pengaruh kurs, bi rate, indeks djia, indeks hsi dan...
Post on 08-Jul-2019
226 Views
Preview:
TRANSCRIPT
PENGARUH KURS, BI RATE, INDEKS DJIA, INDEKS HSI DAN
INDEKS NIKKEI 225 TERHADAP INDEKS-INDEKS DI BURSA EFEK
INDONESIA TAHUN 2008-2012
SKRIPSI
Diajukan kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-syarat Guna Meraih Gelar Sarjana Ekonomi
Oleh:
IKA WULANDARI
NIM : 109081000040
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1434 H/2013 M
PENGARUH KURS, BI RATE, INDEKS DJIA, INDEKS HSI DAN
INDEKS NIKKEI 225 TERHADAP INDEKS-INDEKS DI BURSA EFEK
INDONESIA TAHUN 2008-2012
Skripsi
Diajukan kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-syarat untuk Meraih Gelar Sarjana Ekonomi
Oleh
Ika Wulandari
NIM : 109081000040
Dibawah Bimbingan
Pembimbing I Pembimbing II
Prof. Dr Ahmad Rodoni, MM Indoyama Nasarudin SE., MAB.
NIP. 19690203 200112 1 003 NIP. 19741127 200112 1 002
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1434 H / 2013 M
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF
Hari ini Selasa, 09 April 2013 telah dilakukan ujian komprehensif atas mahasiswa:
Nama : Ika Wulandari
NIM : 109081000040
Jurusan : Manajemen
Judul Skripsi :”Analisis Pengaruh Kurs, Tingkat Suku Bunga Bank Indonesia (BI
Rate), Indeks DJIA, Indeks Hsi dan Indeks Nikkei225 Terhadap
Indeks-indeks Di Bursa Efek Indonesia Tahun 2008-2012”.
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang bersangkutan
selama proses ujian komprehensif, maka diputuskan bahwa mahasiswa tersebut diatas
dinyatakan LULUS dan diberi kesempatan untuk melanjutan ke tahap Ujian Skripsi sebagai
salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan
Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 09 April 2013
1. Yoghi Citra Pratama, SE., M.Si.
NIP: 19830717 201101 1 011
( )
Ketua
2. Ade Suherlan, SE., MBA.
NIP. 19800525 200912 1 001
( )
Sekretaris
3. Titi Dewi Warninda, SE., M.Si
NIP. 19731221 200501 2 002
( )
Penguji Ahli
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini, Senin 26 Agustus 2013 telah melakukan Ujian Skripsi atas mahasiswa :
Nama : Ika Wulandari
Nim : 109081000040
Jurusan : Manajemen/Keuangan
Judul Skripsi : Analisis Pengaruh Kurs, BI Rate, Indeks DJIA, Indeks HSI, dan
Indeks Nikkei225 Terhadap Indeks-indeks di Bursa Efek Indonesia
Periode Tahun 2008-2012
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama Ujian Skripsi, maka diputuskan bahwa mahasiswa tersebut di atas
dinyatakan LULUS dan skripsi ini diterima sebagai salah satu syarat untuk
memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas
Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 26 Agustus 2013
1. Herni Ali, HT, SE.,MM. ( )
NIDN : 0422125902 Ketua
2. Titi Dewi Warninda, SE., MSi ( )
NIP: 19731221 200501 2002 Sekretaris
3. Amalia, SE., M.S.M ( )
NIP: 19731221 2005 01 2 002 Penguji Ahli
4. Prof. Dr. Ahmad Rodoni ( )
NIP: 19690203 20112 1 003 Pembimbing 1
5. Indo Yama Nasarudin SE., MAB. ( )
NIP : 19741127 200112 1 002 Pembimbing 2
i
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH
Yang bertanda tangan di bawah ini :
Nama : Ika Wulandari
No. Induk Mahasiswa : 109081000040
Fakultas : Ekonomi dan Bisnis
Jurusan : Manajemen
Konsentrasi : Keuangan
Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:
1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan
dan mempertanggungjawabkan.
2. Tidak melakukan plagiat terhadap naskah karya orang lain.
3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber
asli atau tanpa ijin pemilih karya.
4. Tidak melakukan pemanipulasian dan pemalsuan data.
5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas
karya ini.
Jikalau ada tuntutan dari pihak lain atas karya saya, dan telah melalui pembuktian
yang dapat dipertanggung jawabkan, ternyata memang ditemukan bukti bahwa
saya telah melanggar peryataan di atas, maka saya siap untuk dikenai sanksi
berdasarkan aturan yang berlaku di Fakultas Ekonomi dan Bisnis UIN Syarif
Hidayatullah Jakarta.
Demikian pernyataan ini saya buat dengan sesungguhnya.
Ciputat, Agustus 2013
Yang Menyatakan,
(Ika Wulandari)
ii
DAFTAR RIWAYAT HIDUP
I. IDENTITAS PRIBADI
1. Nama : Ika Wulandari
2. Tempat tanggal lahir : Jakarta, 18 Oktober 1991
3. Alamat : Jln. Sukarela RT. 001 RW. 07
Paninggilan, Ciledug Tangerang Banten
15153
4. Telepon : 085694860180
5. E-mail : ikawulandari18@gmail.com
II. PENDIDIKAN
1. SDN Paninggilan 4 Tahun 1997-2003
2. SMPN 11 Tangerang Tahun 2003-2006
3. SMAN 3 Tangerang Tahun 2006-2009
4. S1 Ekonomi UIN Syarif Hidayatullah Jakarta Tahun 2009-2013
III. LATAR BELAKANG KELUARGA
1. Ayah : Parno
2. Ibu : Waginem
3. Alamat : Jln. Sukarela RT. 001 RW. 07 Paninggilan,
Ciledug Tangerang Banten 15153
IV. PENGALAMAN ORGANISASI
2004 : Anggota Rohis SMPN 11 Tangerang
V. PELATIHAN DAN SEMINAR YANG DIIKUTI
1. 20 Mei 2010 : Seminar Nasional Insurance Goes To Campus
“Peran Asuransi Dalam Era Globalisasi”.
iii
2. 11 Juni 2010 : Public Discussion “Membangun Brand Image
Melalui Strategi Public Relation dan Event”
3. 03 Agustus 2010 : Mata Kuliah Praktikum Qira`at dan Ibadah.
4. 10 Mei 2011 : CAFTA dan Tantangan Ekonomi Kerakyatan
dalam Menghadapi Perekonomian Global”.
5. 8 Juni 2012 : A Training Course On: “Sekolah Pasar Modal”
Basic Training of Fundamental & Technical
Analysis.
6. 3 September 2012 : Kuliah Kerja Sosial Bebas Terkendali (KKSBT)/
Magang
iv
ABSTRACT
This Research aimed to analyzed the effect of exchange rate, BI Rate, Dow
Jones Industrial Average (DJIA) Index, HangSeng Index, and Nikkei225 Index on
conventional capital market (IHSG), Islamic capital market (JII), LQ45 and
Kompas100. With data used time series from 2008 to 2012. The statistical test
used was multiple linier regresion analysis. With significantly level 5%.
The result of this result showed that exchange rate, BI Rate and DJIA
significantly affect the variables IHSG, JII, LQ45 and Kompas100. Then
Nikkei225 index also significantly affect the variables IHSG, LQ45 and
Kompas100. While HangSeng index is not significantly affect the variables IHSG,
JII, Lq45 and Kompas100. With the adjusted R2
of IHSG is 0,957 or 95,7%, JII is
0,941 or 94,1%, LQ45 is 0,951 or 95,1% and Kompas100 is 0,956 or 95,6%.
Keywords : IHSG, JII, LQ45, Kompas100, Exchange Rate, BI Rate, DJIA Index,
HSI Index, and Nikkkei225 Index.
v
ABSTRAK
Penelitian ini bertujuan untuk mengetahui pengaruh kurs, BI Rate, indeks
DJIA, indeks (HangSeng) HSI dan indeks Nikkei225 terhadap indeks-indeks di
Bursa Efek Indonesia yang diwakilkan oleh IHSG, JII, LQ45 dan Kompas100.
Dengan menggunakan data time series pada periode tahun 2008-2012. Metode
yang digunakan adalah analisis regresi berganda. Dengan tingkat signifikansi
sebesar 5%.
Hasil penelitian menunjukan bahwa kurs, BI Rate, indeks DJIA berpengaruh
signifikan terhadap IHSG, JII, LQ45,dan Kompas100. Kemudian Indeks Nikkei
225 berpengaruh signifikan terhadap IHSG, LQ45 dan Kompas100. Sedangkan
indeks HangSeng tidak bepengengaruh terhadap IHSG, JII, LQ45 dan
Kompas100. Dengan nilai adjusted R2
pada IHSG sebesar 0,957 atau 95,7%, JII
sebesar 0,941 atau 94,1%, LQ45 sebesar 0,951 atau 95,1% dan Kompas100
sebesar 0,956 atau 95,6%.
Kata Kunci : IHSG, JII, LQ45, Kompas100, Kurs, BI Rate, Indeks DJIA, Indeks
HSI, dan Indeks Nikkkei225
vi
KATA PENGANTAR
Assalamu`alaikum Warahmatullahi Wabarakatuh,
Alhamdulillahirobbil’alamin puji syukur kehadirat Allah SWT yang tiada
hentinya melimpahkan rahmat dan hidayahnya kepada seluruh hambanya, tak
terkecuali penulis. Shalawat serta salam tidak lupa kami haturkan kepada Baginda
Nabi Besar Muhammad SAW beserta keluarga dan para sahabatnya yang telah
membawa kita dari jaman yang gelap gulita ke jaman yang terang benderang. Atas
rahmat Allah SWT penulis dapat menyelasaikan skripsi yang berjudul :” Analisis
Pengaruh Kurs, BI Rate, Indeks DJIA, Indeks HSI dan Indeks Nikkei225
Terhadap Indeks-Indeks di Bursa Efek Indonesia Tahun 2008-2012”. Penyusunan
skripsi ini dimaksudkan untuk memenuhi persyaratan memperoleh gelar Sarjana
Ekonomi.
Selama menjalani masa perkuliahan sekitar empat tahun banyak sekali
ilmu, pengalaman dan cerita yang penulis dapat baik dari para dosen pengajar,
para staf dan karyawan FEB UIN Syarif Hidayatullah serta dari teman-teman
seperjuangan yang bersama-sama menjalani masa perkuliahan dengan suka dan
duka yang didapat.
Pada kesempatan kali ini penulis ingin mengucapkan beribu-ribu terima
kasih pada semua pihak yang telah membantu serta memberikan motivasi dan
dukungan kepada penulis dalam penyusunan skripsi ini. Rasa terima kasih ini
ingin penulis tujukan kepada :
vii
1. ALLAH SWT, yang selalu memberikan rahmat dan hidayahnya kepada
penulis. Terima kasih atas jalan terbaik-Nya.
2. Kedua Orang Tuaku, bapak dan mama yang tiada henti memberikan
semangat, motivasi dan dukungan baik secara materil maupun nonmateril
secara ikhlas tanpa pamrih. Terima kasih buat kasih sayang, dan cinta yang
selalu dicurahkan kepada penulis hingga sampai saat ini. Semoga Allah SWT
selalu memberikan kesehatan dan kebahagian kepada mereka. Amin.
3. Untuk adikku tercinta, Ilham Dwi Saputra yang telah memberikan doa dan
motivasi sehingga penulis dapat menyelesaikan skripsi ini.
4. Bapak Prof. Dr. Abdul Hamid, MS selaku Dekan Fakultas Ekonomi dan
Bisnis UIN Syarif Hidayatullah Jakarta yang selalu memberikan motivasi
kepada penulis selama menimba ilmu di FEB UIN Syarif Hidayatullah
Jakarta.
5. Bapak Prof. Dr. Ahmad Rodoni selaku dosen pembimbing I dan bapak
Indoyama Nasarudin SE., MAB. Selaku dosen pembimbing II yang telah
membantu penulis dalam penyelesaian skripsi ini. Terima kasih untuk semua
waktu, ilmu dan motivasinya sehingga skripsi dapat terselesaikan.
6. Seluruh Dosen Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta
yang telah membagikan ilmu dan pengalam kepada penulis selama kurang
lebih empat tahun ini. Semoga ilmu yang disampaikan bermanfaat dan di
balas oleh Allah SWT sebagai amal bakti. Amin.
viii
7. Seluruh staf dan karyawan FEB UIN Syarif Hidayatullah Jakarta yang telah
membantu penulis dalam menyelesaikan masalah administrasi dan lain-
lainnya.
8. Andri Saputro yang selalu setia dan tak pernah bosan menemani penulis
dalam penyusunan skripsi ini. Terima kasih untuk doa, semangat, dukungan
dan motivasi yang tiada hentinya kepada penulis.
9. Teman-teman seperjuangan : Eka Adianti Wigati, Eis Hartati, Ade Tiyar
Desty, Melissa Akmal, Fitria Saraswati, Mutia Dwi Amira, Dety Inayati dan
Siti Sulhah yang telah mengisi hari-hari penulis selama menuntut ilmu di
FEB UIN Syarif Hidayatullah Jakarta. Banyak cerita dan pengalaman yang
tak terlupakan yang telah kita lewati bersama. Semoga silahturahmi ini akan
terus terjaga sampai tua nanti. Amin. Gonna miss you guys.
10. Imas Atik Aisyah yang sudah banyak membantu dan memberikan motivasi
penulis dan teman seperjuangan dalam penyusunan skripsi. Terima untuk
semuanya.
11. Teman- teman manajemen A dan Manajemen Keuangan yang telah melewati
hari-hari penuh perjuangan selama masa perkuliahan.
12. Rima Nur Amalina yang selalu ada disetiap penulis membutuhkannya.
Terima kasih untuk semua motivasi dan nasihat yang diberikan. Semoga
silahturahmi ini selalu terjaga dengan baik walaupun jarak memisahkan kita.
Amin.
Penulis menyadari betul bahwa skripsi ini masih jauh dari kesempurnaan,
maka dengan rendah hati penulis mengharapkan saran dan kritik yang
ix
membangun demi kesempurnaan skripsi ini. Penulis berharap skripsi dapat
memberikan manfaat bagi perkembangan ilmu pengetahuan pada umumnya dan
bagi penulis sendiri pada khususnya. Akhir kata penulis sampaikan permohonan
maaf apabila dalam perjalanan panjang ini penulis melakukan kesalahan dan
kekhilafan dalam bertutur maupun dalam bertindak.
Wassalamu`alaikum Warahmatullahi Wabarakatuh
Jakarta, Juli 2013
Penyusun
x
DAFTAR ISI
HALAMAN JUDUL
LEMBAR PENGESAHAN
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH .......................... i
DAFTAR RIWAYAT HIDUP ........................................................................... ii
ABSTRACT ......................................................................................................... iv
ABSTRAK .......................................................................................................... v
KATA PENGANTAR ........................................................................................ vi
DAFTAR ISI ....................................................................................................... x
DAFTAR TABEL ............................................................................................... xiii
DAFTAR GAMBAR ........................................................................................... xv
DAFTAR LAMPIRAN ...................................................................................... xvi
BAB I PENDAHULUAN ............................................................................ 1
A. Latar Belakang ............................................................................ 1
B. Perumusan Masalah ...................................................................... 12
C. Tujuan dan Manfaat Penelitian ..................................................... 13
1. Tujuan Penelitian ................................................................... 13
2. Manfaat Penelitian ................................................................. 14
BAB II TINJAUAN PUSTAKA ................................................................... 16
A. Pasar Modal ................................................................................. 16
B. Indeks harga Saham Gabungan ..................................................... 18
C. JII ................................................................................................ 25
D. Indeks LQ45 .................................................................................. 28
E. Indeks Kompas100 ........................................................................ 30
F. Indeks Dow Jones Industrial Average (DJIA) .............................. 31
G. Indeks HangSeng .......................................................................... 33
H. Indeks Nikkei 225 ......................................................................... 34
I. Tingkat Suku Bunga Bank Indonesia (BI Rate) ............................ 35
J. Kurs ............................................................................................... 36
xi
K. Keterkaitan Antar Variabel ........................................................... 40
L. Penelitian Terdahulu ..................................................................... 42
M. Kerangka Pemikiran ..................................................................... 45
N. Perumusan Hipotesa ..................................................................... 48
BAB III METODOLOGI PENELITIAN ..................................................... 50
A. Ruang Lingkup Penelitian ............................................................. 50
B. Metode Penentuan sampel ............................................................ 50
C. Metode Pengumpulan data ........................................................... 51
D. Metode Analisis .......................................................................... 53
1. Uji Multikolinieritas ................................................................ 53
2. Uji Heteroskedastisitas ........................................................... 54
3. Uji autokorelasi ....................................................................... 55
4. Uji Normalitas ........................................................................ 57
5. Analisis Regresi Berganda ...................................................... 58
6. Uji Adjusted R Square (R2) ..................................................... 56
7. Uji Signifikansi Simultan (Uji Statistik F) .............................. 60
8. Uji Signifikansi Individual (Uji Satistik t) .............................. 61
E. Operasional Variabel ..................................................................... 62
BAB IV HASIL DAN PEMBAHASAN ........................................................ 66
A. Sekilas Gambaran Umum Objek Penelitian .................................. 66
B. Hasil dan Pembahasan .................................................................. 68
1. Analisis Deskriptif.................................................................. 68
2. Analisis statistik ..................................................................... 87
2.1 Uji Normalitas ................................................................ 87
2.2 Uji Heteroskedastisitas ..................................................... 92
2.3 Uji Autokorelasi ............................................................... 99
2.4 Uji Multikolinieritas ......................................................... 107
3. Uji Statistik ............................................................................ 110
3.1 Uji Statistik Persamaan I (IHSG) .................................... 110
3.2 Uji Statistik Persamaan II (JII) ........................................ 116
3.3 Uji Statistik Persamaan III (LQ45) ................................. 121
xii
3.4 Uji Statistik Persamaan IV (Kompas100) ........................ 126
C. Interpretasi ..................................................................................... 134
BAB V KESIMPULAN DAN IMPLIKASI ................................................. 140
A. Kesimpulan ................................................................................... 140
B. Implikasi ....................................................................................... 141
C. Saran Untuk Penelitian Yang Akan Datang .................................. 142
DAFTAR PUSTAKA .......................................................................................... 143
LAMPIRAN ......................................................................................................... 147
xiii
DAFTAR TABEL
No. Keterangan Halaman
2.1 Penelitian Terdahulu 42
3.1 Tabel untuk menentukan ada tidaknya autokorelasi dengan uji Durbin Watson 56
4.1 Tabel Kurs Rupiah Terhadap Dolar 69
4.2 Tabel Tingkat Suku Bunga Bank Indonesia (BI Rate) 71
4.3 Tabel Indeks Dow Jones Industrial Average (DJIA) 73
4.4 Tabel Indeks HangSeng 75
4.5 Tabel Indeks Nikkei225 77
4.6 Tabel Indeks Harga Saham Gabungan 79
4.7 Tabel Jakarta Islamic Indeks 81
4.8 Tabel LQ45 83
4.9 Tabel Kompas100 85
4.10 Uji Normalitas IHSG 88
4.11 Uji Normalitas JII 89
4.12 Uji Normalitas LQ45 90
4.13 Uji Normalitas Kompas100 91
4.14 Uji Heteroskedastisitas Terhadap Variabel IHSG 93
4.15 Uji Heteroskedastisitas Terhadap Variabel JII 94
4.16 Uji Heteroskedastisitas Terhadap Variabel LQ45 96
4.17 Uji Heteroskedastisitas Terhadap Variabel Kompas100 98
4.18 Tabel untuk menentukan ada tidaknya autokorelasi dengan uji Durbin Watson 100
4.19 Tabel Uji Autokorelasi Terhadap Variabel IHSG 101
4.20 Pengobatan Uji Autokorelasi Terhadap Variabel IHSG 102
4.21 Tabel Uji Autokorelasi Terhadap Variabel JII 102
4.22 Pengobatan Uji Autokorelasi Terhadap Variabel JII 104
4.23 Tabel Uji Autokorelasi Terhadap Variabel LQ45 104
4.24 Pengobatan Uji Autokorelasi Terhadap Variabel LQ45 105
xiv
4.25 Tabel Uji Autokorelasi Terhadap Variabel Kompas100 106
4.26 Pengobatan Uji Autokorelasi Terhadap Variabel Kompas100 107
4.27 Uji Multikolinieritas IHSG 108
4.28 Uji Multikolinieritas JII 109
4.29 Uji Multikolinieritas LQ45 109
4.30 Uji Multikolinieritas Kompas100 110
4.31 Uji F Terhadap Variabel IHSG 111
4.32 Uji t Terhadap Variabel IHSG 112
4.33 Uji Adjusted R2
Terhadap Variabel IHSG 115
4.34 Uji F Terhadap Variabel JII 116
4.35 Uji t Terhadap Variabel JII 117
4.36 Uji Adjusted R2
Terhadap Variabel JII 120
4.37 Uji F Terhadap Variabel LQ45 121
4.38 Uji t Terhadap Variabel LQ45 122
4.39 Uji Adjusted R2
Terhadap Variabel LQ45 125
4.40 Uji F Terhadap Variabel Kompas100 126
4.41 Uji t Terhadap Variabel Kompas100 127
4.42 Uji Adjusted R2 Terhadap Variabel Kompas100 130
4.43 Hasil Uji F, Uji t dan Adjusted R square Semua Model persamaan 131
xv
DAFTAR GAMBAR
No. Keterangan Halaman
1.1 Grafik Pergerakan Indeks-indeks di BEJ 5
2.1 Kerangka Pemikiran 47
4.1 Grafik pergerakan Kurs Rupiah Terhadap Dolar 70
4.2 Grafik pergerakan BI Rate 72
4.3 Grafik pergerakan Indeks Dow Jones Industrial Average (DJIA) 74
4.4 Grafik pergerakan Indeks HangSeng (HSI) 76
4.5 Grafik pergerakan Indeks Nikkei225 78
4.6 Grafik pergerakan Indeks Harga Saham Gabungan 80
4.7 Grafik pergerakan Jakarta Islamic Indeks 82
4.8 Grafik pergerakan Indeks LQ45 84
4.9 Grafik pergerakan Indeks Kompas100 86
4.10 Grafik p-p Plot terhadap Variabel IHSG 88
4.11 Grafik p-p Plot terhadap Variabel JII 89
4.12 Grafik p-p Plot terhadap Variabel LQ45 91
4.13 Grafik p-p Plot terhadap Variabel Kompas100 92
4.14 Scatterplot Terhadap Variabel IHSG 94
4.15 Scatterplot Terhadap Variabel JII 95
4.16 Scatterplot Terhadap Variabel LQ45 97
4.17 Scatterplot Terhadap Variabel Kompas100 99
xvi
DAFTAR LAMPIRAN
No. Keterangan Halaman
1. Data Mentah 147
2. Persamaan I (IHSG) 150
3. Persamaan II (JII) 153
4. Persamaan III (LQ45) 156
5. Persamaan IV (Kompas100) 159
1
BAB I
PENDAHULUAN
A. Latar Belakang
Investasi adalah suatu hal yang sangat dicita-citakan masyarakat
pada umumnya agar bertambahlah harta yang dimiliki oleh
masyarakat tersebut. Macam-macam instrumen investasi yang ada di
masyarakat pada umumnya hanya berkisar pada instrumen-instrumen
yang umum dan telah banyak dikenal seperti tanah, rumah, emas,
deposito. Seiring dengan berkembangnya jaman, maka perkembangan
di bidang keuangan khususnya di bidang investasi pun semakin
marak, dengan bermunculannya macam-macam instrumen investasi
yang bisa jadi malah menimbulkan kebingungan yang tentunya tidak
terlalu mudah juga dipahami oleh masyarakat awam. (Antolis &
Dossugi, 2008 : 142).
Salah satu tempat untuk melakukan investasi adalah di pasar
modal. Pasar modal dibangun dengan tujuan menggerakan
perekonomian suatu negara melalui kekuatan swasta dan mengurangi
beban negara. Negara memiliki kekuatan dan kekuasaan untuk
mengatur bidang perekonomian tetapi tidak harus memiliki
perusahaan sendiri. Jika kegiatan ekonomi dapat dilaksanakan oleh
pihak swasta, maka negara tidak perlu ikut campur agar tidak
membuang-buang biaya. Akan tetapi, negara mempunyai kewajiban
2
membuat perundang-undangan agar pihak swasta dapat bersaing
dengan jujur dan tidak terjadi monopoli. (Samsul, 2006:43).
Dalam pasar modal terdapat beberapa macam indeks-indeks
yang di publikasikan oleh Bursa Efek Indonesia, diantaranya adalah
IHSG, JII, LQ45, Kompas 100, indeks papan atas, dan berbagai
macam indeks di setiap sektor. Indeks-indeks ini dapat dijadikan
acuan (benchmark) atau indikator yang menggambarkan pergerakan
saham. Dipasar modal sebuah indeks diharapkan memiliki lima
fungsi, yaitu (Darmadji & Fakhruddin, 2001:95) :
1. Sebagai indikator trend pasar.
2. Sebagai indikator tingkat keuntungan.
3. Sebagai tolak ukur (benchmark) kinerja suatu portofolio.
4. Memfasilitasi pembentukan portofolio dengan strategi pasif.
5. Memfasilitasi berkembangnya produk derivatif.
Di tahun 2009 indeks JII meningkat dari tahun sebelumnya
yang terkena dampak krisis global, meningkat cukup baik sebesar
2009.993 point sehingga indeks JII meningkat kembali mencapai level
417.182 point. Indeks JII sudah sangat baik pada tahun 2010
meskipun peningkatannya hanya sebesar 115.719 point sehingga
indeks JII menjadi 532.901 point. Peningkatan yang cukup baik dan
stabil pada akhir tahun 2011 sebesar 537.031 point meskipun sempat
terjadi penurunan di pertengahan tahun 2011. (Cholidah, 2012: 8).
3
Berdasarkan data dari situs resmi Bursa Efek Indonesia, pada
penutupan akhir tahun 2011 lalu indeks JII mencapai pada posisi
537,031 poin. Sedangkan pada penutupan pada akhir tahun 2012 lalu,
posisi indeks JII berada di kisaran 594,789 poin. Ini artinya indeks JII
mengalami pertumbuhan kurang lebih sebesar 10 % dari tahun
sebelumnya. Pertumbuhan positif yang ditorehkan oleh JII sebagai
salah satu indeks saham syariah di Indonesia.
Indeks Harga Saham Gabungan mengalami peningkatan yang
semakin pesat sejak krisis ekonomi yang melanda Indonesia pada
tahun 1998. Hal ini ditunjukkan dari perkembangan nilai IHSG dan
nilai transaksi. Nilai IHSG mengalami peningkatan hingga 400 persen
dari tahun 2000 hingga 2008. Kondisi ini juga diikuti nilai transaksi
yang terus semakin meningkat. Nilai IHSG yang semakin tinggi
merupakan bentuk kepercayaan investor atas kondisi ekonomi
Indonesia yang semakin kondusif. (Pasaribu, 2009).
Pada akhir tahun 2007 IHSG menunujukan pada angka
2,745.83 poin, kemudian di akhir tahun 2008 menunjukan penurunan
yang cukup jauh yakni di 1,355.41 poin. Penurunan ini dikarenakan
adanya krisis ekonomi yang melanda Amerika Serikat pada tahun
2008 yang menyebabkan keguncangan perekonomian global.
Peristiwa ini menyebabkan terpuruknya Wallstreet. Jatuhnya indeks
saham terbesar tersebut ikut mengguncang pasar saham di beberapa
negara lainnya di dunia termasuk Indonesia.
4
Pada akhir tahun 2009 IHSG terus menunjukan peningkatan
yakni pada 2,534.36 poin, ini menunjukan tingkat kepercayaan
masyarakat mulai kembali pada periode ini. Pada akhir tahun 2010
mencapai pada titik 3,703.51 poin. IHSG semakin hari semakin
menunjukan eksistensinya. Kemudian pada akhir tahun 2011 IHSG
menembus angka 3,821.99 poin. Hingga pada akhir tahun 2012 IHSG
menunjukan angka 3,703.51 poin. Angka yang menggemberikan, hal
ini menunjukan bahwa pasar modal Indonesia cukup menarik bagi
para investor.
Pada akhir tahun 2008 indeks LQ45 menunjukan angka 270,23
angka ini semakin menunjukan peningkatan hingga pada akhir tahun
2012 indeks LQ45 menembus angka 735,04. Trend yang terjadi setiap
tahunnya menunjukan peningkatan yang signifikan di indeks LQ45
ini. Indeks LQ45 ini berisi emiten-emiten yang memiliki likuiditas
yang tinggi, sehingga tingkat kepercayaan investor pun semakin tinggi
untuk menanamkan modalnya pada bursa efek, dan pada akhirnya
akan meningkatkan angka indeks LQ45 ini.
Indeks Kompas100 berisikan perusahaan publik yang di
perdagangakan di Bursa Efek dan secara resmi indeks kompas100
diterbitkan oleh Bursa Efek Indonesia (BEI) bekerjasama dengan
koran Kompas pada hari Jumat tanggal 10 Agustus 2007. Saham-
saham yang terpilih untuk dimasukkan dalam indeks Kompas100 ini
selain memiliki likuiditas yang tinggi, serta nilai kapitalisasi pasar
5
yang besar, juga merupakan saham-saham yang memiliki fundamental
dan kinerja yang baik.
Indeks kompas100 juga menunjukan tren yang baik. Dimana
setiap tahun angka indeks ini menunjukan peningkatan. Pada akhir
tahun 2008 indeks Kompas100 berada pada angka 330,86. Kemudian
semakin meningkat di tiap tahunnya hingga pada akhir tahun 2012
indeks ini menembus angka 946,27 naik sekitar 3 kali lipat dari tahun
2008.
Berdasarkan uraian di atas terlihat bahwa indeks harga saham
gabungan (IHSG), Jakarta Islami Index (JII), indeks LQ45 dan
Kompas100 mengalami pergerakan dari tahun ke tahun. Kondisi
ekonomi dalam dan luar negeri memberikan pengaruhnya sendiri
terhadap indeks saham di Indonesia. Berikut adalah gambaran
perkembangan IHSG, JII, LQ45 dan Kompas100.
Gambar 1.1
Grafik pergerakan Indeks-Indeks di BEJ
Sumber : yahoo finance (data diolah)
0,00
500,00
1.000,00
1.500,00
2.000,00
2.500,00
3.000,00
3.500,00
4.000,00
4.500,00
5.000,00
2008 2009 2010 2011 2012
IHSG
JII
LQ45
KOMPAS100
6
Banyak faktor yang dapat mempengaruhi Indeks Saham, antara
lain perubahan tingkat suku bunga bank sentral, keadaan ekonomi
global, tingkat harga energi dunia, kestabilan politik suatu negara, dan
lain-lain (Witjaksono, 2010:18). Selain faktor tersebut, perilaku
investor sendiri dan kondisi perekonomian negara tersebut juga akan
memberi pengaruh terhadap pergerakan Indeks Saham.
Perekonomian Indonesia yang berangsur-angsur pulih dan
membaik tampaknya memberikan pengaruh yang berarti bagi pasar
modal Indonesia yang beberapa tahun terakhir ini menjadi salah satu
instrumen investasi yang menarik bagi investor lokal dan asing. Hal
ini terlihat dari perkembangan indikator-indikator di pasar modal
sendiri, seperti indeks LQ45 dan IHSG. Dalam melakukan pemilihan
investasi di pasar modal, nilai harga saham menjadi pertimbangan
yang tidak terlepas dari faktor-faktor yang mempengaruhi pasar saham
itu sendiri. Faktor-faktor tersebut adalah lingkungan mikro ekonomi
yang berasal dari dalam perusahaan penerbit seperti kinerja
perusahaan, kondisi keuangan dan kebijakan finansial yang diambil.
Faktor lingkungan makro ekonomi seperti perubahan kurs, tingkat
inflasi, dan indeks saham di pasar Amerika yang pengaruhnya tidak
dapat diabaikan sebagai dampak globalisasi pasar modal yang
keadaannya diluar kendali oleh perusahaan emiten atau oleh bursa itu
sendiri.
7
Krisis ekonomi global mulai pertengahan tahun 2008 telah
mendorong jatuhnya nilai IHSG sebesar 50 persen dalam kurun waktu
yang relatif singkat (satu tahun). Krisis yang berasal dari Amerika
Serikat telah meruntuhkan perekonomian di benua Eropa dan Asia,
khususnya negara berkembang. Indonesia sebagai negara berkembang
mendapat pengaruh yang cukup besar dari krisis finasial global.
Berbagai kebijakan diambil pemerintah untuk meredam pengaruh
buruk dari krisis, mulai dari menaikkan tingkat suku bunga,
menaikkan bahan bakar minyak, maupun memperketat lalu lintas mata
uang asing. (Pasaribu, dkk. 2009).
Dalam Ishomuddin (2010) pasar modal yang ada di Indonesia
merupakan pasar yang sedang berkembang yang dalam
perkembangannya sangat rentan terhadap kondisi makroekonomi
secara umum serta kondisi ekonomi global dan pasar modal dunia.
Faktor ekonomi baik dalam negeri maupun luar negeri merupakan
faktor di luar fundamental perusahaan yang mempunyai pengaruh
terhadap keadaan pasar modal. Pengaruh makro ekonomi tersebut
tidak akan dengan seketika mempengaruhi kinerja perusahaan, tetapi
secara perlahan dalam jangka panjang. Sebaliknya, harga saham akan
terpengaruh dengan seketika oleh perubahan faktor makroekonomi
tersebut karena investor lebih cepat bereaksi. Ketika perubahan
makroekonomi itu terjadi, para investor akan memperhitungkan
dampaknya baik yang positif maupun negatif terhadap kinerja
8
perusahaan beberapa tahun kedepan, kemudian mengambil keputusan
membeli, menjual atau menahan saham yang bersangkutan (Samsul,
2006: 65). Oleh karena itu, harga saham lebih cepat menyesuaikan diri
terhadap perubahan variabel makroekonomi daripada kinerja
perusahaan yang bersangkutan.
Akibat globalisasi maka, perekonomian suatu negara akan
dipengaruhi oleh kondisi perekonomian dunia. Kapitalisme dan
liberalisme telah membuat posisi negara yang mempunyai sumber
daya besar akan lebih memengaruhi perekonomian dunia. Dengan
kata lain, baik atau buruknya kondisi perekonomian dunia lebih di
tentukan oleh negara-negara “kuat” tersebut. (Nachrowi & Usman,
2006:56).
Dengan semakin terbukanya pasar modal antar negara, maka
beberapa emiten di Bursa Efek Jakarta juga mencatatkan sahamnya di
bursa luar negeri (dual listing). Pergerakan harga saham pada
sejumlah bursa internasional cenderung berfluktuasi yang tentunya
akan memberikan dampak terhadap IHSG yang disebabkan karena
adanya saham perusahaan Indonesia yang dual listing. Dengan
keterbukaan pasar antar negara, investor asing dapat meningkatkan
return tanpa adanya peningkatan dalam resiko melakukan diversifikasi
portofolio internasional. Diversifikasi ini telah memberikan efek
terhadap tingkat permintaan saham di Bursa Efek Jakarta. Peningkatan
permintaan saham akan mempengaruhi harga saham yang
9
bersangkutan dan indeks harga saham gabungan (IHSG).
(Nurdiansyah, 2009 : 3)
Fluktuasi indeks juga terjadi pada pasar modal luar negeri.
Seperti pada pasar modal Amerika yang ditunjukan dengan indeks
Dow Jones Industrial Average (DJIA) yang mengalami pergerakan
setiap harinya. Pada akhir tahun 2008, dimana Amerika dilanda krisis
ekonomi dan pada akhirnya berdampak buruk bagi pasar modal
Amerika. Dimana para investor menarik dananya dari pasar modal
untuk menghindari resiko kerugian sehingga menyebabkan indeks
DJIA mengalami penurunan yang drastis hingga pada titik terendah di
harga 7.062,93 pada bulan Februari 2009. Namun seiring berjalannya
waktu perekonomian Amerika kembali membaik dan indeks DJIA
juga ikut membaik hingga pada akhir tahun 2012 indeks DJIA
mencapai angka 13.437,13 hampir dua kali lipat dari harga
terendahnya pada tahun 2008.
Terpuruknya pasar modal Amerika juga berpengaruh terhadap
pasar modal negara-negara lainnya. Tidak terkecuali Indonesia,
HongKong dan Jepang. Pada pasar modal HongKong yang diwakilkan
oleh indeks HangSeng terjadi penurunan indeks hingga pada angka
12.811,57 pada bulan Februari 2009 sebagai akibat dari terpuruknya
ekonomi Amerika. Namun ketika kondisi sudah semakin membaik
indeks HangSeng juga mengalami peningkatan hingga indeks tertinggi
10
pada angka 22,656,92. Selama periode tahun 2009 hingga tahun 2012
indeks HangSeng Ini terus mengalami pergerakan tiap harinya.
Indeks Jepang yang diwakilkan oleh indeks Nikkei 225 juga tak
luput dari adanya krisis yang terjadi di Amerika. Pada Februari 2009
indeks Nikkei 225 mengalami titik terendahnya yaitu sebesar
7.568,42. Setelah pertengahan tahun 2009 indeks Nikkei mulai
menunjukan tren yang positif dimana mulai ada peningkatan harga.
Hingga akhir tahun 2012 indeks Nikkei 225 terus bergerak fluktuatif
mengikuti kondisi perekonomian Jepang maupun negara-negara
lainnya serta faktor-faktor lainnya.
Beberapa penelitian telah dilakukan diantaranya, indeks Dow
Jones dan tingkat suku bunga SBI berpengaruh terhadap IHSG, dan
bentuk hubungan indeks Dow jones berbentuk hubungan positif atau
searah sedangkan tingkat suku bungan SBI berbentuk hubungan
negatif atau berbanding terbalik ( Toni Heryana, 2009). Variabel kurs
(nilai tukar) berpengaruh signifikan terhadap IHSG sedangkan tingkat
inflasi, tingkat suku bunga deposito dan jumlah uang beredar tidak
berpengaruh signifikan terhadap IHSG (Jatiningsih dan Musdholifah,
2007).
Penelitian dari Moh Mansur (2005) mengenai perkembangan
indeks harga saham bursa global dalam hubungannya dengan besarnya
indeks harga saham gabungan (IHSG) di Bursa Efek Jakarta.
Penelitian ini menggunakan tujuh bursa global, yakni : KOSPI, HSI,
11
Nikkei 225, TAIEX, Dow Jones, FTSE, dan ASX. Metode yang
digunakan adalah Path Analysis. Hasil penelitian menunjukan bahwa
pengaruh ketujuh indeks bursa saham global secara bersama-sama
berpengaruh secara signifikan tetapi secara individual hanya indeks
bursa KOSPI, Nikkei 225, TAIEX, dan ASX saja yang mempengaruhi
indeks harga saham gabungan di BEJ.
Nachrowi dan Usman (2007) melakukan penelitian terhadap
indeks Dow Jones Industrial Average (DJIA), Nikkei dan SET (index
Thailand) serta nilai tukar rupiah terhadap dolar menjelaskan bahwa
indeks DJIA dan Nikkei menunujukan hubungan yang positif dan
searah, sedangkan indeks SET dan nilai tukar rupiah terhadap dolar
menunjukan hasil yang negatif dan berhubungan terbalik.
Melihat fakta bahwa pergerakan indeks harga saham yang
tersedia di bursa efek Jakarta yang dari hari kehari bergerak fluktuatif
yang diakibatkan oleh beberapa faktor seperti faktor variabel
makroekonomi, pergerakan indeks bursa internasional dan masih
banyak lainnya. Dan berdasarkan hasil penelitian-penelitian terdahulu
maka peneliti akan meneliti: “Analisis Pengaruh Kurs Rupiah
Terhadap Dolar, BI Rate, Indeks Dow Jones, Indeks Hang seng,
Indeks Nikkei 225 terhadap indeks-indeks di Bursa Efek Indonesia”.
Kelebihan penelitian ini dari penelitian sebelumnya adalah
bahwa penelitian ini bukan hanya melihat pengaruh faktor-faktor yang
mempengaruhi perubahan indeks pasar bukan hanya dari indeks harga
12
saham gabungan (IHSG) tetapi juga melihat bagaimana pengaruhnya
terhadap indeks syariah (JII), indeks LQ 45 dan indeks Kompas100.
Keempat indeks ini dapat dianggap mewakili pasar modal Indonesia,
karena indeks-indeks ini mencakup perusahaan-perusahaan yang
mempunyai kapitalisasi besar di pasar modal Indonesia. Selain itu
penelitian ini juga melihat pengaruh perubahan indeks-indeks luar
negeri yang diduga memiliki pengaruh terhadap pergerakan pasar
modal Indonesia. Indeks luar negeri yang digunakan adalah indeks
DJIA yang dianggap mewakili indeks pasar modal Amerika dan
indeks HangSeng dan indeks Nikkei 225 yang dianggap mewakili
indeks Asia. Penelitian ini penting untuk dilakukan untuk sebagai
acuan bagi investor yang ingin menginvestasikan dananya di pasar
modal Indonesia dengan melihat indeks-indeks yang digunakan
sebagai cerminan kondisi pasar modal Indonesia dan faktor-faktor
yang mempengaruhi perubahan indeks-indeks tersebut.
B. Perumusan Masalah
Berdasarkan latar belakang seperti yang di jelaskan di atas maka
yang menjadi masalah dalam penelitian ini dirumuskan sebagai
berikut:
1. Apakah terdapat pengaruh kurs rupiah terhadap dolar, BI rate,
indeks Dow Jones, indeks Hang Seng, dan indeks Nikkei 225
secara simultan terhadap IHSG, JII, LQ45 dan Kompas 100.
13
2. Apakah terdapat pengaruh kurs rupiah terhadap dolar secara parsial
terhadap IHSG, JII, LQ45 dan Kompas 100.
3. Apakah terdapat pengaruh BI Rate secara parsial terhadap IHSG,
JII, LQ45 dan Kompas 100.
4. Apakah terdapat pengaruh Indeks DJIA secara parsial terhadap
IHSG, JII, LQ45 dan Kompas 100.
5. Apakah terdapat pengaruh Indeks HangSeng (HSI) secara parsial
terhadap IHSG, JII, LQ45 dan Kompas 100.
6. Apakah terdapat pengaruh Indeks Nikkei225 secara parsial
terhadap IHSG, JII, LQ45 dan Kompas 100.
C. Tujuan dan Manfaat Penelitian
1. Tujuan Penelitian
a. Untuk menganalisis apakah terdapat pengaruh kurs rupiah
terhadap dolar, BI rate, indeks Dow Jones, indeks Hang
Seng, dan indeks Nikkei 225 secara simultan terhadap IHSG,
JII, LQ45 dan Kompas 100.
b. Untuk menganalisis apakah terdapat pengaruh kurs rupiah
terhadap dolar secara parsial terhadap IHSG, JII, LQ45 dan
Kompas 100.
c. Untuk menganalisis apakah terdapat pengaruh BI Rate secara
parsial terhadap IHSG, JII, LQ45 dan Kompas 100.
14
d. Untuk menganalisis apakah terdapat pengaruh Indeks DJIA
secara parsial terhadap IHSG, JII, LQ45 dan Kompas 100.
e. Untuk menganalisis apakah terdapat pengaruh Indeks
HangSeng (HSI) secara parsial terhadap IHSG, JII, LQ45
dan Kompas 100.
f. Untuk menganalisis apakah terdapat pengaruh Indeks
Nikkei225 secara parsial terhadap IHSG, JII, LQ45 dan
Kompas 100.
2. Manfaat Penelitian
a. Bagi Peneliti
Dengan adanya penelitian ini di harapkan dapat memperdalam
dan memperluas wawasan mengenai seberapa besar pengaruh
dari indeks bursa internasional dan variabel makro dapat
mempengaruhi indeks-indeks di Bursa Efek Indonesia.
b. Bagi Investor
Penelitian ini di harapkan dapat bermanfaat sebagai salah satu
bahan refensi dan penyedia informasi sehingga dalam
melakukan investasi tidak mengalami kerugian dan juga dapat
menjadi bahan pertimbangan sebelum melakukan investasi di
pasar modal, khususnya dengan memperhatikan pengaruh dari
indeks bursa internasional, dan variabel makro ekonomi
terhadap indeks-indeks di Bursa Efek Indonesia.
15
c. Bagi Akademisi
Penelitian ini dapat di jadikan bahan perbandingan terhadap
penelitian. Penelitian terdahulu yang sejenis, karena penelitian
tersebut menggunakan ruang, metode dan waktu yang berbeda-
beda sehingga dapat di jadikan sebagai bahan pembelajaran.
d. Bahan Pembaca dan Pengembangan penelitian selanjutnya
Sebagai sumber referensi dan tambahan pengetahuan dan
kerangka pengembangan penelitian selanjutnya yang sejenis,
dan dapat di jadikan sumber ilmu pengetahuan keuangan dan
menambah kepekaan terhadap gejolak kondisi ekonomi makro.
16
BAB II
TINJAUAN PUSTAKA
A. Pasar Modal
Mohamad Samsul (2006 : 43) pasar modal adalah tempat atau
sarana bertemunya antara permintaan dan penawaran atas instrumen
keuangan jangka panjang, umumnya lebih dari 1 tahun. Hukum
mendefinisikan pasar modal sebagai “Kegiatan yang bersangkutan
dengan penawaran umum dan perdagangan efek, perusahaan publik
yang berkaitan dengan penawaran umum dan perdagangan efek,
perusahaan publik yang berkaitan dengan efek yang diterbitkannya,
serta lembaga dan profesi yang berkaitan dengan efek.
Menurut Husnan (2001:3) mendefinisikan pasar modal sebagai
pasar untuk barbagai instrumen keuangan (sekuritas) jangka panjang
yang bisa diperjual belikan dalam bentuk hutang maupun modal sendiri,
baik yang diterbitkan oleh pemerintah maupun perusahaan swasta.
Sedangkan menurut Kamaruddin (2004:17) Pasar modal merupakan
sarana pembentuk modal dan akumulasi dana yang diarahkan, untuk
meningkatkan partisipasi masyarakat dalam pengarahan dana guna
menunjang pembiayaan pembangunan nasional.
Siamat (2004:487) pasar modal dalam arti sempit adalah suatu
tempat yang terorganisasi dimana efek-efek diperdagangkan yang
disebut bursa efek. Bursa efek atau Stock Exchange adalah suatu sistem
17
yang terorganisasi yang mempertemukan penjual dan pembeli efek
yang dilakukan baik secara langsung maupun dengan melalui wakil
wakilnya. Fungsi bursa efek ini antara lain adalah menjaga kontinuitas
pasar dan menciptakan harga efek yang wajar melalui mekanisme
permintaan dan penawaran.
Efek –efek yang terdapat dipasar modal diperdagangakan dalam 4
(empat) kategori pasar, yakni pasar perdana, pasar sekunder, pasar
ketiga dan pasar keempat. (Samsul, 2006: 46) :
Pasar perdana adalah tempat atau sarana bagi perusahaan yang
untuk pertama kali menawarkan saham atau obligasi ke
masyarakat umum. Emiten menawarkan efek kepada masyarakat
luas melalui penjamin emisi, dan penjamin emisi menunjuk
beberapa agen penjual untuk menjangkau investor yang tersebar
di kota-kota besar seluruh negeri.
Pasar kedua atau pasar sekunder adalah tempat atau sarana
transaksi jual-beli efek antarinvestor dan harga dibentuk oleh
investor melalui perantara efek. Diakatakan tempat karena secara
fisik para perantara efek berada dalam satu gedung dilantai
perdagangan (trading floor), seperti di Bursa efek Jakarta.
Pasar ketiga adalah sarana transaksi jual-beli efek antara market
maker serta investor dan harga dibentuk oleh market maker.
Investor dapat memilih market maker yang memberi harga
terbaik. Sampai saat ini, Indonesia belum memiliki pasar ketiga.
18
Pasar keempat adalah sarana transaksi jual-beli antar investor jual
dan investor beli tanpa melalui perantara efek. Transaksi
dilakukan secara tatap muka antar investor jual dan investor beli
untuk saham atas pembawa.
Dalam kegiatannya, pemerintah telah memberikan berbagai
fasilitas kepada perusahaan yang menawarkan saham atau obligasi
kepada masyarakat dengan memberikan kemudahan-kemudahan dan
juga memberikan peraturan-peraturan agar kepentingan masyarakat
terjamin, sehingga setiap perusahaan yang akan go public diteliti
kelayakannya. Pasar modal di Indonesia sudah dikenal sejak tahun
1912, tetapi karena suasana politik dan ekonomi kegiatannya terhenti
dan baru bisa aktif lagi tahun 1976 (Kamaruddin, 2004:17).
B. Indeks Harga Saham Gabungan
Menurut Samsul (2006: 185), Indeks Harga Saham gabungan
(composite stock price indeks = CSPI) merupakan indeks gabungan dari
seluruh jenis saham yang tercatat di bursa efek. Indeks Harga Saham
Gabungan (IHSG) diterbitkan oleh bursa efek. Sementara itu, pihak di
luar bursa efek tidak tertarik menerbitkan IHSG karena indeks tersebut
masih kalah manfaatnya dengan indeks parsial, seperti untuk keperluan
hedging.
Abdul Halim (2005: 12-14) indeks harga saham (IHS) merupakan
ringkasan dari pengaruh simultan dan kompleks dari berbagai macam
19
variabel yang berpengaruh, terutama tentang kejadian-kejadian
ekonomi. Bahkan saat ini IHS tidak saja menampung kejadian-kejadian
ekonom, tetapi juga menampung kejadian-kejadian sosial, politik, dan
keamanan. Dengan demikian, IHS dapat dijadikan barometer kesehatan
ekonomi suatu negara dan sebagai dasar melakukan analisis statistik
atas kondisi pasar terakhir (current market).
Menggunakan semua Perusahaan Tercatat sebagai komponen
perhitungan Indeks. Agar IHSG dapat menggambarkan keadaan pasar
yang wajar, Bursa Efek Indonesia berwenang mengeluarkan dan atau
tidak memasukkan satu atau beberapa Perusahaan Tercatat dari
perhitungan IHSG. Dasar pertimbangannya antara lain, jika jumlah
saham Perusahaan Tercatat tersebut yang dimiliki oleh publik (free
float) relatif kecil sementara kapitalisasi pasarnya cukup besar,
sehingga perubahan harga saham Perusahaan Tercatat tersebut
berpotensi mempengaruhi kewajaran pergerakan IHSG.
(www.idx.co.id).
IHSG adalah milik Bursa Efek Indonesia. Bursa Efek Indonesia
tidak bertanggung jawab atas produk yang diterbitkan oleh pengguna
yang mempergunakan IHSG sebagai acuan (benchmark). Bursa Efek
Indonesia juga tidak bertanggung jawab dalam bentuk apapun atas
keputusan investasi yang dilakukan oleh siapapun Pihak yang
menggunakan IHSG sebagai acuan (benchmark).
20
Mengapa IHS sering dikatakan merupakan cermin dari fenomena
ekonomi, sosial, politik, dan keamanan suatu negara? Logika
berpikirnya sebagai berikut. Sebagaimana diketahui bahwa, saham
sebagai bukti kepemilikan perusahaan merupakan suatu surat berharga
atau efek yang diterbitkan oleh perusahaan yang terdaftar di bursa efek
(go public). Fluktuasi harga saham ditentukan oleh kemampuan
perusahaan dalam memperoleh laba. Apabila laba yang diperoleh
perusahaan relatif tinggi, maka kemungkinan besar bahwa dividen yang
dibayarkan juga relatif tinggi. Apabila deviden yang dibayarkan relatif
tinggi, akan berpengaruh positif terhadap harga saham di bursa, dan
investor akan tertarik untuk membelinya. Akibatnya permintaan akan
saham tersebut menjadi meningkat. Peningkatan harga saham ini akan
menimbulkan capital gain bagi para pemegangnya. Sementara itu,
kemampuan perusahaan dalam memperoleh laba tersebut tidak saja
ditentukan oleh kemampuan manajemen dalam mengelola sumber daya
yang ada, tetapi juga dipengaruhi oleh faktor lain diluar perusahaan,
seperti kondisi sosial masyarakat, politik, dan keamanan. Semuanya itu
akan berpengaruh terhadap kemampuan perusahaan dalam memperoleh
laba, yang pada gilirannya akan berpengaruh juga terhadap fluktuasi
harga saham. Disinilah fenomena ekonomi, sosial, politik, dan
keamanan berperan dalam penentuan kesehatan ekonomi suatu negara.
21
Agar dapat melakukan investasi dipasar modal dengan baik, maka
investor harus mengatahui IHS. Dalam Halim (2005:12-14) di BEJ
terdapat 6 (enam) jenis indeks, yaitu:
1. Indeks Harga Saham Individual (IHSI), menggunakan saham
masing-masing perusahaan, dengan menggunakan rumus sebagai
berikut:
Keterangan simbol :
IHSIt : indeks harga saham individual pada hari ke-t
NPt : nilai pasar pada hari ke-t, diperoleh dari jumlah lembar
saham yang tercatat dibursa dikalikan dengan harga
pasar per lembar.
ND : nilai dasar, BEJ memberi nilai dasar IHSI 100 ketika
saham diluncurkan pada pasar perdana dan berubah
sesuai dengan perubahan pasar.
2. Indeks Harga Saham Sektoral (IHSS), menggunakan saham
masing-masing sektor usaha. Di BEJ indeks sektoral di bagi atas 9
(sembilan) sektor usaha, yaitu:
a. Sektor usaha primer (ekstraktif) meliputi :
1) Pertanian
2) Pertambangan
IHSIt = 𝑁𝑃𝑡
𝑁𝐷 × 100
22
b. Sektor usaha sekunder (manufaktur) meliputi :
1) Industri dasar dan kimia
2) Aneka industri
3) Industri barang konsumsi
c. Sektor usaha tersier (jasa) meliputi :
1) Properti dan real estat
2) Infrastruktur, utilitas, dan tranportasi
3) Keuangan
4) Perdagangan, jasa, dan investasi
3. Indeks LQ45 (ILQ45), menggunakan saham yang terpilih
berdasarkan likuiditas perdagangan saham dan sesuaikan setiap
enam bulan sekali (setiap awal Februari dan Agustus). Dengan
demikian saham yang termasuk dalam indeks tersebut akan selalu
berubah.
4. Indeks Harga Saham Gabungan (IHSG), menggunakan seluruh
saham yang tercatat di bursa efek, dengan menggunakan rumus
sebagai berikut:
Keterangan simbol :
IHSGt : indeks harga saham gabungan pada hari ke-t
𝐼𝐻𝑆𝐺t =NPt
ND × 100
23
NPt : nilai pasar pada hari ke-t, diperoleh dari jumlah lembar
saham yang tercatat di bursa dikalikan dengan harga pasar
per lembar.
ND : nilai dasar, BEJ memberi nilai dasar IHSG 100 pada
tanggal 10 Agustus 1982.
IHSG untuk tanggal 10 Agustus 1982 selalu disesuaikan dengan
kejadian-kejadian seperti: penawaran saham perdana, initial public
offering-IPO), right issues, company listing, dan konversi. Rumus
untuk mencari nilai dasar yang baru karena adanya kejadian-
kejadian tersebut adalah:
NDB : nilai dasar baru
NDL : nilai dasar lama
NPL : nilai pasar lama
NPT : nilai pasar tambahan
5. Indeks syariah atau Jakarta Islamic Index (JII), menggunakan
saham yang memenuhi kriteria investasi dalam syariat islam.
Saham-saham yang masuk dalam JII adalah emiten yang kegiatan
usahanya tidak bertentangan dengan syariah islam. Usaha-usaha
berikut dikeluarkan dalam perhitungan JII, antara lain :
NDB =NPL +NPT
NPL × NDL
24
a. Usaha perjudian dan permainan yang tergolong judi.
b. Usaha lembaga keuangan yang konvensional (mengandung
unsur riba).
c. Usaha yang memproduksi, mendistribusikan serta
memperdagangkan makanan dan minuman yang tergolong
haram.
d. Usaha yang memproduksi, mendistribusikan dan atau
menyediakan barang-baranga atau jasa yang merusak moral dan
bersifat mudarat.
6. Indeks papan utama atau Main Board Index (MBI) dan Indeks
Papan pengembangan atau Development Board Index (DBI).
MBI dibentuk dengan menggunakan saham-saham yang
dipilih berdasarkan kriteria berikut. Pertama, perusahaan telah
melakukan kegiatan operasional dalam usaha utama (core business)
yang sama sekurang-kurangnya selama 36 (tiga puluh enam) bulan
terakhir. Kedua, Laporan Keuangan Auditan perusahaan
memperoleh pendapat Wajar Tanpa Pengecualian (WTP) selama 2
(dua) tahun terakhir. Ketiga, berdasarkan Laporan Keuangan
Auditan terakhir, perusahaan memiliki Aktiva Bersih Berwujud
(net tangible assets) sekurang-kurangnya Rp. 100 miliar, dan tidak
mengalami kondisi/gugatan perkara yang secara material
diperkirakan dapat mempengaruhi kelangsungan usaha. DBI
25
dibentuk dengan menggunakan saham perusahaan-perusahaan yang
tidak memenuhi seluruh kriteria diatas.
Secara garis besar, ada tiga faktor utama yang berpengaruh
terhadap pergerakan IHSG yaitu (Pananda Pasaribu, 2009) : faktor
domestik, faktor asing, dan faktor aliran modal ke Indonesia.
Faktor domestik 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 akhirnya berpengaruh pada pergerakan Indeks.
Faktor asing merupakan salah satu implikasi dari bentuk
globablisasi dan semakin terintegrasinya pasar modal di seluruh
dunia. Kondisi ini memungkinkan timbulnya pengaruh dari bursa-
bursa yang maju (developed) terhadap bursa yang sedang
berkembang. Krisis yang mengakibatkan jatuhnya bursa Amerika
Serikat yang terjadi belakangan ini telah menyeret bursa di Asia
pada krisis tahun 1997, termasuk bursa Indonesia.
C. Jakarta Islamic Indeks (JII)
Jakarta Islamic Index (JII) merupakan indeks yang
dikembangkan oleh BEJ yang bekerja sama dengan Danareksa
Invesment Management untuk merespons kebutuhan informasi yang
berkaitan dengan investasi syariah. Jakarta Islamic Indeks (JII)
26
merupakan subset dari Indeks Harga Saham Gabungan (IHSG) yang
diluncurkan pada tanggal 3 Juli 2000 dan menggunakan tahun 1 Januari
1995 sebagai base date (dengan nilai 100). JII melakukan penyaringan
(filter) terhadap saham yang listing. Rujukan dalam penyaringannya
adalah fatwa syariah yang dikeluarkan oleh Dewan Syariah Nasional
(DSN). Berdasarkan fatwa inilah BEJ memilah emiten yang unit
usahanya sesuai dengan syariah. (Rodoni, 2009: 52).
Indeks syariah atau biasa dikenal dengan JII (Jakarta Islamic
Index) merupakan salah satu indeks saham yang ada di Indonesia untuk
jenis saham-saham yang memenuhi kriteria syariah dalam perhitungan
indeks harga rata-rata sahamnya. JII telah dikembangkan sejak tanggal
3 Juli 2000. Pembentukan instrumen syariah ini untuk mendukung
pembentukan Pasar Modal Syariah yang kemudian diluncurkan di
Jakarta pada tanggal 14 Maret 2003 atas kerjasama antara Pasar Modal
Indonesia (dalam hal ini PT Bursa Efek Jakarta) dengan PT Danareksa
Investment Management (PT DIM). Setiap periodenya, saham yang
masuk JII berjumlah 30 saham yang memenuhi kriteria syariah. JII
menggunakan hari dasar tanggal 1 Januari 1995 dengan nilai dasar 100.
Mekanisme Pasar Modal Syariah meniru pola serupa di Malaysia yang
digabungkan dengan bursa konvensional seperti Bursa Efek Jakarta dan
Bursa Efek Surabaya. (Cholidah, 2012:29).
Tujuan pembentukan JII adalah untuk meningkatkan
kepercayaan investor untuk melakukan investasi pada saham berbasis
27
syariah dan memberikan manfaat bagi pemodal dalam menjalankan
syariah islam untuk melakukan investasi di bursa efek. JII juga
diharapkan dapat mendukung proses transparasi dan akuntabilitas
saham berbasis syariah di Indonesia. JII menjadi jawaban atas
keinginan investor yang ingin menanamkan dananya secara syariah
tanpa takut tercampur dengan dana ribawi. Selain itu, JII menjadi tolak
ukur kinerja (benchmark) dalam memilih portofolio saham yang halal.
Perbedaan mendasar antara indeks konvensional dengan indeks
islam adalah indeks konvensional memasukan seluruh saham yang
tercatat dibursa dengan mengabaikan aspek halal haram, yang penting
saham emiten yang terdaftar (listing) sudah sesuai aturan yang berlaku.
(Rodoni, 2009: 52).
Karena proses penyaringan ketat. Tidak jarang emiten-emiten
yang masuk kategori blue chip ditolak masuk JII, contohnya adalah
saham Gudang Garam dan HM Sampurna, meskipun kedua perusahaan
rokok ternama ini memiliki nilai kapitalisasi yang besar (mencapai 17-
20% dari total kapitalisasi pasar BEJ). Ia tidak lolos uji syariah, karena
tergolong usaha produk barang yang bersifat mudharat.
Contoh emiten lain adalah PT. Multi Bintang dan PT. Delta
Jakarta (keduanya) produsen minuman beralkohol serta bank-bank dan
asuransi-asuransi konvensional yang menganut sistem riba. Maka yang
terpilih hanyalah emiten-emiten unggulan yang lulus uji untuk tiga
28
kategori : seleksi syariah, seleksi nilai kapitalisasi dan seleksi nilai
Volume transaksi. (Rodoni, 2009: 57).
Menurut penelitian Departemen Keuangan yang bekerja sama
dengan BAPEPAM (2005), ada beberapa hal yang menjadi faktor
penyebab lambatnya perkembangan pasar modal syariah, antara lain:
1. Tingkat pengetahuan dan pemahaman tentang pasar modal syariah
2. Ketersediaan informasi tentang pasar modal syariah
3. Minat pemodal atas efek syariah
4. Kerangka peraturan tentang penerbitan efek syariah
5. Pola pengawasan (dari sisi syariah) oleh lembaga terkait
6. Pra-proses (persiapan) penerbitan efek syariah
7. Kelembagaan atau institusi yang mengatur dan mengawasi kegiatan
pasar modal syariah di Indonesia.
D. Indeks LQ45
Indeks LQ45 adalah indeks dengan nilai kapitalisasi pasar dari 45
saham yang paling likuid dan memiliki nilai kapitalisasi yang besar hal
itu merupakan indikator likuidasi. Indeks LQ45, menggunakan 45
saham yang terpilih berdasarkan Likuiditas perdagangan saham dan
disesuaikan setiap enam bulan (setiap awal bulan Februari dan
Agustus). Dengan demikian saham yang terdapat dalam indeks tersebut
akan selalu berubah. (www.jurnal-sdm.blogspot.com)
29
Beberapa kriteria - kriteria seleksi untuk menentukan suatu
emiten dapat masuk dalam perhitungan indeks LQ45 adalah
(www.bisnisindex.com) :
a. Kriteria yang pertama adalah :
1. Berada di TOP 95 % dari total rata – rata tahunan nilai transaksi
saham di pasar reguler.
2. Berada di TOP 90 % dari rata – rata tahunan kapitalisasi pasar.
b. Kriteria yang kedua :
1. Merupakan urutan tertinggi yang mewakili sektornya dalam
klasifikasi industri BEJ sesuai dengan nilai kapitalisasi
pasarnya.
2. Merupakan urutan tertinggi berdasarkan frekuensi transaksi.
Faktor –faktor yang berperan dalam pergerakan Indeks LQ 45,
yaitu :
1. Tingkat suku bunga SBI sebagai patokan (benchmark) portofolio
investasi di pasar keuangan Indonesia,
2. Tingkat toleransi investor terhadap risiko.
3. Saham – saham penggerak indeks (index mover stocks) yang
notabene merupakan saham berkapitalisasi pasar besar di BEJ.
Faktor – faktor yang berpengaruh terhadap naiknya Indeks LQ45
adalah :
30
1. Penguatan bursa global dan regional menyusul penurunan harga
minyak mentah dunia.
2. Penguatan nilai tukar rupiah yang mampu mengangkat indeks LQ45
ke zone positif.
Tujuan indeks LQ45 adalah sebagai pelengkap IHSG dan
khususnya untuk menyediakan sarana yang obyektif dan terpercaya
bagi analisis keuangan, manajer investasi, investor dan pemerhati pasar
modal lainnya dalam memonitor pergerakan harga dari saham-saham
yang aktif diperdagangkan.
E. Indeks Kompas 100
Indeks KOMPAS 100 merupakan Indeks Harga Saham hasil
kerjasama Bursa Efek Indonesia dengan harian KOMPAS. Indeks ini
meliputi 100 saham dengan proses penentuan sebagai berikut (Antolis
dan Dossugi, 2008:148) :
1. Telah tercatat di BEJ minimal 3 bulan.
2. Saham tersebut masuk dalam perhitungan IHSG (Indeks Harga
Saham Gabungan).
3. Berdasarkan pertimbangan faktor fundamental perusahaan dan pola
perdagangan di bursa, BEI dapat menetapkan untuk mengeluarkan
saham tersebut dalam proses perhitungan indeks harga 100 saham.
Masuk dalam 150 saham dengan nilai transaksi dan frekwensi
transaksi serta kapitalisasi pasar terbesar di Pasar Reguler, selama 12
31
bulan terakhir. Dari sebanyak 150 saham tersebut, kemudian
diperkecil jumlahnya menjadi 60 saham dengan mempertimbangkan
nilai transaksi terbesar.
4. Dari sebanyak 90 saham yang tersisa, kemudian dipilih sebanyak 40
saham dengan mempertimbangkan kinerja: hari transaksi dan
frekwensi transaksi serta nilai kapitalisasi pasar di pasar reguler,
dengan proses sebagai berikut :
Dari 90 sisanya, akan dipilih 75 saham berdasarkan hari
transaksi di pasar reguler.
Dari 75 saham tersebut akan dipilih 60 saham berdasarkan
frekuensi transaksi di pasar reguler.
Dari 60 saham tersebut akan dipilih 40 saham berdasarkan
Kapitalisasi Pasar.
Daftar 100 saham diperoleh dengan menambahkan daftar saham
dari hasil perhitungan butir (3) ditambah dengan daftar saham hasil
perhitungan butir (4). Daftar saham yang masuk dalam KOMPAS 100
akan diperbaharui sekali dalam 6 bulan, atau tepatnya pada bulan
Februari dan pada bulan Agustus.
F. Indeks Dow Jones Industrial Average (DJIA)
Dow Jones & Co didirikan pada tahun 1882 oleh Charles
Bergstresser. Namun indeks rata-rata pertamanya tidak dipublikasikan
di Wall Street Journal melainkan dipesaingnya yaitu Customers’s
32
Afternoon Letter. Awalnya tidak mengikut sertakan saham industrial.
Fokus pada saham pertumbuhan pada masa itu, mayoritas saham
perusahaan transportasi. Hal ini berarti indeks Dow Jones pertama
menghitung sembilan saham perkereta apian, perkapalan dan
perusahaan telekomunikasi. Rata-rata harga saham ini akhirnya
berevolusi menjadi rata-rata transportasi. Sampai pada 26 Mei 1896,
Dow dibagi menjadi indeks transportasi dan industrial, yang
menciptakan apa yang kita kenal sebagai Dow Jones Industrial
Averages. (wikipedia.org)
Pada awalnya, ditahun 1896 terdapat 12 perusahaan yang
terdaftar di DJIA (Dow Jones Industrial Average). Jumlah tersebut
diperbanyak menjadi 20 perusahaan pada tahun 1916, dan akhirnya
menjadi 30 perusahaan sejak 1928 hingga sekarang. Penentuan
perusahaan mana yang akan dimasukkan dan dikeluarkan dari Dow
Jones Industrial Average (DJIA) ditentukan oleh editor The Wall Street
Journal. Perusahaan yang termasuk di dalam DJIA diantaranya: 3M,
American International Group, Boeing, Citigroup, General Electric,
Intel, Microsoft, Walt Disney Company, dan lain sebagainya.
(www.bisnisindex.com)
Dalam duniainvestasi.com Indeks Dow Jones (Dow Jones
Industrial Average/DJIA) adalah salah satu indeks pasar yang didirikan
oleh editor The Wall Street Journal dan pendiri Dow Jones &
Company, Charles Dow. Dow membuat indeks ini sebagai suatu cara
33
untuk mengukur performa komponen industri di pasar saham Amerika.
Saat ini DJIA merupakan indeks pasar AS tertua yang masih berjalan.
Sekarang, bursa saham ini terdiri dari 30 perusahaan terbesar di
Amerika Serikat yang sudah secara luas go public. Pada awalnya di
tahun 1896 terdapat 12 perusahaan yang terdaftar di DJIA. Jumlah
keanggotaan bursa kemudian diperbanyak menjadi 20 pada tahun 1916
dan akhirnya menjadi 30 perusahaan sejak tahun 1928 hingga sekarang.
Pada umumnya indikator harga saham di USA adalah the DJIA,
Standard & Poor’s Composite, The New York Stock Exchange
Composite index, The American Stock Exchange Market Value Index,
The NASDAQ Composite.
Dalam Nachrowi dan Usman (2007 : 80) pengaruh Dow Jones
terhadap IHSG secara tidak langsung memberikan gambaran betapa
kuatnya pengaruh kinerja ekonomi kedua negara terhadap Indonesia.
Ketika Amerika mempunyai kinerja baik, maka Indonesia akan
menikmati pula kinerja tersebut. Tetapi ketika keduanya mempunyai
kinerja buruk, maka akan berdampak buruk pula bagi Indonesia.
G. Indeks Hang Seng
Indeks Hang Seng (HSI) adalah indeks yang mencatat kapitalisasi
pasar indeks saham di Hong Kong. Indeks Hang Seng ini merupakan
indikator utama dari keseluruhan performa pasar di Hong Kong dimana
HSI sendiri mewakili sekitar 67% dari kapitalisasi pasar disemua
perusahaan yang listing di Bursa saham Hong Kong. HSI di mulai pada
34
tanggal 24 November 1969 yang dikelola oleh HSI Service Limited,
yang merupakan anak perusahaan dimiliki Hang Seng Bank, bank
terbesar yang terdaftar di Hong Kong dalam kapitalisasi pasar.
(wikipedia.org).
Menurut Moh Mansur, 2005 Hang Seng Indeks (HSI) sebagai
barometer terkemuka dari harga saham “blue-chip” di Hongkong,
adalah salah satu indeks terkenal di kawasan Asia dan telah digunakan
secara meluas oleh para manager keuangan sebagai performance
benchmark mereka. Terdapat 33 perusahaan pilihan yang terdapat di
Hang Seng Indeks semuanya adalah perusahaan terkemuka dan para
investor institusi. Sejak diperkenalkannya Hang Seng Indeks dengan
saham-saham terpilihnya telah merefleksikan kepentingan dari berbagai
sektor industri.
Menurut Pasaribu (2009 : 17-18) Indeks Hang Seng mempunyai
pengaruh yang signifikan atas pergerakan IHSG. Ketika Indeks Hang
Seng turun maka IHSG juga akan mempunyai arah yang sama. Kondisi ini
yang memungkinkan Indonesia terkena dampak krisis global walaupun
kondisi ekonomi Indonesia relatif baik.
H. Indeks Nikkei 225
Nikkei 225 adalah indeks pasar saham di Jepang yang terdiri dari
225 saham-saham blue-chip yang terdaftar di papan atas bursa Tokyo
sebagai indeks pengukur pergerakan harga saham. Metode
35
penghitungan indeks Nikkei 225 menggunakan Weighted Averaged
Method seperti halnya perhitungan Dow Jones.
(www.bisnisindex.com).
Dalam Nachrowi dan Usman (2007 : 80) pengaruh Nikkei
terhadap IHSG secara tidak langsung memberikan gambaran betapa
kuatnya pengaruh kinerja ekonomi kedua negara terhadap Indonesia.
Ketika Jepang mempunyai kinerja baik, maka Indonesia akan
menikmati pula kinerja tersebut. Tetapi ketika keduanya mempunyai
kinerja buruk, maka akan berdampak buruk pula bagi Indonesia.
Kemudian Moh Mansur (2006 : 217) menjelaskan bahwa indeks Nikkei
225 berpengaruh signifikan terhadap Indeks harga saham gabungan.
I. Tingkat Suku Bunga Bank Indonesia (BI Rate)
BI Rate adalah suku bunga kebijakan yang mencerminkan sikap
atau stance kebijakan moneter yang ditetapkan oleh bank Indonesia dan
diumumkan kepada publik. BI Rate diumumkan oleh Dewan Gubernur
Bank Indonesia setiap Rapat Dewan Gubernur bulanan dan
diimplementasikan pada operasi moneter yang dilakukan Bank
Indonesia melalui pengelolaan likuiditas (liquidity management) di
pasar uang untuk mencapai sasaran operasional kebijakan moneter.
(www.bi.go.id).
Dengan mempertimbangkan pula faktor-faktor lain dalam
perekonomian, Bank Indonesia pada umumnya akan menaikkan BI
36
Rate apabila inflasi ke depan diperkirakan melampaui sasaran yang
telah ditetapkan, sebaliknya Bank Indonesia akan menurunkan BI Rate
apabila inflasi ke depan diperkirakan berada di bawah sasaran yang
telah ditetapkan.
Tingkat suku bunga dapat didefinisikan sebagai tingkat
pengembalian aset yang mempunyai risiko mendekati nol. Investor dapat
menggunakan tingkat bunga sebagai patokan (benchmark) untuk
perbandingan bila ingin berinvestasi. Umumnya tingkat bunga mempunyai
hubungan negatif dengan bursa saham. Bila pemerintah mengumumkan
tingkat bunga yang lebih tinggi maka investor akan menjual sahamnya dan
mengganti pada instrumen berpendapatan tetap yang memberikan tingkat
bunga yang lebih tinggi. (Pasaribu, dkk. 2009 : 5).
J. Kurs
Siamat (2004:471) mengemukakan bahwa kurs adalah harga
suatu mata uang yang dinyatakan dalam mata uang lain. Sukirno
(2010:397) kurs valuta asing atau kurs mata uang asing menunjukan
harga atau nilai mata uang sesuatu negara dinyatakan dalam nilai mata
uang negara lain. Kurs valuta asing dapat juga didefinisikan sebagai
jumlah uang domestik yang dibutuhkan, yaitu banyaknya rupiah yang
dibutuhkan untuk memperoleh satu unit mata uang asing.
Menurut Hamdy (2010: 49). Kurs mata uang suatu negara dapat
mengalami devaluasi dan revaluasi. Devaluasi diartikan sebagai suatu
37
tindakan pemerintah untuk menurunkan nilai mata uangnya (domestic
currency) yang bertujuan (dalam jangka waktu relatif pendek) untuk :
1. Mendorong ekspor dan membatasi impor sehingga diharapkan
dapat memperbaiki posisi BOP atau BOT menjadi equilibrium atau
mendekati equilibrium.
2. Mendorong penggunaan produksi dalam negeri.
3. Dengan BOP yang lebih equilibrium, diharapkan kurs valas dapat
menjadi relatif lebih stabil.
Revaluasi adalah turunnya nilai mata uang negara-negara lain
apabila dipertukarkan dengan mata uang domestik. Dengan kata lain,
nilai tukar mata uang domestik menguat terhadap mata uang asing.
Revaluasi diartikan sebagai suatu tindakan pemerintah untuk menaikan
nilai mata uangnya terhadap mata uang asing yang dilakukan karena
perekonomiannya sudah mencukupi atau mendekati full employed atau
terjadi kecendrungan inflasi. Kebijakan ini dalam jangka pendek
bertujuan untuk mengurangi agregat demand dan inflasi (Hamdy, 2010:
49).
Dalam Saputra (2010) fluktuasi nilai tukar mata uang biasanya
hanya dipengaruhi oleh demand dan supply atas mata uang yang
bersangkutan. Namun belakangan ini, pergerakan nilai tukar rupiah
terhadap hard currencies (valuta asing yang nilainya kuat) dipengaruhi
38
oleh berbagai faktor yang kompleks. Faktor politik misalnya, memberi
pengaruh yang signifikan.
Dalam Mankiw (2006 : 128) Para ekonom membedakan kurs
menjadi dua, yaitu :
a) Kurs nominal (nominal exchange rate)
Adalah harga relatif dari mata uang dua negara simbolnya e.
Sebagai contoh, jika kurs antara dolar AS dan yen Jepang adalah
120 per dolar, maka kita bisa menukar 1 dolar untuk 120 yen di
pasar uang.
b) Kurs rill (real exchange rate)
Adalah harga relatif dari barang-barang di antara dua
negara. Kurs riil menyatakan tingkat dimana kita bisa
memperdagangkan barang-barang yang dari suatu negara untuk
barang-barang dari negara lain.
Untuk melihat hubungan antara kurs rill dan kurs nominal, secara
umum perhitungannya sebagai berikut:
Menurut Wiyani dan Wijanto (2004) dalam Harjum Muharam dan
Zuraedah Nurafni MS (2008 : 25) pemicu kurs rupiah bergejolak antara
lain:
𝐾𝑢𝑟𝑠 =Kurs Nominal × Harga Barang Domestik
Harga Barang Luar Negeri
39
Efek memutar krisis keuangan dan moneter Thailand. Hal ini
berkaitan dengan tindakan investor asing mengalihkan
penanaman dana keluar dari ASEAN, karena menganggap
negara-negara ASEAN memiliki masalah yang sama.
Meningkatnya permintaan dollar berkaitan dengan besarnya
kewajiban luar negeri pihak swasta yang jatuh tempo dan tidak di-
rollover, dan juga didorong oleh naiknya kebutuhan untuk
melakukan hedging pinjaman swasta luar negeri.
Maraknya spekulasi pelaku pasar di dalam negeri dan luar negeri
yang dapat dilakukan dengan relatif mudah,mengingat semakin
berkembangnya transaksi derivatif dan pesatnya internasionalisasi
rupiah.
Berkurangnya kepercayaan masyarakat terhadap prospek dan
kemampuan ekonomi Indonesia dalam menghadapi gejolak
keuangan.
Kecenderungan menguatnya nilai dollar terhadap hampir seluruh
mata uang dunia, sehingga mendorong banyak investor
mengalihkan dana mereka ke mata uana dollar
Mudahnya masayarakat termakan isu.
Risiko nilai kurs merupakan risiko yang timbul akibat pengaruh
perubahan nilai tukar mata uang domestik dengan mata uang negara
lain (asing). Perusahaan yang menggunakan mata uang asing dalam
menjalankan aktivitas operasional dan investasi akan menghadapi
40
resiko nilai tukar (kurs). Perubahan nilai tukar yang tidak diantisipasi
oleh perusahaan akan berpengaruh pada nilai perusahaan tersebut.
(Pasaribu, dkk. 2009 : 6).
Fluktuasi nilai tukar akan berpengaruh terhadap beberapa
indikator makroekonomi demikian pula sebaliknya fluktuasi nilai tukar
juga dapat dipengaruhi oleh beberapa indikator makroekonomi.
Stabilisasi mata uang merupakan persoalan yang penting untuk
mendorong kegiatan ekonomi dan menciptakan pertumbuhan ekonomi.
Kebijakan stabilisasi nilai mata uang terkait dengan sistem devisa yang
diterapkan pada suatu perekonomian. (Yuliadi, 2008:89).
K. Keterkaitan Antar Variabel
Dari hasil penelitian sebelumnya di temukan keterkaitan antar
variabel dependen (IHSG, JII, LQ45 dan Kompas100) dengan variabel
Independen (Kurs, BI Rate, indeks Dow Jones, indeks Hang Seng dan
indeks Nikkei 225). Di bawah ini dijelaskan beberapa penelitian yang
sama dengan berbagai variasi variabel :
1. Variabel kurs berpengaruh signifikan terhadap indeks indeks harga
saham gabungan. Hubungan yang terjalin adalah hubungan negatif.
Dimana ketika kurs Rupiah terhadap Dolar naik maka akan
mengakibatkan indeks harga saham gabungan turun. Hal ini
dimungkinkan oleh adanya pengalihan investasi dari pasar modal
ke pasar valas, karena investor berusaha mendapatkan return yang
41
lebih besar di pasar valas. Selain itu naiknya nilai kurs US$
menjadi sinyal negatif bagi pasar modal, hal ini dikarenakan
melemahnya Rupiah menyebabkan gairah investasi menurun
karena investor lebih suka menanamkan modalnya keluar negeri.
(Ishomuddin, 2010).
2. Variabel BI Rate berpengaruh signifikan terhadap variabel indeks
harga saham gabungan dan hubungan yang terjadi adalah hubungan
negatif dimana ketika BI Rate mengalami kenaikan maka indeks
saham di Indonesia akan mengalami penurunan. Hal ini
dikarenakan BI Rate naik maka akan mendorong investor menjual
saham dan menempatkan dananya di bank. Dana yang berada di
bank lebih aman dibandingkan di bursa efek. Investasi di bank
lebih aman dan berpendapatan tetap dibandingkan di bursa efek
yang lebih beresiko namun menjanjikan keuntungan yang lebih
besar dibandingkan yang dijanjikan oleh bank. (Nachrowi dan
Usman,2007).
3. Variabel indeks Dow Jones Industrial Average (DJIA) berpengaruh
signifikan dan memiliki hubungan yang positif terhadap indeks
saham di pasar modal Indonesia. Globalisasi telah memungkinkan
investor dari negara lain untuk berinvestasi di Indonesia. Oleh
karena itu, perubahan di satu bursa juga akan ditransmisikan ke
bursa negara lain, dimana bursa yang lebih besar akan
mempengaruhi bursa yang kecil. Signifikannya pengaruh DJIA
42
terhadap IHSG membuktikan bahwa terdapat integrasi antara pasar
saham di Amerika Serikat dengan pasar saham di Indonesia dalam
kurun waktu penelitian. (Ishomuddin, 2012).
4. Variabel Indeks HangSeng (HSI) berpengaruh signifikan terhadap
indeks saham di bursa efek Indonesia. Hubungannya adalah positif
dimana ketika indeks HangSeng naik maka indeks saham di pasar
modal Indonesia akan naik pula. Hal ini menunjukan bahwa ada
keterkaitan antara satu bursa dengan bursa lain, khususnya bursa
yang ada pada kawasan satu regional. (Pasaribu, 2009).
5. Variabel indeks Nikkei225 menurut penelitian yang dilakukan oleh
Moh Mansur (2005) dikatakan bahwa indeks Nikkei 225
berpengaruh signifikan terhadap indeks di pasar modal Indonesia.
dalam penelitian tersebut juga dikatakan bahwa pasar modal
regional Asia dan Australia akan lebih mempengaruhi pasar modal
Indonesia dibandingkan dengan pengaruh yang diberikan dari pasar
modal dari kawasan Eropa dan Amerika.
L. Penelitian Terdahulu
Tabel 2.1
Penelitian Terdahulu
NO. Nama dan Judul Variabel Metode Hasil
1. Nachrowi dan
Usman (2007).
“ Prediksi
IHSG Dengan
Model Garch
dan Model
X1 : Indeks
Nikkei
X2 : indeks
DJIA
X3 : indeks
Thailand
GARCH dan
ARIMA
Hasil penelitian
semua variabel bebas
mempunyai pengaruh
signifikan terhadap
IHSG. Indeks Nikkei
dan DJIA secara tidak
43
Arima”. (SET)
X4 : kurs
Y : IHSG
langsung
menggambarkan
betapa kuatnya
pengaruh antara
kinerja ekonomi
kedua negara
terhadap indonesia
sedangkan indeks
Thailand SET dan
kurs dolar ternyata
mempunyai koefisien
bertanda negatif.
2. Tegararief Ocki
Prakarsa dan
Budi Hartono
Kusuma (2008).
“ Analisis
Pengaruh
Tingka Bunga
SBI, Kurs
Tengah BI,
Tingkat Inflasi,
dan Indeks
Saham Dow
Jones di New
York Stock
Exchange
Dalam
Memprediksi
IHSG di BEJ”.
X1 : suku
bunga SBI
X2 : kurs
tengah BI
X3 : inflasi
X4 : indeks
Dow Jones
Y : IHSG
Regresi
berganda
(Multiple
Regression)
Hasil penelitian
menyatakan bahwa
variabel kurs tengah
BI, tingkat inflasi,
dan indeks saham
Dow Jones
berpengaruh
signifikan terhadap
IHSG. Sedangkan
variabel tingkat
bunga SBI tidak
berpengaruh terhadap
IHSG.
3. Pananda
Pasaribu, dkk.
(2009). “
Pengaruh
Variabel
Makroekonomi
terhadap
IHSG”.
X1: inflasi
triwulan
X2: SBI
triwulan
X3: rata2 M2
X4: Kurs
X5: PDB
X6: transaksi
berjalan
X7: rata2
cadangan
devisa
X8: rata2 Net
Buying asing
triwulan
X9:HSI
Regresi
berganda
(Multiple
Regression)
Hasil penelitian
menunjukkan bahwa
sebagian besar faktor
domestik, yaitu
inflasi, SBI, dan kurs
tengah tidak
berpengaruh terhadap
pergerakan IHSG.
Sedangkan faktor
asing dan informasi
mengenai aliran
modal mempunyai
pengaruh yang cukup
signifikan atas
pergerakan IHSG.
44
X10: Dow
Jones
X11: Minyak
dunia
X12: FED rate
Y: IHSG
4. Yu Hsing
(2011). “
Impacts Of
Macroeconomic
Variables On
The Stock
Market In
Bulgaria And
Policy
Implications”.
X1: real
output
X2:
government
deficit
X3: money
supply
X4: domestic
interest rate
X5: exchange
rate
X6: inflasi
X7: indeks
pasar saham
US
X8: euro area
government
bond yield
Y : Bulgaria
stock
exchange
GARCH
Model
Penelitian dengan
menggunakan metode
GARCH ini
menunjukan bahwa
real GDP, rasio
M2/GDP dan US
stock market
berhubungan positif.
Dan variabel
government deficit,
exchange rate,
domestic interest rate,
inflasi, dan euro area
government bond
yield berpengaruh
negatif terhadap
Bulgaria stock
exchange
5. Seyed Mehdi
Hosseini, dkk.
(2011). “The
Role of
Macroeconomic
Variables on
Stock Market
Index
in China and
India”.
X1 : harga
minyak
mentah
X2 : uang
beredar (M2)
X3 :produksi
industri (IP)
X4 : inflasi
Y1 : indeks
China
Y2 : indeks
India
Multivariate
Cointegration
dan Vector
Error
Correction
Model
(VECM)
Tulisan ini meneliti
hubungan antara
indeks pasar saham
dan empat variabel
makroekonomi, yaitu
Harga minyak mentah
(COP), uang beredar
(M2), produksi
industri (IP) dan
tingkat inflasi (IR) di
Cina dan India.
Dalam Periode tahun
1999 sampai Januari
2009. Dengan
menggunakan
Multivariate
45
Cointegration dan
Vector Error
Correction Model,
menunjukkan bahwa
terdapat hubungan
jangka panjang dan
pendek antara
variabel ekonomi
makro dan indeks
pasar modal di
masing-masing kedua
negara. Sumber : kumpulan penelitian terdahulu
Penelitian ini berbeda dari penelitian sebelumnya. Periode
penelitian ini adalah Januari 2008 sampai Desember 2012. Penelitian
ini menggunakan indeks harga saham luar negeri untuk melihat
pengaruhnya terhadap indeks harga saham dalam negeri. Indeks harga
saham yang digunakan adalah indeks saham dari saham yang kuat,
seperti pasar saham di Amerika (Dow Jones), HongKong (HangSeng)
dan Jepang (Nikkei225). Selain itu penelitian ini juga melihat pengaruh
variabel-variabel bebasnya terhadap indeks harga saham syariah (JII)
bukan hanya di lihat dari indeks konvensionalnya saja serta di lihat pula
pengaruhnya terhadap indeks LQ45 dan indeks Kompas 100 yang
nerupakan indeks-indeks yang terdapat di Bursa Efek Indonesia yang
dapat dijadikan acuan dalam melakukan investasi.
M. Kerangka pemikiran
Sebelum melakukan pengolahan data, berikut ini akan dijelaskan
kerangka pemikiran yang akan di lakukan dalam penelitian ini.
Langkah-langkah yang akan di lakukan dalam penelitian ini, yaitu :
46
1. Langkah pertama dalam penelitian ini adalah menginput data
antara variabel independen (BI Rate, Kurs Rupiah Terhadap Dolar,
Indeks Dow Jones, Indeks Hang seng, Indeks Nikkei 225) dengan
variabel dependen (IHSG, JII, Indeks LQ45 dan Indeks
Kompas100) kemudian dilakukan uji asumsi klasik diantaranya
adalah uji normalitas, multikolinieritas, autokorelasi dan
heteroskedastisitas.
2. Tahap selanjutnya adalah dengan melakukan uji analisis regresi
berganda, kemudian menguji koefisien determinasi, F simultan dan
t parsial.
Secara sistematik alur penelitian terlihat pada gambar kerangka
berfikir sebagai berikut:
47
Gambar 2.1
Kerangka Pemikiran
Input Data
Variabel Dependen
IHSG
JII
Indeks LQ45
Indeks
Kompas100
Variabel Independen
Kurs
BI Rate
Indeks DJIA
Indeks HSI
Indeks Nikkei
225
Uji Asumsi Klasik
Uji Normalitas
Uji Heteroskedastisitas
Uji Multikolinieritas
Uji Autokorelasi
Analisis regresi Berganda
Y1 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è ....................(i)
Y2 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è ....................(ii)
Y3 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è ...................(iii)
Y4 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è ...................(iv)
Uji t Parsial Uji F Simultan R2
Intepretasi Hasil
Kesimpulan, Implikasi & Saran
48
N. Perumusan Hipotesa
Untuk menganalsis apakah variabel tersebut mempunyai
pengaruh terhadap Indeks Harga Saham Gabungan (IHSG), Jakarta
Islamic Indeks (JII), Indeks LQ45 dan Indeks Kompas100 maka
penelitian ini mengemukakan hipotesis berdasarkan teori dan penelitian
sebelumnya sebagai berikut :
1. Hipotesa Model I (IHSG)
a). H0 : Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks
Nikkei225 tidak berpengaruh secara simultan terhadap
IHSG.
b). Ha : Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks
Nikkei225 berpengaruh secara simultan terhadap IHSG.
2. Hipotesa Model II (JII)
a). H0 : Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks
Nikkei225 tidak berpengaruh secara simultan terhadap
JII.
b). Ha : Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks
Nikkei225 berpengaruh secara simultan terhadap JII.
49
3. Hipotesa Model III (LQ45)
a). H0 : Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks
Nikkei225 tidak berpengaruh secara simultan
terhadap IHSG.
b). Ha : Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan indeks
Nikkei225 berpengaruh secara simultan terhadap
IHSG.
4. Hipotesa Model IV (Kompas100)
a). H0 : Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan
indeks Nikkei225 tidak berpengaruh secara
simultan terhadap IHSG.
b). Ha : Kurs, BI Rate, Indeks DJIA, Indeks Hsi dan
indeks Nikkei225 berpengaruh secara simultan
terhadap IHSG.
50
BAB III
METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Berdasarkan latar belakang yang telah di paparkan dalam bab
sebelumnya maka peneliti tertarik untuk melakukan penelitian mengenai
pengaruh tingkat suku bunga Bank Indonesia (BI Rate), kurs rupiah
terhadap dolar, Indeks Dow Jones, Indeks Hang seng, Indeks Nikkei 225
terhadap IHSG, JII, LQ45 dan Kompas100. Periode penelitian ini di mulai
pada bulan Januari 2008 sampai dengan bulan Desember 2012. Periode
tahun 2008 merupakan periode kejatuhan atau krisis yang terjadi di
Amerika sehingga menyebabkan anjloknya harga saham di Amerika dan
pastinya akan berpengaruh pula terhadap harga-harga saham di negara lain
tidak terkecuali Indonesia.
B. Metode Penentuan Sampel
Data dalam penelitian ini adalah data runtut waktu atau time series
adalah data yang terdiri dari atas satu objek tetapi meliputi beberapa
periode waktu. (Winarno, 2007: 2.2). Populasi dalam penelitian ini adalah
seluruh aktivitas pergerakan harga saham di Indonesia yang diwakilkan
oleh Indeks Harga Saham Gabungan (IHSG), Jakarta Islamic Indeks (JII),
indeks LQ45 dan indeks Kompas100 sebagai variabel dependennya.
51
Sedangkan variabel independennya di batasi pada pergerakan harga saham
indeks Dow Jones, pergerakan harga saham indeks Hang Seng
(Hongkong), pergerakan harga saham indeks Nikkei 225 (Jepang)
kemudian oleh variabel makro (Kurs rupiah terhadap Dolar dan BI Rate).
Mata uang yang digunakan sebagai acuan dalam penelitian ini adalah
Dollar USD, dikarenakan Dollar Amerika merupakan Hard Currency atau
mata uang dunia yang selalu di pergunakan oleh berbagai negara sebagai
alat bertransaksi jual beli.
Sampel dalam penelitian ini adalah pergerakan harga saham (IHSG,
JII, indeks LQ45 dan indeks Kompas100) selama periode Januari 2008
sampai Desember 2012. Kemudian variabel independennya adalah
pergerakan indeks saham Dow Jones, HangSeng dan Nikkei 225 serta
pergerakan kurs Rupiah terhadap Dolar dan BI Rate selama periode
periode Januari 2008 sampai Desember 2012.
C. Metode Pengumpulan Data
Menurut Muhammad Teguh (2005 : 117) langkah penting yang perlu
dilakukan di dalam kegiatan penelitian sebelum peneliti sampai kepada
konklusi adalah pengumpulan data. Data yang digunakan dalam penelitian
ini adalah data sekunder yakni jenis data yang di peroleh dan digali
melalui hasil pengolahan pihak kedua dari hasil penelitian lapangannya,
baik berupa data kuantitatif maupun data kualitatif: jenis data ini sering di
sebut data eksternal.
52
Metode yang digunakan dalam pengumpulan data dan sumber
informasi lainnya dalam penelitian ini adalah sebagai berikut:
1. Library Research (Riset Kepustakaan)
Penelitian kepustakaan di lakukan dengan cara mengunjungi
lembaga-lembaga yang terkait dalam pembuatan penelitian, seperti
mengunjungi Badan Pengawas Pasar Modal (BAPEPAM),
Perpustakaan kemudian mengumpulkan, memilih, memahami dengan
cara membaca laporan atau jurnal penelitan terdahulu, seperti Jurnal,
Skripsi, Thesis dan lain sebagainya yang berkaitan dengan dengan
topik pembahasan penulis.
2. Internet Research
Untuk mendapatkan informasi yang lebih up to date maka
penulis menggunakan teknologi yang sudah sangat berkembang
dengan pesat yakni internet. Penggunaan internet ini di karenakan
ilmu yang berkembang sedemikian cepat, namun terkadang buku-
buku yang tersedia belum mampu memenuhi kebutuhan informasi
yang selalu berkembang sehingga di gunakan internet. Data–data yang
di peroleh dalam penelitian ini adalah dari www.yahoofinance.com ,
www.idx.go.id dan www.bi.go.id.
53
D. Metode Analisis
1. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas (independen).
Model regresi yang baik seharusnya tidak terjadi korelasi di antara
variabel independen. Jika variabel independen saling berkorelasi maka
variabel ini tidak ortogonal. Variabel ortogonal adalah variabel
independen yang nilai korelasi antar sesama variabel independen sama
dengan nol. (Ghazali, 2012:105).
Multikolinieritas adalah kondisi adanya hubungan linier
antarvariabel independen. Karena melibatkan beberapa variabel
independen, maka multikolinieritas tidak akan terjadi pada persamaan
regresi sederhana (yang terdiri atas satu variabel dependen dan satu
variabel independen). (Winarno, 2011:5.1).
Multikolinieritas dapt dilihat dari nilai tolerance dan lawannya
variance inflation factor (VIF). Kedua ukuran ini menunjukan setiap
variabel independen manakah yang dijelaskan oleh variabel independen
lainnya. Dalam pengertian sederhana setiap variabel independen
menjadi variabel dependen dan diregres terhadap variabel independen
lainnya. Tolerance mengukur variabilitas variabel independen yang
terpilih yang tidak dijelaskan oleh variabel lainnya. (Ghazali, 2012:
106).
54
Kreteria untuk pengambilan keputusan ada atau tidaknya masalah
multikolinieritas adalah: nilai Tolerance < 0.10 atau sama dengan nilai
VIF > 10 maka kesimpulannya adalah model regresi terdapat masalah
multikolinieritas.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan lain. Jika varian dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut Homoskedastisitas dan jika
berbeda maka disebut heteroskedastisitas, model regresi yang baik
adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
(Ghazali, 2012:139).
Ada beberapa cara untuk mendeteksi ada atau tidaknya
heteroskedastisitas, diantaranya dengan melihat grafik scatter plot, uji
park, uji glejser, dan uji white. Dalam penelitian ini untuk mendeteksi
heteroskedastisitas akan digunakan uji glejser.
Uji heteroskedastisitas dengan menggunakan uji Glejser dengan
meregres nilai absolut (dependen) terhadap variabel independennya.
Dengan persamaan regresi :
Dengan hipotesis :
H0 : data tidak mengandung heteroskedastisitas
Ha : data mengandung heteroskedastisitas
|Ut| = α + βXt + vt
=
55
3. Uji Autokorelasi
Autokorelasi adalah hubungan antara residual satu observasi
dengan residual observasi lainnya. Autokorelasi lebih mudah timbul
pada data yang bersifat runtut waktu (time series), karena berdasarkan
sifatnya, data masa sekarang dipengaruhi oleh data pada masa-masa
sebelumnya. (Winarno, 2011:5.26).
Uji autokorelasi bertujuan menguji apakah dalam model regresi
linier ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pad aperiode t-1 (sebelumnya). Jika terjadi
korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi
muncul karena observasi yang berurutan sepanjang waktu berkaitan
satu sama lainnya. Hal ini sering ditemukan pada data runtut waktu
(time series) karena “gangguan” pada seorang individu/kelompok
cenderung mempengaruhi “gangguan” pada individu/kelompok yang
sama pada periode berikutnya. (Ghazali, 2012:110).
Untuk mendeteksi ada atau tidaknya autokorelasi dapat dilihat dari
nilai Durbin Watson-nya. Uji D-W merupakan salah satu uji yang
banyak dipakai untuk mengetahui ada tidaknya autokorelasi. Hampir
semua statistik sudah menyediakan fasilitas untuk menghitung nilai d
(yang menggambarkan koefisien DW). Nilai d akan berada pada kisaran
0 hingga 4. Sebelumnya tentukan nilai dU dan dL dengan melihat tabel
Durbin Watson dengan α = 5% seperti tampak pada tabel 3.1 berikut
ini.
56
Tabel 3.1
Tabel untuk menentukan ada tidaknya autokorelasi dengan uji Durbin Watson
Tolak
H0,
berarti
ada
autokore
lasi
positif
Tidak
dapat
diputus
kan
Tidak menolak H0,
berarti tidak ada
autokorelasi
Tidak
dapat
diputus
kan
Tolak
H0,
berarti
ada
autokore
lasi
negatif
0 dL dU 4-dU 4-dL
Sumber : Wing Wahyu Winarno, 2011:5.28
Dengan hipotesis yang akan di uji adalah sebagai berikut:
H0 : Tidak ada Autokorelasi
Ha : Ada autokorelasi
Jika dalam hasil analisis terdapat masalah autokorelasi maka
dilakukan pengobatan menurut imam Ghazali (2012), langkah-
langkahnya adalah sebagai berikut :
1. Tentukan apakah autokorelasi yang terjadi merupakan pure
autocorrelaition dan bukan karena kesalahan spesifikasi model
regresi. Pola residual dapat terjadi karena adanya kesalahan
spesifikasi model yaitu ada variabel penting yang tidak dimasukkan
kedalam model atau dapat juga karena bentuk fungsi persamaan
regresi tidak benar.
57
2. Jika yang terjadi adalah pure autocorrelation, maka solusi
autokorelasi adalah dengan mentransformasi model awal menjadi
model difference. Dengan asumsi ρ tidak diketahui.
3. Nilai ρ di estimasi dengan rumus Theil-Nagar d
Dimana : d = nilai DW persamaan yang mengandung autokorelasi
n = jumlah sampel
k = jumlah variabel bebas
4. Setelah didapat nilai ρ maka langkah selanjutnya adalah melakukan
transformasi nilai ρ kedalam persamaan regresi.
5. Terakhir lakukan analisis regresi berganda kembali dan hasilnya
akhir dari persamaan regresi tidak mengalami masalah autokorelasi.
4. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal.
Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai
residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka
uji stastistik menjadi tidak valid untuk jumlah sampel kecil. (Ghazali,
2012:160).
𝜌 = 𝑛2 (1 – 𝑑 / 2) 𝑘2
𝑛2 − 𝑘2
58
Dalam penelitian ini akan dilakukan uji normalitas residual dengan
menggunakan uji statistik non-parametrik Kolmogrov-Smirnov. Uji
Kolmogrov-Smirnov dilakukan dengan membuat hipotesis (ghazali,
2012 :161) :
H0 : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal.
Dalam penelitian ini juga dilakukan pengujian normalitas dengan
metode grafik normal p-p plot. Kriteria pengambilan keputusannya
adalah jika titik-titik data mendekati garis diagonal ditengah maka
kesimpulannya adalah data berdistribusi normal.
5. Analisis regresi berganda
Analisis regresi digunakan untuk mengetahui hubungan antara
suatu variabel dependen dengan variabel independen. Analisis regresi
berganda digunakan sebagai alat untuk mengukur seberapa besar
pengaruh antara variabel independen (X) dengan variabel dependen
(Y). Metode ini juga bisa dijadikan ramalan, sehingga dapat
diperkirakan antara baik dan buruknya suatu variabel (X) terhadap
turunnya tingkat variabel (Y), begitu juga sebaliknya. Analisis regresi
ini mempunyai persamaan sebagai berikut :
Y1 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è ....................(i)
Y2 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è ....................(ii)
Y3 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è ...................(iii)
Y4 = a + b1X1 + b2X2 + b3X3 + b4X4 +b5X5 + è ...................(iv)
59
Dimana:
Y1 = Indeks Harga Saham Gabungan
Y2 = Jakarta Islamic Indeks
Y3 = Indeks LQ45
Y4 = Indeks Kompas 100
a = Konstanta
X1 = Kurs
X2 = BI Rate
X3 = Indeks Dow Jones
X4 = Indeks HangSeng
X5 = Indeks Nikkei 225
b1..b5= Koefisien Regresi
è = Standar Eror
6. Uji Adjusted R Square (R2)
Korfisien determinasi (Goodness of Fit), yang di notasikan
dengan R2, merupakan suatu ukuran yang penting dalam regresi, karena
dapat menginformasikan baik atau tidaknya model regresi yang
terestimasi. Atau dengan kata lain, angka tersebut dapat mengukur
seberapa dekatkah garis regresi yang tersetimasi dengan data
sesungguhnya. (Nachrowi & Usman, 2006:20).
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai
60
koefisien determinasi adalah antara nol dan satu. Nilai R2
yang kecil
berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen amat terbatas. Nilai yang mendekati satu
berarti variabel-variabel independen memberikan hampir semua
informasi variabel dependen. Secara umum koefisien determinasi
untuk data silang (crossection) relatif rendah karena adanya variasi
yang besar antara masing-masing pengamatan, sedangkan untuk data
runtut waktu (time series) biasanya mempunyai nilai koefisien
determinasi yang tinggi. (Ghazali, 2012:97).
Kelemahan mendasar penggunaan koefisien determinasi adalah
bias terhadap jumlah variabel independen yang dimasukkan ke dalam
model. Setiap tambahan satu variabel independen, maka R2
pasti
meningkat tidak perduli apakah variabel tersebut berpengaruh secara
signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti
menganjurkan untuk menggunakan nilai Adjusted R2
pada saat
mengevaluasi mana model regresi terbaik. Tidak seperti R2
, nilai
Adjusted R2
dapat naik atau turun apabila satu variabel independen
ditambahkan kedalam model. (Ghazali, 2012:97).
7. Uji Signifikansi Simultan (Uji Statistik F)
Uji hipotesis ini berguna untuk memeriksa atau menguji apakah
koefisien regresi yang di dapat signifikan (berbeda nyata). Maksud dari
signifikan ini adalah suatu nilai koefisien regresi yang secara stastistik
tidak sama dengan nol. Jika koefisien slope sama dengan nol, berarti
61
dapat dikatakan bahwa tidak cukup bukti untuk menyatakan variabel
bebas mempunyai pengaruh terhadap variabel terikat. Untuk
kepentingan tersebut maka semua koefisien regresi harus di uji. Ada
dua jenis uji terhadap koefisien regresi yaitu, uji-F dan uji-t (Nachrowi
& Usman, 2006:16).
Uji statistik F pada dasarnya menunjukan apakah semua variabel
independen atau bebas yang dimasukkan dalam model mempunyai
pengaruh secara bersama-sama terhadap variabel dependen/terikat.
(Ghazali, 2012:98).
Pengambilan keputusan berdasarkan tingkat probabilitas
signifikansi. Jika probabilitas signifikansi >0.05, maka H0 diterima dan
jika probabilitas signifikansi <0.05, maka H0 ditolak. Selain itu
pengambilan keputusan juga dilakukan dengan membandingkan nilai F
tabel dengan F hitungnya. Nilai F tabel di dapat dari rumus
Dimana n = jumlah sampel dan k = jumlah variabel bebas. Jika F
hitung > F tabel maka Ho ditolak dan sebaliknya jika F hitung<F tabel
maka H0 diterima. (Nachrowi & Usman, 2006:18).
8. Uji Signifikan Individual (Uji Statistik t)
Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh
satu variabel penjelas/independen secara individual dalam menerangkan
variasi variabel dependen. (Ghazali, 2012:98).
Uji F = (df(n-k-1))
62
Pengambilan keputusan berdasarkan tingkat signifikan (Rodoni,
2005:90) :
Jika probabilitas signifikan > 0.05, maka H0 diterima, berarti
bahwa suatu variabel independen tidak berpengaruh secara
signifikan terhadap variabel dependen.
Jika probabilitas signifikan < 0.05 maka H0 ditolak, berarti bahwa
suatu variabel independen berpengaruh secara signifikan terhadap
variabel dependen.
Selain itu pengambilan keputusan juga dapat dengan
membandingkan nilai t tabel dengan t hitungnya. t tabel di dapat dari
rumus :
Dimana n adalah jumlah sampel penelitian dan k adalah jumlah
variabel bebas. Jika t hitung > t tabel maka Ho ditolak dan sebaliknya
jika t hitung<t tabel maka H0 diterima.
E. Operasional variabel
Dalam penelitian ini peneliti menggunakan dua variabel dependen
(IHSG, JII, LQ45 dan Kompas100) dan lima variabel Independen (Kurs,
BI Rate, DJIA, HSI, dan Nikkei 225). Definisi dari masing-masing
variabel adalah sebagai berikut :
Uji t = (df(n-k-1))
63
1. Indeks Harga Saham Gabungan (IHSG)
Indeks Harga saham Gabungan (IHSG) adalah indeks harga yang
merupakan gabungan harga semua saham yang tercatat di Bursa Efek
Indonesia (BEI), pengukuran yang dilakukan adalah dalam satuan
poin. Indeks ini mencakup pergerakan seluruh saham biasa dan saham
preferen yang tercatat di BEI.
2. Jakarta Islamic Indeks (JII)
Jakarta Islamic Indeks (JII) merupakan salah satu indeks saham yang
ada di Indonesia untuk jenis saham-saham yang memenuhi kriteria
syariah dalam perhitungan indeks harga rata-rata sahamnya. Hanya
emiten yang memenuhi kriteria syariah yang dapat masuk ke dalam
Jakarta Islamic indeks (JII).
3. Indeks LQ45
Indeks LQ45 adalah indeks saham yang terpilih berdasarkan likuiditas
perdagangan saham dan sesuaikan setiap enam bulan sekali (setiap
awal Februari dan Agustus). Dengan demikian saham yang termasuk
dalam indeks tersebut akan selalu berubah.
4. Indeks Kompas 100
Indeks Kompas100 adalah suatu indeks saham dari 100 saham
perusahaan publik yang diperdagangkan di Bursa Efek Indonesia.
Indeks Kompas100 secara resmi diterbitkan oleh Bursa Efek
Indonesia (BEI) bekerjasama dengan koran Kompas pada hari Jumat
tanggal 10 Agustus 2007. Saham-saham yang terpilih untuk
64
dimasukkan dalam indeks Kompas100 ini selain memiliki likuiditas
yang tinggi, serta nilai kapitalisasi pasar yang besar, juga merupakan
saham-saham yang memiliki fundamental dan kinerja yang baik.
5. Kurs Rupiah Terhadap Dolar
Kurs adalah harga suatu mata uang yang dinyatakan dalam mata uang
lain. Dalam penlitian ini nilai kurs yang dipakai di ukur atas dasar
harga kurs tengah rupiah terhadap dolar US $ di akhir periode tertentu
(1 bulan).
6. Suku Bunga Bank Indonesia (BI Rate)
BI Rate adalah suku bunga kebijakan yang mencerminkan sikap atau
stance kebijakan moneter yang ditetapkan oleh bank Indonesia dan
diumumkan kepada publik. BI Rate diumumkan oleh Dewan
Gubernur Bank Indonesia setiap Rapat Dewan Gubernur bulanan dan
diimplementasikan pada operasi moneter yang dilakukan Bank
Indonesia melalui pengelolaan likuiditas (liquidity management) di
pasar uang untuk mencapai sasaran operasional kebijakan moneter.
7. Indeks Dow Jones Industrial Average (DJIA)
Indeks Dow Jones merupakan salah satu indeks dari pasar saham
Amerika yang berisikan 30 perusahaan yang menjadi salah satu
indikator pergerakan pasar saham Amerika. Indeks Dow Jones
merupakan indeks pasar saham Amerika yang tertua yang masih
berjalan.
65
8. Indeks HangSeng (HSI)
Indeks Hang Seng (HSI) adalah indeks yang mencatat kapitalisasi
pasar indeks saham di Hong Kong.
9. Indeks Nikkei 225
Nikkei 225 adalah indeks pasar saham di Jepang yang terdiri dari 225
saham-saham blue-chip yang terdaftar di papan atas bursa Tokyo
sebagai indeks pengukur pergerakan harga saham.
66
BAB IV
HASIL DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian
Pasar modal Indonesia dimulai ketika pemerintah Hindia Belanda
mendirikan Bursa Efek di Jakarta (Batavia) pada akhir tahun 1912.
Efek-efek yang diperdagangakan dalam bursa ini terdiri atas saham-
saham dan obligasi yang diterbitkan perusahaan milik Belanda yang
beroperasi di Indonesia, obligasi pemerintah Hindia Belanda dan efek-
efek Belanda lain. Pendirian bursa efek oleh pemerintah Belanda
tersebut bertujuan untuk memobilisasi dana dalam rangka membiayai
perkebunan milik Belanda yang saat itu sedang dikembangkan secara
besar-besaran di Indonesia. (Siamat, 2004:487)
Pemerintah mulai kembali melakukan usaha pengaktifan pasar
modal Indonesia sejak 10 Agustus 1977 dengan membentuk Badan
Pelaksana Pasar Modal (BAPEPAM) yang sejak tahun 1991 berubah
menjadi Badan Pengawas Pasar Modal. Usaha pengaktifan kembali
pasar modal tersebut diharapkan akan dapat ikut berperan memacu
pertumbuhan ekonomi melalui mobilisasi dana untuk memenuhi
kebutuhan pembiayaan pembangunan di luar sektor perbankan.
Perkembangan pasar modal dapat dikatakan cukup baik sampai 1983,
dimana sebanyak 23 perusahaan telah melakukan emisi saham dan 1
67
perusahaan melakukan emisi obligasi dengan nilai emisi seluruhnya
mencapai Rp 117 miliar.
Pada 22 Mei tahun 1995, diresmikan penggunaan sistem JATS
(Jakarta Automated Trading Systems). Sistem perdagangan baru yang
terpasang dan bersifat otomatis ini memberikan fasilitas yang
memungkinkan frekuensi perdagangan saham yang lebih besar dan
menjadikan pasar lebih adil serta praktik pasar yang lebih transparan
dibandingkan dengan sistem manual. Sejak diterapkan JATS, nilai
kapitalisasi pasar BEJ meningkat pesat disamping volume, nilai dan
frekuansi transaksi meningkat tajam. Hal ini terbukti dari data sampai
dengan November 1996 dimana nilai transaksi telah mencapai Rp 61,63
triliun yaitu melonjak hampir 90% dibandingkan dengan tahun 1995
yang hanya mencapai Rp 32,4 triliun. (Rodoni, 2005:110-111)
Perkembangan pasar modal dapat dilihat dari salah satu indikator
pasar modal yaitu instrumen saham. Perkembangan transaksi harga saham
dari tahun ke tahun cenderung meningkat, hal ini menunjukkan bahwa
minat masyarakat untuk menanamkan investasi di pasar modal semakin
besar. (Mustikaati, 2007).
Pergerakan bursa saham pada dasarnya didasari oleh
perkembangan harga saham yang terdaftar dan diperdagangkan di lantai
bursa, oleh karena itu maka perlu untuk menganalisis hubungan antara
indeks saham dengan harga saham yang tercatat di bursa secara
periodik. Indeks Harga Saham Gabungan (IHSG) yang ada di Bursa
Efek Indonesia (BEI) tentunya tidak terlepas dari pengaruh indeks
68
harga saham di negara-negara lain, telebih negara-negara lain yang
menjadi acuan dari IHSG ini memiliki kapitalisasi yang besar dan
cenderung lebih likuid. Pengaruh secara eksternal ini dapat disebabkan
oleh kondisi ekonomi, lingkungan politik, dan juga sosio kultural.
B. Hasil Dan Pembahasan
1. Analisis Deskriptif
Dalam bab ini penulis menganalisis data yang telah terkumpul.
Data yang telah terkumpul tersebut berupa data IHSG, JII, LQ45 dan
Kompas100 dari perusahaan yang listing di Bursa Efek Indonesia
tahun 2008 sampai dengan tahun 2012. Kemudian data yang telah
terkumpul selanjutnya adalah berupa data makro ekonomi (Kurs dan
BI Rate) periode 2008 sampai dengan 2012 serta data indeks bursa
luar negeri (DJIA, HSI, dan Nikkei 225) periode 2008 sampai dengan
2012. Hasil pengolahan data berupa informasi untuk mengetahui
apakah variabel kurs, tingkat suku bunga Bank Indonesia (BI Rate),
indeks DJIA, HSI, dan Nikkei225 memiliki pengaruh terhadap
imdeks-indeks di Bursa efek Indonesia (IHSG, JII, LQ45,
Kompas100) dan berapa besar pengaruhnya.
Sesuai dengan permasalahan dan perumusan model yang telah
dikemukakan, serta kepentingan pengujian hipotesis, maka teknik
analisis yang digunakan dalam penelitian ini meliputi analisis
deskriptif dan analisis statistik. Analisis statistik merupakan analisis
69
yang mengacu pada perhitungan data penelitian yang berupa angka-
angka yang di analisis dengan bantuan komputer melalui program
SPSS. Analisis ini digunakan untuk menguji hipotesis. Sedangkan
analisis deskriptif merupakan analisis yang menjelaskan gejala-gejala
yang terjadi pada variabel-variabel penelitian untuk mendukung hasil
analisis statistik.
Berdasarkan pengambilan sample secara purposive Sampling
maka dapat diperoleh indeks harga saham sebagai berikut:
1. Perusahaan yang tercatat di Bursa Efek Indonesia periode 2008
sampai dengan 2012.
2. Saham perusahaan telah tercatat di Bursa Efek Indonesia
periode 2008 sampai dengan 2012.
Adapun untuk menjelaskan variabel-variabel yang terdapat
dalam penelitian ini dapat ditunjukan dari tabel dibawah ini:
Tabel 4.1
Tabel Kurs Rupiah Terhadap Dolar
T
Periode 2008 2009 2010 2011 2012
Januari 9291 11355 9365 9057 9000
Februari 9051 11980 9335 8823 9085
Maret 9217 11575 9115 8709 9180
April 9234 10713 9012 8574 9190
Mei 9318 10340 9180 8537 9565
Juni 9225 10225 9083 8597 9480
Juli 9118 9920 8952 8508 9485
Agustus 9153 10060 9041 8578 9560
September 9378 9681 8924 8823 9588
Oktober 10995 9545 8928 8835 9615
November 12151 9545 9013 9170 9605
Desember 10950 9480 8991 9068 9670
Sumber : Bank Indonesia, Berbagai tahun terbit. Data di olah
70
Pada tabel 4.1 dapat dilihat bahwa nilai kurs tertinggi terdapat
pada bulan November 2008 yakni sebesar 12.151. Sedangkan nilai
kurs terendah terjadi pada bulan Juli 2011 yakni sebesar 8508. Nilai
kurs yang digunakan adalah nilai tengah dari kurs jual dan kurs beli.
Dari tabel tersebut juga dapat dilihat bahwa nilai kurs bergerak
fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan kurs
maka dapat di lihat dari grafik kurs Rupiah Terhadap Dolar periode
2008 sampai dengan 2012 berikut:
Gambar 4.1
Grafik Pergerakan Kurs Rupiah Terhadap Dolar
Sumber : Bank Indonesia, berbagai tahun terbit, data diolah
Berdasarkan gambar 4.1 secara umum terlihat bahwa nilai tukar
Rupiah terhadap Dolar (Kurs) mengalami tren naik pada akhir tahun
2008 sampai pada awal tahun 2009. Pada akhir tahun memang terjadi
krisis ekonomi di Amerika yang pada akhirnya berdampak pada
0
2000
4000
6000
8000
10000
12000
14000
Jan
-08
Jun
-08
No
p-0
8
Ap
r-0
9
Sep
-09
Feb
-10
Jul-
10
Des
-10
Mei
-11
Okt
-11
Mar
-12
Agu
st-…
KURS
KURS
71
perekonomian di negara-negara lain, tidak terkecuali Indonesia.
Melemahnya nilai tukar Rupiah terhadap Dolar mengakibatkan
sentimen negatif terhadap pasar modal. Begitu juga dengan nilai tukar
rupiah terhadap dolar yang melonjak naik pada akhir tahun 2008
hingga awal 2009, namun pada pertengahan 2009 nilai kurs Rupiah
terhadap dolar sudah menunjukan penurunan. Hal ini mengindikasikan
bahwa perekonomian mulai membaik.
Pada pertengahan 2009 nilai tukar Rupiah terhadap Dolar (Kurs)
mulai menunjukan tren yang positif. Kestabilan nilai mata uang
domesttik dapat menghindarkan investor asing di pasar modal
mengalami kerugian akibat perbedaan kurs valuta asing. Nilai mata
uang yang labil dapat membangkrutkan usaha investor asing maupun
investor lokal yang memiliki utang valuta asing. (Mohamad Samsul,
2006:32).
Tabel 4.2
Tingkat Suku Bunga Bank Indonesia (BI Rate)
Periode 2008 2009 2010 2011 2012
Januari 0,0800 0,0875 0,0650 0,0650 0,0600
Februari 0,0800 0,0825 0,0650 0,0675 0,0575
Maret 0,0800 0,0775 0,0650 0,0675 0,0575
April 0,0800 0,0750 0,0650 0,0675 0,0575
Mei 0,0825 0,0725 0,0650 0,0675 0,0575
Juni 0,0850 0,0700 0,0650 0,0675 0,0575
Juli 0,0875 0,0675 0,0650 0,0675 0,0575
Agustus 0,0900 0,0650 0,0650 0,0675 0,0575
September 0,0925 0,0650 0,0650 0,0675 0,0575
Oktober 0,0950 0,0650 0,0650 0,0650 0,0575
November 0,0950 0,0650 0,0650 0,0600 0,0575
Desember 0,0925 0,0650 0,0650 0,0600 0,0575 Sumber : Bank Indonesia berbagai tahun terbit.
72
Pada tabel 4.2 dapat dilihat bahwa tingkat suku bunga bank
Indonesia (BI Rate) tertinggi terdapat pada akhir tahun 2008 dimana
pada bulan Oktober dan November mencapai angka sebesar 0,095
(9,5%). Sedangkan tingkat suku bunga bank Indonesia (BI Rate)
terendah terjadi pada tahun 2012 dimana suku bungan Bank Indonesia
(BI Rate) mencapai angka 0,0575 (5,75%) angka ini konsisten hingga
akhir tahun 2012. Dari tabel tersebut dapat kita lihat bahwa BI Rate
mengalami pergerakan di setiap tahunnya, untuk lebih jelas melihat
pergerakan tingkat suku bunga bank Indonesia (BI Rate) maka dapat
di lihat dari grafik tingkat suku bunga bank Indonesia (BI Rate)
periode 2008 sampai dengan 2012 berikut:
Gambar 4.2
Grafik Pergerakan BI Rate
Sumber : Bank Indonesia, berbagai tahun terbit, data diolah
00,010,020,030,040,050,060,070,080,09
0,1
Jan
-08
Jun
-08
No
p-0
8
Ap
r-0
9
Sep
-09
Feb
-10
Jul-
10
Des
-10
Mei
-11
Okt
-11
Mar
-12
Agu
st-1
2
BI-Rate
BI-Rate
73
Pada grafik 4.2 dapat dilihat bahwa pergerakan tingkat suku
bunga Bank Indonesia (BI Rate) cenderung mengalami penurunan tiap
tahunnya. Karena suku bunga yang cenderung turun tiap tahunnya
maka investor cenderung lebih suka membelanjakan uangnnya
daripada harus menginvestasikannya dalam bentuk tabungan. Dengan
investor membelanjakan uangnya maka permintaan barang dan jasa
akan terus meningkat, sehingga produksi barang dan jasa juga
meningkat untuk memenuhi arus permintaan yang ada. Secara teori
maka investasi yang meningkat dari sektor usaha disambut dengan
peningkatan permintaan akan membuat pertumbuhan ekonomi
terdorong, dimana dalam proses peningkatan produksi ini akan
diperlukan lebih banyak tenaga kerja sehingga pengangguran juga
akan menurun.
Tabel 4.3
Tabel Indeks Dow Jones Average Industrial (DJIA)
S
Periode 2008 2009 2010 2011 2012
Januari 12650,36 8000,86 10067,33 11891,93 12632,91
Februari 12266,39 7062,93 10325,26 12226,34 12952,07
Maret 12262,89 7608,92 10856,63 12319,73 13212,04
April 12820,13 8168,12 11008,61 12810,54 13213,63
Mei 12638,32 8500,33 10136,63 12569,79 12393,45
Juni 11350,01 8447,00 9774,020 12414,34 12880,09
Juli 11378,02 9171,61 10465,94 12143,24 13008,68
Agustus 11543,96 9496,28 10014,72 11613,53 13090,84
September 10850,66 9712,28 10788,05 10913,38 13437,13
Oktober 9325,01 9712,73 11118,49 11955,01 13096,46
November 8829,04 10344,84 11006,02 12045,68 13025,58
Desember 8776,39 10428,05 11577,51 12217,56 13104,14
Sumber : yahoo finance
74
Pada tabel 4.3 dapat dilihat bahwa nilai indeks DJIA tertinggi
terdapat pada bulan September 2012 yakni sebesar 13.437,13. Sedangkan
nilai indeks DJIA terendah terjadi pada bulan Februari 2009 yakni sebesar
7062,93. Dari tabel tersebut juga dapat dilihat bahwa nilai indeks DJIA
bergerak fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan
indeks DJIA maka dapat di lihat dari grafik indeks DJIA periode 2008
sampai dengan 2012 berikut :
Gambar 4.3
Grafik Pergerakan Indeks Dow Jones Average Industrial (DJIA)
Sumber : Yahoo Finance
Pada gambar 4.3 menjelaskan bahwa indeks Dow Jones
Industrial Average (DJIA) mengalami penurunan pada periode akhir
tahu 2008 hingga awal tahun 2009. Krisis yang terjadi di Amerika
membawa dampak buruk pada investasi di pasar modal Amerika.
Penurunan angka ini mencapai pada nilai 7062,93 pada bulan Februari
tahun 2009. Akibat krisis yang mendera Amerika pada tahun 2008
mengakibatkan investor menjual aset-asetnya yang ada di pasar modal
0
2000
4000
6000
8000
10000
12000
14000
16000
Jan
-08
Jun
-08
No
p-0
8
Ap
r-0
9
Sep
-09
Feb
-10
Jul-
10
Des
-10
Mei
-11
Okt
-11
Mar
-12
Agu
st-1
2
DJIA
DJIA
75
Amerika, hal ini dikarenakan untuk mengurang resiko yang akan
terjadi akibat krisis yang terjadi. Kemudian secara perlahan
kepercayaan investor kembali membaik terhadap pasar modal
Amerika, hal ini ditunjukan dengan semakin membaiknya indeks
DJIA yang terus menunjukan progres yang baik dan mengalami
kenaikan hingga pada akhir tahun 2012 menembus angka 13104,14.
Tabel 4.4
Tabel Indeks HangSeng (HongKong)
Periode 2008 2009 2010 2011 2012
Januari 23455,74 13278,21 20121,99 23447,34 20390,49
Februari 24331,67 12811,57 20608,7 23338,02 21680,08
Maret 22849,2 13576,02 21239,35 23527,52 20555,58
April 25755,35 15520,99 21108,59 23720,81 21094,21
Mei 24533,12 18171 19765,19 23684,13 18629,52
Juni 22102,01 18378,73 20128,99 22398,1 19441,46
Juli 22731,1 20573,33 21029,81 22440,25 19796,81
Agustus 21261,89 19724,19 20536,49 20534,85 19482,57
September 18016,21 20955,25 22358,17 17592,41 20840,38
Oktober 13968,67 21752,87 23096,32 19864,87 21641,82
November 13888,24 21821,5 23007,99 17989,35 22030,39
Desember 14387,48 21872,5 23035,45 18434,39 22656,92 Sumber : Yahoo Finance
Pada tabel 4.4 dapat dilihat bahwa nilai indeks HangSeng (HSI)
tertinggi terdapat pada bulan Desember 2012 yakni sebesar 22656,92.
Sedangkan nilai indeks HangSeng (HSI) terendah terjadi pada bulan
Februari 2009 yakni sebesar 12811,57. Dari tabel tersebut juga dapat
dilihat bahwa nilai indeks HangSeng (HSI) bergerak fluktuatif tiap
bulannya. Untuk lebih jelas melihat pergerakan indeks HangSeng
(HSI) maka dapat di lihat dari grafik indeks HangSeng (HSI) periode
2008 sampai dengan 2012 berikut :
76
Gambar 4.4
Grafik Pergerakan Indeks HangSeng (HSI) HongKong
Sumber : yahoo finance
Pada gambar 4.4 terlihat grafik pergerakan indeks HangSeng
tahun 2008 sampai 2012, pada awal 2008, Indeks Hang Seng
mengalami penurunan hingga 30 persen atau sekitar 9 ribuan poin.
Angka tersebut kemudian turun lagi melewati 20 ribu poin pada 5
September 2008. Dalam perdagangan Indeks Hang Seng hanya
mencapai angka 19.708,39 poin dan ditutup pada angka 19.933,28 poin.
Angka ini masih saja menurun pada 8 Oktober 2008 dengan angka
penutupan hanya 15.431,73 poin. Ini merupakan angka terendah yang
terjadi dalam dua tahun terakhir. Ternyata angka terendah itu belum
berakhir, pada akhir Oktober 2008, kembali jatuh hingga 10.676,29
poin. Tapi pada tahun 2009, terjadi berbagai perbaikan yang membuat
Indeks Hang Seng kembali pada angka 20 ribuan poin. Tanggal 29 Juli
0
5000
10000
15000
20000
25000
30000
Jan
-08
Mei
-08
Sep
-08
Jan
-09
Mei
-09
Sep
-09
Jan
-10
Mei
-10
Sep
-10
Jan
-11
Mei
-11
Sep
-11
Jan
-12
Mei
-12
Sep
-12
HSI
HSI
77
2009, Indeks Hang Seng sudah mencapai 20.063,93 poin dan sampai
saat ini pergerakannya tidak pernah turun dari angka 20 ribuan poin.
Tabel 4.5
Tabel Indeks Nikkei 225 (Tokyo)
Periode 2008 2009 2010 2011 2012
Januari 13592,47 7994,05 10198,04 10237,92 8802,51
Februari 13603,02 7568,42 10126,03 10624,09 9723,24
Maret 12525,54 8109,53 11089,94 9755,10 10083,56
April 13849,99 8828,26 11057,40 9849,74 9520,89
Mei 14338,54 9522,50 9768,70 9693,73 8542,73
Juni 13481,38 9958,44 9382,64 9816,09 9006,78
Juli 13376,81 10356,83 9537,30 9833,03 8695,06
Agustus 13072,87 10492,53 8824,06 8955,20 8839,91
September 11259,86 10133,23 9369,35 8700,29 8870,16
Oktober 8576,98 10034,74 9202,45 8988,39 8928,29
November 8512,27 9345,55 9937,04 8434,61 9446,01
Desember 8859,56 10546,44 10228,92 8455,35 10395,18 Sumber : yahoo finance
Pada tabel 4.5 dapat dilihat bahwa nilai indeks Nikkei 225
tertinggi terdapat pada bulan Mei 2008 yakni sebesar 14338,54.
Sedangkan nilai indeks Nikkei 225 terendah terjadi pada bulan
Februari 2009 yakni sebesar 7568,42. Dari tabel tersebut juga dapat
dilihat bahwa nilai indeks Nikkei 225 bergerak fluktuatif tiap
bulannya. Untuk lebih jelas melihat pergerakan indeks Nikkei 225
maka dapat di lihat dari grafik indeks Nikkei 225 periode 2008 sampai
dengan 2012 berikut :
78
Gambar 4.5
Grafik Pergerakan Indeks Nikkei 225 (Tokyo)
Sumber : data diolah
Pada gambar 4.5 terlihat bahwa indeks Nikkei 225 bergerak
sangat fluktuatif di taip bulannya. Pada saat krisis yang menimpa
dunia indeks Nikkei 225 juga tak luput terkena imbasnya, dan dampak
yang terburuk terjadi pada februari 2009 dimana indeks mencapai titik
terendahnya yakni pada harga 7568,42 hal ini dikarenakan dampak
wallstreet yang melemah akibat krisis.
Pada awal berdirinya Tokyo Stock Exchange (TSE) telah
menjadi aktifitas stock market yang paling berpengaruh di Jepang.
Pada masa itu telah diperkenalkan Index Tokyo Stock Exchange
market Average, yang merupakan hasil perhitungan dari keseluruhan
perusahaan yang sahamnya tercatat di TSE. Pada tahun 1968,
Chaiman dari TSE yaitu Morinaga, menghentikan model perhitungan
Index Average TSE, dan mencoba untuk mendapatkan model
0
2000
4000
6000
8000
10000
12000
14000
16000
Jan
-08
Mei
-08
Sep
-08
Jan
-09
Mei
-09
Sep
-09
Jan
-10
Mei
-10
Sep
-10
Jan
-11
Mei
-11
Sep
-11
Jan
-12
Mei
-12
Sep
-12
N225
N225
79
perhitungan yang lebih akurat. Hingga akhirnya pada Juli 1970 Nihon
Keizai, Inc. mengajukan sistem perhitungan indeks yang lebih baik,
yang hingga kini dikenal dengan nama Nikkei 225 Stock Index. Indeks
ini merupakan gabungan dari 225 perusahaan yang memiliki
kredibilitas yang baik di market dan memiliki asset yang besar.
Tabel 4.6
Tabel Indeks Harga Saham Gabungan
Periode 2008 2009 2010 2011 2012
Januari 2627,25 1332,67 2610,80 3409,17 3941,69
Februari 2721,94 1285,28 2549,03 3470,35 3985,21
Maret 2447,30 1434,07 2777,30 3678,67 4121,55
April 2304,52 1722,77 2971,25 3819,62 4180,73
Mei 2444,35 1916,83 2796,96 3836,97 3832,82
Juni 2349,11 2026,78 2913,68 3888,57 3955,58
Juli 2304,51 2323,24 3069,28 4130,80 4142,34
Agustus 2165,94 2341,54 3081,88 3841,73 4060,33
September 1832,51 2467,59 3501,30 3549,03 4262,56
Oktober 1256,70 2367,70 3635,32 3790,85 4350,29
November 1241,54 2415,84 3531,21 3715,08 4276,14
Desember 1355,41 2534,36 3703,51 3821,99 4316,69 Sumber : IDX Statistik, berbagai tahun terbit
Pada tabel 4.6 dapat dilihat bahwa nilai indeks harga saham
gabungan (IHSG) tertinggi terdapat pada bulan Oktober 2012 yakni
sebesar 4350,29. Sedangkan nilai indeks harga saham gabungan
(IHSG) terendah terjadi pada bulan November 2008 yakni sebesar
1241,54. Dari tabel tersebut juga dapat dilihat bahwa indeks harga
saham gabungan (IHSG) bergerak fluktuatif tiap bulannya. Untuk
lebih jelas melihat pergerakan indeks indeks harga saham gabungan
(IHSG) maka dapat di lihat dari grafik indeks harga saham gabungan
(IHSG) periode 2008 sampai dengan 2012 berikut :
80
Gambar 4.6
Grafik Pergerakan Indeks Harga Saham Gabungan (IHSG)
Sumber : IDX Statistic, berbagai tahun terbit.
Dari gambar 4.6 dapat dilihat bahwa IHSG mengalami tren
naik. Namun pada akhir tahun 2008 sampai awal 2009 mengalami
penurunan yang cukup signifikan. Hali ini dikarenakan pada tahun
2008 di Amerika terjadi krisis ekonomi yang pada akhirnya
berdampak pada perekonomian di negara-negara berkembang, tidak
terkecuali di Indonesia. Krisis yang terjadi di tahun 2008,
melemahnya bursa Amerika ditambah goncangan dari harga minyak
dunia yang melonjak semakin memperparah penurunan IHSG. Tahun
2008 menjadi antiklimaks bagi indeks harga saham gabungan (IHSG)
Bursa Efek Indonesia (BEI) setelah enam tahun berturut-turut dalam
tren menguat. Kejatuhan IHSG tidak lepas dari memburuknya kinerja
bursa saham di dunia akibat resesi global. gejala pelemahan pasar
0,00
500,00
1000,00
1500,00
2000,00
2500,00
3000,00
3500,00
4000,00
4500,00
5000,00
Jan
-08
Mei
-08
Sep
-08
Jan
-09
Mei
-09
Sep
-09
Jan
-10
Mei
-10
Sep
-10
Jan
-11
Mei
-11
Sep
-11
Jan
-12
Mei
-12
Sep
-12
IHSG
IHSG
81
modal mulai terlihat dari berlanjutnya imbas krisis yang mencapai
puncak pada pertengahan September 2008.
Tabel 4.7
Tabel Jakarta Islamic Indeks (JII)
Periode 2008 2009 2010 2011 2012
Januari 476,97 213,63 427,68 477,51 562,54
Februari 508,95 214,12 413,73 496,87 566,75
Maret 448,42 236,79 433,67 514,92 584,06
April 428,09 279,87 474,80 528,76 575,09
Mei 441,66 307,14 444,60 531,38 525,05
Juni 430,29 321,46 473,79 536,04 544,19
Juli 387,81 385,22 483,32 567,12 573,73
Agustus 356,10 380,66 473,79 529,16 569,94
September 286,39 401,53 526,52 492,30 600,84
Oktober 193,68 383,67 540,29 530,19 619,27
November 195,69 397,89 508,78 520,49 588,78
Desember 216,19 417,18 532,90 537,03 594,79 Sumber : IDX Statistic, berbagai tahun terbit.
Pada tabel 4.7 dapat dilihat bahwa nilai indeks Jakarta Islamic
Indeks (JII) tertinggi terdapat pada bulan Oktober 2012 yakni sebesar
619,27. Sedangkan nilai Jakarta Islamic Indeks (JII) terendah terjadi
pada bulan Oktober 2008 yakni sebesar 193,68. Dari tabel tersebut
juga dapat dilihat bahwa indeks Jakarta Islamic Indeks (JII) bergerak
fluktuatif tiap bulannya. Untuk lebih jelas melihat pergerakan Jakarta
Islamic Indeks (JII) maka dapat di lihat dari grafik indeks Jakarta
Islamic Indeks (JII) periode 2008 sampai dengan 2012 berikut :
82
Gambar 4.7
Grafik Pergerakan Indeks Jakarta Islamic Indeks (JII)
Sumber : IDX Statistic, berbagai tahun terbit.
Pada bulan Oktober 2008, krisis global semakin meperburuk
kondisi bursa regional Asia yang akhirnya berdampak terhadap JII.
Kekacauan di Bursa Efek Indonesia terjadi karena aksi jual investor
asing yang terus berlanjut yang dampaknya penutupan sementara
(suspensi) bursa pada 8 Oktober 2008, hal ini dikarenakan jumlah
saham yang diperdagangkan tidak terlalu banyak tapi harga saham
terus turun. Namun, pada akhir bulan Oktober 2008 terlihat bursa
kembali menguat ini dipicu oleh maraknya aksi beli saham oleh
investor yang memanfaatkan kesempatan sebelum dilakukan
pemotongan tingkat suku bunga oleh The Federal Reserved Bank
(AS).
0,00
100,00
200,00
300,00
400,00
500,00
600,00
700,00
Jan
-08
Mei
-08
Sep
-08
Jan
-09
Mei
-09
Sep
-09
Jan
-10
Mei
-10
Sep
-10
Jan
-11
Mei
-11
Sep
-11
Jan
-12
Mei
-12
Sep
-12
JII
JII
83
Tabel 4.8
Tabel Indeks LQ45
Periode 2008 2009 2010 2011 2012
Januari 564,32 262,56 510,45 597,85 692,16
Februari 590,77 249,01 496,03 614,02 692,77
Maret 525,41 283,08 539,80 659,05 712,55
April 493,46 341,73 573,37 680,63 711,38
Mei 518,36 373,07 543,59 682,25 645,69
Juni 495,17 392,12 566,10 690,65 674,79
Juli 481,30 454,42 589,93 729,84 712,77
Agustus 449,66 456,27 581,31 676,26 695,53
September 369,14 483,96 651,93 622,64 731,77
Oktober 241,35 464,20 673,42 675,57 751,12
November 241,50 476,26 638,08 656,41 726,81
Desember 270,23 498,29 661,38 673,51 735,04 Sumber : IDX Statistic, berbagai tahun terbit.
Pada tabel 4.8 dapat dilihat bahwa nilai indeks LQ45 tertinggi
terdapat pada bulan Oktober 2012 yakni sebesar 751,12. Sedangkan
nilai indeks LQ45 terendah terjadi pada bulan Oktober 2008 yakni
sebesar 241,35. Dari tabel tersebut juga dapat dilihat bahwa indeks
LQ45 bergerak fluktuatif tiap bulannya. Untuk lebih jelas melihat
pergerakan indeks indeks LQ45 maka dapat di lihat dari grafik indeks
LQ45 periode 2008 sampai dengan 2012 berikut :
84
Gambar 4.8
Grafik Pergerakan Indeks LQ45
Sumber : IDX Statistic, berbagai tahun terbit.
Sama seperti IHSG, indeks LQ45 juga mengalami sentimen
negatif pada akhir tahun 2008 hingga awal tahun 2009. Selain dari
dampak dari sentimen negatif bursa Asia yang mengakibatkan indeks
LQ45 tak luput di terpa penurunan pula, penyebab lainny adalah
perlambatan pertumbuhan perekonomian dan kembali menguatnya
harga minyak dunia. Hingga pada awal tahun 2009 indeks LQ45
masih mengalami penurunan. Memasuki periode pertengahan tahun
2009 indeks LQ45 mulai menunjukan tren positif, dimana mulai ada
peningkatan angka di indeks LQ45. Dan hingga saat ini pergerakan
indeks LQ45 masih bergerak fluktuatif cenderung naik.
0,00
100,00
200,00
300,00
400,00
500,00
600,00
700,00
800,00
Jan
-08
Jun
-08
No
p-0
8
Ap
r-0
9
Sep
-09
Feb
-10
Jul-
10
Des
-10
Mei
-11
Okt
-11
Mar
-12
Agu
st-1
2
LQ45
LQ45
85
Tabel 4.9
Tabel Indeks Kompas 100
Periode 2008 2009 2010 2011 2012
Januari 661,51 323,85 628,29 782,23 891,16
Februari 688,40 302,24 610,83 802,32 897,49
Maret 614,93 349,00 668,75 851,88 927,44
April 575,54 421,40 715,67 880,53 932,14
Mei 606,13 463,81 675,34 881,25 841,57
Juni 579,06 490,20 701,91 894,91 874,45
Juli 565,23 565,62 735,15 942,95 919,66
Agustus 531,44 566,92 731,89 872,31 895,84
September 443,96 602,41 835,41 802,72 945,09
Oktober 299,44 574,02 853,36 864,11 967,54
November 299,18 587,42 820,08 840,10 941,71
Desember 330,86 612,45 860,70 865,20 946,27
Sumber : IDX Statistic, berbagai tahun terbit.
Pada tabel 4.9 dapat dilihat bahwa nilai indeks Kompas100
tertinggi terdapat pada bulan Oktober 2012 yakni sebesar 967,53.
Sedangkan nilai indeks Kompas100 terendah terjadi pada bulan
November 2008 yakni sebesar 299,18. Dari tabel tersebut juga dapat
dilihat bahwa indeks Kompas100 bergerak fluktuatif tiap bulannya.
Untuk lebih jelas melihat pergerakan indeks indeks Kompas100 maka
dapat di lihat dari grafik indeks Kompas100 periode 2008 sampai
dengan 2012 berikut :
86
Gambar 4.9
Grafik Pergerakan Indeks Kompas 100
Sumber : IDX Statistic, berbagai tahun terbit
Bulan September 2008, bursa Asia anjlok dikarenakan dampak
dari bangkrutnya Lehman Brothers, bank investasi terbesar di dunia.
Hal ini membuat terguncangnya bursa global dikarenakan akan
mengancam sistem keuangan global. Di Indonesia, Kompas 100 ikut
terpuruk karena adanya panic selling investor. Kondisi yang tidak
menentu berpengaruh sampai awal Desember, mejelang pertengahan
Desember kondisi Keuangan global perlahan membaik, ditandai oleh
pergerakan sebagian bursa regional karena pangaruh sentimen positif
atas Wall Street. Januari 2009 pengaruh dari krisis yang menimpa
bursa global masih berdampak, ini terlihat dari anjloknya bursa Asia
sampai awal Januari. Pada Maret 2009 indeks Kompas 100 kembali
menguat dan berdampak pada menguatnya bursa di Indonesia.
0,00
200,00
400,00
600,00
800,00
1000,00
1200,00
Jan
-08
Jun
-08
No
p-0
8
Ap
r-0
9
Sep
-09
Feb
-10
Jul-
10
Des
-10
Mei
-11
Okt
-11
Mar
-12
Agu
st-1
2
Kompas100
Kompas100
87
2. Analisis Statistik
Dalam bab ini penulis menganalisis data yang telah terkumpul.
Data yang telah dikumpulkan tersebut berupa data IHSG, JII, LQ45
dan Kompas 100 dari perusahaan yang listing di Bursa Efek
Indonesia tahun 2008 sampai tahun 2012 dan juga berupa data
makro ekonomi (Kurs dan BI Rate) serta indeks bursa internasional
(Indeks DJIA, HSI, Nikkei225) periode 2008 sampai 2012. Hasil
pengolahan data berupa informasi untuk menganalisis apakah Kurs,
Tingkat Suku Bunga Bank Indonesia (BI Rate), Indeks DJIA, HSI
dan Nikkei225 memiliki pengaruh terhadap IHSG, JII, Indeks LQ45
dan Kompas100 serta berapa besar pengaruhnya.
2.1 Uji Normalitas
Sebelum melakukan uji statistik langkah awal yang harus
dilakukan adalah screening terhadap data yang akan diolah.
Salah satu asumsi penggunaan uji statistik parametrik adalah
asumsi normality. Asumsi normalitas merupakan asumsi bahwa
setiap variabel dan semua kombinasi linier dari variabel
berdistribusi normal. Jika asumsi ini dipenuhi, maka nilai
residual dari analisis juga berdistribusi normal dan independen.
(Ghazali, 2012:29).
88
Tabel 4.10
Uji Normalitas IHSG
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parametersa Mean .0000000
Std. Deviation 1.85846164E2
Most Extreme Differences Absolute .070
Positive .057
Negative -.070
Kolmogorov-Smirnov Z .543
Asymp. Sig. (2-tailed) .930
a. Test distribution is Normal.
Sumber : data diolah
Dari tabel 4.10 di dapat besarnya nilai Kolmogorov-
Smirnov adalah sebesar 0,543 dengan tingkat signifikan pada
0,930 hal ini menunjukan H0 diterima yang berarti data residual
terdistribusi normal.
Gambar 4.10
Grafik P-P Plot Terhadap Variabel IHSG
89
Berdasarkan Gambar 4.10 di atas, terlihat bahwa penyebaran
data (titik) menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal yang berarti bahwa data berdistribusi normal atau
model regresi memenuhi asumsi normalitas.
Tabel 4.11
Uji Normalitas JII
D
ari tabel 4.11 di dapat besarnya nilai Kolmogorov-Smirnov
adalah sebesar 0,608 dengan tingkat signifikan pada 0,854 hal
ini menunjukan H0 diterima yang berarti data residual
terdistribusi normal.
Gambar 4.11
Grafik P-P Plot Terhadap Variabel JII
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parametersa Mean .0000000
Std. Deviation 26.47536180
Most Extreme Differences Absolute .078
Positive .078
Negative -.061
Kolmogorov-Smirnov Z .608
Asymp. Sig. (2-tailed) .854
a. Test distribution is Normal.
Sumber : data diolah
90
Berdasarkan Gambar 4.11 di atas, terlihat bahwa
penyebaran data (titik) menyebar disekitar garis diagonal dan
mengikuti arah garis diagonal yang berarti bahwa data
berdistribusi normal atau model regresi memenuhi asumsi
normalitas.
Tabel 4.12
Uji Normalitas LQ45
Sumber : data diolah
Dari tabel 4.12 di dapat besarnya nilai Kolmogorov-Smirnov
adalah sebesar 0,711 dengan tingkat signifikan pada 0,693 hal
ini menunjukan H0 diterima yang berarti data residual
terdistribusi normal.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parametersa Mean .0000000
Std. Deviation 30.61795016
Most Extreme Differences
Absolute .092
Positive .050
Negative -.092
Kolmogorov-Smirnov Z .711
Asymp. Sig. (2-tailed) .693
a. Test distribution is Normal.
91
Gambar 4.12
Grafik P-P Plot Terhadap Variabel LQ45
Berdasarkan Gambar 4.12 di atas, terlihat bahwa
penyebaran data (titik) menyebar disekitar garis diagonal dan
mengikuti arah garis diagonal yang berarti bahwa data
berdistribusi normal atau model regresi memenuhi asumsi
normalitas.
Tabel 4.13
Uji Normalitas Kompas100
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parametersa Mean .0000000
Std. Deviation 39.44027301
Most Extreme Differences Absolute .090
Positive .051
Negative -.090
Kolmogorov-Smirnov Z .696
Asymp. Sig. (2-tailed) .719
a. Test distribution is Normal.
92
Dari tabel 4.13 di dapat besarnya nilai Kolmogorov-
Smirnov adalah sebesar 0,696 dengan tingkat signifikan pada
0,719 hal ini menunjukan H0 diterima yang berarti data residual
terdistribusi normal.
Gambar 4.13
Grafik P-P Plot Terhadap Variabel Kompas 100
Berdasarkan Gambar 4.13 di atas, terlihat bahwa penyebaran
data (titik) menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal yang berarti bahwa data berdistribusi normal atau
model regresi memenuhi asumsi normalitas.
2.2 Uji Heteroskedastisitas
Sebagaimana diketahui bahwa salah satu asumsi yang harus
dipenuhi agar taksiran parameter dalam model regresi bersifat
BLUE (Best linier Unbias Estimator) maka var (u1) harus sama
dengan σ2 (konsatan), atau dengan kata lain , semua residual
atau error mempunyai varian yang sama. Kondisi ini disebut
dengan homoekedastisitas. Sedangkan bila varian tidak
konsisten atau berubah-ubah disebut dengan heteroskedastisitas.
93
(Nachrowi & Usman, 2006:109). Data yang baik adalah data
yang homoskedastisitas. Untuk menguji heteroskedastisitas
terdapat berbagai macam cara, dan yang akan dipakai dalam
penelitian ini adalah uji Glejser.
Tabel 4.14
Uji Heteroskedastisitas terhadap variabel IHSG Coefficients
a
Model
Unstandardized Coefficients Standardized Coefficients
T Sig. B Std. Error Beta
1 (Constant) 6.189 4.093 1.512 .144
KURS .000 .000 -.374 -1.022 .317
BI_RATE -10.798 22.054 -.187 -.490 .629
DJIA -4.133E-5 .000 -.110 -.330 .744
HSI .000 .000 -.743 -1.350 .189
N225 .000 .000 .419 .862 .397
a. Dependent Variable: AbsUt
Sumber : data diolah
Dalam tabel 4.14 dapat di lihat hasil tampilan output SPSS
dengan jelas menunjukan bahwa tidak ada satupun variabel
independen yang signifikan secara statistik mempengaruhi
variabel dependen nilai AbsUt (IHSG). Hal ini terlihat dari
probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi
dapat disimpulkan model regresi tidak mengandung adanya
heteroskedastisitas (homoskedastisitas).
94
Gambar 4.14
Scatter Plot Terhadap Variabel IHSG
Berdasarkan tampilan pada Scatterplot dalam Gambar
4.14 di atas, terlihat bahwa plot menyebar secara acak di atas
maupun di bawah angka nol pada sumbu Regression Studentized
Residual. Oleh karena itu maka berdasarkan uji
heteroskedastisitas menggunakan metode analisis grafik, pada
model regresi yang terbentuk dinyatakan tidak terjadi gejala
heteroskedastisitas.
Tabel 4.15
Uji Heteroekedastisitas terhadap variabel JII
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .038 .078 .482 .632
KURS -2.460E-6 .000 -.118 -.474 .637 .275 3.641
BI_RATE .393 .340 .273 1.157 .253 .306 3.271
DJIA -2.648E-8 .000 -.003 -.013 .990 .441 2.270
HSI -1.076E-6 .000 -.187 -.549 .586 .146 6.847
N225 4.003E-7 .000 .036 .130 .897 .225 4.439
a. Dependent Variable: Absut
Sumber : Data diolah
95
Dalam tabel 4.15 dapat di lihat hasil tampilan output
SPSS dengan jelas menunjukan bahwa tidak ada satupun
variabel independen yang signifikan secara statistik
mempengaruhi variabel dependen nilai AbsUt (JII). Hal ini
terlihat dari probabilitas signifikansinya di atas tingkat
kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak
mengandung adanya heteroskedastisitas (homoskedastisitas).
Gambar 4.15
Scatter Plot Terhadap Variabel JII
Berdasarkan tampilan pada Scatterplot dalam Gambar
4.15 di atas, terlihat bahwa plot menyebar secara acak di atas
maupun di bawah angka nol pada sumbu Regression Studentized
Residual. Oleh karena itu maka berdasarkan uji
heteroskedastisitas menggunakan metode analisis grafik, pada
model regresi yang terbentuk dinyatakan tidak terjadi gejala
heteroskedastisitas.
96
Tabel 4.16
Uji Heteroskedastisitas terhadap variabel LQ45
D
D
alam tabel 4.16 dapat di lihat hasil tampilan output SPSS
dengan jelas menunjukan bahwa tidak ada satupun variabel
independen yang signifikan secara statistik mempengaruhi
variabel dependen nilai AbsUt (LQ45). Hal ini terlihat dari
probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi
dapat disimpulkan model regresi tidak mengandung adanya
heteroskedastisitas (homoskedastisitas).
Coefficientsa
Model
Unstandardized Coefficients Standardized Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Toleranc
e VIF
1 (Constant) -.008 .071 -.109 .914
KURS 5.226E-8 .000 .003 .011 .991 .275 3.641
BI_RATE .524 .309 .408 1.698 .095 .306 3.271
DJIA 8.951E-7 .000 .097 .484 .630 .441 2.270
HSI 8.888E-7 .000 .173 .499 .620 .146 6.847
N225 -3.453E-6 .000 -.344 -1.230 .224 .225 4.439
a. Dependent Variable: Absut
Sumber : data diolah
97
Gambar 4.16
Scatter Plot Terhadap Variabel LQ45
Berdasarkan tampilan pada Scatterplot dalam Gambar
4.16 di atas, terlihat bahwa plot menyebar secara acak di atas
maupun di bawah angka nol pada sumbu Regression Studentized
Residual. Oleh karena itu maka berdasarkan uji
heteroskedastisitas menggunakan metode analisis grafik, pada
model regresi yang terbentuk dinyatakan tidak terjadi gejala
heteroskedastisitas.
98
Tabel 4.17
Uji Heteroskedastisitas terhadap variabel Kompas100
Sumber : data diolah
Dalam tabel 4.17 dapat di lihat hasil tampilan output
SPSS dengan jela menunjukan bahwa tidak ada satupun variabel
independen yang signifikan secara statistik mempengaruhi
variabel dependen nilai AbsUt (Kompas100). Hal ini terlihat
dari probabilitas signifikansinya di atas tingkat kepercayaan 5%.
Jadi dapat disimpulkan model regresi tidak mengandung adanya
heteroskedastisitas (homoskedastisitas).
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .046 .069 .669 .507
KURS -2.601E-6 .000 -.146 -.573 .569 .275 3.641
BI_RATE .371 .297 .302 1.249 .217 .306 3.271
DJIA -1.199E-6 .000 -.136 -.673 .504 .441 2.270
HSI 1.007E-6 .000 .205 .587 .560 .146 6.847
N225 -3.231E-6 .000 -.337 -1.196 .237 .225 4.439
a. Dependent Variable: Absut
99
Gambar 4.17
Scatter Plot Terhadap Variabel Kompas 100
Berdasarkan tampilan pada Scatterplot dalam Gambar
4.17 di atas, terlihat bahwa plot menyebar secara acak di atas
maupun di bawah angka nol pada sumbu Regression Studentized
Residual. Oleh karena itu maka berdasarkan uji
heteroskedastisitas menggunakan metode analisis grafik, pada
model regresi yang terbentuk dinyatakan tidak terjadi gejala
heteroskedastisitas.
2.3 Uji Autokorelasi
Salah satu asumsi regresi linier adalah tidak terdapatnya
autokorelasi. Autokorelasi ialah korelasi antara sesama urutan
pengamatan dari waktu ke waktu. Ada beberapa alasan mengapa
autokorelasi terjadi yaitu (Rodoni, 2005: 86) :
100
Inertia, yaitu adanya momentum yang masuk kedalam
variabel-variabel X yang terus menerus sehingga sesuatu
akan terjadi dan mempengaruhi nilai-nilai pada variabel-
variabel X-nya.
Terjadi penyimpangan spesifikasi karena adanya variabel X
lain yang tidak dimasukkan pada model.
Bentuk fungsi yang salah.
Adanya lags (tenggang waktu).
Manipulasi data yang mengakibatkan data tidak akurat.
Untuk memeriksa adaya autokorelasi, biasanya dipakai uji
Durbin-Watson dengan hipotesis seperti di bawah ini:
Tabel 4.18
Tabel untuk menentukan ada tidaknya autokorelasi dengan uji Durbin
Watson
Tolak
H0,
berarti
ada
autokore
lasi
positif
Tidak
dapat
diputus
kan
Tidak menolak H0,
berarti tidak ada
autokorelasi
Tidak
dapat
diputus
kan
Tolak
H0,
berarti
ada
autokorel
asi
negatif
0 dL dU 2 4-dU 4-dL
1,408 1,767 2,233 2,592
Dengan hipotesis yang akan di uji adalah sebagai berikut:
H0 : Tidak ada Autokorelasi
Ha : Ada autokorelasi
101
Tabel 4.19
Uji Autokorelasi Terhadap Variabel IHSG
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate
Durbin-Watson
1 .980a .960 .957 194.25971 .919
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: IHSG Sumber : data diolah
Berdasarkan tabel diatas didapat nilai Durbin Watson
sebesar 0.919. Nilai ini akan di bandingkan dengan nilai tabel
dengan menggunakan nilai signifikansi 5%, jumlah sampel 60
(n) dan jumlah variabel independen 5 (k=5), maka di dapat nilai
dL = 1.408 dan nilai dU = 1.767. oleh karena nilai DW 0.919
lebih kecil dari batas dL, maka dapat disimpulkan bahwa ada
autokorelasi positif.
Oleh karena adanya autokorelasi maka nilai standard
error (SE) dan nilai t-statistik tidak dapat dipercaya sehingga
diperlukan pengobatan. Pengobatan autokorelasi tergantung dari
nilai ρ yang dapat diestimasi dengan cara nilai ρ diestimasi
dengan metode Theil-Nagar d
ρ = n2 (1 – d/2) + k
2 = (60)
2 (1 – 0,915/2) + (5)
2 = 0,5532
n2 – k
2 (60)
2 – (5)
2
Hasil estimasi ρ kemudian di transformasikan kedalam
model persamaan dan hasil output setelah dilakukan
pengobatan oleh penulis adalah sebagai berikut :
102
Tabel 4.20
Pengobatan Autokorelasi Terhadap Variabel IHSG
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson
1 .954a .911 .902 .05449 1.878
a. Predictors: (Constant), LN_N225Iit@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@
b. Dependent Variable: LN_IHSGit@ Sumber : data diolah
Setelah dilakukan pengobatan didapatkan nilai Durbin
Watson sebesar 1.878 nilai ini lebih besar dari batas atas (dU)
1.767 dan kurang dari 4 – 1.767 (4 - dU ), maka H0 diterima
sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi.
Tabel 4.21
Uji Autokorelasi Terhadap Variabel JII
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate
Durbin-Watson
1 .973a .946 .941 27.67394 .898
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: JII
Sumber : data diolah
Berdasarkan tabel diatas didapat nilai Durbin Watson
sebesar 0.898. Nilai ini akan di bandingkan dengan nilai tabel
dengan menggunakan nilai signifikansi 5%, jumlah sampel 60
(n) dan jumlah variabel independen 5 (k=5), maka di dapat nilai
dL = 1.408 dan nilai dU = 1.767. Oleh karena nilai DW 0.898
103
lebih kecil dari batas dL, maka dapat disimpulkan bahwa ada
autokorelasi positif.
Oleh karena adanya autokorelasi maka nilai standard
error (SE) dan nilai t-statistik tidak dapat dipercaya sehingga
diperlukan pengobatan. Pengobatan autokorelasi tergantung dari
nilai ρ yang dapat diestimasi dengan cara nilai ρ diestimasi
dengan metode Theil-Nagar d :
ρ = n2 (1 – d/2) + k
2 = (60)
2 (1 – 0,771/2) + (5)
2 = 0,6258
n2 – k
2 (60)
2 – (5)
2
Hasil estimasi ρ kemudian di transformasikan kedalam
model persamaan dan hasil output setelah dilakukan
pengobatan oleh penulis adalah sebagai berikut :
Tabel 4.22
Pengobatan Autokorelasi Terhadap Variabel JII Model Summary
b
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson
1 .924a .853 .839 .05414 2.036
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@
b. Dependent Variable: LN_JIIit@ Sumber : data diolah
Setelah dilakukan pengobatan didapatkan nilai Durbin
Watson sebesar 2.036 nilai ini lebih besar dari batas atas (dU)
1.767 dan kurang dari 4 – 1.767 (4 - dU ), maka H0 diterima
sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi.
104
Tabel 4.23
Uji Autokorelasi Terhadap Variabel LQ45
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate
Durbin-Watson
1 .977a .955 .951 32.00407 .926
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: LQ45
Sumber : data diolah
Berdasarkan tabel diatas didapat nilai Durbin Watson
sebesar 0.926. Nilai ini akan di bandingkan dengan nilai tabel
dengan menggunakan nilai signifikansi 5%, jumlah sampel 60
(n) dan jumlah variabel independen 5 (k=5), maka di dapat nilai
dL = 1.408 dan nilai dU = 1.767. oleh karena nilai DW 0.919
lebih kecil dari batas dL, maka dapat disimpulkan bahwa ada
autokorelasi positif.
Oleh karena adanya autokorelasi maka nilai standard
error (SE) dan nilai t-statistik tidak dapat dipercaya sehingga
diperlukan pengobatan. Pengobatan autokorelasi tergantung dari
nilai ρ yang dapat diestimasi dengan cara nilai ρ diestimasi
dengan metode Theil-Nagar d
ρ = n2 (1 – d/2) + k
2 = (60)
2 (1 – 0,5895/2) + (5)
2 = 0,6006
n2 – k
2 (60)
2 – (5)
2
Hasil estimasi ρ kemudian di transformasikan kedalam
model persamaan dan hasil output setelah dilakukan
pengobatan oleh penulis adalah sebagai berikut :
105
Tabel 4.24
Pengobatan Autokorelasi Terhadap Variabel LQ45
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate
Durbin-Watson
1 .945a .892 .882 .04945 1.980
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@
b. Dependent Variable: LN_LQ45it@
Sumber : data diolah
Setelah dilakukan pengobatan didapatkan nilai Durbin
Watson sebesar 1.980 nilai ini lebih besar dari batas atas (dU)
1.767 dan kurang dari 4 – 1.767 (4 - dU ), maka H0 diterima
sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi.
Tabel 4.25
Uji Autokorelasi Terhadap Variabel Kompas 100
Sumber : data diolah
Berdasarkan tabel diatas didapat nilai Durbin Watson
sebesar 0.983. Nilai ini akan di bandingkan dengan nilai tabel
dengan menggunakan nilai signifikansi 5%, jumlah sampel 60
(n) dan jumlah variabel independen 5 (k=5), maka di dapat nilai
dL = 1.408 dan nilai dU = 1.767. oleh karena nilai DW 0.919
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate
Durbin-Watson
1 .980a .960 .956 41.22579 .983
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: KOMPAS100
106
lebih kecil dari batas dL, maka dapat disimpulkan bahwa ada
autokorelasi positif.
Oleh karena adanya autokorelasi maka nilai standard
error (SE) dan nilai t-statistik tidak dapat dipercaya sehingga
diperlukan pengobatan. Pengobatan autokorelasi tergantung dari
nilai ρ yang dapat diestimasi dengan cara nilai ρ diestimasi
dengan metode Theil-Nagar d
ρ = n2 (1 – d/2) + k
2 = (60)
2 (1 – 0,894/2) + (5)
2 = 0,5639
n2 – k
2 (60)
2 – (5)
2
Hasil estimasi ρ kemudian di transformasikan kedalam
model persamaan dan hasil output setelah dilakukan
pengobatan oleh penulis adalah sebagai berikut :
Tabel 4.26
Pengobatan Autokorelasi Terhadap Variabel Kompas100
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate
Durbin-Watson
1 .955a .912 .904 .04987 1.978
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@
b. Dependent Variable: LN_KOMPAS100it@
Sumber : Data diolah
Setelah dilakukan pengobatan didapatkan nilai Durbin
Watson sebesar 1.978 nilai ini lebih besar dari batas atas (dU)
1.767 dan kurang dari 4 – 1.767 (4 - dU ), maka H0 diterima
sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi.
107
2.4 Uji Multikolinieritas
Asumsi model regresi berganda yang harus dipenuhi
selanjutnya adalah bahwa dalam model persamaan regresi tidak
terjadi korelasi yang signifikan antar variabel bebasnya. Dalam
stastistika, tidak terjadi multikolinieritas. Multikolinieritas
adalah kondisi adanya hubungan linier antarvariabel
independen.
Multikolinieritas dapat dilihat dari nilai tolerance dan
variance inflation factor (VIF). Kedua ukuran ini menunjukan
setiap variabel independen manakah yang dijelaskan oleh
variabel independen lainnya. Tolerance mengukur variabilitas
variabel independen yang terpilih yang tidak dijelaskan oleh
variabel independen lainnya. Nilai cutoff yang umum dipakai
untuk menunjukan adanya multikolinieritas adalah nilai
tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10. (Ghazali,
2012:105)
Tabel 4.27
Uji Multikolinieritas Terhadap IHSG
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
KURS ,276 3,626
BI_RATE ,297 3,367
DJIA ,442 2,262
HSI ,144 6,965
N225 ,210 4,765
Sumber : Data diolah
108
Pada hasil output diatas dapat dilihat bahwa nilai variabel
independen yang memiliki nilai tolerance lebih dari 0,10 dan
memiliki nilai VIF pada semua variabel independen kurang dari
10 jadi dapat disimpulkan bahwa tidak ada masalah
multikolinieritas antarvariabel independen dalam model regresi.
Tabel 4.28
Uji Multikolinieritas Terhadap JII
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
KURS ,276 3,626
BI_RATE ,297 3,367
DJIA ,442 2,262
HSI ,144 6,965
N225 ,210 4,765
Sumber : Data diolah
Pada hasil output diatas dapat dilihat bahwa nilai variabel
independen yang memiliki nilai tolerance lebih dari 0,10 dan
memiliki nilai VIF pada semua variabel independen kurang dari
10 jadi dapat disimpulkan bahwa tidak ada masalah
multikolinieritas antarvariabel independen dalam model regresi.
Tabel 4.29
Uji Multikolinieritas Terhadap LQ45
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
KURS ,276 3,626
BI_RATE ,297 3,367
DJIA ,442 2,262
HSI ,144 6,965
N225 ,210 4,765
Sumber : Data diolah
109
Pada hasil output diatas dapat dilihat bahwa nilai variabel
independen yang memiliki nilai tolerance lebih dari 0,10 dan
memiliki nilai VIF pada semua variabel independen kurang dari
10 jadi dapat disimpulkan bahwa tidak ada masalah
multikolinieritas antarvariabel independen dalam model regresi.
Tabel 4.30
Uji Multikolinieritas Terhadap Kompas100
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
KURS ,276 3,626
BI_RATE ,297 3,367
DJIA ,442 2,262
HSI ,144 6,965
N225 ,210 4,765
Sumber : Data diolah
Pada hasil output diatas dapat dilihat bahwa nilai variabel
independen yang memiliki nilai tolerance lebih dari 0,10 dan
memiliki nilai VIF pada semua variabel independen kurang dari
10 jadi dapat disimpulkan bahwa tidak ada masalah
multikolinieritas antarvariabel independen dalam model regresi.
3. Uji Hipotesis
3.1 Uji Statistik Persamaan i (IHSG)
Uji F Simultan
Uji statistik F pada dasarnya menunjukan apakah semua
variabel independen atau bebas yang dimasukkan dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel
110
dependen. Pengambilan keputusan dilakukan dengan
membandingkan nilai signifikansinya dengan level signifikansi
sebesar 0,05. Jika sig>0.05, maka H0 diterima dan jika sig <0.05
maka H0 ditolak. Selain itu juga dapat membandingkan nilai F
hasil perhitungan dengan nilai F menurut tabel. Bila nilai F
hitung lebih besar daripada nilai F tabel, maka H0 ditolak dan
menerima Ha.
Tabel 4.31
Uji F Terhadap Variabel IHSG ANOVA
b
Model Sum of
Squares Df Mean Square F Sig.
1 Regression 49460908,118 5 9892181,624 262,136 ,000a
Residual 2037788,997 54 37736,833 Total 51498697,115 59
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: IHSG Sumber : data diolah
Berdasarkan tabel 4.31, nilai F hasil perhitungan sebesar
262,163 dengan tingkat signifikansi 0,000. Karena tingkat
signifikansi lebih kecil dari 0,05 (0,000<0,05) dan nilai F tabel
sebesar 2,39 (df,k (n-k-1) 5, (60-5-1= 54, α = 0.05), sehingga F
hitung > F tabel (262,163 > 2,39), maka H0 ditolak atau Ha
diterima. Dapat disimpulkan bahwa Kurs, BI Rate, Indeks DJIA,
Indeks HSI, Indeks Nikkei225 secara bersama-sama
berpengaruh terhadap indeks harga saham gabungan (IHSG).
111
Uji t Parsial
Tabel 4.32
Uji t Terhadap Variabel IHSG
Sumber : data diolah
a) Uji Terhadap Variabel Kurs
Hasil yang didapat pada tabel 4.32 di atas, variabel Kurs
menunjukkan nilai lebih sebesar 0,000 lebih kecil dari α (0,000
< 0,05). Sedangkan nilai t hitung variabel kurs = -3,977 dan t
tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05),
sehingga t hitung > t tabel (3,977 > 2,00488). Maka H0 ditolak
sehingga dapat disimpulkan bahwa variabel Kurs berpengaruh
negatif terhadap IHSG.
b) Uji Terhadap Variabel BI Rate
Hasil yang didapat pada tabel 4.32 di atas, variabel BI Rate
menunjukkan hasil yang signifikan ada nilai 0,000 lebih kecil
dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel BI Rate
= -6,075 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α =
0,05), sehingga t hitung > t tabel (6,075 > 2,00488). Maka H0
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 4527,534 885,748 5,112 ,000 KURS -,235 ,059 -,205 -3,977 ,000 ,276 3,626
BI_RATE -23522,023 3872,209 -,302 -6,075 ,000 ,297 3,367
DJIA ,330 ,023 ,584 14,343 ,000 ,442 2,262
HSI ,023 ,022 ,075 1,044 ,301 ,144 6,965
N225 -,193 ,035 -,328 -5,547 ,000 ,210 4,765
a. Dependent Variable: IHSG
112
ditolak sehingga dapat disimpulkan bahwa variabel BI Rate
berpengaruh negatif terhadap IHSG.
c) Uji Terhadap Variabel Indeks DJIA
Hasil yang didapat pada tabel 4.32 di atas, variabel Indeks DJIA
menunjukan nilai 0,000 lebih kecil dari α (0,000 < 0,05).
Sedangkan nilai t hitung variabel indeks DJIA = 14,343 dan t
tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05),
sehingga t hitung > t tabel 14,343 > 2,00488). Maka H0 ditolak
sehingga dapat disimpulkan bahwa variabel Indeks DJIA
berpengaruh positif terhadap IHSG.
d) Uji Terhadap Variabel Indeks HangSeng
Hasil yang didapat pada tabel 4.32 di atas, variabel Indeks
HangSeng menunjukkan 0,301 nilai lebih besar dari α (0,301 >
0,05). Sedangkan nilai t hitung variabel indeks HSI = 1,340 dan
t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α = 0,05),
sehingga t hitung < t tabel (1,044 < 2,00488). Maka H0 diterima
sehingga dapat disimpulkan bahwa variabel Indeks HangSeng
tidak berpengaruh terhadap JII.
e) Uji Terhadap Variabel Indeks Nikkei 225
Hasil yang didapat pada tabel 4.32 di atas, variabel Indeks
Nikkei225 menunjukkan nilai 0,000 lebih kecil dari α (0,000 <
0,05). Sedangkan nilai t hitung variabel indeks Nikkei225 = -
5,547 dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α =
113
0,05), sehingga t hitung > t tabel (5,547 > 2,00488). Maka H0
ditolak sehingga dapat disimpulkan bahwa variabel Indeks
Nikkei225 berpengaruh negatif terhadap IHSG.
Berdasarkan tabel 4.32 dapat diperoleh model persamaan
regresi sebagai berikut:
Adapun interpretasi terhadap model regresi tersebut adalah
sebagai berikut :
1) Apabila kurs, BI Rate, indeks DJIA, indeks HSI dan
indeks Nikkei225 bernilai 0, maka nilai IHSG adalah
4527,53.
2) Kurs = -0,235 maksudnya adalah jika setiap kenaikan
kurs sebesar 1000 (BI Rate, indeks DJIA, indeks HSI dan
indeks Nikkei225 tetap) maka akan menyebabkan IHSG
turun sebesar 0,235.
3) BI Rate = -23522,02 maksudnya adalah jika setiap
kenaikan BI Rate 1% (kurs, indeks DJIA, indeks HSI dan
indeks Nikkei225 tetap) maka akan menyebabkan IHSG
turun sebesar 23522,02.
4) Indeks DJIA = 0,330 maksudnya adalah jika setiap
indeks DJIA naik 1000 (kurs, BI Rate, indeks HSI dan
IHSG= 4527,53 – 0,23kurs – 23522,02BI Rate + 0,330DJIA – 0,193N225
114
indeks Nikkei225 tetap) maka akan menyebabkan IHSG
naik sebesar 0,330.
5) Indeks Nikkei225 = -0,193 maksudnya adalah jika setiap
indeks Nikkei225 naik 1000 (kurs, BI Rate, indeks DJIA,
indeks HSI tetap) maka akan menyebabkan IHSG turun
sebesar 0,193.
Uji Adjusted R Square (R2)
Tabel 4.33
Uji Adjusted R2
terhadap Variabel IHSG
Besarnya angka Adjusted R Square adalah 0,957 atau
sebesar 95,7%. Dapat disimpulkan bahwa Variabel indeks harga
saham gabungan dapat dijelaskan oleh variabel kurs Rupiah
terhadap Dolar, BI Rate, Indeks DJIA, Indeks HSI dan Indeks
Nikkei225 sebesar 95,7%. Sedangkan sisanya 4,3% (100% -
95,7%) dapat dijelaskan oleh variabel-variabel lainnya yang
tidak dimasukkan kedalam penelitian seperti inflasi, Produk
Domestik Bruto (PDB), indeks Malaysia, indeks NYSE dan
lain-lain. Adapun angka koefisien korelasi (R) menunjukan
angka sebesar 0,980 yang menandakan bahwa hubungan antara
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate
1 .980a .960 .957 194.25971
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: IHSG
Sumber : data diolah
115
variabel independen dan variabel dependen adalah kuat karena
memiliki nilai lebih dari 0,5 (0,980 > 0,5).
3.2 Uji Statistik persamaan ii (JII)
Uji F Simultan
Tabel 4.34
Uji F Terhadap Variabel JII
ANOVAb
Model Sum of Squares df
Mean Square F Sig.
1 Regression 723124,364 5 144624,873 188,843 ,000a
Residual 41355,742 54 765,847 Total 764480,106 59
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: JII Sumber : data diolah
Berdasarkan tabel 4.34, nilai F hasil perhitungan sebesar
188,843 dengan tingkat signifikansi 0,000. Karena tingkat
signifikansi lebih kecil dari 0,05 (0,000<0,05) dan nilai F tabel
sebesar 2,39 (df,k (n-k-1) 5, (60-5-1= 54, α = 0.05), sehingga F
hitung > F tabel (188,843 > 2,39), maka H0 ditolak atau Ha
diterima. Dapat disimpulkan bahwa Kurs, BI Rate, Indeks DJIA,
Indeks HSI, Indeks Nikkei225 secara bersama-sama
berpengaruh terhadap Jakarta Islamic Index (JII).
116
Uji t Parsial
Tabel 4.35
Uji t Terhadap Variabel JII Coefficients
a
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Toleranc
e VIF
1 (Constant) 548,357 126,182 4,346 ,000
KURS -,028 ,008 -,202 -3,359 ,001 ,276 3,626
BI_RATE -3565,134 551,629 -,375 -6,463 ,000 ,297 3,367
DJIA ,034 ,003 ,501 10,521 ,000 ,442 2,262
HSI ,004 ,003 ,112 1,340 ,186 ,144 6,965
N225 -,007 ,005 -,097 -1,406 ,165 ,210 4,765
a. Dependent Variable: JII Sumber : data diolah
a) Uji Terhadap Variabel Kurs
Hasil yang didapat pada tabel 4.35 di atas, variabel Kurs
menunjukkan nilai 0,001 lebih kecil dari α (0,001 <
0,05). Sedangkan nilai t hitung variabel kurs = -3,359
dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α =
0,05), sehingga t hitung > t tabel (3,359 > 2,00488).
Maka H0 ditolak sehingga dapat disimpulkan bahwa
variabel Kurs berpengaruh negatif terhadap JII.
b) Uji Terhadap Variabel BI Rate
Hasil yang didapat pada tabel 4.35 di atas, variabel BI
Rate menunjukkan nilai 0,000 lebih kecil dari α (0,000 <
0,05). Sedangkan nilai t hitung variabel BI Rate = -6,463
dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α =
0,05), sehingga t hitung > t tabel (6,463 > 2,00488).
117
Maka H0 ditolak sehingga dapat disimpulkan bahwa
variabel BI Rate berpengaruh negatif terhadap JII.
c) Uji Terhadap Variabel Indeks DJIA
Hasil yang didapat pada tabel 4.35 di atas, variabel
Indeks DJIA menunjukkan 0,000 nilai lebih kecil dari α
(0,000 < 0,05). Sedangkan nilai t hitung variabel indeks
DJIA = 10,521 dan t tabel sebesar 2,00488 (df (n-k-1)
60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel
(10,521 > 2,00488). Maka H0 ditolak sehingga dapat
disimpulkan bahwa variabel Indeks DJIA berpengaruh
positif terhadap JII.
d) Uji Terhadap Variabel Indeks HangSeng
Hasil yang didapat pada tabel 4.35 di atas, variabel
Indeks HangSeng menunjukkan 0,186 nilai lebih besar
dari α (0,186 > 0,05). Sedangkan nilai t hitung variabel
indeks HSI = 1,340 dan t tabel sebesar 2,00488 (df (n-k-
1) 60-5-1 = 54, α = 0,05), sehingga t hitung < t tabel
(1,340 < 2,00488). Maka H0 diterima sehingga dapat
disimpulkan bahwa variabel Indeks HangSeng tidak
berpengaruh terhadap JII.
e) Uji Terhadap Variabel Indeks Nikkei 225
Hasil yang didapat pada tabel 4.35 di atas, variabel
Indeks Nikkei225 menunjukkan 0,165 nilai lebih besar
118
dari α (0,165 > 0,05). Sedangkan nilai t hitung variabel
indeks Nikkei 225 = -1,406 dan t tabel sebesar 2,00488
(df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung < t
tabel (1,406 < 2,00488). Maka H0 diterima sehingga
dapat disimpulkan bahwa variabel Indeks Nikkei 225
tidak berpengaruh terhadap JII.
Berdasarkan tabel 4.35 dapat diperoleh model persamaan
regresi sebagai berikut:
Adapun interpretasi terhadap model regresi tersebut adalah
sebagai berikut :
1) Apabila kurs, BI Rate, indeks DJIA, indeks HSI dan
indeks Nikkei225 bernilai 0 maka JII sebesar 548,36.
2) Kurs = -0,28 maksudnya adalah jika setiap kenaikan
kurs sebesar 1000 (BI Rate, indeks DJIA, indeks HSI dan
indeks Nikkei225 tetap) maka akan menyebabkan JII
turun sebesar 0,28.
3) BI Rate = -3565,13 maksudnya adalah jika setiap BI
Rate sebear 1% (kurs, indeks DJIA, indeks HSI dan
indeks Nikkei225 tetap) maka akan menyebabkan JII
turun sebesar 3565,13.
JII= 548,36 – 0,28kurs– 3565,13BI Rate + 0,034DJIA
119
4) Indeks DJIA = 0,034 maksudnya adalah jika setiap
indeks DJIA naik 1000 (kurs, BI Rate, indeks HSI, dan
indeks Nikkei225 tetap) maka akan menyebabkan JII
naik sebesar 0,034.
Uji Adjusted R Square (R2)
Tabel 4.36
Uji Adjusted R2
terhadap Variabel JII
S
umber : data diolah
Besarnya angka Adjusted R Square adalah 0,941 atau
sebesar 94,1%. Dapat disimpulkan bahwa Variabel Jakarta
islamic indeks (JII) dapat dijelaskan oleh variabel kurs Rupiah
terhadap Dolar, BI Rate, Indeks DJIA, Indeks HSI dan Indeks
Nikkei225 sebesar 94,1%. Sedangkan sisanya 5,9% (100% -
94,1%) dapat dijelaskan oleh variabel-variabel lainnya yang
tidak dimasukkan kedalam penelitian seperti inflasi, Produk
Domestik Bruto (PDB), indeks Malaysia, indeks NYSE dan
lain-lain. Adapun angka koefisien korelasi (R) menunjukan
angka sebesar 0,973 yang menandakan bahwa hubungan antara
variabel independen dan variabel dependen adalah kuat karena
memiliki nilai lebih dari 0,5 (0,973 > 0,5).
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate
1 .973a .946 .941 27.67394
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HIS
b. Dependent Variable: JII
120
3.3 Uji Statistik persamaan iii (LQ45)
Uji F Simultan
Tabel 4.37
Uji F Terhadap Variabel LQ45 ANOVA
b
Model Sum of
Squares df Mean
Square F Sig.
1 Regression 1175903,192 5 235180,638 229,610 ,000a
Residual 55310,073 54 1024,261 Total 1231213,265 59
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HIS
b. Dependent Variable: LQ45 Sumber : data diolah
Berdasarkan tabel 4.37, nilai F hasil perhitungan sebesar
229,610 dengan tingkat signifikansi 0,000. Karena tingkat
signifikansi lebih kecil dari 0,05 (0,000<0,05) dan nilai F tabel
sebesar 2,39 (df,k (n-k-1) 5, (60-5-1= 54, α = 0.05), sehingga F
hitung > F tabel (229,610 > 2,39), maka H0 ditolak atau Ha
diterima. Dapat disimpulkan bahwa Kurs, BI Rate, Indeks DJIA,
Indeks HSI, Indeks Nikkei225 secara bersama-sama
berpengaruh terhadap indeks LQ45.
121
Uji t Parsial
Tabel 4.38
Uji t Terhadap Variabel LQ45
S Sumber : data diolah
a) Uji Terhadap Variabel Kurs
Hasil yang didapat pada tabel 4.38 di atas, variabel Kurs
menunjukkan nilai 0,000 lebih kecil dari α (0,000 <
0,05). Sedangkan nilai t hitung variabel kurs = -5,058
dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α =
0,05), sehingga t hitung > t tabel (5,058 > 2,00488).
Maka H0 ditolak sehingga dapat disimpulkan bahwa
variabel Kurs berpengaruh negatif terhadap LQ45.
b) Uji Terhadap Variabel BI Rate
Hasil yang didapat pada tabel 4.38 di atas, variabel BI
Rate menunjukkan nilai 0,000 lebih kecil dari α (0,000 <
0,05). Sedangkan nilai t hitung variabel BI Rate = -5,515
dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α =
0,05), sehingga t hitung > t tabel (5,515 > 2,00488).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant)
831,491 145,926 5,698 ,000
KURS -,049 ,010 -,278 -5,058 ,000 ,276 3,626
BI_RATE -3518,231 637,942 -,292 -5,515 ,000 ,297 3,367
DJIA ,045 ,004 ,510 11,755 ,000 ,442 2,262
HSI ,006 ,004 ,115 1,515 ,136 ,144 6,965
N225 -,019 ,006 -,211 -3,354 ,001 ,210 4,765
a. Dependent Variable: LQ45
122
Maka H0 ditolak sehingga dapat disimpulkan bahwa
variabel BI Rate berpengaruh negatif terhadap LQ45.
c) Uji Terhadap Variabel Indeks DJIA
Hasil yang didapat pada tabel 4.38 di atas, variabel
Indeks DJIA menunjukkan nilai 0,000 lebih kecil dari α
(0,000 < 0,05). Sedangkan nilai t hitung variabel indeks
DJIA = 11,755 dan t tabel sebesar 2,00488 (df (n-k-1)
60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel
(11,755 > 2,00488). Maka H0 ditolak sehingga dapat
disimpulkan bahwa variabel Indeks DJIA berpengaruh
positif terhadap LQ45.
d) Uji Terhadap Variabel Indeks HangSeng
Hasil yang didapat pada tabel 4.38 di atas, variabel
Indeks HangSeng menunjukkan nilai 0,136 lebih besar
dari α (0,136 > 0,05). Sedangkan nilai t hitung variabel
indeks HSI = 1,515 dan t tabel sebesar 2,00488 (df (n-k-
1) 60-5-1 = 54, α = 0,05), sehingga t hitung < t tabel
(1,515 < 2,00488). Maka H0 diterima sehingga dapat
disimpulkan bahwa variabel Indeks HangSeng tidak
berpengaruh terhadap LQ45.
e) Uji Terhadap Variabel Indeks Nikkei 225
Hasil yang didapat pada tabel 4.38 di atas, variabel
Indeks Nikkei225 menunjukkan nilai 0,000 lebih kecil
123
dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel
indeks Nikkei225 = -3,354 dan t tabel sebesar 2,00488
(df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t
tabel (3,354 > 2,00488). Maka H0 ditolak sehingga dapat
disimpulkan bahwa variabel Indeks Nikkei225
berpengaruh negatif terhadap LQ45.
Berdasarkan tabel 4.38 dapat diperoleh model persamaan
regresi sebagai berikut:
Adapun interpretasi terhadap model regresi tersebut adalah
sebagai berikut :
1) Apabila kurs, BI Rate, indeks DJIA, indeks HSI dan
indeks Nikkei225 bernilai 0, maka indeks LQ45 sebesar
831,49.
2) Kurs = -0,049 maksudnya adalah jika setiap kenaikan
kurs sebesar 1000 (BI Rate, indeks DJIA, indeks HSI,
dan indeks Nikkei225 tetap) maka akan menyebabkan
Indeks LQ45 turun sebesar 0,049.
3) BI Rate= -3518,23 maksudnya adalah jika setiap BI Rate
naik sebesar 1% (kurs, Indeks DJIA, indeks HSI dan
indeks Nikkei225 tetap) maka akan menyebabkan LQ45
turun sebesar 3518,23.
LQ45= 831,49 – 0,049kurs – 3518,23BI Rate + 0,045DJIA– 0,019N225
124
4) Indeks DJIA = 0,045 maksudnya adalah jika setiap
indeks DJIA sebesar 1000 (kurs, BI Rate, indeks HSI,
dan indeks Nikkei225 tetap) maka akan menyebabkan
Indeks LQ45 naik sebesar 0,045.
5) Indeks Nikkei 225 = -0,019 maksudnya adalah jika
indeks nikkei225 naik 1000 (kurs, BI Rate, indeks DJIA
dan indeks HSI tetap) maka akan menyebabkan Indeks
LQ45 turun sebesar 0,019.
Uji Adjusted R Square (R2)
Tabel 4.39
Uji Adjusted R2
terhadap Variabel LQ45
Sumber : data diolah
Besarnya angka Adjusted R Square adalah 0,951 atau
sebesar 95,1%. Dapat disimpulkan bahwa Variabel indeks LQ45
dapat dijelaskan oleh variabel kurs Rupiah terhadap Dolar, BI
Rate, Indeks DJIA, Indeks HSI dan Indeks Nikkei225 sebesar
95,1%. Sedangkan sisanya 4,9% (100% - 95,1%) dapat
dijelaskan oleh variabel-variabel lainnya yang tidak dimasukkan
kedalam penelitian seperti inflasi, Produk Domestik Bruto
(PDB), indeks Malaysia, indeks NYSE dan lain-lain. Adapun
angka koefisien korelasi (R) menunjukan angka sebesar 0,977
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate
1 .977a .955 .951 32.00407
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HIS
b. Dependent Variable: LQ45
125
yang menandakan bahwa hubungan antara variabel independen
dan variabel dependen adalah kuat karena memiliki nilai lebih
dari 0,5 (0,977 > 0,5).
3.4 Uji Statistik persamaan iv (Kompas100)
Uji F Simultan
Tabel 4.40
Uji F Terhadap Variabel Kompas100
ANOVAb
Model Sum of Squares Df
Mean Square F Sig.
1 Regression 2192027,805 5 438405,561 257,951 ,000a
Residual 91776,573 54 1699,566 Total 2283804,378 59
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: KOMPAS100 Sumber : data diolah
Berdasarkan tabel 4.28, nilai F hasil perhitungan sebesar
257,951 dengan tingkat signifikansi 0,000. Karena tingkat
signifikansi lebih kecil dari 0,05 (0,000<0,05) dan nilai F tabel
sebesar 2,39 (df,k (n-k-1) 5, (60-5-1= 54, α = 0.05), sehingga F
hitung > F tabel (257,951 > 2,39), maka H0 ditolak atau Ha
diterima. Dapat disimpulkan bahwa Kurs, BI Rate, Indeks DJIA,
Indeks HSI, Indeks Nikkei225 secara bersama-sama
berpengaruh terhadap indeks Kompas100.
126
Uji t Parsial
Tabel 4.41
Uji t Terhadap Variabel Kompas100
a) Uji Terhadap Variabel Kurs
Hasil yang didapat pada tabel 4.41 di atas, variabel Kurs
menunjukkan nilai 0,000 lebih kecil dari α (0,000 <
0,05). Sedangkan nilai t hitung variabel kurs = -4,988
dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α =
0,05), sehingga t hitung > t tabel (4,988 > 2,00488).
Maka H0 ditolak sehingga dapat disimpulkan bahwa
variabel Kurs berpengaruh negatif terhadap Kompas100.
b) Uji Terhadap Variabel BI Rate
Hasil yang didapat pada tabel 4.41 di atas, variabel BI
Rate menunjukkan nilai 0,000 lebih kecil dari α (0,000 <
0,05). Sedangkan nilai t hitung variabel BI Rate = -5,764
dan t tabel sebesar 2,00488 (df (n-k-1) 60-5-1 = 54, α =
0,05), sehingga t hitung > t tabel (5,574 > 2,00488).
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 1113,142 187,973 5,922 ,000
KURS -,063 ,013 -,259 -4,988 ,000 ,276 3,626
BI_RATE -4736,767 821,760 -,289 -5,764 ,000 ,297 3,367
DJIA ,061 ,005 ,516 12,586 ,000 ,442 2,262
HIS ,009 ,005 ,129 1,792 ,079 ,144 6,965
N225 -,037 ,007 -,300 -5,037 ,000 ,210 4,765
a. Dependent Variable: KOMPAS100
Sumber : data diolah
127
Maka H0 ditolak sehingga dapat disimpulkan bahwa
variabel BI Rate berpengaruh negative terhadap
Kompas100.
c) Uji Terhadap Variabel Indeks DJIA
Hasil yang didapat pada tabel 4.41 di atas, variabel
Indeks DJIA menunjukkan nilai 0,000 lebih kecil dari α
(0,000 < 0,05). Sedangkan nilai t hitung variabel indeks
DJIA = 12,586 dan t tabel sebesar 2,00488 (df (n-k-1)
60-5-1 = 54, α = 0,05), sehingga t hitung > t tabel
(12,586 > 2,00488). Maka H0 ditolak sehingga dapat
disimpulkan bahwa variabel Indeks DJIA berpengaruh
positif terhadap Kompas100.
d) Uji Terhadap Variabel Indeks HangSeng
Hasil yang didapat pada tabel 4.41 di atas, variabel
Indeks HangSeng menunjukkan nilai 0,079 lebih besar
dari α (0,079 > 0,05. Sedangkan nilai t hitung variabel
indeks HSI = 1,792 dan t tabel sebesar 2,00488 (df (n-k-
1) 60-5-1 = 54, α = 0,05), sehingga t hitung < t tabel
(1,792 < 2,00488). Maka H0 diterima sehingga dapat
disimpulkan bahwa variabel Indeks HangSeng tidak
berpengaruh terhadap Kompas100.
128
e) Uji Terhadap Variabel Indeks Nikkei 225
Hasil yang didapat pada tabel 4.41 di atas, variabel
Indeks Nikkei225 menunjukkan nilai 0,000 lebih kecil
dari α (0,000 < 0,05). Sedangkan nilai t hitung variabel
indeks Nikkei225 = -5,037 dan t tabel sebesar 2,00488
(df (n-k-1) 60-5-1 = 54, α = 0,05), sehingga t hitung > t
tabel (5,037 > 2,00488). Maka H0 ditolak sehingga
dapat disimpulkan bahwa variabel Indeks Nikkei225
berpengaruh negatif terhadap Kompas100.
Berdasarkan tabel 4.41 dapat diperoleh model persamaan
regresi sebagai berikut:
Adapun interpretasi terhadap model regresi tersebut adalah
1) Apabila kurs, BI Rate, indeks DJIA, indeks HSI dan
indeks Nikkei225 bernilai 0, maka indeks Kompas 100
adalah sebesar 1113,14.
2) Kurs = -0,063 maksudnya adalah jika setiap kenaikan
kurs sebesar 1000 (BI Rate, indeks DJIA, indeks HSI dan
indeks Nikkei225 tetap) maka akan menyebabkan indeks
Kompas 100 turun sebesar 0,063.
3) BI Rate = -4736,77 maksudnya adalah jika setiap BI
Rate naik sebesar 1% (kurs, indeks DJIA, indeks HSI
Kompas100 = 1113,14 – 0,063kurs – 4736,77 BI Rate + 0,061DJIA– 0,037N225
129
dan indeks Nikkei225 tetap) maka akan menyebabkan
indeks Kompas 100 turun sebesar 4736,77.
4) Indeks DJIA = 0,061 maksudnya adalah jika setiap
indeks DJIA sebesar 1000 (kurs, BI Rate, indeks HSI dan
indeks Nikkei225 tetap) maka akan menyebabkan indeks
Kompas 100 naik sebesar 0,061.
5) Indeks Nikkei225 = -0,037 maksudnya adalah jika setiap
indeks Nikkei225 naik sebesar 1000 (kurs, BI Rate,
indeks DJIA, dan indeks HSI tetap) maka akan
menyebabkan indeks Kompas 100 turun sebesar 0,037.
Uji Adjusted R Square (R2)
Tabel 4.42
Uji Adjusted R2
terhadap Variabel Kompas100
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate
1 .980a .960 .956 41.22579
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: KOMPAS100
Sumber : data diolah
Besarnya angka Adjusted R Square adalah 0,956 atau
sebesar 95,6%. Dapat disimpulkan bahwa Variabel indeks
Kompas100 dapat dijelaskan oleh variabel kurs Rupiah terhadap
Dolar, BI Rate, Indeks DJIA, Indeks HSI dan Indeks Nikkei225
sebesar 95,6%. Sedangkan sisanya 4,4% (100% - 95,6%) dapat
dijelaskan oleh variabel-variabel lainnya yang tidak dimasukkan
130
kedalam penelitian seperti inflasi, Produk Domestik Bruto
(PDB), indeks Malaysia, indeks NYSE dan lain-lain. Adapun
angka koefisien korelasi (R) menunjukan angka sebesar 0,980
yang menandakan bahwa hubungan antara variabel independen
dan variabel dependen adalah kuat karena memiliki nilai lebih
dari 0,5 (0,980 > 0,5).
Tabel 4.43
Hasil Uji F, Uji t dan Adjusted R Square Semua Model Persamaan
Model Uji F
Simultan
α = 5%
Uji t
Parsial
α = 5%
Adjusted
R
Square
Konsisten
dengan
penelitian
i (IHSG) Sig =0.000
(0.000<0.05)
F hitung =
262,136
F tabel = 2,39
(F hitung > F
tabel)
Ho ditolak
Bepengaruh
bo =
4527,53
bkurs = -0,23
bBI Rate = -
23522,02
bDJIA =
0,330
bHSI =-0,23
bN225 =-
0,193
Sig kurs =
0,000 maka
Ho ditolak
Sig Bi
Rate =0,000
maka Ho
ditolak
Sig DJIA
=0,000
maka Ho
ditolak
Sig HSI
=0,301maka
Ho diterima
95,7% Kewal
(2012),
Oktaria
(2011),
dan
Nachrowi
dan
Usman
(2007).
131
Sig
Nikkei225
=0,000
maka Ho
ditolak
ii (JII) Sig =0.000
(0.000<0.05)
F hitung =
188,843
F tabel = 2,39
(F hitung > F
tabel)
Ho ditolak
Bepengaruh
bo = 548,36
bkurs = -0,28
bBI Rate = -
3565,13
bDJIA =
0,034
bHSI =-0,004
bN225 = -
0,007
Sig kurs =
0,001 maka
Ho ditolak
Sig Bi
Rate =0,000
maka Ho
ditolak
Sig DJIA
=0,000
maka Ho
ditolak
Sig HSI
=0,186
maka Ho
diterima
Sig
Nikkei225
=0,165
maka Ho
diterima
94,1% Kewal
(2012),
Wasriati
(2010)
dan Moh
Mansur
(2005).
iii (LQ45) Sig =0.000
(0.000<0.05)
F hitung =
229,610
F tabel = 2,39
bo = 831,49
bkurs = -
0,049
bBI Rate = -
3518,23
95,1% Sukono
dan
Indarto
(2012)
dan
132
(F hitung > F
tabel)
Ho ditolak
Bepengaruh
bDJIA =
0,045
bHSI =-0,006
bN225 = -
0,019
Sig kurs =
0,000 maka
Ho ditolak
Sig Bi
Rate =0,000
maka Ho
ditolak
Sig DJIA
=0,000
maka Ho
ditolak
Sig HSI
=0,136
maka Ho
diterima
Sig
Nikkei225
=0,001
maka Ho
ditolak
Prakarsa
dan
Kusuma
(2008).
iv
(Kompas100)
Sig =0.000
(0.000<0.05)
F hitung =
262,136
F tabel = 2,39
(F hitung > F
tabel)
Ho ditolak
Bepengaruh
bo =
1113,14
bkurs = -
0,063
bBI Rate = -
4736,77
bDJIA =
0,061
bHSI =-0,009
bN225 =
0,037
Sig kurs =
0,000 maka
95,6% Sukono
dan
Indarto
(2012)
dan
Prakarsa
dan
Kusuma
(2008).
133
Ho ditolak
Sig Bi
Rate =0,000
maka Ho
ditolak
Sig DJIA
=0,000
maka Ho
ditolak
Sig HSI
=0,079
maka Ho
diterima
Sig
Nikkei225
=0,000
maka Ho
ditolak
C. Interpretasi
Adapun interpretasi penulis terhadap hasil penelitian yang telah
dilakukan adalah sebagai berikut :
1. Pengaruh nilai tukar Rupiah terhadap Dolar (Kurs) terhadap
Indeks-indeks di Bursa Efek di Indonesia.
Berdasarkan hasil penelitian yang telah dijelaskan di atas, dapat di
simpulkan bahwa nilai kurs rupiah terhadap dolar memiliki pengaruh
terhadap indeks-indeks yang ada di Bursa Efek Indonesia seperti indeks
Harga Saham Gabungan (IHSG), Jakarta Islamic Indeks (JII), Indeks
LQ45 dan indeks Kompas100. Sedangkan pengaruh antara kurs dan
indeks-indeks tersebut adalah negatif. Hasil ini didukung oleh
134
penelitian kewal (2012), Oktaria (2011), Wasriati (2010) yang
menyatakan bahwa kurs berpengaruh dan memiliki pengaruh yang
negatif.
Pengaruh antara kurs rupiah dan harga saham berlawanan arah,
artinya semakin kuat kurs rupiah terhadap US $ (rupiah terapresiasi)
maka akan meningkatkan harga saham, dan sebaliknya. Hasil yang
diperoleh ini konsisten dengan teori, di mana menguatnya kurs rupiah
terhadap US $ merupakan sinyal positif bagi perekonomian yang
mengalami inflasi. Menguatnya kurs rupiah terhadap US $ akan
menurunkan biaya produksi terutama biaya impor bahan baku dan akan
diikuti menurunnya tingkat bunga yang berlaku, hal ini akan
memberikan dampak positif pada laba perusahaan yang akhirnya
menaikkan pendapatan per lembar saham (EPS) dan pada akhirnya
investor akan semakin tertarik menginvestasikan uangnya di pasar
modal Indonesia. Dan pada akhirnya indeks-indeks di Bursa Efek
meningkat.
2. Pengaruh tingkat suku bunga Bank Indonesia (BI Rate) terhadap
Indeks-indeks di Bursa Efek di Indonesia.
Berdasarkan hasil penelitian yang telah dilakukan terhadap indeks-
indeks yang ada di Bursa Efek Indonesia di dapat hasil bahwa BI Rate
memiliki berpengaruh terhadap indeks-indeks di Bursa Efek Indonesia
dan pengaruh yang terjadi adalah pengaruh negatif. Penelitian ini
konsisten dengan penelitian yang dilakukan oleh Nachrowi dan Usman
135
(2007) yang menyatakan bahwa kurs berpengaruh negatif terhadap
indeks di pasar modal Indonesia. Penjelasannya adalah sebagai berikut,
pada saat rupiah mengalami depresiasi, maka investor cenderung
memilih memegang Dolar sehingga mereka segera melepas sahamnya
di pasar modal Indonesia untuk dialihkan ke valuta asing. Akibatnya
indeks di pasar modal Indonesia cenderung turun.
Kenaikan suku bunga Bank Indonesia akan mendorong investor
menjual saham dan menempatkan dananya dibank. Dana di bank lebih
aman dibandingkan di bursa efek. Kenaikan suku bunga juga akan
mendorong jatuhnya indeks di pasar modal Indonesia.
Pengaruh negatif antara BI Rate dengan indeks-indeks di pasar
modal Indonesia ini mengindikasikan bahwa ada pengaruh berlawanan
arah antar keduanya. Dimana ketika pemerintah mengumumkan tingkat
bunga yang lebih tinggi maka investor akan menjual sahamnya dan
menggantikannya pada instrumen berpendapatan tetap yang
memberikan tingkat bunga yang lebih tinggi.
3. Pengaruh indeks Dow Jones Average Industrial (DJIA) terhadap
Indeks-indeks di Bursa Efek di Indonesia.
Hasil penelitian menunjukan bahwa indeks Dow Jones
berpengaruh positif terhadap indeks-indeks di pasar modal Indonesia
dan memiliki pengaruh yang positif, artinya apabila Indeks Dow Jones
semakin meningkat, maka indeks di Pasar modal Indonesia akan
136
semakin meningkat pula. Hasil ini konsisten dengan penelitian Sukono
dan Indarto (2012), Oktaria (2011), Prakarsa dan Kusuma (2008).
Sebagai akibat semakin luasnya globalisasi, maka tidak menutup
kemungkinan investor-investor asing menanamkan modalnya pada
pasar modal Indonesia. Pasar modal merupakan salah satu cermin
kondisi perekonomian suatu negara. Akibat globalisasi maka,
perekonomian suatu negara akan dipengaruhi oleh kondisi
perekonomian dunia. Kapitalisme dan liberalisme telah membuat
posisi negara yang mempunyai sumber daya besar akan lebih
memengaruhi perekonomian dunia. Dengan kata lain, baik atau
buruknya kondisi perekonomian dunia lebih di tentukan oleh negara-
negara “kuat” tersebut. (Nachrowi & Usman, 2006:56). Perubahan
ekonomi di negara Amerika sedikit banyak akan mempengaruhi
negara lain. Karena indeks DJIA mewakili negara Amerika yang
notabene negara super power.
4. Pengaruh indeks HangSeng (HSI) terhadap Indeks-indeks di Bursa
Efek di Indonesia.
Berdasarkan hasil penelitian yang telah dilakukan menunjukan
bahwa indeks Hangseng (HongKong) tidak berpengaruh terhadap
indeks di Bursa Efek di Indonesia. Hal ini dapat dilihat dari nilai
signifikansi uji t parsial di setiap indeks pasar modal Indonesia yang
selalu menunjukan hasil tidak signifikan ( t parsial > 0,05). Hasil ini
konsisten dengan penelitian Moh. Mansur (2005) dan Darmawan
137
(2009) yang menyatakan bahwa indeks HangSeng tidak berpengaruh
terhadap indeks di pasar modal Indonesia. Namun, Nurdiansyah (2009)
dan Palina (2011) menyatakan bahwa HSI berpengaruh signifikan
terhadap indeks-indeks di Bursa Efek Indonesia.
Jika dilihat dari segi regional, maka indeks HangSeng akan lebih
pengaruh terhadap indeks di pasar modal Indonesia, namun pada
kenyataannya dari hasil penelitian yang telah dilakukan sebelumnya
menjelaskan bahwa indeks HangSeng tidak mempengaruhi pasar modal
Indonesia. Hal ini mungkin saja terjadi karena tidak semua pasar modal
yang secara regional berdekatan maka akan mempengaruhi satu sama
lainnya.
5. Pengaruh indeks Nikkei225 terhadap Indeks-indeks di Bursa Efek
di Indonesia.
Hasil penelitian menyebutkan bahwa indeks Nikkei225
berpengaruh terhadap indeks di pasar modal Indonesia (IHSG,LQ45
dan Kompas100) sedangkan untuk indeks Jakarta Islamic Indeks (JII)
menunjukan nilai signifikan sebesar 0,165 yang dapat disimpulkan
bahwa indeks Nikkei225 tidak berpengaruh terhadap indeks JII (0,165
> 0,05), namun uji secara simultan menunjukan bahwa indeks
Nikkei225 berpengaruh signifikan terhadap indeks JII. Hasil ini
konsisten dengan penelitian Moh. Mansur (2005) dan Darmawan
(2009).
138
Dengan semakin terbukanya pasar modal antar negara, maka
beberapa emiten di Bursa Efek Jakarta juga mencatatkan sahamnya di
bursa luar negeri (dual listing). Pergerakan harga saham pada
sejumlah bursa internasional cenderung berfluktuasi yang tentunya
akan memberikan dampak terhadap IHSG yang disebabkan karena
adanya saham perusahaan Indonesia yang dual listing. Dengan
keterbukaan pasar antar negara, investor asing dapat meningkatkan
return tanpa adanya peningkatan dalam resiko melakukan diversifikasi
portofolio internasional. Diversifikasi ini telah memberikan efek
terhadap tingkat permintaan saham di Bursa Efek Jakarta. Peningkatan
permintaan saham akan mempengaruhi harga saham yang
bersangkutan dan indeks harga saham gabungan (IHSG).
139
BAB V
KESIMPULAN DAN IMPLIKASI
A. Kesimpulan
Dari hasil penelitian yang telah dibahas pada bab sebelumnya dapat
ditarik kesimpulan sebagai berikut :
1. Berdasarkan uji secara simultan menunjukan bahwa variabel kurs, BI
rate, indeks DJIA, Indeks HSI dan Indeks Nikkei225 berpengaruh
secara bersama-sama terhadap IHSG, JII, LQ45 dan Kompas100.
2. Berdasarkan hasil penelitian didapat bahwa variabel kurs rupiah
terhadap dollar berpengaruh secara parsial terhadap variabel dependen
IHSG, JII, LQ45 dan Kompas 100. Pengaruh yang terjadi adalah
pengaruh negatif, dimana ketika kurs naik maka IHSG, JII, LQ45 dan
Kompas100 akan mengalami penurunan.
3. Berdasarkan hasil penelitian didapat bahwa variabel BI Rate
berpengaruh secara parsial terhadap variabel dependen IHSG, JII,
LQ45 dan Kompas 100. Pengaruh yang terjadi adalah pengaruh
negatif, dimana ketika BI Rate naik maka IHSG, JII, LQ45 dan
Kompas100 akan mengalami penurunan.
4. Berdasarkan hasil penelitian didapat bahwa variabel Indeks DJIA
berpengaruh secara parsial terhadap variabel dependen IHSG, JII,
LQ45 dan Kompas 100. Pengaruh yang terjadi adalah pengaruh
140
positif, dimana ketika Indeks DJIA naik maka IHSG, JII, LQ45 dan
Kompas100 akan mengalami kenaikan pula.
5. Berdasarkan hasil penelitian didapat bahwa variabel Indeks HSI tidak
berpengaruh terhadap variabel dependen IHSG, JII, LQ45 dan
Kompas 100.
6. Berdasarkan hasil penelitian didapat bahwa variabel Indeks Nikkei225
berpengaruh secara parsial terhadap variabel dependen IHSG, LQ45
dan Kompas 100. Sedangkan Indeks Nikkei225 tidak berpengaruh
terhadap variabel JII. Pengaruh yang terjadi adalah pengaruh positif,
dimana ketika Indeks DJIA naik maka IHSG, LQ45 dan Kompas100
akan mengalami kenaikan pula.
B. Implikasi
1. Bagi Akademisi
Hasil penelitian ini diharapkan dapat menambah wawasan pustaka bagi
ilmu pengetahuan khususnya dalam bidang pasar modal dan investasi,
serta dapat digunakan sebagai bahan pertimbangan dan tambahan
informasi dalam melakukan penelitian selanjutnya.
2. Bagi Investor
Hasil penelitian ini diharapkan dapat memperhatikan variabel-variabel
makroekonomi dan indeks luar negeri dalam pengambilan keputusan
investasi. Hal ini penting dilakukan agar dapat memilih investasi yang
labih tepat dan terhindar dari resiko kerugian.
141
C. Saran Untuk penelitian Yang Akan Datang
Penelitian ini dibuat dengan membandingkan indeks-indeks yang
ada di Bursa Efek Indonesia (IHSG,JII, LQ45 dan Kompas100) dengan
variabel makro dan indeks dari tiga negara yang penulis duga memiliki
pengaruh terhadap pasar modal Indonesia dan menggunakan kurun waktu
penelitian dari bulan Januari 2008 sampai dengan bulan Desember 2012
(60) bulan. Penelitian lai dapat mencoba membuat model dalam kurun
waktu berbeda. Penelitian lain juga dapat menggunakan indeks dari
Negara-negara lainnya yang di duga memeliki pengaruh dengan indeks di
pasar modal Indonesia.
142
DAFTAR PUSTAKA
Antolis, Teguh dan Dossugi, Samuel. “Pengaruh Fluktuasi IHSG, Inflasi, Dan
Suku Bunga Terhadap Imbal Hasil Unitlink Berbasis Saham” Journal of
Applied Finance and Accounting Vol. 1 No.1 November 2008:141-165.
Bank Indonesia. “Statistik Ekonomi dan Keuangan Indonesia”. Beberapa tahun
terbitan.
____________ “Statistik Ekonomi dan Perbankan Indonesia”. Beberapa tahun
terbitan.
Cholidah, Rizka. “Pengaruh Inflasi, Kurs dan Suku Bunga SBI Terhadap Indeks
JII Periode Tahun 2007-2011”. Skripsi FEB Ilmu Ekonomi dan Studi
Pembangunan, UIN Syarif Hidayatullah, Jakarta. 2012.
Darmadji, Tjiptono dan Fakhruddin, Hendy M. “Pasar Modal Indonesia:
Pendekatan Tanya Jawab”. Jakarta : Salemba 4. 2001.
Darmawan, Fajar Budhi. “Pengaruh Indeks DJIA, FTSE 100, NKY 225 dan HSI
Terhadap Indeks Harga Saham Gabungan Sebelum, Ketika Dan Sesudah
subprime Mortagage pada Tahun 2006-2009”. Thesis Fakultas
Ekonomika dan Bisnis, Universitas Gadjah Mada. 2009.
Darmawi, Hermawan. “Pasar Finansial Dan Lembaga-Lembaga Finansial”.
Jakarta : Bumi Aksara. 2006.
Fatiyah, Siti. “Analisis Pengaruh Faktor Variabel Makroekonomi Luar Negeri
Dan Dalam Negeri Terhadap Pergerakan IHSG di Bursa Efek Indonesia
(2004-2010)”. Skripsi FEB Manajemen, UIN Syarif Hidayatullah,
Jakarta. 2012.
Ghazali, Imam. “Aplikasi analisis Multivariate dengan program IBM SPSS 20”.
Semarang : Badan penerbit Universitas Diponegoro. 2012.
Gujarati, N Demodar. “Dasar-Dasar Ekonometrika”. Jakarta : Penerbit Erlangga.
2006.
Hady, Hamdy. “Manajemen Keuangan Internasional”. Jakarta: Mitra Wacana
Media. 2010.
Halim, Abdul. “Analisis Investasi”. Jakarta : Salemba Empat. 2005.
Hamid, Abdul. “Pasar Modal Syariah”. Jakarta : Lembaga Penelitian UIN
Jakarta. 2009.
143
Heryana, Toni. “Pengaruh Indeks Bursa Internasional Dow Jones dan Tingkat
Suku Bunga Terhadap Indeks Harga Saham Gabungan di Bursa Eefek
Jakarta”. Jurnal Percikan : Vol. 101 Edisi Juni 2009.
Huda, Nurul dan Mustafa Edwin Nasution. “Investasi Pada Pasar Modal
Syariah”. Jakarta : Kencana. 2008.
Husnan, Suad.”Dasar-dasar Teori Portofolio Dan Analisis Sekuritas”.
Yogyakarta : UPP AMP YKPN. 2001.
Hosseini, Seyyed Mehdi. “The Role of Macroeconomic Variables on Stock Market
Index in China and India”. International Journal of Economics and
Finance Vol. 3, No. 6; November 2011.
Hsing, Yu. “ Impacts Of Macroeconomic Variables On The Stock Market In
Bulgaria And Policy Impilcation”. Jurnal Of economic and Business
Volume XIV, 2011 : 41-53.
Indonesian Stock Exchange. “IDX Statisitic”. Beberapa Tahun Terbit.
Ishomuddin.” Analisis Pengaruh Variabel Makroekonomi Dalam Dan Luar
Negeri Terhadap IHSG di BEI Periode 199.1-2009.12”. Skripsi FE
UNDIP, Semarang. 2010.
Jatiningsih, Oksiana dan Musdholifah. “Pengaruh Variabel Makroekonomi
Terhadap Indeks Saham Gabungan di Bursa Efek Jakarta”. Jurnal
Aplikasi Manajemen. Volume 5, Nomor 1. April 2007.
Kamaruddin, Ahmad. “Dasar-dasar Manajemen Investasi & Portofolio”. Jakarta :
PT. Rineka Cipta. 2004.
Kewal, Suramaya Suci. “Pengaruh Inflasi, Suku Bunga, Kurs, dan Pertumbuhan
PDB Terhadap IHSG”. Jurnal Economia Vol.8 No.1 April 2012.
Mankiw, N. Gregory. “Makroekonomi” edisi 6, Harvard University, Edisi
Indonesia. Jakarta : Erlangga. 2006.
Mansur, Moh. “Pengaruh Indeks Bursa Global Terhadap IHSG di BEJ Periode
Tahun 2000-2002”. Bandung. Jurnal Sosiohumaniora, Vol. 7, No. 3,
November 2005 : 203 – 219.
Mauliano, Deddy Azhar. “Analisis faktor-faktor Yang Mempengaruhi Pergerakan
Indeks Harga Saham (IHSG) di Bursa Efek Indonesia”. Skripsi,
Gunadarma, Depok. 2009.
Muharam, Harjum dan Nurafni Zuraedah. “ Analisis Pengaruh Nilai Tukar
Rupiah dan Indeks Saham Dow Jones Industrial Average Terhadap
IHSG di BEJ”. Jurnal Maksi Vol.8 No. 1 Januari 2008: 24-42.
144
Nachrowi, N.D, dan Hardius Usman. “ Prediksi IHSG Dengan Model GARCH
Dan ARIMA”. Jurnal Ekonomi Dan Pembangunan Indonesia, 2007 : 73-
91.
______________, “Pendekatan Populer dan Praktis Ekonometrika Untuk analisis
Ekonomi dan Keuangan”. Jakarta : LEMBAGA Penerbit Fakultas
Ekonomi Universitas Indonesia. 2006.
Nurdiansyah, Dian. “ Analisis Hubungan Indeks Harga Saham Gabungan (IHSG)
Indonesia, Amerika (DJIA), Tokyo (Nikkei), Hongkong (HSI) dan Korea
(KOSPI)”. Skripsi FEB Manajemen, UIN Syarif Hidayatullah, Jakarta.
2009.
Oktaria, Sela. “Analisis Pengaruh Harga Emas Dunia, Variabel Makroekonomi,
Indeks Dow Jones (DJIA) Terhadap Indeks Harga Saham Gabungan
(IHSG) di Bursa Efek Indonesia (BEI)”. Skripsi FEB Manajemen, UIN
Syarif Hidayatullah, Jakarta. 2011.
Samsul, Mohamad. “Pasar Modal dan Manajemen Portofolio”. Jakarta : Penerbit
Erlangga. 2006.
Saputra, Handika Bepa. “ Analisis Pengaruh Fluktuasi Harga Minyak Mentah
Dunia, Kurs dan Inflasi Terhadap Perdagangan Saham di Pasar Modal
Syariah (JII) dan Pasar Modal Konvensional (IHSG)”. Skripsi FEB
Manajemen, UIN Syarif Hidayatullah, Jakarta. 2010.
Siamat, Dahlan. “Manajemen Lembaga Keuangan. Kebijakan Moneter dan
Perbankan“. Edisi Kelima. Penerbit Fakultas Ekonomi Universitas
Indonesia. 2004.
Sukirno, Sadono. “Makroekonomi Teori Pengantar”. Jakarta : Rajawali Pers.
2010.
Teguh, Muhammad. “Metodologi Penelitian Ekonomi”. Jakarta : PT.
RajaGrafindo Persada. 2005.
Palina, Adlin. “Analisis Hubungan Indeks Harga Saham Negara-Negara Amerika
(DJIA), Hongkong (HSI), Jepang (Nikkei 225), dan Korea (KOSPI)
Terhadap Indeks Harga Saham Gabungan (IHSG)”. Skripsi FEB
Manajemen, UIN Syarif Hidayatullah, Jakarta. 2011.
Pasaribu, Pananda dkk. “Pengaruh Variabel Makro Ekonomi terhadap IHSG”.
Jurnal Ekonomi, Vol 14, No 2. 2009.
Prakarsa, Tegararief Ocki dan Kusuma, Budi Hartono. “Analisis Pengeruh
Tingkat Suku Bunga SBI, Kurs Tengah BI, Tingkat Inflasi, dan Indeks
Saham Dow Jones di New York Stock Exchange Dalam Memprediksi
IHSG di BEJ”. Jurnal Ekonomi, November 2008.
145
Rodoni, Ahmad. “Analisis Teknikal dan Fundamental Pada Pasar Modal”.
Jakarta : Center for Social Economies Studies (CSES) Press. 2005.
_____________, “Investasi Syariah”. Jakarta : Lembaga Penelitian UIN Jakarta.
2009.
Winarno, Wing Wahyu. “Analisis Ekonometrika dan Statistika dengan Eviews”.
Yogyakarta: UPP STIM YKPN. 2011.
Witjaksono, Ardian Agung. “ Analisis Pengaruh Tingkat Suku Bunga SBI, Harga
Minyak Dunia, Harga Emas Dunia, Kurs Rupiah, Indeks Nikkei 225,
dan Indeks Dow Jones Terhadap IHSG”. Tesis UNDIP, Semarang.
2010.
Yuliadi, Imamudin. “Ekonomi Moneter”. Jakarta : PT. Indeks. 2008.
Publikasi:
www.bapepam.go.id
www.bi.go.id
www.bisnisindex.com
www.duniainvestasi.com
www.idx.co.id
www.jurnal-sdm.blogspot.com
www.wikipedia.org
www.yahoofinance.com
146
LAMPIRAN 1 Data Mentah
Data variabel dependen
Bulan IHSG JII LQ45 Kompas100
Jan-08 2627,25 476,97 564,32 661,51
Feb-08 2721,94 508,95 590,77 688,40
Mar-08 2447,30 448,42 525,41 614,93
Apr-08 2304,52 428,09 493,46 575,54
Mei-08 2444,35 441,66 518,36 606,13
Jun-08 2349,11 430,29 495,17 579,06
Jul-08 2304,51 387,81 481,30 565,23
Agust-08 2165,94 356,10 449,66 531,44
Sep-08 1832,51 286,39 369,14 443,96
Okt-08 1256,70 193,68 241,35 299,44
Nop-08 1241,54 195,69 241,50 299,18
Des-08 1355,41 216,19 270,23 330,86
Jan-09 1332,67 213,63 262,56 323,85
Feb-09 1285,28 214,12 249,01 302,24
Mar-09 1434,07 236,79 283,08 349,00
Apr-09 1722,77 279,87 341,73 421,40
Mei-09 1916,83 307,14 373,07 463,81
Jun-09 2026,78 321,46 392,12 490,20
Jul-09 2323,24 385,22 454,42 565,62
Agust-09 2341,54 380,66 456,27 566,92
Sep-09 2467,59 401,53 483,96 602,41
Okt-09 2367,70 383,67 464,20 574,02
Nop-09 2415,84 397,89 476,26 587,42
Des-09 2534,36 417,18 498,29 612,45
Jan-10 2610,80 427,68 510,45 628,29
Feb-10 2549,03 413,73 496,03 610,83
Mar-10 2777,30 433,67 539,80 668,75
Apr-10 2971,25 474,80 573,37 715,67
Mei-10 2796,96 444,60 543,59 675,34
Jun-10 2913,68 473,79 566,10 701,91
Jul-10 3069,28 483,32 589,93 735,15
Agust-10 3081,88 473,79 581,31 731,89
Sep-10 3501,30 526,52 651,93 835,41
Okt-10 3635,32 540,29 673,42 853,36
Nop-10 3531,21 508,78 638,08 820,08
Des-10 3703,51 532,90 661,38 860,70
Jan-11 3409,17 477,51 597,85 782,23
147
Feb-11 3470,35 496,87 614,02 802,32
Mar-11 3678,67 514,92 659,05 851,88
Apr-11 3819,62 528,76 680,63 880,53
Mei-11 3836,97 531,38 682,25 881,25
Jun-11 3888,57 536,04 690,65 894,91
Jul-11 4130,80 567,12 729,84 942,95
Agust-11 3841,73 529,16 676,26 872,31
Sep-11 3549,03 492,30 622,64 802,72
Okt-11 3790,85 530,19 675,57 864,11
Nop-11 3715,08 520,49 656,41 840,10
Des-11 3821,99 537,03 673,51 865,20
Jan-12 3941,69 562,54 692,16 891,16
Feb-12 3985,21 566,75 692,77 897,49
Mar-12 4121,55 584,06 712,55 927,44
Apr-12 4180,73 575,09 711,38 932,14
Mei-12 3832,82 525,05 645,69 841,57
Jun-12 3955,58 544,19 674,79 874,45
Jul-12 4142,34 573,73 712,77 919,66
Agust-12 4060,33 569,94 695,53 895,84
Sep-12 4262,56 600,84 731,77 945,09
Okt-12 4350,29 619,27 751,12 967,54
Nop-12 4276,14 588,78 726,81 941,71
Des-12 4316,69 594,79 735,04 946,27
Data variabel independen
Bulan Kurs BI Rate DJIA HSI N225
Jan-08 9291 0,0800 12650,36 23455,74 13592,47
Feb-08 9051 0,0800 12266,39 24331,67 13603,02
Mar-08 9217 0,0800 12262,89 22849,2 12525,54
Apr-08 9234 0,0800 12820,13 25755,35 13849,99
Mei-08 9318 0,0825 12638,32 24533,12 14338,54
Jun-08 9225 0,0850 11350,01 22102,01 13481,38
Jul-08 9118 0,0875 11378,02 22731,1 13376,81
Agust-08 9153 0,0900 11543,96 21261,89 13072,87
Sep-08 9378 0,0925 10850,66 18016,21 11259,86
Okt-08 10995 0,0950 9325,01 13968,67 8576,98
Nop-08 12151 0,0950 8829,04 13888,24 8512,27
Des-08 10950 0,0925 8776,39 14387,48 8859,56
Jan-09 11355 0,0875 8000,86 13278,21 7994,05
Feb-09 11980 0,0825 7062,93 12811,57 7568,42
148
Mar-09 11575 0,0775 7608,92 13576,02 8109,53
Apr-09 10713 0,0750 8168,12 15520,99 8828,26
Mei-09 10340 0,0725 8500,33 18171 9522,5
Jun-09 10225 0,0700 8447 18378,73 9958,44
Jul-09 9920 0,0675 9171,61 20573,33 10356,83
Agust-09 10060 0,0650 9496,28 19724,19 10492,53
Sep-09 9681 0,0650 9712,28 20955,25 10133,23
Okt-09 9545 0,0650 9712,73 21752,87 10034,74
Nop-09 9545 0,0650 10344,84 21821,5 9345,55
Des-09 9480 0,0650 10428,05 21872,5 10546,44
Jan-10 9365 0,0650 10067,33 20121,99 10198,04
Feb-10 9335 0,0650 10325,26 20608,7 10126,03
Mar-10 9115 0,0650 10856,63 21239,35 11089,94
Apr-10 9012 0,0650 11008,61 21108,59 11057,4
Mei-10 9180 0,0650 10136,63 19765,19 9768,7
Jun-10 9083 0,0650 9774,02 20128,99 9382,64
Jul-10 8952 0,0650 10465,94 21029,81 9537,3
Agust-10 9041 0,0650 10014,72 20536,49 8824,06
Sep-10 8924 0,0650 10788,05 22358,17 9369,35
Okt-10 8928 0,0650 11118,49 23096,32 9202,45
Nop-10 9013 0,0650 11006,02 23007,99 9937,04
Des-10 8991 0,0650 11577,51 23035,45 10228,92
Jan-11 9057 0,0650 11891,93 23447,34 10237,92
Feb-11 8823 0,0675 12226,34 23338,02 10624,09
Mar-11 8709 0,0675 12319,73 23527,52 9755,1
Apr-11 8574 0,0675 12810,54 23720,81 9849,74
Mei-11 8537 0,0675 12569,79 23684,13 9693,73
Jun-11 8597 0,0675 12414,34 22398,1 9816,09
Jul-11 8508 0,0675 12143,24 22440,25 9833,03
Agust-11 8578 0,0675 11613,53 20534,85 8955,2
Sep-11 8823 0,0675 10913,38 17592,41 8700,29
Okt-11 8835 0,0650 11955,01 19864,87 8988,39
Nop-11 9170 0,0600 12045,68 17989,35 8434,61
Des-11 9068 0,0600 12217,56 18434,39 8455,35
Jan-12 9000 0,0600 12632,91 20390,49 8802,51
Feb-12 9085 0,0575 12952,07 21680,08 9723,24
Mar-12 9180 0,0575 13212,04 20555,58 10083,56
Apr-12 9190 0,0575 13213,63 21094,21 9520,89
Mei-12 9565 0,0575 12393,45 18629,52 8542,73
Jun-12 9480 0,0575 12880,09 19441,46 9006,78
Jul-12 9485 0,0575 13008,68 19796,81 8695,06
149
Agust-12 9560 0,0575 13090,84 19482,57 8839,91
Sep-12 9588 0,0575 13437,13 20840,38 8870,16
Okt-12 9615 0,0575 13096,46 21641,82 8928,29
Nop-12 9605 0,0575 13025,58 22030,39 9446,01
Des-12 9670 0,0575 13104,14 22656,92 10395,18
LAMPIRAN 2 Persamaan i (IHSG)
Uji Normalitas terhadap variabel IHSG
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 60
Normal Parametersa Mean .0000000
Std. Deviation 1.85846164E2
Most Extreme Differences Absolute .070
Positive .057
Negative -.070
Kolmogorov-Smirnov Z .543
Asymp. Sig. (2-tailed) .930
a. Test distribution is Normal.
Normal P-P Plot Untuk Variabel IHSG
150
Uji Heteroskedastisitas terhadap Variabel IHSG
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 6.189 4.093 1.512 .144
KURS .000 .000 -.374 -1.022 .317
BI_RATE -10.798 22.054 -.187 -.490 .629
DJIA -4.133E-5 .000 -.110 -.330 .744
HSI .000 .000 -.743 -1.350 .189
N225 .000 .000 .419 .862 .397
Scatterplot Terhadap Variabel IHSG
Uji Autokorelasi Terhadap Variabel IHSG
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .980a .960 .957 194.25971 .919
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: IHSG
151
Uji Autokorelasi Terhadap Variabel IHSG (Sesudah Pengobatan)
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .954a .911 .902 .05449 1.878
a. Predictors: (Constant), LN_N225Iit@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@,
LN_HSIit@
b. Dependent Variable: LN_IHSGit@
Uji Multikolinieritas Terhdap IHSG
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
KURS ,276 3,626
BI_RATE ,297 3,367
DJIA ,442 2,262
HSI ,144 6,965
N225 ,210 4,765
Tabel Anova terhadap Variabel IHSG
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 49460908,118 5 9892181,624 262,136 ,000a
Residual 2037788,997 54 37736,833 Total 51498697,115 59
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: IHSG
152
Uji t parsial terhadap Variabel IHSG
Coefficientsa
Model
Unstandardized
Coefficients
Standard
ized
Coefficie
nts
t Sig.
Collinearity
Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 4527,534 885,748 5,112 ,000 KURS -,235 ,059 -,205 -3,977 ,000 ,276 3,626
BI_RATE -23522,023 3872,209 -,302 -6,075 ,000 ,297 3,367
DJIA ,330 ,023 ,584 14,343 ,000 ,442 2,262
HSI ,023 ,022 ,075 1,044 ,301 ,144 6,965
N225 -,193 ,035 -,328 -5,547 ,000 ,210 4,765
a. Dependent Variable: IHSG
Lampiran 3 Persamaan ii (JII)
Uji Normalitas terhadap variabel JII
One-Sample Kolmogorov-Smirnov Test
Unstandardize
d Residual
N 60
Normal Parametersa Mean .0000000
Std. Deviation 26.47536180
Most Extreme
Differences
Absolute .078
Positive .078
Negative -.061
Kolmogorov-Smirnov Z .608
Asymp. Sig. (2-tailed) .854
a. Test distribution is Normal.
Normal P-P Plot Untuk Variabel JII
153
Uji Heteroskedastisitas terhadap Variabel JII
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .038 .078 .482 .632
KURS -2.460E-6 .000 -.118 -.474 .637 .275 3.641
BI_RATE .393 .340 .273 1.157 .253 .306 3.271
DJIA -2.648E-8 .000 -.003 -.013 .990 .441 2.270
HSI -1.076E-6 .000 -.187 -.549 .586 .146 6.847
N225 4.003E-7 .000 .036 .130 .897 .225 4.439
a. Dependent Variable: Absut
Scatterplot Terhadap Variabel JII
Uji Autokorelasi terhadap Variabel JII
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .973a .946 .941 27.67394 .898
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: JII
Uji Autokorelasi terhadap Variabel JII (Sesudah Pengobatan)
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .924a .853 .839 .05414 2.036
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@,
LN_HSIit@
b. Dependent Variable: LN_JIIit@
154
Uji Multikolinieritas Terhdap JII
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
KURS ,276 3,626
BI_RATE ,297 3,367
DJIA ,442 2,262
HSI ,144 6,965
N225 ,210 4,765
Tabel Anova terhadap Variabel JII
ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 723124,364 5 144624,873 188,843 ,000a
Residual 41355,742 54 765,847 Total 764480,106 59
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: JII
Uji t parsial terhadap Variabel JII
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity
Statistics
B Std. Error Beta
Toleranc
e VIF
1 (Constant) 548,357 126,182 4,346 ,000 KURS -,028 ,008 -,202 -3,359 ,001 ,276 3,626
BI_RATE -3565,134 551,629 -,375 -6,463 ,000 ,297 3,367
DJIA ,034 ,003 ,501 10,521 ,000 ,442 2,262
HSI ,004 ,003 ,112 1,340 ,186 ,144 6,965
N225 -,007 ,005 -,097 -1,406 ,165 ,210 4,765
a. Dependent Variable: JII
155
Lampiran 3 persamaan iii (LQ45)
Uji Normalitas terhadap variabel LQ45
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 60
Normal Parametersa Mean .0000000
Std. Deviation 30.61795016
Most Extreme Differences Absolute .092
Positive .050
Negative -.092
Kolmogorov-Smirnov Z .711
Asymp. Sig. (2-tailed) .693
a. Test distribution is Normal.
Normal P-P Plot Untuk Variabel LQ45
Uji Heteroskedastisitas Terhadap Variabel LQ45
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.008 .071 -.109 .914
KURS 5.226E-8 .000 .003 .011 .991 .275 3.641
BI_RATE .524 .309 .408 1.698 .095 .306 3.271
DJIA 8.951E-7 .000 .097 .484 .630 .441 2.270
HSI 8.888E-7 .000 .173 .499 .620 .146 6.847
N225 -3.453E-6 .000 -.344 -1.230 .224 .225 4.439
a. Dependent Variable: Absut
156
Scatterplot Terhadap Variabel LQ45
Uji Autokorelasi terhadap Variabel LQ45
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .977a .955 .951 32.00407 .926
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
a. Dependent Variable: LQ45
Uji Autokorelasi terhadap Variabel LQ45 (Sesudah Pengobatan)
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .945a .892 .882 .04945 1.980
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@,
LN_HSIit@
b. Dependent Variable: LN_LQ45it@
Uji Multikolinieritas Terhdap LQ45
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
KURS ,276 3,626
BI_RATE ,297 3,367
DJIA ,442 2,262
HSI ,144 6,965
N225 ,210 4,765
157
Tabel Anova terhadap Variabel LQ45
ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 1175903,192 5 235180,638 229,610 ,000a
Residual 55310,073 54 1024,261 Total 1231213,265 59
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI b. Dependent Variable: LQ45
Uji t parsial terhadap Variabel LQ45
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity
Statistics
B Std. Error Beta
Toleranc
e VIF
1 (Constant
) 831,491 145,926 5,698 ,000
KURS -,049 ,010 -,278 -5,058 ,000 ,276 3,626
BI_RATE -3518,231 637,942 -,292 -5,515 ,000 ,297 3,367
DJIA ,045 ,004 ,510 11,755 ,000 ,442 2,262
HSI ,006 ,004 ,115 1,515 ,136 ,144 6,965
N225 -,019 ,006 -,211 -3,354 ,001 ,210 4,765
a. Dependent Variable: LQ45
158
Lampiran 4 Persamaan iv (Kompas100)
Uji Normalitas terhadap Variabel Kompas100
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 60
Normal Parametersa Mean .0000000
Std. Deviation 39.44027301
Most Extreme Differences Absolute .090
Positive .051
Negative -.090
Kolmogorov-Smirnov Z .696
Asymp. Sig. (2-tailed) .719
a. Test distribution is Normal.
Normal P-P Plot Untuk Variabel Kompas100
Uji Heteroskedastisitas Terhadap variabel Kompas100
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity
Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .046 .069 .669 .507
KURS -2.601E-6 .000 -.146 -.573 .569 .275 3.641
BI_RATE .371 .297 .302 1.249 .217 .306 3.271
DJIA -1.199E-6 .000 -.136 -.673 .504 .441 2.270
HSI 1.007E-6 .000 .205 .587 .560 .146 6.847
N225 -3.231E-6 .000 -.337 -1.196 .237 .225 4.439
a. Dependent Variable: Absut
159
Scatterplot Terhadap Variabel Kompas100
Uji Autokorelasi terhadap Variabel Kompas100
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .980a .960 .956 41.22579 .983
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI
b. Dependent Variable: KOMPAS100
Uji Autokorelasi terhadap Variabel Kompas100 (Sesudah pengobatan)
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .955a .912 .904 .04987 1.978
a. Predictors: (Constant), LN_N225it@, LN_BI_RATEit@, LN_KURSit@, LN_DJIAit@, LN_HSIit@
b. Dependent Variable: LN_KOMPAS100it@
Uji Multikolinieritas Terhdap Kompas100
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
KURS ,276 3,626
BI_RATE ,297 3,367
DJIA ,442 2,262
HSI ,144 6,965
N225 ,210 4,765
160
Tabel Anova terhadap Variabel Kompas100
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 2192027,805 5 438405,561 257,951 ,000a
Residual 91776,573 54 1699,566 Total 2283804,378 59
a. Predictors: (Constant), N225, DJIA, BI_RATE, KURS, HSI c. Dependent Variable: KOMPAS10
Uji t parsial terhadap Variabel Kompas100
Coefficientsa
Model
Unstandardized
Coefficients
Standardize
d
Coefficients
t Sig.
Collinearity
Statistics
B
Std.
Error Beta
Toleranc
e VIF
1 (Constant) 1113,142 187,973 5,922 ,000 KURS -,063 ,013 -,259 -4,988 ,000 ,276 3,626
BI_RATE -4736,767 821,760 -,289 -5,764 ,000 ,297 3,367
DJIA ,061 ,005 ,516 12,586 ,000 ,442 2,262
HSI ,009 ,005 ,129 1,792 ,079 ,144 6,965
N225 -,037 ,007 -,300 -5,037 ,000 ,210 4,765
a. Dependent Variable: KOMPAS100
top related