63643]
Catatan: tanda asetrik (*) menunjukkan variabel signifikan pada α = 5%
Sumber: data diolah
Berikut ini adalah dua persamaan yang terbentuk dalam
hasil estimasi VAR in difference di atas:
D(JII) =0.994369D(JII(-1)) – 0.060641D(JII(-2)) –
0.029193D(JII(-3)) + 0.086554D(JII(-4)) +
0.038112D(DJIMKW(-1)) –
0.043449D(DJIMKW(-2)) – 0.01127D(DJIMKW(-
3)) + 0.016243D(DJIMKW(-4)) + 6.270646
D(DJIMKW) = 0.001429(JII(-1)) - 0.016615D(JII(-2)) –
0.005927D(JII(-3)) + 0.020236D(JII(-4)) +
1.092947D(DJIMKW(-1)) –
0.043345D(DJIMKW(-2)) - 0.022851D(DJIMKW(-
3)) – 0.027685D(DJIMKW(-4)) + 1.327493
112
Pada persamaan di atas, variabel DJIMKW tidak
memberikan pengaruh yang signifikan terhadap pergerakan JII,
sedangkan JII sendiri memberikan pengaruh yang signifikan
secara positif pada 1 hari sebelumnya. Sementara itu, pada
persamaan kedua, variabel JII sama sekali tidak memberikan
pengaruh yang signifikan terhadap pergerakan KMI30,
sedangkan KMI30 sendiri memberikan pengaruh yang signifikan
secara postif pada hari 1 sebelumnya .
3) Estimasi VAR antara Bursa Syariah Turki dengan Bursa
Syariah Indonesia
Setelah dilakukan uji kointegrasi Johansen antara DJIMTR
dengan JII dan hasilnya tidak adanya hubungan kointegrasi,
maka selanjutnya akan dilakukan estimasi VAR in difference.
Estimasi VAR in difference dilakukan untuk melihat analisis
jangka pendeknya saja.
113
Tabel 4.22 Hasil Estimasi VAR antara DJIMTR dengan JII
DDJIMTR DJII
DDJIMTR(-1) 1.047471 0.001468
[ 36.7302]* [ 0.33839]
DDJIMTR(-2) -0.081297 -0.009565
[-1.96907] [-1.52265]
DDJIMTR(-3) 0.038301 0.002819
[ 0.92690] [ 0.44835]
DDJIMTR(-4) -0.007779 0.006024
[-0.27259] [ 1.38752]
DJII(-1) 0.020769 0.987822
[ 0.11126] [ 34.7805]*
DJII(-2) 0.152705 -0.059753
[ 0.58039] [-1.49265]
DJII(-3) -0.228923 -0.030077
[-0.87133] [-0.75241]
DJII(-4) 0.063282 0.086189
[ 0.33996] [ 3.04323]*
C 9.522425 7.007954
[ 0.51686] [ 2.50006]*
Catatan: tanda asetrik (*) menunjukkan variabel signifikan pada α = 5%
Sumber: Data diolah
Berikut ini adalah dua persamaan yang terbentuk dalam
hasil estimasi VAR in difference di atas:
D(JII) =0.020769D(JII(-1)) + 0.152705D(JII(-2)) -
00.228923D(JII(-3)) - 0.007779D(JII(-4)) +
1.047471 D(DJIMTR(-1)) – 0.081297D(DJIMTR(-
2)) + 0.038301D(DDJIMTR(-3)) -
0.007779D(DJIMTR(-4)) + 9.522425
D(DJIMKW)=0.987822(JII(-1)) – 0.059753D(JII(-2)) –
0.030077D(JII(-3)) + 0.086189D(JII(-4)) +
0.001468D(DJIMKW(-1))– 0.009565D(DJIMKW(-
2))+0.002819D(DJIMKW(-3)) +0.006024D
(DJIMKW(-4)) + 7.007954
114
Pada persamaan di atas, variabel DJIMTR memberikan
pengaruh yang signifikan secara positif terhadap pergerakan JII
pada 1 hari sebelumnya, sedangkan JII sendiri tidak memberikan
pengaruh yang signifikan. Sementara itu, pada persamaan kedua,
variabel JII sama memberikan pengaruh yang signifikan secara
positif terhadap pergerakan DJIMTR pada 1 maupun 4 hari
sebelumnya, sedangkan DJIMTR sendiri tidak memberikan
pengaruh yang signifikan.
4) Estimasi VAR antara Bursa Syariah Qatar dengan Bursa
Syariah Indonesia
Setelah dilakukan uji kointegrasi Johansen antara QERI
dengan JII dan hasilnya tidak adanya hubungan kointegrasi,
maka selanjutnya akan dilakukan estimasi VAR in difference.
Estimasi VAR in difference dilakukan untuk melihat analisis
jangka pendeknya saja.
115
Tabel 4.27 Hasil Estimasi VAR antara QERI dengan JII
DJII DQERI
DJII(-1) 0.994829 0.114976
[ 35.0210]* [ 0.69746]
DJII(-2) -0.062332 -0.127846
[-1.55219] [-0.54860]
DJII(-3) -0.02783 0.164799
[-0.69363] [ 0.70778]
DJII(-4) 0.086448 -0.126635
[ 3.04254]* [-0.76801]
DQERI(-1) 0.003572 1.153106
[ 0.73016] [ 40.6191]*
DQERI(-2) -0.007577 -0.197646
[-1.01605] [-4.56728]*
DQERI(-3) 0.008867 0.136624
[ 1.18884] [ 3.15631]*
DQERI(-4) -0.004924 -0.096253
[-1.00499] [-3.38545]*
C 6.234966 -1.615782
[ 2.04894]* [-0.09150]
Catatan: tanda asetrik (*) menunjukkan variabel signifikan pada α = 5%
Sumber: Data diolah
Berikut ini adalah dua persamaan yang terbentuk dalam
hasil estimasi VAR in difference di atas:
D(JII) =0.994829D(JII(-1)) – 0.062332D(JII(-2)) –
0.02783D(JII(-3)) + 0.086448D(JII(-4)) +
0.003572D(QERI(-1)) – 0.007577D(QERI(-2)) –
0.008867D(QERI(-3)) - 0.004924D(QERI(-4)) +
6.234966
D(DQERI)=0.114976(JII(-1)) – 0.127846D(JII(-2)) +
0.164799D(JII(-3)) – 0.126635D(JII(-4)) +
1,153106D(QERI(-1)) – 0.197646D(QERI(-2)) +
0.0136624D(QERI(-3)) – 0.096253D(QERI(-4)) –
1.615782
116
Pada persamaan di atas, variabel QERI tidak memberikan
pengaruh yang signifikan terhadap pergerakan JII, sedangkan JII
sendiri memberikan pengaruh yang signifikan secara positif pada
1 dan 4 hari sebelumnya. Sementara itu, pada persamaan kedua,
variabel JII sama sekali tidak memberikan pengaruh yang
signifikan terhadap pergerakan QERI, sedangkan QERI sendiri
memberikan pengaruh yang signifikan secara postif pada hari 1,
2, 3 dan 4 hari sebelumnya .
h. Impulse Response Function (IRF)
Impulse Respone Function (IRF) digunakan untuk melihat
pengaruh shock dari suatu seri atau variabel terhadap seri atau
variabelyang lain. Suatu shock pada variabel endogen akan
mempengaruhi variabel itu sendiri dan akan menjalar ke variabel-
variabel endogen lainnya. IRF memberikan arah hubungan besarnya
pengaruh antar variabel endogen. Estimasi yang dilakukan untuk IRF
ini dititikberatkan pada respon suatu variabel pada perubahan satu
standar deviasi dari variabel itu sendiri maupun dari variabel lainnya
yang terdapat dalam model VAR/VECM. Dalam grafik IRF, sumbu
horizontal merupakan periode waktu ke depan setelah terjadinya
shock, sedangkan sumber vertikal adalah nilai respon. Secara
mendasar dalam analisis ini akan diketahui respon positif atau negative
dari suatu variabel terhadap variabel lainnya yang dilihat dari grafik
117
pada kuadran pertama dan ketiga saja karena kuadran kedua dan
keempat menunjukkan respon dari masing-masing variabel itu sendiri.
1) Impulse Response Function antara Bursa Syariah Malaysia
dengan Bursa Syariah Indonesia
Berdasarkan grafik Impulse Response Function antara
FBMS dengan JII di bawah ini, pada kuadran pertama terlihat
bahwa JII merespon guncangan FBMS secara positif. Pada awal
periode pertama hingga periode ketiga mengalami kenaikan dan
mencapai kenaikan yang cukup signifikan pada periode keempat.
Akan tetapi, setelah periode keempat cenderung mengalami
penurunan hingga periode terakhir.
Selanjutnya, pada kuadran ketiga terlihat bahwa pada
periode pertama hingga ketiga respon FBMS mengalami
penurunan tetapi masih dalam kondisi positif. Pada periode
keempat dan kelima FBMS merespon guncangan JII secara
negatif mengalami penurunan. Setelah periode kelima , respon
FBMS mengalami kenaikan hingga akhir periode.
118
Gambar 4.10 Impulse Response Function antara FBMS
dengan JII
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
Response of DJII to DJII
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
Response of DJII to DFBMS
-20
0
20
40
60
80
100
1 2 3 4 5 6 7 8 9 10
Response of DFBMS to DJII
-20
0
20
40
60
80
100
1 2 3 4 5 6 7 8 9 10
Response of DFBMS to DFBMS
Response to Cholesky One S.D. Innovations
Sumber: Data diolah
2) Impulse Response Function (IRF) antara Bursa Syariah
Pakistan dengan Bursa Syariah Indonesia
Berdasarkan Impulse Response Function (IRF) antara
KMI30 dengan JII di bawah ini, pada kuadran pertama terlihat
bahwa JII merespon guncangan KMI30 pada periode pertama
dan keempat. Setelah itu respon JII mengalami peningkatan pada
periode keenam dan berangsur-angsur hingga akhir periode yang
mendekati nilai nol. Sementara itu, pada kuadran ketiga, terlihat
bahwa KMI30 mulai merespon guncangan JII pada periode
ketiga. Setelah itu, respon KMI30 hingga akhir periode berada
pada titik nol.
119
Secara keseluruhan grafik IRF antara KMI30 dengan JII
menunjukkan dampak respon yang diterima KMI30 maupun JII
akibat guncangan variabel lainnya selama 10 periode adalah
bersifat convergence, yaitu pergerakannya yang semakin
mendekati titik keseimbangan menuju titik nol.
Gambar 4.11 Impulse Response Function antara KMI30
dengan JII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DJII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DKMI30
-200
0
200
400
600
800
1,000
1 2 3 4 5 6 7 8 9 10
Response of DKMI30 to DJII
-200
0
200
400
600
800
1,000
1 2 3 4 5 6 7 8 9 10
Response of DKMI30 to DKMI30
Response to Cholesky One S.D. Innovations ± 2 S.E.
Sumber: Data diolah
3) Impulse Response Function (IRF) antara Bursa Syariah
Kuwait dengan Bursa Syariah Indonesia
Berdasarkan Impulse Response Function (IRF) antara
DJMIKW dengan JII di bawah ini, pada kuadran pertama terlihat
bahwa JII mulai merespon guncangan DJIMKW secara positif
120
hinggs periode ketiga. Setelah itu, respon JII pada periode
keempat mengalami penurunan hingga akhir periode yang
semakin mendekati titik nol.
Sementara itu, pada kuadran ketiga terlihat bahwa
DJIMKW pada periode pertama merespon guncangan JII secara
negatif dan mengalami penurunan pada periode ketiga hingga
keempat.
Gambar 4.12 Impulse Response Function antara DJIMKW
dengan JII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DJII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DDJIMKW
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
Response of DDJIMKW to DJII
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
Response of DDJIMKW to DDJIMKW
Response to Cholesky One S.D. Innovations ± 2 S.E.
Sumber: Data diolah
4) Impulse Response Function antara Bursa Syariah Turki
dengan Bursa Syariah Indonesia
Berdasarkan grafik Impulse Response Function antara
DJIMTR dengan JII di bawah ini, terlihat pada kuadran pertama
121
JII mulai merespon guncangan DJIMTR secara positif pada
periode kedua dan mengalami peningkatan hingga periode
ketiga. Setelah itu, pada periode keempat respon JII mengalami
penurunan secara positif hingga akhir periode.
Sementara itu, pada kuadran ketiga terlihat bahwa DJIMTR
merespon guncangan JII secara negatif pada periode pertama.
Pada periode kedua hingga periode keempat respon DJIMTR
mngalami penurunan secara negatif. Setelah itu, pada periode
kelima respon DJIMTR mengalami peningkatan hingga akhir
periode .
Secara keseluruhan grafik IRF antara DJIMTR dengan JII
menunjukkan dampak respon yang diterima DJIMTR mapunun
JII akibat guncangan variabel lainnya selama 10 periode adalah
bersifat convergence, yaitu pergerakannya yang semakin
mendekati titik keseimbangan menuju titik nol.
122
Gambar 4.13 Impulse Response Function antara DJIMTR
dengan JII
-10
0
10
20
30
40
50
60
1 2 3 4 5 6 7 8 9 10
Response of DDJIMTR to DDJIMTR
-10
0
10
20
30
40
50
60
1 2 3 4 5 6 7 8 9 10
Response of DDJIMTR to DJII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DDJIMTR
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DJII
Response to Cholesky One S.D. Innovations ± 2 S.E.
Sumber: Data diolah
5) Impulse Response Function antara Bursa Syariah Qatar
dengan Bursa Syariah Indonesia
Berdasarkan grafik Impulse Response Function antara
QERI dengan JII di bawah ini, pada kuadran pertama terlihat
bahwa JII mulai merespon guncangan QERI pada period ke
empat dan tidak mengalami perubahan hingga akhir periode.
Sementara itu, pada kuadran ketiga terlihat bahwa QERI
mulai merespon guncangan JII secara positif pada periode
keempat. Setelah itu mengalami peningkatan pada periode ke
lima hingga periode kesembilan. Respon QERI kembali
meningkat pada akhir periode secara positif.
123
Secara keseluruhan grafik IRF antara DJIMTR dengan JII
menunjukkan dampak respon yang diterima DJIMTR mapunun
JII akibat guncangan variabel lainnya selama 10 periode adalah
bersifat convergence, yaitu pergerakannya yang semakin
mendekati titik keseimbangan menuju titik nol.
Gambar 4.15 Impulse Response Function antara QERI
dengan JII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DJII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DQERI
-20
0
20
40
60
80
1 2 3 4 5 6 7 8 9 10
Response of DQERI to DJII
-20
0
20
40
60
80
1 2 3 4 5 6 7 8 9 10
Response of DQERI to DQERI
Response to Cholesky One S.D. Innovations ± 2 S.E.
Sumber: data diolah
i. Variance Decomposition
Analisis variance decomposition dapat menggambarkan relaf
pentingnya peran dari setiap variabel di dalam system VAR/VECM
karena adanya shock. Variance decomposition berguna untuk
memprediksi kontribusi persentasi varian setiap variabel karena adanya
124
perubahan variabel tertentu di dalam system VAR. VD akan
memberikan informasi tentang pentingnya setiap perubahan (inovasi)
yang terjadi yang akan berdampak terhadap variabel-variabel lainnya
dalam suatu system. secara umum, shock terbesar yang mempengaruhi
keragaman dari masing-masing variabel adalah shock dari dirinya
sendiri.
1) Variance Decomposition (VD) antara Bursa Syariah
Malaysia dengan Bursa Syariah Indonesia
Tabel 4.28 Variance Decomposition antara FBMS dengan JII
Variance Decomposition of DJII:
Period DJII DFBMS 1 100.0000 0.000000 2 99.97452 0.025476 3 99.95008 0.049923 4 99.74801 0.251986 5 99.75265 0.247347 6 99.75723 0.242775 7 99.75234 0.247659 8 99.73863 0.261368 9 99.71583 0.284166 10 99.68738 0.312617
Variance Decomposition of DFBMS:
Period DJII DFBMS
1 0.023176 99.97682 2 0.031059 99.96894 3 0.024877 99.97512 4 0.023714 99.97629 5 0.018624 99.98138 6 0.022736 99.97726 7 0.045590 99.95441
8
0.090490 99.90951
9
0.157523
99.84248 10 0.247464 99.75254
Cholesky Ordering: DJII DFBMS
Sumber: Data diolah
125
Pada tabel 4.28 hasil variance decomposition antara FBMS
dengan JII, menunjukkan bahwa pada periode pertama hanya JII
yang mempengaruhi dirinya sebesar 100%. Pada periode kedua,
FBMS mulai memberikan kontribusinya terhadap variabilitas JII
sebesar 0,025%. Kemudian, kontribusi FBMS semakin lama
semakin relatif besar hingga akhir periode sebesar 0,31%.
Sedangkan kontribusi JII sendiri semakin menurun dari waktu ke
waktu hingga akhir periode sebesar 99,6%. Hal ini menunjukkan
bahwa fluktuasi JII lebih banyak dipengaruhi oleh JII itu sendiri
daripada variabel FBMS.
Selanjutnya, pada tabel kedua terlihat bahwa kontribusi JII
mampu menjelaskan variabilitas FBMS sebesar 0,023% pada
periode pertama dan nilai ini terus meningkat hingga akhir
periode sebesar 0,25%. Hal ini berbeda dengan kontribusi FBMS
itu sendiri yang cenderung menurun dari awal periode sebesar
99,9 % menjadi 99,7% pada akhir periode.
126
2) Variance Decomposition (VD) antara Bursa Syariah Pakistan
dengan Bursa Syariah Indonesia
Tabel 4.29 Variance Decomposition antara KMI30 dengan
JII
Variance Decomposition of DJII:
Period DJII DKMI30
1 100.0000 0.000000
2 99.98759 0.012407
3 99.99121 0.008786
4 99.97616 0.023844
5 99.95475 0.045248
6 99.93421 0.065791
7 99.91853 0.081468
8 99.90330 0.096700
9 99.88713 0.112874
10 99.86972 0.130285
Variance Decomposition of DKMI30:
Period DJII DKMI30
1 2.90E-05 99.99997
2 0.036730 99.96327
3 0.033622 99.96638
4 0.028441 99.97156
5 0.023260 99.97674
6 0.019459 99.98054
7 0.016823 99.98318
8 0.015276 99.98472
9 0.014819 99.98518
10 0.015424 99.98458
Cholesky Ordering: DJII DKMI30
Sumber: Data diolah
Pada tabel 4.29 hasil variance decomposition antara KMI30
dengan JII, menunjukkan bahwa pada periode pertama hanya JII
yang mempengaruhi dirinya sebesar 100%. Pada periode kedua,
KMI30 mulai memberikan kontribusinya terhadap variabilitas JII
sebesar 0,012%. Kemudian, kontribusi KMI30 semakin lama
127
semakin relatif besar hingga akhir periode sebesar 0,13%.
Sedangkan kontribusi JII sendiri semakin menurun dari waktu ke
waktu hingga akhir periode sebesar 99,8%. Hal ini menunjukkan
bahwa fluktuasi JII lebih banyak dipengaruhi oleh JII itu sendiri
daripada variabel FBMS.
Selanjutnya, pada tabel kedua terlihat bahwa kontribusi JII
mampu menjelaskan variabilitas FBMS sebesar 0,000029% pada
periode pertama dan nilai ini terus meningkat hingga akhir
periode sebesar 0,015%. Hal ini berbeda dengan kontribusi
FBMS itu sendiri yang cenderung menurun dari awal periode
sebesar 99,99 % menjadi 99,8% pada akhir periode.
128
3) Variance Decomposition (VD) antara Bursa Syariah Kuwait
dengan Bursa Syariah Indonesia
Tabel 4.30 Variance Decomposition antara DJIMKW
dengan JII
Variance Decomposition of DJII:
Period DJII DDJIMKW
1 100.0000 0.000000
2 99.97472 0.025284
3 99.96652 0.033475
4 99.96966 0.030342
5 99.97287 0.027128
6 99.97528 0.024725
7 99.97697 0.023028
8 99.97830 0.021701
9 99.97942 0.020578
10 99.98040 0.019601
Variance Decomposition of DDJIMKW:
Period DJII DDJIMKW
1 0.057314 99.94269
2 0.051795 99.94820
3 0.105346 99.89465
4 0.238200 99.76180
5 0.324622 99.67538
6 0.378280 99.62172
7 0.413225 99.58678
8 0.440777 99.55922
9 0.464061 99.53594
10 0.484206 99.51579
Cholesky Ordering: DJII DDJIMKW
Sumber: Data diolah
Pada tabel 4.30 hasil variance decomposition antara
DJIMKW dengan JII, menunjukkan bahwa pada periode pertama
hanya JII yang mempengaruhi dirinya sebesar 100%. Pada
periode kedua, DJIMKW mulai memberikan kontribusinya
terhadap variabilitas JII sebesar 0,025%. Kemudian, kontribusi
129
DJIMKW semakin lama semakin relatif besar hingga periode
keempat mengalami penurunan hingga akhir periode sebesar
0,019%. Sedangkan kontribusi JII sendiri semakin menurun dari
waktu ke waktu hingga akhir periode sebesar 99,98%. Hal ini
menunjukkan bahwa fluktuasi JII lebih banyak dipengaruhi oleh
JII itu sendiri daripada variabel DJIMKW.
Selanjutnya, pada tabel kedua terlihat bahwa kontribusi JII
mampu menjelaskan variabilitas DJIMKW sebesar 0,05% pada
periode pertama dan nilai ini terus meningkat hingga akhir
periode sebesar 0,48%. Hal ini berbeda dengan kontribusi
DJIMKW itu sendiri yang cenderung menurun dari awal periode
sebesar 99,94 % menjadi 99,5% pada akhir periode.
130
4) Variance Decomposition (VD) antara Bursa Syariah Turki
dengan Bursa Syariah Indonesia
Tabel 4.31 Variance Decomposition antara DJIMTR dengan
JII
Variance Decomposition of DDJIMTR:
Period DDJIMTR DJII
1 100.0000 0.000000
2 99.99952 0.000476
3 99.97157 0.028432
4 99.96719 0.032810
5 99.96624 0.033760
6 99.96594 0.034057
7 99.96483 0.035168
8 99.96344 0.036558
9 99.96195 0.038046
10 99.96047 0.039531
Variance Decomposition of DJII:
Period DDJIMTR DJII
1 0.055215 99.94478
2 0.037261 99.96274
3 0.174880 99.82512
4 0.427122 99.57288
5 0.561150 99.43885
6 0.609917 99.39008
7 0.623874 99.37613
8 0.626159 99.37384
9 0.621479 99.37852
10 0.611203 99.38880
Cholesky Ordering: DDJIMTR DJII
Sumber: data diolah
Pada tabel 4.31 hasil variance decomposition antara
DJIMTR dengan JII, menunjukkan bahwa pada periode pertama
hanya JII yang mempengaruhi dirinya sebesar 100%. Pada
periode kedua, DJIMTR mulai memberikan kontribusinya
terhadap variabilitas JII sebesar 0,00047%. Kemudian, kontribusi
131
DJIMTR semakin lama semakin relatif besar hingga akhir
periode sebesar 0,039%. Sedangkan kontribusi JII sendiri
semakin menurun dari waktu ke waktu hingga akhir periode
sebesar 99,96%. Hal ini menunjukkan bahwa fluktuasi JII lebih
banyak dipengaruhi oleh JII itu sendiri daripada variabel
DJIMTR.
Selanjutnya, pada tabel kedua terlihat bahwa kontribusi JII
mampu menjelaskan variabilitas DJIMTR sebesar 0,055% pada
periode pertama dan nilai ini terus meningkat hingga akhir
periode sebesar 0,61%. Hal ini berbeda dengan kontribusi FBMS
itu sendiri yang cenderung menurun dari awal periode sebesar
99,94 % menjadi 99,38% pada akhir periode.
132
5) Variance Decomposition antara Bursa Syariah Qatar dengan
Bursa Syariah Indonesia
Tabel 4.32 Variance Decomposition antara QERI dengan JII
Variance Decomposition of DJII:
Period DJII DQERI
1 100.0000 0.000000
2 99.97841 0.021592
3 99.98492 0.015082
4 99.97230 0.027699
5 99.95709 0.042907
6 99.94872 0.051285
7 99.94369 0.056314
8 99.93975 0.060250
9 99.93694 0.063060
10 99.93489 0.065107
Variance Decomposition of DQERI:
Period DJII DQERI
1 0.008478 99.99152
2 0.007269 99.99273
3 0.007512 99.99249
4 0.027312 99.97269
5 0.046589 99.95341
6 0.061813 99.93819
7 0.075884 99.92412
8 0.090316 99.90968
9 0.105039 99.89496
10 0.120199 99.87980
Cholesky Ordering: DDJIMTR DJII
Sumber: Data diolah
Pada tabel 4.32 hasil variance decomposition antara QERI
dengan JII, menunjukkan bahwa pada periode pertama hanya JII
yang mempengaruhi dirinya sebesar 100%. Pada periode kedua,
QERI mulai memberikan kontribusinya terhadap variabilitas JII
sebesar 0,021%. Kemudian, kontribusi QERI semakin lama
semakin relatif besar hingga akhir periode sebesar 0,065%.
133
Sedangkan kontribusi JII sendiri semakin menurun dari waktu ke
waktu hingga akhir periode sebesar 99,93%. Hal ini
menunjukkan bahwa fluktuasi JII lebih banyak dipengaruhi oleh
JII itu sendiri daripada variabel QERI.
Selanjutnya, pada tabel kedua terlihat bahwa kontribusi JII
mampu menjelaskan variabilitas QERI sebesar 0,008% pada
periode pertama dan nilai ini terus meningkat hingga akhir
periode sebesar 0,12%. Hal ini berbeda dengan kontribusi QERI
itu sendiri yang cenderung menurun dari awal periode sebesar
99,99 % menjadi 99,87% pada akhir periode.
C. Interpretasi
Menurut Toni Cavpli, et.al. (2004: 24-27), ada lima analisis yang dapat
digunakan, seperti analisis korelasi, kausalitas, kointegrasi, variance
decomposition dan berdasarkan asset pricing models.di penelitian ini hanya
digunakan tiga analisis saja yang berada di dalam metode VAR/VECM, yaitu
analisis kausalitas, kointegrasi, dan variance decomposition.
Secara keseluruhan, tidak ditemukan hubungan kausalitas dua arah atau
bisa dikatakan tidak adanya saling mempengaruhi di kelompok indeks bursa
saham syariah negara anggota OKI yang menjadi variabel penelitian sehingga
H0 diterima. Sementara itu, hubungan kausalitas satu arah atau bisa dikatakan
tidak ada hubungan timbal balik yang terjadi (hanya satu variabel yang
134
mempengaruhi variabel lainnya, namun tidak sebaliknya) di indeks bursa
saham syariah dari ke enam negara anggota OKI hanya dimiliki oleh pasangan
DJIMTR dengan JII.
Dalam hubungan kausalitas satu arah, variabel yang dipengaruhi adalah
indeks bursa saham syariah di Indonesia. Hal ini disebabkan nilai harian
saham yang ada dipengaruhi oleh faktor besarnya kapitalisasi bursa suatu
saham sehingga saham yang memiliki kapitalisasi besar mempunyai pengaruh
terhadap indeks lebih besar dibanding saham dengan kapitalisasi kecil
(Belke,2008:4). Artinya saham-saham yang berada di bursa saham syariah di
Indonesia masih memiliki kapitalisasi pasar yang lebih kecil dibandingkan
dengan bursa saham lainnya. Seperti yang dilansir dari www.merdeka.com,
bahwa hingga bulan Maret 2018, nilai kapitalisasi pasar Indonesia hanya
sebesar US$ 415 miliar, sedangkan Malaysia mencapai sekitar US$ 500
miliar. Tentu saja Otoritas Jasa Keuangan (OJK) perlu bekerja keras untuk
menarik minat para perusahaan di Indonesia yang belum terdaftar di bursa
saham Indonesia agar bursa saham Indonesia segera bisa mengejar
ketinggalannya.
Selanjutnya, hubungan antar bursa saham yang saling mempengaruhi tidak
hanya disebabkan oleh kapitalisasi bursa tetapi juga dikarenakan adanya kerja
sama yang cukup kuat yang dilakukan oleh antar perusahaan yang terdaftar di
masing-masing bursa saham tersebut khusunya dalam bidang ekonomi ekspor
dan impor. Ekspor dan impor dilakukan oleh perusahaan-perusahaan antar
135
negara untuk dapat saling memenuhi kebutuhan di dalam negeri mereka
masing-masing. Perusahaan-perusahaan yang melakukan ekspor dan impor
tentu bukan sembarang perusahaan kecil karena banyaknya prosedur
persyaratan yang harus dipenuhi untuk melakukan kegiatan tersebut sehingga
ada saatnya perusahaan tersebut melakukan go public.
Seperti yang kita ketahui sejauh ini kerjasama ekonomi, sosial dan
keamanan dalam bingkai OKI masih terbilang tradisional dan tertinggal
dibandingkan blok kerjasama ekonomi lain. Hal ini salah satunya bisa dilihat
dari porsi intra trade OKI yang rendah dengan pertumbuhan yang lambat.
Pergerakan investasi antar negara OKI pun belum menunjukkan
perkembangan yang signifikan. beberapa faktor yang menyebabkan rendahnya
intra trade dalam OKI yaitu rendahnya perdagangan yang terkait dengan jasa,
minimnya informasi perdagangan antar anggota OKI, hambatan tarif serta
non-tarif yang tinggi. Kerjasama ekonomi antar anggota OKI yang masih
rendah ini diperparah oleh sistem perekonomian beberapa negara OKI yang
masih diklasifikasikan sebagai perekonomian tertutup.
Berdasarkan data BPS (2017), ekspor memberikan kontribusi sekitar 21%
terhadap Gross Domestic Product (GDP). Namun, pasar ekspor Indonesia
selama ini cenderung didominasi oleh negara-negara tradisional seperti
Republik Rakyat Tiongkok (RRT), Amerika Serikat, Jepang, India, dan
Singapura. Negara-negara tradisional tersebut merupakan negara (pasar) yang
memiliki kriteria/syarat berupa syarat keharusan yakni ekspor ke negara
136
tersebut sudah berlangsung lebih dari 40 tahun serta syarat kecukupan yakni
tidak terpengaruh oleh kondisi perekonomian negara lain, konsumsi terhadap
struktur GDP lebih dari 50% dan net ekspor terhadap struktur GDP kurang
dari 5% (Pusat Kebijakan Perdagangan Luar Negeri, 2013). Pada tahun 2017,
total ekspor Indonesia ke negara-negara anggota OKI hanya sekitar 12,5% dari
total ekspor Indonesia (Trade Map, 2018).
Tabel 4.34 List Of Supplying Market For Product Exported By Indonesian
(US$ 1000)
Importers Exported
value in 2013 Exported
value in 2014
Exported value in
2015
Exported value in
2016
Exported value in
2017
World 182551754 176036194 150366281 144489796 168810043
China 22601487 17605944 15046434 16785585 23049296
United States of America 15741132 16560076 16268488 16171284 17810480
Japan 27086259 23127089 18020877 16101545 17790812
India 13031303 12248960 11731001 10093804 14083573
Singapore 16686239 16752340 12632634 11246432 12767193
Malaysia 10666609 9731541 7630889 7112008 8467527
Korea, Republic of 11422476 10606478 7664446 7007624 8186977
Philippines 3816963 3887832 3921677 5270873 6627222
Thailand 6061870 5784720 5507253 5392399 6462142
Taipei, Chinese 5862446 6425103 5043822 3652644 4218604
Netherlands 4105967 3984582 3442166 3254916 4038084
Viet Nam 2400880 2451197 2740179 3045496 3587475
Germany 2883423 2821568 2664157 2638680 2669462
Australia 4370482 4962452 3702296 3199006 2509185
Sumber: Data diolah dari TradeMap.Org
137
Tabel 4.35 List Of Supplying Market For Product Imported By Indonesian
(US$ 1000)
Exporters Imported
value in 2013 Imported
value in 2014 Imported
value in 2015 Imported
value in 2016 Imported value
in 2017
World 186628631 178179340 142694802 135652800 157388168
China 29849460 30624380 29411071 30800449 34520725
Singapore 25581520 25186115 18022559 14548299 16992133
Japan 19284588 17007579 13263523 12984774 14133608
Malaysia 13322533 10855394 8530668 7200944 9058605
Thailand 10703074 9781053 8083368 8666933 9035564
United States of America 9081821 8188542 7616761 7319184 8216317
Korea, Republic of 11592633 11847411 8427206 6674577 7874212
Australia 5038166 5647502 4815795 5260855 7056510
India 3963980 3952081 2741418 2872737 3965350
Saudi Arabia 6526424 6516224 3421632 2725033 3512905
Germany 4426331 4091179 3471691 3159486 3271891
Viet Nam 2722637 3417777 3161531 3228402 3075870
Taipei, Chinese 4480461 3758273 3172095 2889874 3059852
United Arab Emirates 1809358 1754332 1356099 1316223 2189382
Brazil 2215964 2553533 2425427 2402380 2178930
Sumber: Data diolah dari TradeMap.Org
Hasil uji kausalitas Granger merupakan hasil awal integrasi dalam penelitian
ini sehingga perlu hasil uji lainnya, seperti uji kointegrasi dan analisis variance
decomposition (VD) sebagai perbandingan dan penjelasan yang lebih lanjut. Hasil
uji kointegrasi antara bursa saham syariah menunjukkan bahwa hanya FBMS
milik Malaysia yang memiliki hubungan jangka panjang atau kointegrasi dengan
bursa saham syariah di Indonesia. Hasil ini menunjukkan H0 ditolak.
Terintegrasinya bursa syariah Malaysia dengan bursa syariah di Indonesia secara
jangka panjang bisa disebabkan karena kedua Negara terletak di kawasan yang
sama yaitu Asia Tenggara. Hal ini diperkuat dengan teori yang diungkapkan oleh
138
Janakiramanan dan Lamba (1998) dalam Babecky (2017) ”geographically close
countries normally have a similar group of investors in their markets. Therefore,
there markets influence each other.” Selain itu, dengan diberlakukannya MEA
pada tahun 2015 menyebabkan adanya perdagangan bebas di antara Negara-
negara kawasan ASEAN.
Terakhir, analisis Variance Decomposition (VD) menunjukkan bahwa di
kelompok bursa saham syariah, bursa saham syariah Malaysia (FBMS) yang
memberikan kontribusi terbesar yaitu 0,31% terhadap pergerakan bursa saham
syariah Indonesia (JII), tetapi hal ini bertolak belakang dengan kontribusi yang
diberikan oleh JII terhadap FBMS sebesar 0,24%. Adanya perjanjian bilateral
antara BEI dan Bursa Malaysia tentang perdagangan beberapa perusahaan dan
produk syariah membuat investor Indonesia berpeluang melakukan trading atau
perdagangan saham di Malaysia. Selain itu, meningkatnya jumlah investor di
masing-masing negara, baik negara Indonesia maupun Malaysia meningkatkan
kesejahteraan dan kemakmuran masyarakat dengan adanya perluasan transaksi
investasi antar negara, menghilangkan hambatan perdagangan Internasional,
memperbaiki kualitas produk dalam negeri untuk memikat negara lain untuk
memberikan produk lokal di wilayah kawasan yang terintegrasi. Berdasarkan data
TradeMap.Org pada tabel 4.35 dan tabel 4.36, menunjukkan bahwa di antara
negara OKI, Malasyia menempati urutan pertama tujuan ekspor dan impor
Indonesia.
139
Tabel 4.36 List Of Importing Market From Organization Of The Islamic
Cooperation For Product Exported By Indonesian (US$ 1000)
Importers Exported value in
2013
Exported value in 2014
Exported value in 2015
Exported value in 2016
Exported value in 2017
World 182551754 176036194 150366281 144489796 168810043
Organization of the Islamic Cooperation (OIC) Aggregation 22769872 24667394 20481318 18251658 21147252
Malaysia 10666609 9731541 7630889 7112008 8467527
Pakistan 1415438 2045294 1989563 2018233 2398093
United Arab Emirates 1589067 2503134 1926403 1612106 1630063
Bangladesh 1068460 1377619 1340794 1266688 1596615
Saudi Arabia 1734017 2156325 2060685 1333075 1380375
Egypt 1101773 1341002 1197912 1110438 1253624
Turkey 1536241 1446131 1158833 1024070 1168988
Nigeria 558178 648617 445738 310819 343804
Iran, Islamic Republic of 469356 406112 216505 235194 312200
Oman 209388 244652 211746 201899 257487
Algeria 240532 178644 173838 133709 206996
Djibouti 286406 306828 278268 211296 202486
Benin 71043 213118 153442 196963 201125
Togo 72946 132995 103727 52146 132694
Kuwait 143460 171060 173875 121686 129566
Iraq 45405 72289 95100 91080 126055
Yemen 156312 155786 88729 157908 121158
Jordan 159349 152642 95239 90204 104618
Mauritania 96111 106811 59449 71030 99324
Senegal 54723 74073 87647 72588 95114
Morocco 68488 82193 87395 95615 85958
Lebanon 75862 74166 83573 76368 83730
Somalia 22081 36640 30904 42437 75527
Qatar 95371 92450 96529 57546 74796
Sumber: Data diolah dari Trademap.org
140
Tabel 4.37 List Of Exporting Market From Organization Of The Islamic
Cooperation For Product Imported By Indonesian (US$ 1000)
Exporters Imported
value in 2013 Imported
value in 2014 Imported
value in 2015 Imported
value in 2016 Imported
value in 2017
World 186628631 178179340 142694802 135652800 157388168
Organization of the Islamic Cooperation (OIC) Aggregation 34001488 31772064 19501627 16523671 22095943
Malaysia 13322533 10855394 8530668 7200944 9058605
Saudi Arabia 6526424 6516224 3421632 2725033 3512905
United Arab Emirates 1809358 1754332 1356099 1316223 2189382
Nigeria 3122441 3306301 1288156 1287967 1585007
Qatar 1481293 1626808 731810 857449 895819
Turkey 1314975 1069208 249821 311154 544254
Azerbaijan 1738496 2421343 1284084 483053 492502
Iran, Islamic Republic of 99047 42548 56589 103405 446762
Gabon 456 423 296 88197 362199
Egypt 126884 145934 243252 352144 358067
Algeria 379248 299724 282771 382214 356878
Jordan 315774 152549 160782 165841 348963
Kuwait 1440879 1461534 738683 293119 348765
Oman 252952 193649 144191 61387 346453
Pakistan 168742 159390 174512 157256 238846
Bahrain 78142 161709 23443 61343 158642
Sumber: Data diolah dari TradeMap.org
Oleh karena itu, berdasarkan tiga analisis yang telah dipaparkan sebelumnya
dapat disimpulkan bahwa bursa saham syariah yang terintegrasi dengan JII adalah
FBMS. Hasil penelitian ini sesuai dengan penelitian terdahulu yang dilakukan
oleh Salina Hj. Kassim (2013) dan Harjum Muharam (2015) dimana bursa saham
syariah Malaysia terintegrasi dengan bursa saham syariah Indonesia.
Secara teoritis, keuntungan yang diperoleh suatu negara dengan semakin
terintegrasinya sektor finansialnya kedalam pasar finansial internasional
diharapkan akan meningkatkan pertumbuhan potensial dan meringankan beban
penyesuaian akibat dari gejolak eksternal. Dalam sebuah perekonomian terbuka,
maka sistem keuangannya akan memberikan keleluasaan bagi warga negaranya
141
untuk mendiversifikasikan asset-aset mereka ke saham-saham institusi keuangan
asing yang digunakan untuk membiayai proyek-proyek dalam negeri. Lebih jauh
Elisabeta (2016:8) menyatakan ketika sektor finansial terintegrasi dengan pasar
modal internasional, maka negera-negara tersebut dapat melepaskan diri dari
defisit eksternal maupun pengangguran yang direfleksikan dari
ketidakseimbangan internal posisi finansial mereka. Terdapat beberapa
keuntungan potensial dalam integrasi pasar finansial seperti yang dikemukan oleh
Babecky (2017:13), integrasi pasar finansial akan mendorong spesialisasi dalam
produksi, memperbaiki tingkat efisiensi di industry keuangan, mengarahkan
kebijakan ekonomi yang lebih baik, dan memiliki dampak terhadap sinyal
komitmen kepada liberalisai itu sendiri.
142
BAB V
KESIMPULAN DAN SARAN
A. Kesimpulan
Integrasi bursa saham syariah di negara anggota OKI (Organisasi
Kerjasama Islam) dapat dilihat melalui hasil tiga analisis antara lain:
1. Semua bursa saham syariah ke lima negara anggota OKI (Organisasi
Kerjasama Islam) tidak memiliki hubungan kausalitas dua arah
terhadap bursa saham syariah di Indonesia. Adapun kausalitas satu
arah hanya ditemukan pada pasangan bursa saham syariah Turki
(DJIMTR) dengan Indonesia (JII).
2. Bursa saham syariah di Indonesia, yaitu Jakarta Islamic Index (JII)
hanya memiliki hubungan jangka panjang dengan bursa saham syariah
di Malaysia, yaitu FTSE Bursa Malaysia Emas Shariah (FBMS).
3. Bursa saham syariah di Malaysia, yaitu FTSE Bursa Malaysia Emas
Shariah (FBMS) memberikan kontribusi terbesar terhadap pergerakan
bursa saham syariah di Indonesia, yaitu Jakarta Islamic Index (JII).
Sementara itu, pergerakan bursa saham syariah di Kuwait menerima
kontribusi terbesar dari bursa saham syariah Indonesia, yaitu Jakarta
Islamic Index (JII).
Oleh karena itu, berdasarkan tiga hasil analisis tersebut dapat
disimpulkan bahwa bursa saham syariah yang terintegrasi dengan bursa
143
saham syariah di Indonesia (JII) adalah FTSE Bursa Malaysia Emas
Shariah (FBMS).
B. Saran
1. Bagi Pemerintah
Melihat integrasi keuangan yang terjadi di kawasan OKI, mampu
menjadi pisau bermata dua bagi Indonesia, di satu pihak mampu
menjadikan sinyal positif, namun di pihak lain terjadi sebaliknya. Melihat
kondisi ini, pemerintah haruslah sadar bahwa perkembangan bursa syariah
di negara-negara anggota OKI cukup pesat. Walaupun tingkat integrasi di
setiap bursa syariah masih terbilang dini dan berada pada tahap
perkembangan, peran pemerintah cukuplah penting dalam tahap ini.
Sebagai regulator yang mampu memberikan suntikan stimulus positif
terhadap pasar-pasar keuangan di kawasan OKI.
2. Bagi Investor
Penelitian ini pada dasarnya bukan membahas tataran teknis yang
terjadi di setiap pasar keuangan, namun sebagai gambaran sederhana
pergerakan dan perkembangan pasar keuangan itu sendiri dan factor-faktor
apa saja yang akan mempengaruhinya.
144
3. Bagi peneliti selanjutnya
Penelitian ini terbatas hanya menggunakan variabel bursa saham dari
enam negara yang penulis duga memiliki integrasi bursa saham syariah di
Indonesia dan menggunakan kurun waktu penelitian dari tahun 2013-2018
dengan metode VAR/VECM. Peneliti selanjutnya, dapat mencoba
membuat model dalam kurun waktu yang berbeda dan menambah variabel
bursa saham syariah negara lainnya.
145
DAFTAR PUSTAKA
Ajija, S. R., & DKK. (2011). Cara Cerdas Menguasai Eviews. Jakarta: 2011.
Arifin, Johar."Statistik Bisnis Terapan dengan Microsoft Excel 2007". PT Elex
Media Komputindo, Jakarta 2008.
Arsyad, N. (2015). Integration between east and Southeast Asian Equity Markets.
Journal of Finanancial Economic Policy, 104-121.
Awaluddin. (2016). Pasar Modal Syariah : Analisis Penawaran Efek Syariah di
Bursa Efek Syariah. Maqdis Jurnal Kajian Ekonomi Islam -Volume 1,
Nomor 2,, 14.
Babecky, J. (2017). Financial Integration At Times of Crisis And Recovery.
Economic Imbalances and Institutional Changes to the Euro and the
European Union International Finance Review, Volume 18, hal 173-191.
Belke, A. (2016). Financial Integration, Global liquidity and Global
Macroeconomic Linkages. Journal of Economic Studies, Vol. 43 Iss 1, Hal
16-26.
Ehigiamuzoe, K. U. (2018). Do Economic and Financial Integration Stimulate
Economic Growth? A Critical Survey. Economics Journal Vol. 02 No.15.
Elisabeta, P. (2016). Financial Integration and Diversification Benefits: China and
ASEAN4 Countries . Managerial Finance, Vol. 42 Iss 5.
Frensidy, B. (2008). Memahami Perhitungan Indeks Saham. Majalah Bisnis
Indonesia Universitas Indonesia hal.8.
Gujarati, D. N. (2013). dasar-dasar ekonometrika edisi kelima Buku 2. Jakarta:
Salemba Empat.
Hamid, A. (2009). Pasar Modal Syariah. Jakarta: LemLit UIN Jakarta.
143
Hengxhao, Z. (2014). The Impact of Subprime Crisis On Asia Pacific Islamic
Stock Markets. 8th International Conference On Islamic Economics And
Finance .
Ishtiaq, H. (2012). The Organisation of islamic Conference (OIC): Nature, Role
and The Issues. Journal of Third World Studies, Proquest Research
Librarypg.287.
Kabir, S. H. (2013). Are Islamic Stock Markets Integrated Globally? Evidence
From Time Series Techniques. Australian Journal of Basic and Applied
Sciences, 7.
Kassim, S. H. (2013). Global Financial Crisis And Integration Of Islamic Market
In Developing Countries. economies-Japan External Trade Organization,
VRF Series No.461.
Kumar, R. (2017). Financial instability, integration and volatility of emerging
South Asian stock markets. South Asian Journal of Business Studies, Vol.
6 Issue: 2, pp.177-190.
Mahyudin. (2009). Analisis Vector Auto Regressive (VAR) terhadap Korelasi
antara Belanja Publik dan Pertumbuhan Ekonomi di Sulawesi Selatan,
Tahun 1985-2005. Jurnal Ekonomi Pembangunan Vol.10 (No.1), Hal 1-
14.
Majid, B. (2017). The Human Right in OIC, A Gradually Movement But In
Progress. Journal of Politics and Law Vol. 10, No. 2.
Majid, M. S. (2018). Who Co-moves the Islamic Stock Market of Indonesia - the
US, UK or Japan? Al-Iqtishad: Jurnal Ilmu Ekonomi Syariah (Journal of
Islamic Economics) Volume 10 (2).
Muharam, H., & Ikrima, T. N. (2015). Co-Integration And Contagion Effect
Among Islamic Stock Markets In Indonesia, Malaysia, Europe, And Usa
144
At The Greek Crisis. Jurnal Dinamika Manajemen Vol. 5, No. 2, pp: 131-
146.
Nachrowi, D., & Usman, H. (2006). pendekatan popular dan praktis
ekonometrika untuk analisis ekonomi dan keuangan. Jakarta: Lembaga
Penerbit FE UI, Jakarta, 2006.
Nugroho, R. Y. (2015). Dampak Fluktuasi Dinamis Makro Ekonomi, IHSG, dan
SIBOR terhadap Jakarta Islamic Index. Jurnal Investasi Vol.7 No.1, 76-89.
Pasaribu, R. B., & Kowandar, D. (2013). Dinamika Bursa Saham Asing dan
Makroekonomi Terhdap Indeks Harga Saham Gabungan Bursa Efek
Indonesia. Jurnal Akuntansi dan Bisnis Vol.14.No.1, 89-112.
Rahman, M. A. (2002). Jejak-jejak Juang Palestina. Jakarta: Kompas.
Sihombing, P. (2017). Pengaruh Indeks Saham Global dan Kondisi Makro
Indonesia Terhadap Indeks Harga Saham Gabungan Bursa Efek Indonesia.
Media Ekonomi Vol. 22 No. 2 .
Siregar, S. (2012). Statistika Deskriptif Untuk Penelitian. Yogyakarta: PT Raja
Grafindo Persada.
Teguh, M. (2005). Metodelogi Penelitian Ekonomi Teori dan Aplikasi. Jakarta:
Grafindo Persada.
Widarjono, A. (2009). Ekonometrika Pengantar dan Aplikasinya Disertai
Panduan Eviews. Yogyakarta: UPP STIM YKPN.
Winarno, W. W. (2011). analisis ekonometrika dab statistika dengan Eviews Edisi
Ketiga. Yogyakarta: UPP STIM YKPN.
State of Global Islamic Economic Report 2016
Financial Outlook of The OIC Member Countries 2017
145
Islamic Financial Service Industry Stability Report 2017
FTSE Monthly Report Oktober 2014
www.TradeMap.org
www.idx.co.id
www.oic-cio.org
www.investing.com
www.yahoofinance.com
www.QSE.com
www.djimtr.com
www.djim.com
www.wikipedia.com
www.oic-cio.org
www.investing.com
www.yahoofinance.com
www.QSE.com
www.djimtr.com
www.djim.com
www.wikipedia.com
146
LAMPIRAN-LAMPIRAN
147
Lampiran I: Analisis Deskriptif Indeks Bursa Saham Syariah
DJIMKW DJIMTR JII FBMS KMI30 QERI
Mean 709.5568 4904.587 676.7111 12680.43 60910.40 3863.408
Median 714.5000 4537.180 681.6200 12702.58 57975.23 3879.390
Maximum 908.1400 6885.030 798.7700 13807.20 91145.45 4843.470
Minimum 538.3500 3778.070 541.0300 10901.91 36759.88 2635.890
Std. Dev. 81.96464 848.0368 54.93869 464.2948 13656.12 518.6656
Skewness 0.496266 1.032380 -0.268561 -0.298858 0.178224 -0.251571
Kurtosis 2.813531 2.638831 2.187761 3.048485 1.950839 2.388355
Jarque-Bera 52.77936 227.3727 49.07104 18.61004 63.53831 32.46084
Probability 0.000000 0.000000 0.000000 0.000091 0.000000 0.000000
Sum 881269.5 6091497. 840475.2 15749095 75650722 4798352.
Sum Sq. Dev. 8337289. 8.92E+08 3745660. 2.68E+08 2.31E+11 3.34E+08
Observations 1242 1242 1242 1242 1242 1242
Lampiran II: Uji Stasionerutas Tingkat Level JII
Null Hypothesis: JII has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.444905 0.0460
Test critical values: 1% level -3.965458
5% level -3.413437
10% level -3.128758 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(JII)
Method: Least Squares
Date: 11/06/18 Time: 21:07
Sample (adjusted): 2 1242
Included observations: 1241 after adjustments Variabel Coefficient Std. Error t-Statistic Prob. JII(-1) -0.017749 0.005152 -3.444905 0.0006
C 13.15543 3.811773 3.451264 0.0006
@TREND("1") -0.001851 0.000790 -2.342428 0.0193 R-squared 0.009572 Mean dependent var -0.005471
148
Adjusted R-squared 0.007972 S.D. dependent var 7.946684
S.E. of regression 7.914946 Akaike info criterion 6.977797
Sum squared resid 77556.20 Schwarz criterion 6.990183
Log likelihood -4326.723 Hannan-Quinn criter. 6.982455
F-statistic 5.982253 Durbin-Watson stat 1.971565
Prob(F-statistic) 0.002597
Lampiran 3: Uji Stasioneritas Tingkat Level FBMS
Null Hypothesis: FBMS has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.979690 0.1383
Test critical values: 1% level -3.965323
5% level -3.413370
10% level -3.128719 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(FBMS)
Method: Least Squares
Date: 11/06/18 Time: 21:16
Sample (adjusted): 3 1266
Included observations: 1264 after adjustments Variabel Coefficient Std. Error t-Statistic Prob. FBMS(-1) -0.012834 0.004307 -2.979690 0.0029
D(FBMS(-1)) 0.109127 0.027982 3.899903 0.0001
C 162.9112 54.63892 2.981597 0.0029
@TREND("1") -0.000790 0.005428 -0.145469 0.8844 R-squared 0.017516 Mean dependent var -0.320380
Adjusted R-squared 0.015177 S.D. dependent var 70.91762
S.E. of regression 70.37743 Akaike info criterion 11.34878
Sum squared resid 6240757. Schwarz criterion 11.36505
Log likelihood -7168.430 Hannan-Quinn criter. 11.35490
F-statistic 7.487781 Durbin-Watson stat 2.010288
Prob(F-statistic) 0.000057
149
Lampiran 4: Uji Stasioneritas Tingkat Level KMI30
Null Hypothesis: KMI30 has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.557200 0.3004
Test critical values: 1% level -3.965369
5% level -3.413393
10% level -3.128732 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(KMI30)
Method: Least Squares
Date: 11/06/18 Time: 21:14
Sample (adjusted): 3 1258
Included observations: 1256 after adjustments Variabel Coefficient Std. Error t-Statistic Prob. KMI30(-1) -0.008080 0.003160 -2.557200 0.0107
D(KMI30(-1)) 0.165338 0.027807 5.945987 0.0000
C 659.6494 262.3972 2.513935 0.0121
@TREND("1") -0.308287 0.119888 -2.571456 0.0102 R-squared 0.031783 Mean dependent var -28.99855
Adjusted R-squared 0.029463 S.D. dependent var 678.4611
S.E. of regression 668.3916 Akaike info criterion 15.85081
Sum squared resid 5.59E+08 Schwarz criterion 15.86716
Log likelihood -9950.306 Hannan-Quinn criter. 15.85695
F-statistic 13.69948 Durbin-Watson stat 1.966352
Prob(F-statistic) 0.000000
Lampiran 5: Uji Stasioneritas Tingkat Level DJIMKW
Null Hypothesis: DJIMKW has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=23) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.380097 0.8665
Test critical values: 1% level -3.964812
5% level -3.413121
150
10% level -3.128571 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(DJIMKW)
Method: Least Squares
Date: 11/06/18 Time: 21:15
Sample (adjusted): 3 1361
Included observations: 1359 after adjustments Variabel Coefficient Std. Error t-Statistic Prob. DJIMKW(-1) -0.002172 0.001573 -1.380097 0.1678
D(DJIMKW(-1)) 0.077781 0.027070 2.873358 0.0041
C 1.219229 1.065295 1.144499 0.2526
@TREND("1") 0.000590 0.000355 1.659410 0.0973 R-squared 0.008515 Mean dependent var 0.057461
Adjusted R-squared 0.006320 S.D. dependent var 4.675646
S.E. of regression 4.660849 Akaike info criterion 5.919211
Sum squared resid 29435.36 Schwarz criterion 5.934559
Log likelihood -4018.104 Hannan-Quinn criter. 5.924957
F-statistic 3.878833 Durbin-Watson stat 2.010596
Prob(F-statistic) 0.008924
Lampiran 6: Uji Stasioneritas Tingkat Level DJIMTR
Null Hypothesis: DJIMTR has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.732314 0.7365
Test critical values: 1% level -3.964992
5% level -3.413209
10% level -3.128623 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(DJIMTR)
Method: Least Squares
Date: 11/06/18 Time: 21:15
Sample (adjusted): 2 1325
Included observations: 1324 after adjustments Variabel Coefficient Std. Error t-Statistic Prob.
151
DJIMTR(-1) -0.004771 0.002754 -1.732314 0.0835
C 24.55083 16.76886 1.464073 0.1434
@TREND("1") -0.004372 0.006000 -0.728544 0.4664 R-squared 0.003030 Mean dependent var -1.580665
Adjusted R-squared 0.001521 S.D. dependent var 51.99730
S.E. of regression 51.95775 Akaike info criterion 10.74100
Sum squared resid 3566181. Schwarz criterion 10.75276
Log likelihood -7107.543 Hannan-Quinn criter. 10.74541
F-statistic 2.007537 Durbin-Watson stat 1.910320
Prob(F-statistic) 0.134729
Lampiran 7: Uji Stasioneritas Tingkat Level QERI
Null Hypothesis: KMI30 has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.557200 0.3004
Test critical values: 1% level -3.965369
5% level -3.413393
10% level -3.128732 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(KMI30)
Method: Least Squares
Date: 11/06/18 Time: 21:16
Sample (adjusted): 3 1258
Included observations: 1256 after adjustments Variabel Coefficient Std. Error t-Statistic Prob. KMI30(-1) -0.008080 0.003160 -2.557200 0.0107
D(KMI30(-1)) 0.165338 0.027807 5.945987 0.0000
C 659.6494 262.3972 2.513935 0.0121
@TREND("1") -0.308287 0.119888 -2.571456 0.0102 R-squared 0.031783 Mean dependent var -28.99855
Adjusted R-squared 0.029463 S.D. dependent var 678.4611
S.E. of regression 668.3916 Akaike info criterion 15.85081
Sum squared resid 5.59E+08 Schwarz criterion 15.86716
Log likelihood -9950.306 Hannan-Quinn criter. 15.85695
F-statistic 13.69948 Durbin-Watson stat 1.966352
Prob(F-statistic) 0.000000
152
Lampiran 8 : Uji Stasioneritas Tingkat First Didfference JII
Null Hypothesis: D(JII) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 2 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -23.05982 0.0000
Test critical values: 1% level -3.965476
5% level -3.413445
10% level -3.128763 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(JII,2)
Method: Least Squares
Date: 11/06/18 Time: 21:08
Sample (adjusted): 5 1242
Included observations: 1238 after adjustments Variabel Coefficient Std. Error t-Statistic Prob. D(JII(-1)) -1.156130 0.050136 -23.05982 0.0000
D(JII(-1),2) 0.153988 0.040114 3.838741 0.0001
D(JII(-2),2) 0.091540 0.028362 3.227600 0.0013
C 0.108953 0.450497 0.241850 0.8089
@TREND("1") -0.000205 0.000628 -0.325842 0.7446 R-squared 0.504351 Mean dependent var 0.012173
Adjusted R-squared 0.502743 S.D. dependent var 11.19065
S.E. of regression 7.891252 Akaike info criterion 6.973417
Sum squared resid 76781.20 Schwarz criterion 6.994101
Log likelihood -4311.545 Hannan-Quinn criter. 6.981197
F-statistic 313.6619 Durbin-Watson stat 2.003211
Prob(F-statistic) 0.000000
Lampiran 9: Uji Stasioneritas Tingkat First Difference FBMS
Null Hypothesis: D(FBMS) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -32.07121 0.0000
Test critical values: 1% level -3.965323
153
5% level -3.413370
10% level -3.128719 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(FBMS,2)
Method: Least Squares
Date: 11/06/18 Time: 21:09
Sample (adjusted): 3 1266
Included observations: 1264 after adjustments Variabel Coefficient Std. Error t-Statistic Prob. D(FBMS(-1)) -0.897428 0.027982 -32.07121 0.0000
C 0.533636 3.978463 0.134131 0.8933
@TREND("1") -0.001282 0.005442 -0.235640 0.8138 R-squared 0.449241 Mean dependent var 0.085601
Adjusted R-squared 0.448368 S.D. dependent var 95.05197
S.E. of regression 70.59694 Akaike info criterion 11.35422
Sum squared resid 6284733. Schwarz criterion 11.36643
Log likelihood -7172.868 Hannan-Quinn criter. 11.35881
F-statistic 514.2847 Durbin-Watson stat 2.008146
Prob(F-statistic) 0.000000
Lampiran 10: Uji Stasioneritas Tingkat First Difference KMI30
Null Hypothesis: D(KMI30) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -30.10601 0.0000
Test critical values: 1% level -3.965369
5% level -3.413393
10% level -3.128732 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(KMI30,2)
Method: Least Squares
Date: 11/06/18 Time: 21:09
Sample (adjusted): 3 1258
Included observations: 1256 after adjustments Variabel Coefficient Std. Error t-Statistic Prob.
154
D(KMI30(-1)) -0.838046 0.027836 -30.10601 0.0000
C -4.358559 37.87056 -0.115091 0.9084
@TREND("1") -0.032084 0.052144 -0.615301 0.5385 R-squared 0.419740 Mean dependent var -1.565422
Adjusted R-squared 0.418814 S.D. dependent var 878.6807
S.E. of regression 669.8674 Akaike info criterion 15.85442
Sum squared resid 5.62E+08 Schwarz criterion 15.86669
Log likelihood -9953.577 Hannan-Quinn criter. 15.85903
F-statistic 453.1880 Durbin-Watson stat 1.965843
Prob(F-statistic) 0.000000
Lampiran 11: Uji Stasioneritas Tingkat First Difference DJIMKW
Null Hypothesis: D(DJIMKW) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=23) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -34.10017 0.0000
Test critical values: 1% level -3.964812
5% level -3.413121
10% level -3.128571 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(DJIMKW,2)
Method: Least Squares
Date: 11/06/18 Time: 21:10
Sample (adjusted): 3 1361
Included observations: 1359 after adjustments Variabel Coefficient Std. Error t-Statistic Prob. D(DJIMKW(-1)) -0.923118 0.027071 -34.10017 0.0000
C -0.208801 0.253433 -0.823888 0.4101
@TREND("1") 0.000384 0.000323 1.189262 0.2345 R-squared 0.461653 Mean dependent var -0.007734
Adjusted R-squared 0.460859 S.D. dependent var 6.349780
S.E. of regression 4.662403 Akaike info criterion 5.919144
Sum squared resid 29476.74 Schwarz criterion 5.930655
Log likelihood -4019.059 Hannan-Quinn criter. 5.923454
F-statistic 581.4109 Durbin-Watson stat 2.010195
Prob(F-statistic) 0.000000
155
Lampiran 12: Uji Stasioneritas Tingkat First Difference DJIMTR
Null Hypothesis: D(DJIMTR) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -34.82705 0.0000
Test critical values: 1% level -3.964997
5% level -3.413211
10% level -3.128625 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(DJIMTR,2)
Method: Least Squares
Date: 11/06/18 Time: 21:11
Sample (adjusted): 3 1325
Included observations: 1323 after adjustments Variabel Coefficient Std. Error t-Statistic Prob. D(DJIMTR(-1)) -0.957726 0.027499 -34.82705 0.0000
C -3.825339 2.865460 -1.334983 0.1821
@TREND("1") 0.003520 0.003744 0.940176 0.3473 R-squared 0.478863 Mean dependent var 0.042245
Adjusted R-squared 0.478073 S.D. dependent var 71.95730
S.E. of regression 51.98518 Akaike info criterion 10.74206
Sum squared resid 3567246. Schwarz criterion 10.75382
Log likelihood -7102.872 Hannan-Quinn criter. 10.74647
F-statistic 606.4618 Durbin-Watson stat 1.997831
Prob(F-statistic) 0.000000
Lampiran 13: Uji Stasioneritas Tingkat First Difference QERI
Null Hypothesis: D(QERI) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -30.56351 0.0000
Test critical values: 1% level -3.965346
156
5% level -3.413382
10% level -3.128726 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variabel: D(QERI,2)
Method: Least Squares
Date: 11/06/18 Time: 21:11
Sample (adjusted): 3 1262
Included observations: 1260 after adjustments Variabel Coefficient Std. Error t-Statistic Prob. D(QERI(-1)) -0.852483 0.027892 -30.56351 0.0000
C 1.488757 2.570428 0.579186 0.5626
@TREND("1") -0.003465 0.003528 -0.982120 0.3262 R-squared 0.426323 Mean dependent var 0.018516
Adjusted R-squared 0.425410 S.D. dependent var 60.06729
S.E. of regression 45.53201 Akaike info criterion 10.47709
Sum squared resid 2605968. Schwarz criterion 10.48932
Log likelihood -6597.565 Hannan-Quinn criter. 10.48168
F-statistic 467.0647 Durbin-Watson stat 1.991651
Prob(F-statistic) 0.000000
Lampiran 15: Penentuan Lag Optimal FBMS dengan JII
VAR Lag Order Selection Criteria
Endogenous variabels: JII FBMS
Exogenous variabels: C
Date: 10/31/18 Time: 18:35
Sample: 1 1361
Included observations: 1234 Lag LogL LR FPE AIC SC HQ 0 -15943.86 NA 5.74e+08 25.84418 25.85247 25.84730
1 -11315.71 9233.802 319288.8 18.34961 18.37449* 18.35897*
2 -11308.11 15.14149 317430.5 18.34377 18.38524 18.35937
3 -11304.35 7.474968 317554.7 18.34416 18.40222 18.36600
4 -11294.14 20.27141* 314374.6* 18.33409* 18.40875 18.36218
5 -11292.11 4.020197 315381.0 18.33729 18.42854 18.37161
6 -11287.74 8.643664 315193.3 18.33669 18.44453 18.37726
7 -11286.34 2.768267 316523.9 18.34091 18.46533 18.38771
8 -11284.65 3.337702 317710.4 18.34465 18.48566 18.39769 * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
157
SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Lampiran 16: Penentuan Lag Optimal KMI30 dengan JII
VAR Lag Order Selection Criteria
Endogenous variabels: JII KMI30
Exogenous variabels: C
Date: 10/31/18 Time: 19:10
Sample: 1 1361
Included observations: 1234 Lag LogL LR FPE AIC SC HQ 0 -19875.23 NA 3.36e+11 32.21593 32.22422 32.21905
1 -14090.98 11540.37 28684473 22.84762 22.87251 22.85698
2 -14073.92 33.98336 28083657 22.82645 22.86793* 22.84205*
3 -14069.89 8.017506 28082222 22.82640 22.88447 22.84824
4 -14064.82 10.07471* 28033373* 22.82466* 22.89931 22.85274
5 -14064.25 1.118757 28189916 22.83023 22.92147 22.86455
6 -14062.03 4.392245 28271400 22.83311 22.94095 22.87368
7 -14060.46 3.109401 28382811 22.83705 22.96147 22.88385
8 -14057.09 6.642574 28411945 22.83807 22.97909 22.89112 * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Lampiran 17: Penentuan Lag Optimal DJIMKW dengan JII
VAR Lag Order Selection Criteria
Endogenous variabels: DJIMKW JII
Exogenous variabels: C
Date: 10/31/18 Time: 19:32
Sample: 1 1361
Included observations: 1234 Lag LogL LR FPE AIC SC HQ 0 -13884.37 NA 20389105 22.50627 22.51456 22.50939
1 -7955.528 11828.85 1377.268 12.90361 12.92850* 12.91297*
2 -7948.664 13.67190 1370.891 12.89897 12.94044 12.91457
3 -7944.526 8.229784 1370.583 12.89875 12.95681 12.92059
4 -7938.449 12.06591 1365.977* 12.89538* 12.97003 12.92346
5 -7937.436 2.007180 1372.607 12.90022 12.99147 12.93454
158
6 -7933.105 8.571030 1371.872 12.89968 13.00752 12.94025
7 -7929.216 7.683058 1372.120 12.89986 13.02429 12.94667
8 -7923.160 11.94496* 1367.557 12.89653 13.03755 12.94958 * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Lampiran 18: Penentuan Lag Optimal DJIMTR dengan JII
VAR Lag Order Selection Criteria
Endogenous variabels: DJIMTR JII
Exogenous variabels: C
Date: 10/31/18 Time: 19:47
Sample: 1 1361
Included observations: 1234 Lag LogL LR FPE AIC SC HQ 0 -16512.04 NA 1.44e+09 26.76505 26.77335 26.76817
1 -10915.42 11166.01 166890.7 17.70085 17.72573* 17.71021*
2 -10913.68 3.463043 167503.5 17.70451 17.74599 17.72012
3 -10908.47 10.36165 167175.3 17.70255 17.76062 17.72439
4 -10902.78 11.30091 166717.5* 17.69981* 17.77446 17.72789
5 -10901.71 2.134109 167509.4 17.70455 17.79579 17.73887
6 -10900.04 3.287460 168145.6 17.70834 17.81617 17.74890
7 -10893.48 12.96573* 167448.8 17.70418 17.82861 17.75099
8 -10888.95 8.929602 167306.0 17.70333 17.84435 17.75638 * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Lampiran 19: Penentuan Lag Optimal QERI dengan JII
VAR Lag Order Selection Criteria
Endogenous variabels: QERI JII
Exogenous variabels: C
Date: 10/31/18 Time: 19:59
Sample: 1 1361
Included observations: 1234 Lag LogL LR FPE AIC SC HQ 0 -16146.55 NA 7.97e+08 26.17268 26.18098 26.17580
1 -10789.44 10688.16 136068.5 17.49667 17.52155 17.50603
2 -10775.13 28.51400 133812.6 17.47995 17.52142* 17.49555*
159
3 -10772.41 5.397339 134091.8 17.48203 17.54010 17.50388
4 -10761.18 22.29745* 132529.6* 17.47031* 17.54497 17.49840
5 -10759.62 3.096553 133054.3 17.47427 17.56551 17.50859
6 -10756.95 5.287588 133341.1 17.47642 17.58425 17.51698
7 -10754.63 4.586125 133704.5 17.47914 17.60356 17.52594
8 -10752.83 3.548971 134182.4 17.48271 17.62372 17.53575 * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Lampiran 20: Uji Kausalitas FBMS dengan JII
Pairwise Granger Causality Tests
Date: 10/31/18 Time: 18:37
Sample: 1 1361
Lags: 4 Null Hypothesis: Obs F-Statistic Prob. FBMS does not Granger Cause JII 1238 0.92802 0.4467
JII does not Granger Cause FBMS 1.84988 0.1170
Lampiran 21 : Uji Kausalitas KMI30 dengan JII
Pairwise Granger Causality Tests
Date: 10/31/18 Time: 19:16
Sample: 1 1361
Lags: 4 Null Hypothesis: Obs F-Statistic Prob. KMI30 does not Granger Cause JII 1238 1.33072 0.2564
JII does not Granger Cause KMI30 0.53132 0.7128
Lampiran 22: Uji Kausalitas DJIMKW dengan JII
Pairwise Granger Causality Tests
Date: 10/31/18 Time: 19:33
Sample: 1 1361
Lags: 4 Null Hypothesis: Obs F-Statistic Prob. JII does not Granger Cause DJIMKW 1238 0.62071 0.6478
160
DJIMKW does not Granger Cause JII 0.18019 0.9487
Lampiran 23: Uji Kausalitas DJIMTR dengan JII
Pairwise Granger Causality Tests
Date: 10/31/18 Time: 19:49
Sample: 1 1361
Lags: 4 Null Hypothesis: Obs F-Statistic Prob. JII does not Granger Cause DJIMTR 1238 0.25123 0.9090
DJIMTR does not Granger Cause JII 2.82355 0.0239
Lampiran 24: Uji Kausalitas QERI dengan JII
Pairwise Granger Causality Tests
Date: 10/31/18 Time: 20:06
Sample: 1 1361
Lags: 4 Null Hypothesis: Obs F-Statistic Prob. JII does not Granger Cause QERI 1238 0.54007 0.7063
QERI does not Granger Cause JII 0.45870 0.7661
Lampiran 25: Uji Penentuan Asumsi Determinasi FBMS dengan JII
Date: 10/31/18 Time: 18:44
Sample: 1 1361
Included observations: 1239
Series: JII FBMS
Lags interval: 1 to 2
Selected
(0.05 level*) Number of
Cointegrating Relations by
Model Data Trend: None None Linear Linear Quadratic
Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 2 1 2
Max-Eig 0 0 2 1 2 *Critical values based on MacKinnon-Haug-Michelis (1999)
161
Information Criteria by Rank and
Model Data Trend: None None Linear Linear Quadratic
Rank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend
Log Likelihood by Rank (rows) and Model (columns)
0 -11357.03 -11357.03 -11357.02 -11357.02 -11356.98
1 -11352.12 -11349.88 -11349.87 -11346.63 -11346.59
2 -11352.09 -11347.05 -11347.05 -11342.70 -11342.70
Akaike Information Criteria by
Rank (rows) and Model (columns)
0 18.34549 18.34549 18.34871 18.34871 18.35187
1 18.34402 18.34202 18.34362 18.33999* 18.34154
2 18.35043 18.34551 18.34551 18.34172 18.34172
Schwarz Criteria by
Rank (rows) and Model (columns)
0 18.37856* 18.37856* 18.39005 18.39005 18.40148
1 18.39363 18.39576 18.40150 18.40200 18.40769
2 18.41658 18.41993 18.41993 18.42440 18.42440
Lampiran 26: Uji Penentuan Asumsi Determinasi KMI30 dengan JII
Date: 10/31/18 Time: 19:20
Sample: 1 1361
Included observations: 1237
Series: JII KMI30
Lags interval: 1 to 4
Selected
(0.05 level*) Number of
Cointegrating Relations by
Model
162
Data Trend: None None Linear Linear Quadratic
Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 0 0 0
Max-Eig 0 0 0 0 0 *Critical values based on MacKinnon-Haug-Michelis (1999)
Information Criteria by Rank and
Model Data Trend: None None Linear Linear Quadratic
Rank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend
Log Likelihood by Rank (rows) and Model (columns)
0 -14108.20 -14108.20 -14107.62 -14107.62 -14107.28
1 -14107.22 -14103.71 -14103.16 -14103.16 -14102.82
2 -14106.78 -14103.05 -14103.05 -14099.05 -14099.05
Akaike Information Criteria by
Rank (rows) and Model (columns)
0 22.83622* 22.83622* 22.83851 22.83851 22.84120
1 22.84109 22.83704 22.83777 22.83938 22.84046
2 22.84685 22.84407 22.84407 22.84083 22.84083
Schwarz Criteria by
Rank (rows) and Model (columns)
0 22.90245* 22.90245* 22.91302 22.91302 22.92399
1 22.92388 22.92397 22.92884 22.93459 22.93980
2 22.94620 22.95169 22.95169 22.95673 22.95673
Lampiran 25: Uji Penentuan Asumsi Determinasi DJIMKW dengan JII
Date: 10/31/18 Time: 19:38
Sample: 1 1361
Included observations: 1237
Series: DJIMKW JII
Lags interval: 1 to 4
163
Selected
(0.05 level*) Number of
Cointegrating Relations by
Model Data Trend: None None Linear Linear Quadratic
Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 0 0 0
Max-Eig 0 0 0 0 0 *Critical values based on MacKinnon-Haug-Michelis (1999)
Information Criteria by Rank and
Model Data Trend: None None Linear Linear Quadratic
Rank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend
Log Likelihood by Rank (rows) and Model (columns)
0 -7957.192 -7957.192 -7957.031 -7957.031 -7955.450
1 -7956.410 -7954.826 -7954.666 -7951.602 -7950.535
2 -7956.299 -7954.537 -7954.537 -7950.148 -7950.148
Akaike Information Criteria by
Rank (rows) and Model (columns)
0 12.89118* 12.89118* 12.89415 12.89415 12.89483
1 12.89638 12.89543 12.89679 12.89345 12.89335
2 12.90267 12.90305 12.90305 12.89919 12.89919
Schwarz Criteria by
Rank (rows) and Model (columns)
0 12.95741* 12.95741* 12.96866 12.96866 12.97761
1 12.97917 12.98236 12.98786 12.98866 12.99269
2 13.00201 13.01068 13.01068 13.01509 13.01509
164
Lampiran 26: Uji Penentuan Asumsi Determinasi DJIMTR dengan JII
Date: 10/31/18 Time: 19:52
Sample: 1 1361
Included observations: 1237
Series: DJIMTR JII
Lags interval: 1 to 4
Selected
(0.05 level*) Number of
Cointegrating Relations by
Model Data Trend: None None Linear Linear Quadratic
Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 0 0 0
Max-Eig 0 0 0 0 0 *Critical values based on MacKinnon-Haug-Michelis (1999)
Information Criteria by Rank and
Model Data Trend: None None Linear Linear Quadratic
Rank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend
Log Likelihood by Rank (rows) and Model (columns)
0 -10935.09 -10935.09 -10934.60 -10934.60 -10933.98
1 -10931.57 -10929.76 -10929.27 -10929.18 -10928.66
2 -10931.08 -10927.96 -10927.96 -10927.69 -10927.69
Akaike Information Criteria by
Rank (rows) and Model (columns)
0 17.70589 17.70589 17.70833 17.70833 17.71055
1 17.70667 17.70535* 17.70618 17.70764 17.70842
2 17.71233 17.71052 17.71052 17.71332 17.71332
Schwarz Criteria by
Rank (rows) and Model (columns)
165
0 17.77212* 17.77212* 17.78284 17.78284 17.79334
1 17.78945 17.79228 17.79725 17.80285 17.80776
2 17.81168 17.81814 17.81814 17.82922 17.82922
Lampiran 27: Uji Penentuan Asumsi Determinasi QERI dengan JII
Date: 10/31/18 Time: 20:07
Sample: 1 1361
Included observations: 1237
Series: QERI JII
Lags interval: 1 to 4
Selected
(0.05 level*) Number of
Cointegrating Relations by
Model Data Trend: None None Linear Linear Quadratic
Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 0 0 0
Max-Eig 0 0 0 0 0 *Critical values based on MacKinnon-Haug-Michelis (1999)
Information Criteria by Rank and
Model Data Trend: None None Linear Linear Quadratic
Rank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend
Log Likelihood by Rank (rows) and Model (columns)
0 -10788.01 -10788.01 -10787.90 -10787.90 -10787.47
1 -10786.19 -10785.41 -10785.31 -10783.39 -10782.98
2 -10786.11 -10784.15 -10784.15 -10781.94 -10781.94
Akaike Information Criteria by
Rank (rows) and Model (columns)
0 17.46809* 17.46809* 17.47114 17.47114 17.47368
166
1 17.47160 17.47197 17.47342 17.47194 17.47289
2 17.47794 17.47801 17.47801 17.47767 17.47767
Schwarz Criteria by
Rank (rows) and Model (columns)
0 17.53432* 17.53432* 17.54565 17.54565 17.55647
1 17.55439 17.55890 17.56449 17.56714 17.57224
2 17.57729 17.58563 17.58563 17.59357 17.59357
Lampiran 28: Uji Kointegrasi FBMS dengan JII
Date: 10/31/18 Time: 18:38
Sample (adjusted): 6 1242
Included observations: 1237 after adjustments
Trend assumption: Linear deterministic trend (restricted)
Series: JII FBMS
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.017511 29.29194 25.87211 0.0180
At most 1 0.005996 7.438894 12.51798 0.3010 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.017511 21.85304 19.38704 0.0215
At most 1 0.005996 7.438894 12.51798 0.3010 Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): JII FBMS @TREND(2)
0.021875 -0.002330 0.002163
0.015844 0.001000 0.001785
167
Unrestricted Adjustment Coefficients (alpha): D(JII) -0.339402 -0.574797
D(FBMS) 8.820074 -1.839428
1 Cointegrating Equation(s): Log likelihood -11317.67 Normalized cointegrating coefficients (standard error in parentheses)
JII FBMS @TREND(2)
1.000000 -0.106527 0.098881
(0.02141) (0.02741)
Adjustment coefficients (standard error in parentheses)
D(JII) -0.007424
(0.00490)
D(FBMS) 0.192941
(0.04384)
Lampiran 29 : Uji Kointegrasi Johansen KMI30 dengan JII
Date: 10/31/18 Time: 19:19
Sample (adjusted): 6 1242
Included observations: 1237 after adjustments
Trend assumption: Linear deterministic trend (restricted)
Series: JII KMI30
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.007189 17.13700 25.87211 0.4048
At most 1 0.006616 8.211636 12.51798 0.2349 Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.007189 8.925365 19.38704 0.7321
At most 1 0.006616 8.211636 12.51798 0.2349 Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
168
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): JII KMI30 @TREND(2)
-0.024072 5.81E-05 -0.000401
0.001347 0.000158 0.006337
Unrestricted Adjustment Coefficients (alpha): D(JII) 0.650819 -0.141781
D(KMI30) -12.64816 -52.92736
1 Cointegrating Equation(s): Log likelihood -14103.16 Normalized cointegrating coefficients (standard error in parentheses)
JII KMI30 @TREND(2)
1.000000 -0.002414 0.016664
(0.00234) (0.08914)
Adjustment coefficients (standard error in parentheses)
D(JII) -0.015667
(0.00539)
D(KMI30) 0.304468
(0.45868)
Lampiran 30: Uji Kointegrasi Johansen DJIMKW dengan JII
Date: 10/31/18 Time: 19:35
Sample (adjusted): 6 1242
Included observations: 1237 after adjustments
Trend assumption: Linear deterministic trend (restricted)
Series: DJIMKW JII
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.008740 13.76573 25.87211 0.6769
At most 1 0.002348 2.907291 12.51798 0.8874 Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
169
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.008740 10.85844 19.38704 0.5280
At most 1 0.002348 2.907291 12.51798 0.8874 Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): DJIMKW JII @TREND(2)
-0.003316 0.021560 0.003200
0.005338 0.009128 -0.001689
Unrestricted Adjustment Coefficients (alpha): D(DJIMKW) 0.219155 -0.193131
D(JII) -0.642815 -0.185893
1 Cointegrating Equation(s): Log likelihood -7951.602 Normalized cointegrating coefficients (standard error in parentheses)
DJIMKW JII @TREND(2)
1.000000 -6.501133 -0.964868
(2.13790) (0.32779)
Adjustment coefficients (standard error in parentheses)
D(DJIMKW) -0.000727
(0.00044)
D(JII) 0.002132
(0.00074)
Lampiran 31: Uji Kointegrasi Johansen DJIMTR dengan JII
Date: 10/31/18 Time: 19:51
Sample (adjusted): 6 1242
Included observations: 1237 after adjustments
Trend assumption: Linear deterministic trend (restricted)
Series: DJIMTR JII
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.008734 13.82767 25.87211 0.6718
170
At most 1 0.002403 2.976631 12.51798 0.8793 Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.008734 10.85104 19.38704 0.5287
At most 1 0.002403 2.976631 12.51798 0.8793 Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): DJIMTR JII @TREND(2)
-0.000960 0.022167 0.000673
-0.001333 -0.008096 -0.001647
Unrestricted Adjustment Coefficients (alpha): D(DJIMTR) 1.269399 2.432413
D(JII) -0.713191 0.091997
1 Cointegrating Equation(s): Log likelihood -10929.18 Normalized cointegrating coefficients (standard error in parentheses)
DJIMTR JII @TREND(2)
1.000000 -23.09851 -0.700933
(7.38362) (1.12713)
Adjustment coefficients (standard error in parentheses)
D(DJIMTR) -0.001218
(0.00141)
D(JII) 0.000684
(0.00021)
Lampiran 32: Uji Kointegrasi Johansen QERI dengan JII
Date: 10/31/18 Time: 20:06
Sample (adjusted): 6 1242
Included observations: 1237 after adjustments
Trend assumption: Linear deterministic trend (restricted)
Series: QERI JII
171
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.007257 11.92318 25.87211 0.8173
At most 1 0.002352 2.913393 12.51798 0.8867 Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.007257 9.009791 19.38704 0.7234
At most 1 0.002352 2.913393 12.51798 0.8867 Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): QERI JII @TREND(2)
-0.000423 0.024238 0.002511
-0.001710 0.002724 -0.001006
Unrestricted Adjustment Coefficients (alpha): D(QERI) 0.549154 2.190141
D(JII) -0.664502 0.050440
1 Cointegrating Equation(s): Log likelihood -10783.39 Normalized cointegrating coefficients (standard error in parentheses)
QERI JII @TREND(2)
1.000000 -57.25190 -5.929951
(18.3768) (2.80421)
Adjustment coefficients (standard error in parentheses)
D(QERI) -0.000232
(0.00055)
D(JII) 0.000281
(9.5E-05)
172
Lampiran 33: Estimasi VECM FBMS dengan JII
Vector Error Correction Estimates
Date: 10/31/18 Time: 18:57
Sample (adjusted): 7 1243
Included observations: 1237 after adjustments
Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq: CointEq1 DJII(-1) 1.000000
DFBMS(-1) -0.106527
(0.02141)
[-4.97494]
@TREND(1) 0.098881
(0.02741)
[ 3.60692]
C 612.3508 Error Correction: D(DJII) D(DFBMS) CointEq1 -0.007424 0.192941
(0.00490) (0.04384)
[-1.51515] [ 4.40059]
D(DJII(-1)) 0.003651 -0.152112
(0.02871) (0.25689)
[ 0.12717] [-0.59214]
D(DJII(-2)) -0.059267 -0.270705
(0.02860) (0.25590)
[-2.07229] [-1.05786]
D(DJII(-3)) -0.087276 -0.458778
(0.02858) (0.25572)
[-3.05371] [-1.79404]
D(DJII(-4)) -0.017506 -0.029766
(0.02862) (0.25605)
[-0.61172] [-0.11625]
D(DFBMS(-1)) 0.001728 0.102022
(0.00317) (0.02834)
[ 0.54556] [ 3.59956]
D(DFBMS(-2)) -0.000116 0.041878
(0.00318) (0.02844)
[-0.03646] [ 1.47228]
D(DFBMS(-3)) 0.005584 0.065817
(0.00318) (0.02846)
173
[ 1.75567] [ 2.31263]
D(DFBMS(-4)) -0.006546 -0.005142
(0.00317) (0.02839)
[-2.06315] [-0.18110]
C -0.020871 -0.208403
(0.22402) (2.00440)
[-0.09317] [-0.10397] R-squared 0.020267 0.032384
Adj. R-squared 0.013081 0.025286
Sum sq. resids 76160.41 6097283.
S.E. equation 7.878478 70.49298
F-statistic 2.820251 4.562726
Log likelihood -4303.541 -7014.276
Akaike AIC 6.974198 11.35695
Schwarz SC 7.015592 11.39835
Mean dependent -0.013573 -0.211302
S.D. dependent 7.930518 71.40150 Determinant resid covariance (dof adj.) 308372.6
Determinant resid covariance 303407.0
Log likelihood -11317.67
Akaike information criterion 18.33577
Schwarz criterion 18.43098
Lampiran 34: Estimasi VAR KMI30 dengan JII
Vector Autoregression Estimates
Date: 10/31/18 Time: 19:24
Sample (adjusted): 6 1243
Included observations: 1238 after adjustments
Standard errors in ( ) & t-statistics in [ ] DJII DKMI30 DJII(-1) 0.991086 -2.461020
(0.02841) (2.42097)
[ 34.8812] [-1.01654]
DJII(-2) -0.061114 3.741558
(0.04009) (3.41593)
[-1.52440] [ 1.09533]
DJII(-3) -0.030791 -1.171868
(0.04008) (3.41486)
[-0.76827] [-0.34317]
DJII(-4) 0.085219 0.278510
(0.02842) (2.42134)
174
[ 2.99882] [ 0.11502]
DKMI30(-1) 0.000184 1.171107
(0.00033) (0.02850)
[ 0.55034] [ 41.0952]
DKMI30(-2) -0.000417 -0.226363
(0.00052) (0.04389)
[-0.80988] [-5.15708]
DKMI30(-3) 0.000593 0.032267
(0.00051) (0.04372)
[ 1.15509] [ 0.73810]
DKMI30(-4) -0.000318 0.021229
(0.00033) (0.02838)
[-0.95403] [ 0.74808]
C 8.001213 -176.5012
(2.96791) (252.884)
[ 2.69591] [-0.69795] R-squared 0.979662 0.997605
Adj. R-squared 0.979529 0.997590
Sum sq. resids 76167.64 5.53E+08
S.E. equation 7.872439 670.7793
F-statistic 7399.794 63995.99
Log likelihood -4306.579 -9809.578
Akaike AIC 6.971856 15.86200
Schwarz SC 7.009087 15.89923
Mean dependent 676.7427 60873.65
S.D. dependent 55.02262 13662.71 Determinant resid covariance (dof adj.) 27885457
Determinant resid covariance 27481488
Log likelihood -14116.16
Akaike information criterion 22.83386
Schwarz criterion 22.90832
La,piran 35: Estimasi VAR DJIMKW dengan JII
Vector Autoregression Estimates
Date: 10/31/18 Time: 19:24
Sample (adjusted): 6 1243
Included observations: 1238 after adjustments
Standard errors in ( ) & t-statistics in [ ] DJII DKMI30 DJII(-1) 0.991086 -2.461020
(0.02841) (2.42097)
175
[ 34.8812] [-1.01654]
DJII(-2) -0.061114 3.741558
(0.04009) (3.41593)
[-1.52440] [ 1.09533]
DJII(-3) -0.030791 -1.171868
(0.04008) (3.41486)
[-0.76827] [-0.34317]
DJII(-4) 0.085219 0.278510
(0.02842) (2.42134)
[ 2.99882] [ 0.11502]
DKMI30(-1) 0.000184 1.171107
(0.00033) (0.02850)
[ 0.55034] [ 41.0952]
DKMI30(-2) -0.000417 -0.226363
(0.00052) (0.04389)
[-0.80988] [-5.15708]
DKMI30(-3) 0.000593 0.032267
(0.00051) (0.04372)
[ 1.15509] [ 0.73810]
DKMI30(-4) -0.000318 0.021229
(0.00033) (0.02838)
[-0.95403] [ 0.74808]
C 8.001213 -176.5012
(2.96791) (252.884)
[ 2.69591] [-0.69795] R-squared 0.979662 0.997605
Adj. R-squared 0.979529 0.997590
Sum sq. resids 76167.64 5.53E+08
S.E. equation 7.872439 670.7793
F-statistic 7399.794 63995.99
Log likelihood -4306.579 -9809.578
Akaike AIC 6.971856 15.86200
Schwarz SC 7.009087 15.89923
Mean dependent 676.7427 60873.65
S.D. dependent 55.02262 13662.71 Determinant resid covariance (dof adj.) 27885457
Determinant resid covariance 27481488
Log likelihood -14116.16
Akaike information criterion 22.83386
Schwarz criterion 22.90832
176
LAmpiran 36: Estimasi VAR DJIMTR dengan JII
Vector Autoregression Estimates
Date: 10/31/18 Time: 19:54
Sample (adjusted): 6 1243
Included observations: 1238 after adjustments
Standard errors in ( ) & t-statistics in [ ] DDJIMTR DJII DDJIMTR(-1) 1.047471 0.001468
(0.02852) (0.00434)
[ 36.7302] [ 0.33839]
DDJIMTR(-2) -0.081297 -0.009565
(0.04129) (0.00628)
[-1.96907] [-1.52265]
DDJIMTR(-3) 0.038301 0.002819
(0.04132) (0.00629)
[ 0.92690] [ 0.44835]
DDJIMTR(-4) -0.007779 0.006024
(0.02854) (0.00434)
[-0.27259] [ 1.38752]
DJII(-1) 0.020769 0.987822
(0.18667) (0.02840)
[ 0.11126] [ 34.7805]
DJII(-2) 0.152705 -0.059753
(0.26311) (0.04003)
[ 0.58039] [-1.49265]
DJII(-3) -0.228923 -0.030077
(0.26273) (0.03997)
[-0.87133] [-0.75241]
DJII(-4) 0.063282 0.086189
(0.18614) (0.02832)
[ 0.33996] [ 3.04323]
C 9.522425 7.007954
(18.4235) (2.80312)
[ 0.51686] [ 2.50006] R-squared 0.996293 0.979759
Adj. R-squared 0.996269 0.979628
Sum sq. resids 3274433. 75800.94
S.E. equation 51.61693 7.853466
F-statistic 41289.83 7436.335
Log likelihood -6634.615 -4303.592
Akaike AIC 10.73282 6.967030
Schwarz SC 10.77005 7.004261
177
Mean dependent 4899.713 676.7427
S.D. dependent 845.0458 55.02262 Determinant resid covariance (dof adj.) 164235.5
Determinant resid covariance 161856.3
Log likelihood -10937.87
Akaike information criterion 17.69930
Schwarz criterion 17.77376
LAmpiran 37: Estimasi VAR QERI dengan JII
Vector Autoregression Estimates
Date: 10/31/18 Time: 20:08
Sample (adjusted): 6 1243
Included observations: 1238 after adjustments
Standard errors in ( ) & t-statistics in [ ] DJII DQERI DJII(-1) 0.994829 0.114976
(0.02841) (0.16485)
[ 35.0210] [ 0.69746]
DJII(-2) -0.062332 -0.127846
(0.04016) (0.23304)
[-1.55219] [-0.54860]
DJII(-3) -0.027830 0.164799
(0.04012) (0.23284)
[-0.69363] [ 0.70778]
DJII(-4) 0.086448 -0.126635
(0.02841) (0.16489)
[ 3.04254] [-0.76801]
DQERI(-1) 0.003572 1.153106
(0.00489) (0.02839)
[ 0.73016] [ 40.6191]
DQERI(-2) -0.007577 -0.197646
(0.00746) (0.04327)
[-1.01605] [-4.56728]
DQERI(-3) 0.008867 0.136624
(0.00746) (0.04329)
[ 1.18884] [ 3.15631]
DQERI(-4) -0.004924 -0.096253
(0.00490) (0.02843)
[-1.00499] [-3.38545]
178
C 6.234966 -1.615782
(3.04302) (17.6594)
[ 2.04894] [-0.09150] R-squared 0.979604 0.992295
Adj. R-squared 0.979471 0.992244
Sum sq. resids 76383.49 2572403.
S.E. equation 7.883586 45.75026
F-statistic 7378.449 19783.63
Log likelihood -4308.331 -6485.248
Akaike AIC 6.974686 10.49152
Schwarz SC 7.011917 10.52875
Mean dependent 676.7427 3863.490
S.D. dependent 55.02262 519.5010 Determinant resid covariance (dof adj.) 130076.3
Determinant resid covariance 128191.9
Log likelihood -10793.53
Akaike information criterion 17.46612
Schwarz criterion 17.54058
Lampiran 38: Impulse Response Function FBMS dengan JII
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
Response of DJII to DJII
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
Response of DJII to DFBMS
-20
0
20
40
60
80
100
1 2 3 4 5 6 7 8 9 10
Response of DFBMS to DJII
-20
0
20
40
60
80
100
1 2 3 4 5 6 7 8 9 10
Response of DFBMS to DFBMS
Response to Cholesky One S.D. Innovations
179
Lampiran 39: Impulse Response Function KMI30 dengan JII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DJII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DKMI30
-200
0
200
400
600
800
1,000
1 2 3 4 5 6 7 8 9 10
Response of DKMI30 to DJII
-200
0
200
400
600
800
1,000
1 2 3 4 5 6 7 8 9 10
Response of DKMI30 to DKMI30
Response to Cholesky One S.D. Innovations ± 2 S.E.
Lampiran 40: Impulse Response Function DJIMKW dengan JII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DJII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DDJIMKW
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
Response of DDJIMKW to DJII
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
Response of DDJIMKW to DDJIMKW
Response to Cholesky One S.D. Innovations ± 2 S.E.
180
Lampiran 41: Impulse Response Function DJIMTR dengan JII
-10
0
10
20
30
40
50
60
1 2 3 4 5 6 7 8 9 10
Response of DDJIMTR to DDJIMTR
-10
0
10
20
30
40
50
60
1 2 3 4 5 6 7 8 9 10
Response of DDJIMTR to DJII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DDJIMTR
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DJII
Response to Cholesky One S.D. Innovations ± 2 S.E.
Lampiran 42: Impulse Response Function QERI dengan JII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DJII
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
Response of DJII to DQERI
-20
0
20
40
60
80
1 2 3 4 5 6 7 8 9 10
Response of DQERI to DJII
-20
0
20
40
60
80
1 2 3 4 5 6 7 8 9 10
Response of DQERI to DQERI
Response to Cholesky One S.D. Innovations ± 2 S.E.
181
Lampiran 43: Variance Decomposition FBMS dengan JII
Variance Decomposition of
DJII:
Period S.E. DJII DFBMS
1 7.878478 100.0000 0.000000
2 11.12417 99.97452 0.025476
3 13.32299 99.95008 0.049923
4 14.88007 99.74801 0.251986
5 16.21112 99.75265 0.247347
6 17.45479 99.75723 0.242775
7 18.62729 99.75234 0.247659
8 19.73196 99.73863 0.261368
9 20.76613 99.71583 0.284166
10 21.73863 99.68738 0.312617
Variance
Decomposition of DFBMS:
Period S.E. DJII DFBMS
1 70.49298 0.023176 99.97682
2 103.8366 0.031059 99.96894
3 129.9960 0.024877 99.97512
4 153.5252 0.023714 99.97629
5 173.3070 0.018624 99.98138
6 190.4016 0.022736 99.97726
7 205.4738 0.045590 99.95441
8 218.9518 0.090490 99.90951
9 231.0957 0.157523 99.84248
10 242.1256 0.247464 99.75254
Cholesky Ordering: DJII DFBMS
182
Lampiran 44: Variance Decomposition KMI30 dengan JII
Varian
ce Decomposition of DJII:
Period S.E. DJII DKMI30 1 7.872439 100.0000 0.000000
2 11.08444 99.98759 0.012407
3 13.24383 99.99121 0.008786
4 14.74092 99.97616 0.023844
5 16.06918 99.95475 0.045248
6 17.29281 99.93421 0.065791
7 18.42547 99.91853 0.081468
8 19.46326 99.90330 0.096700
9 20.41982 99.88713 0.112874
10 21.30846 99.86972 0.130285 Varian
ce Decomposition
of DKMI30
:
Period S.E. DJII DKMI30 1 670.7793 2.90E-05 99.99997
2 1033.166 0.036730 99.96327
3 1287.305 0.033622 99.96638
4 1486.624 0.028441 99.97156
5 1658.781 0.023260 99.97674
6 1814.349 0.019459 99.98054
7 1957.415 0.016823 99.98318
8 2090.348 0.015276 99.98472
9 2214.874 0.014819 99.98518
10 2332.338 0.015424 99.98458 Choles
ky Ordering: DJII
DKMI30
183
Lampiran 45: Variance Decomposition DJIMKW dengan JII
Varian
ce Decomposition of DJII:
Period S.E. DJII DDJIMKW 1 7.887156 100.0000 0.000000
2 11.12118 99.97472 0.025284
3 13.31327 99.96652 0.033475
4 14.84507 99.96966 0.030342
5 16.21953 99.97287 0.027128
6 17.49829 99.97528 0.024725
7 18.69387 99.97697 0.023028
8 19.79864 99.97830 0.021701
9 20.82567 99.97942 0.020578
10 21.78796 99.98040 0.019601 Varian
ce Decomposition
of DDJIM
KW:
Period S.E. DJII DDJIMKW 1 4.641315 0.057314 99.94269
2 6.875436 0.051795 99.94820
3 8.709843 0.105346 99.89465
4 10.31464 0.238200 99.76180
5 11.71753 0.324622 99.67538
6 12.97596 0.378280 99.62172
7 14.12430 0.413225 99.58678
8 15.18518 0.440777 99.55922
9 16.17514 0.464061 99.53594
10 17.10618 0.484206 99.51579 Choles
ky Ordering: DJII DDJIM
KW
184
Lampiran 46: Variance DecompositionDJIMTR dengan JII
Varian
ce Decomposition
of DDJIM
TR:
Period S.E. DDJIMTR DJII 1 51.61693 100.0000 0.000000
2 74.74748 99.99952 0.000476
3 91.29962 99.97157 0.028432
4 105.3180 99.96719 0.032810
5 117.5966 99.96624 0.033760
6 128.6186 99.96594 0.034057
7 138.7115 99.96483 0.035168
8 148.0615 99.96344 0.036558
9 156.7976 99.96195 0.038046
10 165.0172 99.96047 0.039531 Varian
ce Decomposition of DJII:
Period S.E. DDJIMTR DJII 1 7.853466 0.055215 99.94478
2 11.03806 0.037261 99.96274
3 13.18435 0.174880 99.82512
4 14.67919 0.427122 99.57288
5 16.00161 0.561150 99.43885
6 17.21424 0.609917 99.39008
7 18.33656 0.623874 99.37613
8 19.36381 0.626159 99.37384
9 20.30938 0.621479 99.37852
10 21.18631 0.611203 99.38880 Choles
ky Orderin
g: DDJIMTR DJII
185
Lampiran 47: Variance Decomposition QERI dengan JII
Variance
Decomposition of DJII:
Period S.E. DJII DQERI 1 7.883586 100.0000 0.000000
2 11.12043 99.97841 0.021592
3 13.31013 99.98492 0.015082
4 14.84130 99.97230 0.027699
5 16.22160 99.95709 0.042907
6 17.50382 99.94872 0.051285
7 18.70241 99.94369 0.056314
8 19.80989 99.93975 0.060250
9 20.83965 99.93694 0.063060
10 21.80465 99.93489 0.065107 Variance
Decomposition of
DQERI:
Period S.E. DJII DQERI 1 45.75026 0.008478 99.99152
2 69.82912 0.007269 99.99273
3 86.94942 0.007512 99.99249
4 103.1863 0.027312 99.97269
5 117.7329 0.046589 99.95341
6 130.5335 0.061813 99.93819
7 142.2105 0.075884 99.92412
8 152.9667 0.090316 99.90968
9 162.9212 0.105039 99.89496
10 172.2184 0.120199 99.87980 Cholesky
Ordering: DJII DQERI