photo KoleksiSkripsiHeader.gif HP CS Kami 0852.25.88.77.47(AS), 0857.0.1111.632(IM3), email:IDTesis@gmail.com

JURNAL BISNIS DAN EKONOMI, SEPTEMBER 2004

PASAR MODAL DAN PERTUMBUHAN EKONOMI DI

Indonesia : Pengujian Kausalitas

Oleh : Suyanto dan Ch. Ruth Elisabeth

Fakultas Ekonomi Universitas Surabaya

Abstract

This study examines the causality relations between money markets, from the perspective of stock market, and economic growth in Indonesia. Using time series data from the first quartal of 1993 to the first quartal of 2004, the results show that the appropriate model for the data series is log-linear model. By applying Granger and Sims causalities, the authors found that the "growth-lead finance" hypothesis was applied for the Indonesian economy on the period examined. To test the dynamic behaviour of the series, the authors apply unit root tests and cointegration test. Data series on the period of before the economic crisis (first quartal of 1993 to second quartal of 1997) are integrated on first difference both for both stock market performance and economic growth. Since the data series are not stationary, regression using ordinary least squared (OLS) would result in spurious regression. The Engle-Granger error correction model (EG-ECM) is applied to overcome this problem. The result from EG-ECM shows that the short run disequilibrium would converce to long run equilibrium by low speed.

Keywords : Pasar modal, pertumbuhan ekonomi, kausalitas, growth-lead finance hypothesis, error correction models.

PENDAHULUAN

Hubungan kausalitas antara perkembangan pasar keuangan dan pembangunan ekonomi merupakan sebuah isu yang kontroversial. Perdebatan mendasar dalam hubungan ini adalah apakah perkembangan pasar keuangan yang mendorong pertumbuhan ekonomi ataukah sebaliknya, pertumbuhan ekonomi yang mendorong perkembangan pasar keuangan (Patrick, 1966; Samuel, 1996; Levine dan Zernos, 1996). Perdebatan kontroversial ini semakin dipertajam lagi oleh adanya pendapat bahwa hubungan antara pasar keuangan dan pertumbuhan ekonomi bersifat dinamis (Choong, et. al., 2001). Sampai saat ini belum ada konsensus yang jelas tentang bagaimana hubungan kedua variabel tersebut, sehingga belum ada dasar yang pasti bagi pembuat kebijakan tentang apakah perkembangan pasar keuangan yang mendorong pertumbuhan ekonomi (finance-lead growth) ataukah pertumbuhan ekonomi yang mendorong perkembangan pasar keuangan (growth-lead finance).

Jurnal Bisnis dan Ekonomi – Vol.11 – No.2 – September 2004

Studi tentang hubungan perkembangan pasar keuangan dan pertumbuhan ekonomi di Indonesia pernah dilakukan oleh Kuncoro (1993) dengan memfokuskan pada pasar uang (money market). Di negara berkembang lainnya, studi yang berkaitan dengan hubungan ini juga lebih memfokuskan pada pasar uang (Choong, et. al., 2001). Penulis menemukan bahwa belum banyak studi tentang hubungan pasar keuangan dan pertumbuhan ekonomi yang mengambil perspektif pasar modal sebagai perwakilan pasar keuangan.Oleh karena itu, pada tulisan ini penulis akan menggunakan perspektif pasar modal untuk menguji hubungan antara perkembangan pasar keuangan dan pertumbuhan ekonomi di Indonesia.

Pasar modal merupakan institusi ekonomi yang mempromosikan efisiensi pembentukan dan alokasi modal (Osinubi, 2001). Pasar modal memungkinkan pemerintah dan industri untuk meningkatkan modal jangka panjang guna membiayai proyek-proyek baru. Apabila sumberdaya modal tidak tersedia dalam sebuah perekonomian, khususnya di sektor industri yang memiliki kemampuan untuk meningkatkan produksi dan produktivitas apabila permintaan agregat meningkat, maka tingkat ekspansi perekonomian akan tidak bisa dilakukan karena sektor industri tidak memiliki kemampuan untuk menambah modal dalam jangka panjang. Kemampuan pasar modal untuk menyediakan modal pembiayaan jangka panjang memungkinkan perusahaan untuk berkembang dan meningkatkan produksi. Secara agregat, kemampuan untuk memperluas usaha akan mendorong peningkatan pendapatan nasional perekonomian.

Di Indonesia, pasar modal didirikan pada 1912 oleh pemerintah kolonial Belanda. Namun demikian kegiatan pasar modal ini terhenti pada tahun 1942 ketika invasi Jepang ke Indonesia. Pasar modal Indonesia baru mulai dibentuk kembali pada 10 Agustus 1977 dengan dibentuknya Bapepam (Badan Pelaksana Pasar Modal).

Meskipun pasar modal mulai dibentuk kembali pertengahan 1977, hanya 11 perusahaan yang listing di pasar sampai tahun 1987. Pasar modal Indonesia baru mulai aktif kembali pada akhir tahun 1987 dengan harga pasar yang hampir selalu overvalued. Pasar sekunder dibuka pada tahun 1989 dengan transaksi yang minimal. Kemudian, pada awal tahun 1990 terjadi market crash, karena itu data tentang indeks saham tidak tersedia. Data time series berkesinambungan dapat diperoleh mulai tahun 1993. Data sejak tahun 1993 inilah yang akan dipergunakan oleh penulis dalam studi ini.

Pasar modal merupakan pasar yang kompleks dikarenakan semakin mengglobalnya perekonomian dan semakin banyaknya instrumen yang diperdagangkan. Instumen-instrumen baru pasar modal mencakup opsi, berbagai bentuk derivatif, index futures, dan lain sebagainya. Namun demikian, sasaran utama pasar modal di seluruh dunia adalah untuk mempertahankan efektifitas pasar guna mencapai manfaat bagi pertumbuhan ekonomi (Caporale, et. al., 2003).

Dikarenakan sasaran utama pasar modal adalah untuk meningkatkan pertumbuhan ekonomi, tulisan ini berusaha mengkaji apakah benar perkembangan pasar modal yang menyebabkan pertumbuhan ekonomi di Indonesia ataukah sebaliknya pertumbuhan ekonomi yang baik yang menyebabkan berkembangnya pasar modal.

Tulisan ini diorganisasikan sebagai berikut. Bagian kedua akan me-review landasan teori dan studi-studi terdahulu yang telah dilakukan tentang hubungan antara pasar modal dan pertumbuhan ekonomi.. Data dan metodologi akan dibahas pada bagian ketiga. Bagian keempat akan menyajikan hasil pengolahan data dan interpretasi. Sebagai penutup, bagian kelima menyimpulkan hasil penelitian dan memberikan implikasi kebijakan.

LANDASAN TEORI DAN REVIEW STUDI-STUDI TERDAHULU YANG PERNAH DILAKUKAN

Hipotesis finance-led growth memperlihatkan hubungan "sisi penawaran" antara perkembangan pasar keuangan dan pembangunan ekonomi. Hipotesis ini menyatakan bahwa keberadaan sektor keuangan, sebagai perantara keuangan yang berfungsi baik dalam menyalurkan sumberdaya yang terbatas dari pihak yang kelebihan dana kepada pihak yang kekurangan dana, akan menyediakan alokasi sumberdaya yang efisien yang akan mendorong pertumbuhan sektor-sektor ekonomi lainnya, dan selanjutnya akan memacu pertumbuhan ekonomi agregat. Studi-studi yang mendukung hipotesis ini adalah studi yang dilakukan oleh Schumpeter (1912) dan Levine (1997).

Sebaliknya, hipotesis growth-led finance menunjukkan bahwa pertumbuhan ekonomi yang tinggi akan menciptakan permintaan terhadap instrumen-instrumen pasar keuangan, yang selanjutnya akan mendorong semakin berkembangnya sektor keuangan. Hipotesis ini dikenal sebagai hubungan "sisi permintaan". Robinson (1952) dan Romer (1990) dalam studi-studinya menghasilkan kesimpulan yang mendukung hipotesis ini.

Selain kedua hipotesis di atas, terdapat lagi satu hipotesis yang menunjukan adanya hubungan kausalitas dua arah antara perkembangan sektor keuangan dan kinerja perekonomian. Hipotesis ini diberi nama hipotesis feedback. Dalam hipotesis ini, sektor keuangan yang baik dalam suatu negara akan mendorong ekspansi ekonomi melalui perubahan teknologi, produk, dan inovasi. Pada gilirannya, pertumbuhan ekonomi yang tinggi cenderung menciptakan permintaan terhadap instrumen-instrumen sektor keuangan. Karena itu, hipotesis ini menyimpulkan bahwa pertumbuhan ekonomi dan perkembangan sektor keuangan merupakan dua hal yang saling independen dan dapat saling berpengaruh satu sama lainnya. Studi yang mendukung hipotesis ini adalah studi yang dilakukan oleh Luintel dan Khan (1999).

Dari review tentang hubungan pertumbuhan ekonomi dan perkembangan sektor keuangan, penulis berdua menemukan bahwa sektor keuangan seringkali hanya ditinjau dari pasar uangnya saja. Belum banyak studi tentang hubungan ini yang mengambil perspektif pasar modal. Hal ini dikarenakan masih relatif barunya pasar modal dibandingkan dengan pasar uang. Namun demikian, semakin berkembangnya pasar modal di negara maju dan negara berkembang, peran pasar modal dalam perekonomian tidak dapat diabaikan lagi. Diperlukan adanya studi dari perspektif pasar modal untuk mengkaji hubungan sektor keuangan dan pertumbuhan ekonomi.

Dekade belakangan ini, studi-studi yang mengambil perspektif pasar modal sebagian besar dilakukan di negara maju, antara lain Levine dan Jervos (1998), Demirquc-Kuhn dan Levine (1996), Rousseau dan Wachtel (1998). Hasil studi Levine dan Jervon (1998) terhadap 41 negara memperlihatkan bahwa pasar modal yang berfungsi secara efisien tidak hanya akan meningkatkan akumulasi modal dan diversifikasi risiko antar pelaku pasar, tetapi juga memberikan pelayanan keuangan yang berbeda dibandingkan yang diberikan oleh perbankan. Pelayanan keuangan yang diberikan pasar modal, menurut Levine dan Jervon (1998), pada gilirannya akan meningkatkan pertumbuhan ekonomi. Hasil yang sama juga ditunjukan oleh Demirquc-Kuhn dan Levine (1996) dalam studinya dengan menggunakan berbagai ukuran kinerja pasar modal, antara lain: ukuran pasar modal, indeks pasar modal, likuiditas pasar modal, jumlah transaksi di pasar modal, dan integrasi pasar modal terhadap semua pasar modal di dunia.

Di Malaysia, studi hubungan antara pasar modal dan pertumbuhan ekonomi pernah dilakukan oleh Choong et. al. (2001), dengan hasil yang mendukung hipotesis finance-led growth. Dengan menggunakan bound test dan pengujian kausalitas Granger dalam rerangka Vector Error Correction Models (VECM), mereka menyimpulkan adanya hubungan kausalitas satu arah dari perkembangan pasar modal terhadap pertumbuhan ekonomi.

Usaha yang dilakukan oleh Kuncoro (1993) untuk mengkaji hubungan sektor keuangan dan pertumbuhan ekonomi di Indonesia, dengan menggunakan perspektif pasar uang perbankan, patut mendapatkan perhatian. Kuncoro memperlihatkan bahwa pasar keuangan yang memberikan pengaruh kausal terhadap pertumbuhan ekonomi Indonesia berdasarkan data 1968 sampai 1990. Kuncoro berargumen bahwa terdapat hubungan satu arah antara pertumbuhan ekonomi dengan rasio monetisasi tingkat bunga riil dan tabungan, sementara hubungan kausalitas dua arah ditemukan untuk rasio mata uang. Sektor keuangan hanya memberikan peran secara pasif dan permisif dalam proses pembangunan.

DATA DAN METODOLOGI

Deskripsi Data

Studi ini menggunakan data Indonesia untuk periode kuartal pertama 1993 sampai kuartal pertama 2004. Kinerja pasar modal diproksi dari Indeks Harga Saham Gabungan (IHSG) dan pertumbuhan ekonomi diproksi dari Pendapatan Domestik Bruto Riil (PDBR) dengan harga konstan 1993. PDBR dipergunakan karena data pertumbuhan ini telah menghilangkan dampak inflasi yang terjadi di perekonomian. Pertumbuhan ekonomi yang dicerminkan oleh PDBR lebih mewakili pertumbuhan ekonomi nyata karena menggunakan harga pada tahun dasar tententu.

IHSG dipergunakan sebagai ukuran kinerja dengan pertimbangan bahwa indeks ini merupakan indikator likuiditas dan volume pasar modal. Bukanlah pekerjaan yang gampang untuk memproksi perkembangan pasar modal (Gursoy dan Muslumov, 1998). Telah banyak peneliti yang menggunakan berbagai indikator, seperti volume transaksi (Osinubi, 2001), turnover index (Choong, 2001), dan total kapitalisasi modal (Gursoy dan Muslumov, 1998). Namun demikian, indikator yang dianggap terbaik untuk mengukur kinerja pasar modal adalah indeks saham (Choong, 2001).

Data IHSG dan data PDBR diperoleh dari data yang dipublikasikan oleh Bank Indonesia di situsnya: www.bi.go.id. Periode pengamatan dimulai dari tahun 1993 dikarenakan data IHSG runtut waktu (time series) yang berkesinambungan baru tersedia sejak 1993.

Tabel 1 memperlihatkan statistik sampel untuk data yang dipergunakan dalam tulisan ini.

Tabel 1 Statistik Sampel

IHSG

PDBR

LIHSG

LPDBR

Mean

499.2673

105685.5

6.189494

11.52927

Median

492.3730

100535.7

6.199237

11.51827

Maximum

735.6700

403964.2

6.600782

12.90908

Minimum

276.1500

78529.70

5.620944

11.27123

Std. Dev.

109.3880

46304.01

0.221278

0.228970

Observations

45

45

45

45

Tabel di atas memperlihatkan statistik sampel untuk variabel dengan nilai awal dan variabel dalam logaritma. Tujuan memperlihatkan kedua kelompok data ini adalah untuk mendeskripsikan sifat dari kedua kelompok data tersebut. Secara informal dapat dikatakan bahwa variabel logaritma akan memiliki fluktuasi dan standar deviasi yang lebih kecil. Namun secara formal belum bisa dikatakan bahwa data logaritma akan memberikan hasil estimasi ordinary least squared (OLS) yang lebih baik daripada data awal. Pengujian secara formal akan dilakukan dengan menggunakan pengujian serumpun (nested test) untuk menentukan apakah model logaritma akan lebih baik daripada model linear biasa atau sebaliknya.

Nilai IHSG tertinggi terjadi pada awal tahun 1997 dan awal tahun 2004 (sekitar 730 poin). Ini menunjukan bahwa sebelum terjadinya krisis ekonomi pada pertengahan 1997 pasar saham Indonesia relatif bergairah. Namun demikian, milai IHSG terendah setahun kemudian (sekitar 270 poin) dikarenakan paniknya investor di pasar modal Indonesia. Karena sebagian besar investor di pasar saham Indonesia adalah investor jangka pendek (atau disebut spekulator) maka krisis mata uang pada pertengahan 1997 ditanggapi dengan aksi menjual besar-besaran, yang menyebabkan penurunan IHSG menjadi hanya sepertiga dari nilai tertingginya. Mulainya recovery ekonomi pada akhir tahun 2003 ditanggapi positif oleh pelaku pasar modal (yang ditunjukan oleh mulai kembalinya IHSG ke posisi yang tinggi).

Nilai mean PDBR Indonesia pada periode pengamatan adalah sekitar Rp105 trilyun, dengan nilai tertinggi pada kuartal pertama 2004 (sekitar Rp403 trilyun) dan nilai terendah pada kuartal pertama 1993 (sekitar Rp78 trilyun). Untuk nilai kuartal pertama 2004 yang melonjak sangat tinggi dibandingkan kuartal keempat 2003, penulis belum menemukan sebab perbedaan yang sangat besar tersebut. Data yang dipublikasikan oleh Bank Indonesia memperlihatkan bahwa pertumbuhan ekonomi riil pada kuartal pertama 2004 sangat tinggi, mencapai 269,57%. Ini merupakan angka yang sangat tinggi dan kurang begitu masuk akal. Meskipun perekonomian Indonesia sudah mulai recovery pada 2003, masih belum begitu jelas bagi penulis tentang sangat tingginya pertumbuhan ekonomi kuartal pertama 2004 ini.

Dengan menggunakan nilai logaritma, LIHSG bernilai mean sekitar 6,18, dengan nilai tertinggi sekitar 6,6 dan nilai terendah sekitar 5,6. Sementara LPDBR bernilai tengah 11,5, dengan nilai tertinggi 12,9 dan nilai terendah 11,3.

Metodologi

Metodologi yang dipergunakan dalam studi ini adalah metodologi kausalitas Sims (1972), berdasarkan pada definisi kausalitas yang dikemukakan oleh Granger (1969). Namun demikian, sebelum metodologi ini dilakukan, penulis akan melakukan pemilihan model dahulu untuk menentukan apakah model logaritma atau model linear yang lebih baik. Kemudian setelah itu, untuk mengkaji apakah data time series yang dipergunakan berperilaku stasioner dan tidak melanggar asumsi dasar Gauss-Markov untuk Ordinary Least Squared (OLS), penulis menggunakan uji akar unit (unit roots test) dan uji kointegrasi (cointegration test). Uji akar unit digunakan untuk melihat apakah variabel yang dipergunakan pada tulisan ini stasioner pada level atau pada first-difference. Apabila kedua variabel stasioner pada level maka OLS bisa langsung digunakan dengan menggunakan model regresi linear. Apabila kedua variabel berintegrasi pada first-difference, perlu diuji apakah kedua variabel tersebut memiliki kemungkinan kombinasi linear (linear combination) atau tidak dengan menggunakan uji kointegrasi. Apabila terdapat kombinasi linear antar variabel dengan tingkat integrasi yang sama, model koreksi kesalahan dapat digunakan untuk menunjukan hubungan jangka pendek dan jangka panjang. Peran pengujian kausalitas pada tulisan ini adalah untuk menentukan mana dari kedua variabel yang akan menjadi variabel independent dan variabel dependen.

Pendekatan Sims dapat dituliskan sebagai berikut:

Xt = ã1,1Xt-1 + ã1,2Xt-2 + … + ã1,tXt-ñ + ã2,1Yt-1 + ã2,2Yt-2 + … + ã2,ñYt-ñ + î1,t (1)

Yt = ã2,1Yt-1 + ã2,2Yt-2 + … + ã2,ñYt-ñ + ã1,1Xt-1 + ã1,2Xt-2 + … + ã1,tXt-ñ + î2,t (2)

Xt = ã1,1Xt-1 + ã1,2Xt-2 + … + ã1,tXt-ñ + î1,t (3)

Yt = ã2,1Yt-1 + ã2,2Yt-2 + … + ã2,ñYt-ñ + î2,t (4)

Persamaan (1) dan (2) dinamakan persamaan unrestricted, sedangkan persamaan (3) dan (4) dinamakan persamaan restricted.

Dengan didasarkan pada hipotesis kausalitas Granger, hubungan kausalitas berikut akan muncul:

Y tidak memberikan pengaruh kausal terhadap X apabila ã2,1 = ã2,2 = … = ã2,ñ = 0 (5)

X tidak memberikan pengaruh kausal terhadap Y apabila ã1,1 = ã1,2 = … = ã1,t = 0 (6)

Untuk memutuskan apakah hipotesis kausalitas pada persamaan (5) dan (6) terpenuhi atau tidak, Sim menggunakan statistik-F untuk membandingkan persamaan (1) dan (2) secara relatif terhadap persamaan (3) dan (4):

F = [(R2UR – R2R) / m] / [(1-R2UR) / (n-2m-1)] (7)

untuk R2UR adalah koefisien determinasi untuk persamaan unrestricted, R2R adalah koefisien determinasi untuk persamaan restricted, n adalah jumlah observasi, dan m adalah jumlah periode lag.

Dengan Sims test, hubungan kausalitas dapat dituliskan sebagai berikut:

Kemungkinan

Hasil Statistik-F

Hubungan Kausalitas

1

Persamaan (5) terpenuhi tetapi persamaan (6) tidak terpenuhi

X memberikan pengaruh kausal terhadap Y (X?Y)

2

Persamaan (5) tidak terpenuhi tetapi persamaan (6) terpenuhi

Y memberikan pengaruh kausal terhadap X (Y?X)

3

Persamaan (5) dan persamaan (6) terpenuhi

Hubungan kausalitas dua arah antara X dan Y (X?Y)

4

Persamaan (5) dan persamaan (6) tidak terpenuhi

Tidak ada hubungan kausal antara X dan Y, atau X dan Y independen

ANALISIS DAN INTERPRETASI

Pada bagian ini akan dilakukan pengujian terhadap data yang meliputi pemilihan model dengan membandingkan antara model linear dan model logaritma, pengujian kausalitas, pengujian stasionaritas data (meliputi uji akar-akar unit dan uji kointegrasi), regresi OLS apabila data series yang dipergunakan stasioner atau berintegrasi pada level, atau pengujian model jangka pendek koreksi kesalahan apabila antar variabel yang diamati memiliki hubungan linear pada tingkat integrasi first differences atau second differences.

Pemilihan Model antara Linear dan Log-linear

Sebelum melakukan pengujian kausalitas untuk variabel PDBR dan IHSG, penulis melakukan terlebih dahulu pemilihan model antara model linear dan model log-linear untuk menentukan model mana yang lebih baik untuk mewakili periode pengamatan. Pemilihan antara model linear dan model log-linear dapat dilakukan dengan menggunakan metode pemilihan model berdasarkan kriteria fit dan parsimony, yaitu Akaike Information Criteria (AIC) dan Schwarz-Bayesian Criteria (SBC) (Verbeek, 2001), dan uji serumpun (nested tests). Kedua metode ini akan dilakukan dalam studi ini.

Uji serumpun yang dipergunakan dalam studi ini adalah uji MWD (MacKinnon, White, dan Davidson, 1983, hal. 53-70). Hipotesis yang dimunculkan dalam uji ini adalah:

H0 : Model Linear : Y adalah fungsi linear dari regresor X

H1: Model Log-linear : lnY adalah fungsi linear dari regresor lnX

Tahapan pengujian MWD dapat dilakukan sebagai berikut:

  1. Estimasi model linear dan dapatkan nilai Y estimasian. Beri nama Y estimasian dengan Yf (atau Y).
  2. Estimasi model log-linear dan dapatkan nilai lnY estimasian. Beri nama lnY estimasian dengan lnf
  3. Dapatkan variabel baru Z1 = (ln Yf – lnf)
  4. Regres Y terhadap X dan Z1 yang diperoleh pada tahap 3. Tolak H0 apabila koefisien Z1 secara statistik signifikan dilihat dari uji t.
  5. Dapatkan variabel baru Z2 = (antilog dari lnf – Yf)
  6. Regres lnY terhadap lnX dan Z2. Tolak H1 apabila koefisien Z2 secara statistic signifikan dilihat dari uji t.

Akaike Information Criteria dan Schwarz-Bayesian Criteria

Software pengolahan data Eviews memberikan fasilitas untuk kedua kriteria ini. Dengan cara melakukan regresi Ordinary Least Squared (OLS), hubungan fungsional antar variabel dan kriteria fit dan parsimony bisa didapatkan. Tabel 2 dan 3 memperlihatkan hasil regresi OLS untuk model linear dan model log-linear secara berurutan.

Tabel 2. Hasil Regresi OLS untuk Model Linear

Dependent Variable: PDBR

Method: Least Squares

Date: 07/26/04 Time: 13:36

Sample: 1993:1 2004:1

Included observations: 45

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

25706.23

30524.17

0.842160

0.4044

IHSG

160.1933

59.75174

2.680981

0.0104

R-squared

0.143216

Mean dependent var

105685.5

Adjusted R-squared

0.123290

S.D. dependent var

46304.01

S.E. of regression

43355.73

Akaike info criterion

24.23569

Sum squared resid

8.08E+10

Schwarz criterion

24.31599

Log likelihood

-543.3031

F-statistic

7.187657

Durbin-Watson stat

1.134787

Prob(F-statistic)

0.010368

Tabel 3. Hasil Regresi OLS untuk Model Log-linear

Dependent Variable: LPDBR

Method: Least Squares

Date: 07/26/04 Time: 09:52

Sample: 1993:1 2004:1

Included observations: 45

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

9.067328

0.902224

10.04997

0.0000

LIHSG

0.397762

0.145676

2.730455

0.0091

R-squared

0.147762

Mean dependent var

11.52927

Adjusted R-squared

0.127942

S.D. dependent var

0.228970

S.E. of regression

0.213822

Akaike info criterion

-0.203922

Sum squared resid

1.965949

Schwarz criterion

-0.123625

Log likelihood

6.588234

F-statistic

7.455385

Durbin-Watson stat

0.989900

Prob(F-statistic)

0.009132

Baik Tabel 2 maupun Tabel 3 memperlihatkan bahwa variabel IHSG dan variabel PBDR memiliki hubungan fungsional yang positif signifikan (lihat probabilitas statistik-t yang menunjukan signifikansi pada á=5%). Namun demikian, konstanta (C) yang dihasilkan pada model linear tidak signifikan secara statistik pada á=5%, sementara pada model log-linear signifikan secara statistik. Dengan statistik-t sebenarnya sudah terlihat bahwa model log-linear lebih mewakili periode pengamatan pada studi ini. Untuk memperkuat argumentasi pemilihan model log-linear, penulis membandingkan AIC dan SBC pada kedua model. Pengambilan keputusan pada kedua kriteria ini adalah nilai yang lebih kecil menunjukan model yang lebih fit dan parsimony. Dari kedua model, terlihat secara jelas bahwa nilai AIC dan SBC pada model log-linear lebih baik daripada pada model linear. Dengan demikian dapat disimpulkan bahwa model log-linear lebih mewakili periode data yang dipergunakan.

Pengujian MWD

Hasil pengujian MWD berdasarkan tahapan yang telah disebutkan di atas dapat dilihat pada Tabel 4 untuk model linear dan Tabel 5 untuk model log-linear. Berdasarkan pengujian MWD terlihat bahwa koefisien Z1 signifikan secara statistik pada á=5%, sedangkan Z2 tidak signifikan secara statistic pada á=5%. Dengan demikian dapat disimpulkan bahwa hipotesis nol untuk pengujian MWD ditolak. Kesimpulan yang dihasilkan oleh pengujian MWD ini sama dengan kesimpulan yang dihasilkan dengan menggunakan AIC dan SBC, yaitu model log-linear lebih tepat dipergunakan untuk periode data pengamatan.

Tabel 4. Hasil Pengujian MWD untuk Model Linear

Dependent Variable: PDBR

Method: Least Squares

Date: 09/12/04 Time: 09:22

Sample: 1993:1 2004:1

Included observations: 45

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

734386.8

315145.1

2.330314

0.0247

IHSG

-1409.711

697.4692

-2.021180

0.0497

Z1

-19.89776

8.810417

-2.258436

0.0292

R-squared

0.235997

Mean dependent var

105685.5

Adjusted R-squared

0.199616

S.D. dependent var

46304.01

S.E. of regression

41425.50

Akaike info criterion

24.16552

Sum squared resid

7.21E+10

Schwarz criterion

24.28597

Log likelihood

-540.7242

F-statistic

6.486807

Durbin-Watson stat

1.285538

Prob(F-statistic)

0.003507

Tabel 5. Pengujian MWD untuk Model Log-linear

Dependent Variable: LPDBR

Method: Least Squares

Date: 09/12/04 Time: 09:22

Sample: 1993:1 2004:1

Included observations: 45

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

28.58146

11.17069

2.558612

0.0142

LIHSG

-2.792743

1.826235

-1.529235

0.1337

Z2

9.126300

5.207986

1.752367

0.0870

R-squared

0.205827

Mean dependent var

11.52927

Adjusted R-squared

0.168009

S.D. dependent var

0.228970

S.E. of regression

0.208852

Akaike info criterion

-0.230042

Sum squared resid

1.832004

Schwarz criterion

-0.109598

Log likelihood

8.175940

F-statistic

5.442605

Durbin-Watson stat

1.051977

Prob(F-statistic)

0.007911

Pengujian Kausalitas Granger dan Sims

Karena model yang lebih cocok untuk data pengamatan dalam studi ini adalah model log-linear maka pada pengujian-pengujian selanjutnya akan dipergunakan model log-linear. Model linear tidak ditampilkan dalam studi ini.

Hasil pengujian kausalitas Granger dapat dilihat pada Tabel 6 dan hasil pengujian kausalitas Sims dapat dilihat pada Tabel 7. Terlihat bahwa pada kedua pengujian arah kausalitas berasal dari LPDBR ke LIHSG. Dengan demikian dapat disimpulkan bahwa untuk kasus Indonesia dengan periode pengamatan dari kuartal pertama tahun 1993 sampai kuartal pertama tahun 2004, hipotesis growth-lead finance yang berlaku. Dalam hal ini, pertumbuhan ekonomi Indonesia mendorong terciptanya permintaan di pasar keuangan. Hasil temuan ini dapat dijelaskan dengan argumen belum efisiennya pasar modal Indonesia. Temuan yang dihasilkan oleh Susianto (1997) memperlihatkan bahwa efisiensi pasar modal Indonesia masih dalam bentuk lemah. Hasil pengujian ini mendukung hasil studi yang dilakukan oleh Kuncoro (1993) dengan mengambil perspektif pasar keuangan dari sisi sektor perbankan.

Tabel 6. Hasil Pengujian Kausalitas Granger

Pairwise Granger Causality Tests

Date: 07/26/04 Time: 13:56

Sample: 1993:1 2004:1

Lags: 2

Null Hypothesis:

Obs

F-Statistic

Probability

LPDBR does not Granger Cause LIHSG

43

5.22717

0.00988

LIHSG does not Granger Cause LPDBR

1.09567

0.34465

Tabel 7. Hasil Pengujian Kausalitas Sims

Null Hypothesis

R2UR

R2R

Statistik F

Kesimpulan

LPDBR does not Granger Cause LIHSG

0,4682

0,1719

11,1433

LPDBR ? LIHSG

LIHSG does not Granger Cause LPDBR

0,2948

0,2543

1,1486

Catatan: nilai F-tabel untuk jumlah observasi 45 dan á=5% adalah 4,08

Pengujian Stasioneritas

Pengujian stasioneritas dipergunakan untuk melihat perilaku data. Penerapan regresi OLS secara langsung kepada data series mengasumsikan bahwa data yang dipergunakan berintegrasi pada level (derajat nol). Apabila asumsi ini dilanggar maka regresi yang dihasilkan akan bersifat lancung (spurious regression) (Granger dan Newbold, 1974). Berdasarkan studi yang dilakukan oleh Nelson dan Plosser (1984), data series makroekonomi sebagian besar berintegrasi pada derajat satu (first differences). Karena itu, penerapan secara langsung regresi OLS menyebabkan uji-t tidak berdistribusi normal sehingga asumsi dasar OLS tidak terpenuhi. Hasil pengujian dengan regresi OLS untuk data series yang berintegrasi pada derajat yang lebih tinggi daripada nol akan menyebabkan bias estimasi.

Untuk menghindari regresi lancung, penulis melakukan pengujian sifat data dengan menggunakan uji akar-akar unit (unit roots test) dan uji kointegrasi (cointegration). Pengujian akar-akar unit yang dipergunakan pada studi ini adalah uji Augmented Dickey-Fuller (ADF) dan uji Philips-Perron (PP). Hasil ADF dan PP untuk kedua variabel dapat dilihat pada Tabel 8 dan Tabel 9 secara berurutan. Secara umum, hasil pengujian kedua cara memberikan hasil yang sama.

Tabel 8. Hasil Pengujian ADF (dengan Lag 1)

Level

First Difference

Second Differences

Kesimpulan

Data Keseluruhan (1993.1 – 2004.1)

  • LIHSG

-2,9585**

I(0)

  • LPDBR

0,9557

-1,0259

-2,0588

Data Sebelum Krisis (1993.1 – 1997.2)

  • LIHSG

-1,6445

-3,3545***

I(1)

  • LPDBR

-1,6572

-6,2436***

I(1)

Data Setelah Krisis (1997.3 – 2004.1)

  • LIHSG

-2,5559

-3,7341***

I(1)

  • LPDBR

1,4138

-o,5014

-1,6317

Catatan: * adalah signifikan pada 10%, ** adalah signifikan pada 5%, dan *** adalah signifikan pada 1%

Tabel 9. Hasil Pengujian PP (dengan Newey-West Truncation Lags 3)

Level

First Difference

Second Differences

Kesimpulan

Data Keseluruhan (1993.1 – 2004.1)

  • LIHSG

-3,4270**

I(0)

  • LPDBR

-0,1847

-2,8029

-2,5503

Data Sebelum Krisis (1993.1 – 1997.2)

  • LIHSG

-1,9531

-4,1371***

I(1)

  • LPDBR

-2,7153

-4,2414***

I(1)

Data Setelah Krisis (1997.3 – 2004.1)

  • LIHSG

-3,0018**

I(0)

  • LPDBR

1,0059

-1,6976

-1,9675

Dikarenakan adanya structural break berupa krisis ekonomi yang dimulai dengan krisis keuangan pada semester kedua tahun 1997, penulis mempertimbangkan untuk memisahkan antara data series sebelum dan setelah krisis untuk melihat perilaku data. Dari pengujian ADF dan PP pada Tabel 8 dan 9 terlihat bahwa apabila data series yang dipergunakan adalah data dari kuartal pertama 1993 sampai dengan kuartal pertama 2004. Data series LIHSG berintegrasi pada derajat nol sementara data series LPDBR berintegrasi pada derajat yang sangat tinggi (melebihi derajat dua). Hal ini menunjukan bahwa apabila metode yang dipergunakan adalah metode regresi linear OLS maka hasil pengujiannya akan lancung.

Dengan dibaginya data series menjadi dua bagian: sebelum dan setelah krisis, terlihat bahwa perilaku data sebelum terjadinya krisis ekonomi menunjukan fluktuasi yang normal dan kedua variabel (LIHSG dan LPDBR) berintegrasi pada derajat yang sama, yaitu derajat satu (I(1)). Sementara, data series setelah krisis tidak memiliki random walk dan berintegrasi pada derajat yang berbeda, LIHSG berintegrasi pada derajat nol dan LPDBR berintegrasi pada derajat yang sangat tinggi.

Dari pengujian akar-akar unit ini dapat disimpulkan bahwa data sejak terjadinya krisis berperilaku tidak menentu dan mengandung inertia. Karena itu, data setelah krisis tidak bisa dipergunakan untuk analisis time series pada studi ini.

Dengan menggunakan data sebelum krisis periode kuartal pertama 1993 sampai dengan kuartal kedua 1997, uji kointegrasi dapat dilakukan karena kedua data series memiliki derajat integrasi yang sama.

Uji kointegrasi berusaha menguji apakah terdapat kombinasi linear antar kedua variabel. Salah satu cara untuk menguji keberadaan kointegrasi adalah dengan menggunakan pengujian stasionaritas terhadap residual. Engle dan Granger (1987) menyatakan bahwa apabila residual dari model jangka panjang stasioner maka terdapat kemungkinan adanya kombinasi linear antara variabel.

Model jangka panjang hubungan fungsional antara LIHSG dan LPDBR dapat dilihat pada Tabel 10. Terlihat bahwa dalam jangka panjang pertumbuhan ekonomi (LPDBR) memberikan pengaruh yang positif signifikan terhadap kinerja pasar modal (LIHSG).

Tabel 10. Model Jangka Panjang Hubungan Pasar Modal

dan Pertumbuhan Ekonomi

Dependent Variable: LIHSG

Method: Least Squares

Date: 09/13/04 Time: 12:34

Sample: 1993:1 1997:2

Included observations: 18

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-14.61970

3.264051

-4.479005

0.0004

LPDBR

1.821126

0.285132

6.386950

0.0000

R-squared

0.718276

Mean dependent var

6.226890

Adjusted R-squared

0.700668

S.D. dependent var

0.213380

S.E. of regression

0.116743

Akaike info criterion

-1.353250

Sum squared resid

0.218062

Schwarz criterion

-1.254319

Log likelihood

14.17925

F-statistic

40.79313

Durbin-Watson stat

1.163751

Prob(F-statistic)

0.000009

Residual yang diperoleh dari model jangka panjang ini dapat dilihat pada Gambar 1. Pada Gambar terlihat bahwa secara informal terdapat kemungkinan stasionaritas data residual. Pengujian secara formal yang dipergunakan adalah uji ADF dan PP terhadap residual model jangka panjang. Tabel 11 memperlihatkan hasil pengujian ADF dan PP.

Gambar 1. Residual Model Jangka Panjang

image\ebx_1048468948.gif

Tabel 11. Pengujian Kointegrasi: Pengujian Stasioneritas Residual

ADF

PP

Tanpa Konstan

-2,5828**

-2,9044***

Dengan Konstan

-2,4804

-2,4804

Dengan Konstan dan Trend

-2,4535

-2,4535

Catatan: ** adalah signifikan pada á=5% dan *** adalah signifikan pada á=1%

Dari pengujian kointegrasi terhadap stasioneritas residual terlihat bahwa untuk pengujian tanpa konstan, uji ADF dan uji PP menunjukan adanya kointegrasi. Menurut Enders (1995), apabila pengujian ADF dan PP memperlihatkan adanya stasioneritas pada salah satu model, baik tanpa konstan, dengan konstan, maupun dengan konstan dan time trend, sudahlah dapat disimpulkan bahwa data series bersangkutan memiliki tingkat integrasi pada level (stasioner). Engle dan Granger (1987) berargumen bahwa apabila sekelompok data series memiliki kombinasi linear maka model koreksi kesalahan (error correction models - ECM) dapat dipergunakan untuk mengestimasi data series yang ada. Pada studi ini, ECM yang akan dipergunakan adalah prosedur dua langkah Engle dan Granger (1987).

Tabel 12 memperlihatkan hasil pengujian ECM untuk Engle-Granger (EG). Model ECM yang dipergunakan pada studi ini tidak memasukan konstanta karena dari hasil pengujian kointegrasi terhadap residual terlihat bahwa data series residual stasioner pada model tanpa konstan. Hasil pengujian model ECM memperlihatkan bahwa error correction term (ECT) yang ditunjukan oleh RES(-1) memiliki tanda negatif sesuai yang diharapkan dengan tingkat signifikansi secara statistik pada á=1%. Hal ini menunjukan bahwa disekuilibrium jangka pendek akan mengarah (converse) ke ekuilibrium jangka panjang dengan kecepatan penyesuaian (speed of adjustment) yang rendah.

Koefisien pertumbuhan ekonomi (DLPDBR) signifikan pada lag ketiga. Dengan demikian dapat diartikan bahwa pertumbuhan ekonomi pada kuartal t akan memberikan pengaruh pada kinerja pasar modal (DLIHSG) pada kuartal t+3.

Table 12. Engle-Granger Error Correction Model

(Dependent variable: DLIHSG)

Dependent Variable: DLIHSG

Method: Least Squares

Date: 09/15/04 Time: 12:15

Sample(adjusted): 1994:1 1997:2

Included observations: 14 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

DLIHSG(-1)

0.283617

0.186126

1.523790

0.1714

DLIHSG(-2)

-0.096606

0.157922

-0.611733

0.5600

DLIHSG(-3)

0.279872

0.122713

2.280703

0.0566

DLPDBR(-1)

-0.537668

0.612091

-0.878411

0.4089

DLPDBR(-2)

-0.668037

0.650470

-1.027008

0.3386

DLPDBR(-3)

1.168714

0.586476

1.992774

0.0865

RES(-1)

-0.833553

0.205623

-4.053795

0.0048

R-squared

0.864551

Mean dependent var

0.014823

Adjusted R-squared

0.748452

S.D. dependent var

0.093498

S.E. of regression

0.046893

Akaike info criterion

-2.975025

Sum squared resid

0.015393

Schwarz criterion

-2.655497

Log likelihood

27.82518

F-statistic

7.446664

Durbin-Watson stat

2.079307

Prob(F-statistic)

0.009065

KESIMPULAN DAN IMPLIKASI KEBIJAKAN

Hasil analisis data menunjukkan bahwa untuk kasus di Indonesia selama tahun 1993-2004, terbukti bahwa pertumbuhan ekonomi yang menggerakkan pertumbuhan sektor finansial (yang dalam hal ini diwakili oleh pasar modal). Pengujian ECM untuk Engle-Granger Model pada kuartal pertama 1993 hingga kuartal kedua 1997 menunjukkan bahwa respon pelaku pasar modal terhadap pertumbuhan ekonomi baru terlihat setelah melewati 3 kuartal. Hal ini menunjukkan bahwa pelaku pasar modal bersifat menunggu terhadap publikasi dari pertumbuhan ekonomi pada kuartal sebelumnya. Respon ini terjadi dalam hitungan satu tahunan. Namun untuk periode kwartal kedua 1997 hingga kuartal pertama 2004, terdapat structural break berupa krisis ekonomi yang menyebabkan data berperilaku tidak menentu dan inertia. Dalam kondisi ini sulit untuk menentukan respon pelaku pasar modal terhadap pertumbuhan. Kondisi krisis pada sektor keuangan mendorong aksi jual besar-besaran ditambah lagi menurunnya kepercayaan pelaku pasar terhadap keamanan dan kebijakan nasional pasca turunnya Soeharto.

Ketergantungan sektor finansial pada sektor riil memberikan implikasi pentingnya peranan kebijakan-kebijakan pemerintah yang mendukung pengembangan sektor riil, khususnya sektor-sektor yang memiliki kontribusi dan potensi yang cukup besar terhadap pertumbuhan ekonomi.

Daftar Pustaka

Caporale, G. M., P. G. A. Howells, dan A. M. Soliman (2003), "Endogenous Growth Models and Stock Market Development: Evidence from Four Countries", The Working Paper Series No. 03/02 February 2003, School of Economics, Faculty of Humanities, Languages and Social Sciences University of the West of England, Frenchay Campus, Bristol, BS16 1QY

Choong, Chee Keong, Zulkornain Yusop, Siong Hook Law, dan Venus Liew Khim Sen (2001), "Financial Development and Economic Growth in Malaysia: the Stock Market Perspective", Economics Working Paper Archive at WUSTL, http://econwpa.wustl.edu:80/eps/mac/papers/0307/0307010.pdf, di-download pada 27 Juli 2004.

Demirguc-Kuhn, Asli dan Ross Levine (1996), "Stock Market Development and Financial Intermediaries: Stylized Facts", The World Bank Economic Review, Vol. 10, No. 2., hal. 291-321.

Enders, W. (1995), Applied Econometric Time Series, New York: John Wiley.

Engle, R. E. and C. W. J. Granger (1987), ‘Cointegration and error correction: representation, estimation, and testing’, Econometrica 55, 251-276.

Granger, C. W. J. (1969), "Investigating Causal Relations by Econometric Models and Cross Spectral Methods", Econometica, Vol. 37, hal. 424-438.

Granger, C. W. J. dan P. Newbold (1974), "Spurious Regressions in Econometrics", Journal of Econometrics, Vol. 2, hal. 111-120.

Gursay, C. T. dan A. Muslumov (1998), "Stock Markets and Economic Growth: A Causality Test", http://www1.dogus.edu.tr/dogustru/journal/sayi_2/m00030.pdf, di-download pada 27 Juli 2004.

Kuncoro, Mudrajat (1993), "Financial Liberalization in Chile and Indonesia : A Comparative Study",Unpublished Master thesis, University of Birmingham, Birmingham.

Levine, Ross (1997), "Finanacial Development and Economic Growth: Views and Agenda", Journal of Economic Literature, 35, hal. 688-726.

Levine, Ross dan Sara Zevos (1996), "Stock Market Development and Long-Run Economic Growth", The World Bank Review, Vol. 10, no. 2.

Levine, Ross dan Sara Zervos (1998), "Stock Markets, Banks and Economic Growth", American Economic Review, 88, hal. 537-558.

Luintel, K. B. dan M. Khan (1999), "A Quantitative Reassessment of the Finance-Growth Nexus: Evidence from a Multivariate VAR", Journal of Development Economics, 60, hal. 381-405.

MacKinnon, J., H. White, dan R. Davidson (1983), "Tests for Model Specification in the Presence of Alternative Hypothesis: Some Further Results", Journal of Econometrics, Vol. 21, hal. 53-70

Nelson, C. R. dan C. I. Plosser (1982), "Trends and Random Walks in Macroeconomic Time Series", Journal of Monetary Economics, Vol. 10, hal. 139-162.

Osinubi, Tokunbo Simbowale (2001), "Does Stock Market Promote Economic Growth in Nigeria?",http://www.uwi.tt/.../session%202/does%20the%20stock%20market%20promote%20economic%20growth%20in%20Nigeria.pdf, di-download pada 26 Juli 2004.

Patrick, H. T. (1966), "Financial Development and Economic Growth in Underdeveloped Countries", Economic Development and Cultural Change, 14, hal. 174-189.

Robinson, Joan (1952), The Generalization of the General Theory, in The Rate of Interest and Other Essays, MacMillan, London.

Romer, P. M. (1990), "Endogenous Technological Change", Journal of Political Economy, 98, hal. S71-S102.

Rousseau, Peter L. dan Paul Wachtel (1998), "Financial Intermediation and Economic Performance: Historical Evidence from Five Industrial Countries", Journal of Money, Credit, and Banking, 30(4), hal. 657-678.

Samuel, Chevian (1996), "Stock Market and Investment: the Governance Role of the Market", The World Bank Review, Vol. 10, No. 2.

Schumpeter, Joseph (1912), Theorie der Wirtschafhichen, Entwickwing (the Theory of Economic Development), Leipzig: Dunker and Humblot, translated by Redevers Opie (Cambridge, Massachesetts, Harvard University Press, 1934).

Sims, G. (1972), "Money, Income and Causality", American Economic Review, Vol. 62, hal. 540-552.

Susiyanto, M. F. (1997), Pengujian Efisiensi Pasar Modal Indonesia: Bentuk Lemah dan Bentuk Setengah Kuat pada Periode 1994-1996, Laporan Internship MM-UGM (tidak dipublikasikan)

Verbeek, M. (2001), A Guide to Modern Econometrics, New York: John Wiley.

Tidak ada komentar: