Analsis Faktor Determinan yang Mempengaruhi Yield Obligasi, Studi Empiris Pemerintah Indonesia,...
112
ANALISIS FAKTOR DETERMINAN YANG MEMPENGARUHI YIELD OBLIGASI, STUDI EMPIRIS PEMERINTAH INDONESIA; 2009:1-2013:12 SKRIPSI Untuk memenuhi sebagian persyaratan mencapai derajat S-1 Dosen Pembimbing: Prof. Dr. Samsubar Saleh, M.Soc.Sc. Diajukan oleh Ahmad Idham 10/299280/EK/18005 JURUSAN ILMU EKONOMI FAKULTAS EKONOMIKA DAN BISNIS UNIVERSITAS GADJAH MADA 2014
Transcript of Analsis Faktor Determinan yang Mempengaruhi Yield Obligasi, Studi Empiris Pemerintah Indonesia,...
ANALISIS FAKTOR DETERMINAN YANG MEMPENGARUHI YIELD
OBLIGASI, STUDI EMPIRIS PEMERINTAH INDONESIA;
2009:1-2013:12
SKRIPSI
Untuk memenuhi sebagian persyaratan mencapai derajat S-1
Dosen Pembimbing: Prof. Dr. Samsubar Saleh, M.Soc.Sc.
Diajukan oleh
Ahmad Idham
10/299280/EK/18005
JURUSAN ILMU EKONOMI
FAKULTAS EKONOMIKA DAN BISNIS
UNIVERSITAS GADJAH MADA
2014
iii
iv
DAFTAR ISI
DAFTAR ISI ........................................................................................................... ii
DAFTAR TABEL ................................................................................................ viii
DAFTAR GAMBAR ............................................................................................. ix
GLOSARIUM ........................................................................................................ xi
BAB 1 ..................................................................................................................... 1
PENDAHULUAN .................................................................................................. 1
1.1 Latar Belakang ......................................................................................... 1
1.2 Perumusan Masalah ................................................................................ 12
1.3 Batasan Masalah ..................................................................................... 12
1.4 Pertanyaan Penelitian ............................................................................. 13
1.5 Tujuan Penelitian .................................................................................... 13
1.6 Manfaat Penelitian .................................................................................. 14
1.7 Ruang Lingkup ....................................................................................... 15
1.8 Sistematika Penulisan ............................................................................. 15
BAB II ................................................................................................................... 17
TINJAUAN LITERATUR DAN METODOLOGI PENELITIAN ...................... 17
2.1 Landasan Teori ....................................................................................... 17
2.1.1 Obligasi ............................................................................................... 17
2.1.2 Karakteristik Obligasi ......................................................................... 18
2.1.3 Yield Obligasi ...................................................................................... 20
2.1.5 Teori Permintaan dan Penawaran Obligasi ......................................... 26
2.1.6 Faktor-faktor yang Merubah Keseimbangan di Pasar Obligasi .......... 31
2.1.6.1 Variabel Likuiditas Perekonomian ..................................................... 31
vi
2.1.6.2 Variabel Fundamental Makroekonomi ............................................... 32
2.1.6.3 Variabel Tekanan Eksternal ................................................................ 36
2.2 Penelitian Terdahulu ............................................................................... 38
2.3 Kerangka Konseptual ............................................................................. 39
2.4 Hipotesis ................................................................................................. 41
2.5 Metodologi Penelitian ............................................................................ 42
2.5.1 Model VAR dan VECM ..................................................................... 42
2.5.2 Uji Akar Unit (Unit Root Test) dan Uji Derajat Integrasi................... 43
2.5.3 Pemilihan Lag Optimal ....................................................................... 44
2.5.4 Uji Kointegrasi Johansen .................................................................... 44
2.5.5 Estimasi Model VEC .......................................................................... 45
2.5.6 Uji Mispesifikasi (Diagnostic Check) dan Stabilitas Model .............. 46
2.5.7 Impulse Response Function dan Varians Decomposition .................. 48
BAB III ................................................................................................................. 49
PEMBAHASAN DAN HASIL ............................................................................. 49
3.1 Definisi Variabel .................................................................................... 49
3.2 Tahapan Analisis .................................................................................... 52
3.2.1 Uji Stasioneritas dan Derajat Integrasi ............................................... 53
3.2.2 Uji Lag Optimal .................................................................................. 55
3.2.3 Uji Kointegrasi Johansen .................................................................... 57
3.2.4 Vector Error Correction Model (VECM) ........................................... 60
3.2.5 Uji Asumsi Klasik ............................................................................... 66
3.2.6 Impulse Response Function ................................................................ 68
3.2.7 Dekomposisi Varians .......................................................................... 74
BAB IV ................................................................................................................. 80
PENUTUP ............................................................................................................. 80
vii
4.1 Kesimpulan ............................................................................................. 80
4.2 Saran ....................................................................................................... 82
4.2.1. Saran bagi Pihak yang Berkepentingan .............................................. 82
4.2.2. Saran untuk Penelitian Selanjutnya .................................................... 83
DAFTAR PUSTAKA ........................................................................................... 84
LAMPIRAN ............................................................................................................. I
viii
DAFTAR TABEL
Tabel 2.1 Dua Sudut Pandang dalam Pasar Obligasi ............................................ 27
Tabel 3.1 Variabel dan Sumber Data ..................................................................... 50
Tabel 3.2.a Hasil Uji Stasioneritas 1 ..................................................................... 53
Tabel 3.2.b Hasil Uji Derajat Integrasi ................................................................. 54
Tabel 3.3.a Hasil Uji Lag Optimal pada Model VAR Yield ON Tenor 1 Tahun . 55
Tabel 3.3.b Hasil Uji Lag Optimal pada Model VAR Yield ON Tenor 5 Tahun .. 56
Tabel 3.4.a. Hasil Uji Kointegrasi Johansen Model Yield ON Tenor 1 Tahun ...... 58
Tabel 3.4.b. Hasil Uji Kointegrasi Johansen Model Yield ON Tenor 5 Tahun ..... 59
Tabel 3.5.a. Hasil Estimasi VECM Model Yield ON Tenor 1 Tahun ................... 61
Tabel 3.5.b. Hasil Estimasi VECM Model Yield ON Tenor 5 Tahun ................... 64
Tabel 3.7. Hasil Uji Asumsi Klasik VECM .......................................................... 67
Tabel 3.8. Dekomposisi varians dari Yield ON Tenor 1 Tahun ............................ 77
Tabel 3.9. Dekomposisi varians dari Yield ON Tenor 5 Tahun ............................ 78
ix
DAFTAR GAMBAR
Gambar 1.1 Posisi Utang Pemerintah 1998 – 2012 ................................................ 2
Gambar 1.2 Proporsi Utang Pemerintah Pusat Menurut Instrumen 1998-2012 .... 3
Gambar 1.3 Proporsi Utang Pemerintah Pusat pada Desember 2012 ..................... 3
Gambar 1.4 Profile Jatuh Tempo Utang Pemerintah per 31 Desember 2013 ......... 5
Gambar 1.5 Komposisi Obligasi Pemerintah RI Outstanding (Triliun Rp) 10
Januari 2014 ............................................................................................................ 6
Gambar 1.6 Proporsi Kepemilikan SBN yang Dapat Diperdagangkan (Rp Triliun)
Desember 2013 ........................................................................................................ 7
Gambar 1.7 Nilai Emisi Obligasi Tahun 2007-2013 .............................................. 9
Gambar 1.8 Rata-rata Perdagangan Harian Obligasi Negara .................................. 9
Gambar 1.9 Tingkat yield obligasi pemerintah, BI Rate dan kurs Rp/USD ......... 11
Gambar 2.1 Keseimbangan di Pasar Obligasi ....................................................... 28
Gambar 2.2 Pergeseran Kurva Permintaan Dana .................................................. 29
Gambar 2.3 Pergeseran Kurva Penawaran Dana .................................................. 30
Gambar 2.4 Pengaruh Likuiditas, Fundamental Makroekonomi dan Faktor
Eksternal dalam suatu perekonomian terhadap Yield ON tenor 1 Tahun. ............ 40
Gambar 2.5 Pengaruh Likuiditas, Fundamental Makroekonomi dan Faktor
Eksternal dalam suatu perekonomian terhadap Yield ON tenor 5 Tahun. ............ 40
Gambar 2.6 Tahapan Sistematis VECM ............................................................... 43
Gambar 3.1. Grafik AR-Roots .............................................................................. 56
Gambar 3.2.a Respon Yield ON Tenor 1 Tahun terhadap Shock Likuditas .......... 68
Gambar 3.2.b Respon Yield ON Tenor 5 Tahun terhadap shock Likuiditas ......... 69
Gambar 3.3.a Respon Yield ON Tenor 1 Tahun terhadap shock Fundamental
Makroekonomi ...................................................................................................... 70
x
Gambar 3.3.b Respon Yield ON tenor 5 Tahun terhadap shock Fundamental
Makroekonomi ...................................................................................................... 72
Gambar 3.4.a. Respon Yield ON Tenor 1 Tahun terhadap Shock Harga Minyak
Dunia ..................................................................................................................... 73
Gambar 3.4.b. Respon Yield ON Tenor 5 Tahun terhadap Shock Harga Minyak
Dunia ..................................................................................................................... 74
xi
GLOSARIUM
ADF Augmented Dickey–Fuller
APBN Anggaran Pendapatan dan Belanja Negara
BPS Badan Pusat Statistik
DJPU Direktorat Jendral Pengelolaan Utang
ECT Error Correction Term
FEVD Forecast Error Variance Decomposition
FR Fixer Rate
IRF Impulse Response Function
OJK Otoritas Jasa Keuangan
ON Obligasi Negara
PDB Produk Domestik Bruto
SBI Sertifikat Bank Indonesia
SPN Surat Pembendaharaan Negara
VAR Vector Autoregression
VECM Vector Error Correction Model
1
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Surat Berharga Negara (SBN) dipandang oleh pemerintah sebagai
instrumen pembiayaan alternatif selain pembiayaan melalui perjanjian pinjaman
(loan agreement). Kondisi APBN (Anggaran Pendapatan dan Belanja Negara)
yang defisit, pada umumnya akan ditutup melalui pinjaman yang bersumber dari
luar negeri atau pinjaman yang bersumber dari dalam negeri.
Pasca krisis moneter tahun 1998, Pemerintah Indonesia memandang perlu
untuk menutup defisit anggaran belanja pemerintah melalui pembiayaan yang
bersumber dari dalam negeri. Mengingat tingkat fleksibilitas dan dependensi yang
tinggi terhadap negara donor, menjadi catatan tersendiri bagi pemerintah
Indonesia untuk beralih dari pembiayaan luar negeri ke pembiayaan dalam negeri.
Disamping itu, perubahan kebijakan tentang nilai tukar rupiah turut menjadi risiko
tersendiri terhadap posisi utang luar negeri pemerintah dan utang luar negeri
swasta. Kebijakan nilai tukar mengambang membuat risiko nilai tukar atas utang
luar negeri menjadi tinggi.
2
Gambar 1.1 Posisi Utang Pemerintah 1998 – 2012 Sumber: Publikasi DJPU Kementrian Keuangan.
Gambar 1.1 di atas menunjukkan kenaikan Pinjaman Luar Negeri,
terutama karena volatilitas nilai tukar Rupiah terhadap berbagai denominasi mata
uang dalam Pinjaman Luar Negeri. Lonjakan utang pemerintah dalam bentuk
pinjaman luar negeri terlihat pada tahun 2001 yaitu sebesar 40% dan tahun 2008
sebesar 25% hal ini ditenggarai oleh lonjakan nilai tukar rupiah terhadap US
Dollar dari 9,000 Rp/US$ ke level 10,400 Rp/US$ pada tahun 2001 dan 9,419
Rp/US$ menjadi 10,950 Rp/US$ pada tahun 2008.
1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Surat Berharga Negara 100,0 502,0 660,6 655,3 648,7 662,2 693,1 742,7 803,0 906,4 979,4 1064, 1187, 1361,
Pinjaman Dalam Negeri 0,39 1,01 1,80
Pinjaman Luar Negeri 453,0 438,0 612,5 569,8 583,3 637,0 620,2 559,4 586,3 730,2 611,2 617,2 621,2 614,3
Kurs Rp/US$ 8025 9000 10400 8940 8465 9290 9830 9020 9419 10950 9400 8991 9068 9670
0
2000
4000
6000
8000
10000
12000
0,00
500,00
1000,00
1500,00
2000,00
2500,00
Tri
liu
n R
up
iah
3
Gambar 1.2 Proporsi Utang Pemerintah Pusat Menurut Instrumen
1998-2012
Sumber: Publikasi DJPU, Kementrian Keuangan.
Gambar 1.3 Proporsi Utang Pemerintah Pusat pada Desember 2012
Sumber: Publikasi DJPU Kementrian Keuangan.
Gambar 1.2 dan 1.3 menunjukan bahwa pemerintah Indonesia berupaya
untuk terus merestrukturasi utangnya kedalam bentuk Surat Berharga Negara
(SBN). Berdasarkan data publikasi DJPU Kemenkeu tahun 2012, menunjukkan
pada bulan Desember tahun 2012 proporsi utang pemerintah Indonesia dalam
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Pinjaman Luar Negeri Surat Berharga Negara
31%
69%
Pinjaman Luar Negeri Surat Berharga Negara
4
bentuk Surat Berharga Negara (SBN) sebesar 69%. Sisanya, sebesar 31% berasal
dari pinjaman luar negeri.
Hal ini merupakan cerminan dari upaya pemerintah merestrukturisasi
utang-nya dari bentuk pinjaman (loan) kedalam bentuk obligasi (securities) atau
Surat Berharga Negara (SBN). Restrukturisasi utang pemerintah diperlukan untuk
mengurangi ketergantungan terhadap negara donor. Apabila bentuk utang
pemerintah adalah pinjaman (loan), maka persyaratan atas pemberian utang
ditentukan oleh negara donor. Secara politik tentunya hal ini akan dipandang tidak
menguntungkan.
Sebaliknya, dengan struktur utang pemerintah dalam bentuk obligasi
(securities), maka dependensi pemerintah terhadap negara-negara donor atau
pemberi pinjaman dapat diminimalkan. Serta dengan penerbitan obligasi
(securities) pemerintah dapat menentukan sendiri jangka waktu pinjaman (tenor).
Sehingga dapat disesuaikan dengan kebutuhan pemenuhan likuiditas jangka
pendek, jangka menengah hingga jangka panjang pada neraca keuangan negara.
Salah satu tujuan penerbitan SBN adalah untuk refinancing utang lama.
Berdasarkan gambar 1.4, tahun 2014 merupakan tahun puncak jatuh tempo utang
pemerintah. Utang pemerintah yang jatuh tempo yaitu sebesar Rp 203 triliun.
Utang yang berasal dari Surat Berharga Negara (SBN) jatuh tempo sebesar Rp
137 triliun dan yang berasal dari pinjaman luar negeri sebesar Rp 66 triliun.
Berdasarkan profile jatuh tempo inilah pemerintah menargetkan SBN yang akan
diterbitkan di tahun 2014.
5
Gambar 1.4 Profile Jatuh Tempo Utang Pemerintah per 31 Desember
2013
Sumber: DJPU, Kementrian Keuangan
Selain terikat dengan persyaratan yang bersifat politik, utang luar negeri
pemerintah dalam bentuk pinjaman juga terikat dalam persyaratan jangka waktu
utang, tingkat suku bunga dan besarnya cicilan yang harus dibayar oleh
pemerintah Indonesia. Namun apabila utang pemerintah berbentuk obligasi
(securities), maka persyaratan tingkat suku bunga, jangka waktu jatuh tempo
utang, dan jangka waktu pembayaran bunga semuanya ditentukan oleh pemerintah
Indonesia.
Berbagai tipe SBN diterbitkan oleh pemerintah untuk mendukung market
development dan pengelolaan risiko portofolio utang antara lain; Fixed Rate
Bonds yaitu obligasi dengan coupon rate tetap, Variable Rate Bonds yaitu obligasi
yang suku bunganya ditetapkan berdasarkan tingkat bunga SBI 3 bulan, Obligasi
Retail obligasi negara yang dijual kepada individu/perseorangan, Surat
137
87 9764
10110388 83
11699
6043
2247
64
23 29 3147 53
21 2510
4228
8 9
114
66
6663
56
55 5451
44
38
34
28
24
21
1815
12 12 1212 11
74
3
21
1 1
4
0
50
100
150
200
250
20
14
20
15
20
16
20
17
20
18
20
19
20
20
20
21
20
22
20
23
20
24
20
25
20
26
20
27
20
28
20
29
20
30
20
31
20
32
20
33
20
34
20
35
20
36
20
37
20
38
20
39
20
40
20
41
-20
55
SBN Pinjaman
[Triliun Rp]
6
Perbendaharaan Negara yaitu obligasi berjangka waktu sampai dengan 12 (dua
belas) bulan dengan pembayaran bunga secara diskonto, Surat Berharga Syariah
Negara atau biasa disebut SUKUK yaitu obligasi yang diterbitkan berdasarkan
suatu aset acuan yang sesuai dengan prinsip syariah, dan Sukuk Negara Retail
adalah SUKUK yang bersifat retail atau dijual kepada individu/perseorangan.
Berikut komposisi obligasi pemerintah outstanding per 10 Januari 2014.
Gambar 1.5 Komposisi Obligasi Pemerintah RI Outstanding (Triliun Rp) 10
Januari 2014 Sumber: Statistik Pasar Modal, OJK.
Tipe obligasi dengan tingkat kupon tetap (fixed rate bond) mendominsasi
pasar obligasi negara dengan total outstanding sebesar Rp 714,391 Miliar diikuti
oleh variable rate bond sebesar Rp 122,754 miliar, kemudian berturut-turut SPN
Rp 44,288 miliar, Obligasi retail Rp 43,882 miliar, SUKUK Rp 42,626 miliar, dan
SUKUK retail Rp 35,924 miliar.
714.391,20
122.754,93
43.882,00
44.288,00 42.616,70 35.924,09Fixed Rate Bonds
Variable Rate Bonds
Obligasi Retail
Surat Perbendaharaan Negara
Surat Berharga Syariah Negara
Sukuk Negara Retail
7
Gambar 1.6 Proporsi Kepemilikan SBN yang Dapat Diperdagangkan (Rp
Triliun) Desember 2013 Sumber: DJPU, Kementrian Keuangan.
Tersedianya berbagai tipe obligasi dengan berbagai tenor turut mendorong
berbagai pihak untuk berinvestasi pada obligasi pemerintah. Berdasarkan gambar
1.6 Proporsi kepemilikan SBN oleh pihak bank pada Desember 2013 yaitu sebesar
37 persen (Rp 365.96 triliun) termasuk didalamnya kepemilikan SBN oleh Bank
Indonesia yaitu sebesar (Rp 44.44 triliun). Sejak tahun 2008 Bank Indonesia
menjadikan SBN sebagai instrument kebijakan moneter. Sehingga saat ini Bank
Indonesia melalui operasi pasar terbuka turut berperan dalam rangka stabilisasi
pasar Surat Berharga Negara.
Saat ini kepemilikan SBN terbesar dimiliki oleh pihak non-bank, yang
didalamnya termasuk kepemilikan asing, asuransi, reksadana, perusahaan
sekuritas, serta individu dengan persentase sebesar 63 persen (Rp 615.39 triliun).
Padahal berdasarkan sumber data yang sama pada Desember 2008 proporsi
kepemilikan SBN oleh Bank dan Non-Bank yaitu 54 persen berbanding 46
persen. Sehingga saat ini dapat dikatakan pihak non-bank menjadi investor
terbesar bagi pembiayaan pembangunan. Hal ini tidak terlepas dari keputusan
37%
63%
Bank
Non-Bank
8
investasi para investor yang mengindikasikan bahwa memiliki outstanding asset
berupa obligasi pemerintah dianggap sebagai investasi aman dan memberikan
imbal hasil (return) yang menguntungkan.
Peran pemerintah hingga saat ini dinilai sangat besar dalam memajukan
pasar obligasi di Indonesia. Pemerintah melalui Kementrian Keuangan
nampaknya ingin mencapai kondisi pasar obligasi yang likuid dan efisien. Hal ini
tercermin dari upaya pemerintah mengembangkan pasar obligasi secara bertahap
dengan mempersiapkan aturan hukum dan infrastruktur penunjang pasar. SBN
retail pun diperkenalkan kepada masyarakat Indonesia dalam rangka pendalaman
pasar (market deepening) dan meningkatkan keikutsertaan masyarakat (financial
inclusion).
Animo investor yang besar pada pasar SBN membuat pemerintah terus
menerus mengeluarkan seri obligasi yang memiliki waktu jatuh tempo beragam
sehingga dapat digunakan sebagai benchmark bagi obligasi lainnya. Disamping
itu pemerintah menaruh perhatian serius terhadap kondisi likuiditas pasar
sekunder dengan menunjuk beberapa lembaga sebagai Primary Dealers (SUN)
dan selling agent untuk SPN dan obligasi ritel. Dampaknya dapat dilihat pada
gambar 1.7 dan 1.8 mengenai tren nilai emisi dan rata-rata perdagangan harian
obligasi negara yang tercatat di Bursa Efek Indonesia (BEI).
9
Gambar 1.7 Nilai Emisi Obligasi Tahun 2007-2013
Sumber: Statistik Pasar Modal, OJK.
Gambar 1.8 Rata-rata Perdagangan Harian Obligasi Negara
Sumber: DJPU, Kementrian Keuangan.
Dari gambar 1.7 diatas dapat dilihat bahwa secara nilai, obligasi
Pemerintah memiliki nilai emisi per tahun yang lebih besar daripada nilai emisi
obligasi korporasi. Nilai emisi obligasi pemerintah menunjukan tren pertumbuhan
yang positif sejak tahun 2007. Sedangkan nilai emisi obligasi korporasi sempat
menunjukan pertumbuhan yang negatif pada tahun 2008 dan 2013. Tercatat nilai
emisi obligasi pada tahun 2013 masing-masing sebesar Rp 228,8 Triliun untuk
obligasi pemerintah dan Rp 57,49 Triliun untuk obligasi korporasi.
86,76 90,48 94,57
122,53
163,12
197,55
228,8
31,3814,1
30,42 36,645,74
67,6457,49
0255075
100125150175200225250
2007 2008 2009 2010 2011 2012 2013
Obligasi Pemerintah (Rp trilyun) Obligasi Korporasi (Rp Trilyun)
5221.395
2.122 2.5503.307
5.899
4.2353.421
4.963
7.6729.180
12.016
0
100
200
300
400
500
0
2.000
4.000
6.000
8.000
10.000
12.000
14.000
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Volume Transaksi (miliar Rp) Frekuensi Transaksi (X)
10
Berdasarkan gambar 1.8 rata-rata volume transaksi harian obligasi negara
tahun 2013 mencapai Rp 12 triliun dengan frekuensi transaksi harian sebanyak
322 kali. Volume transaksi rata-rata harian tahun 2013 naik 30.88 persen
dibanding tahun 2012, ini adalah yang tertinggi dalam kurun waktu dua belas
tahun terakhir. Sedangkan Frekuensi transaksi rata-rata harian turun dari 407 kali
di tahun 2012 menjadi 322 kali ditahun 2013.
Jika kita sandingkan gambar 1.7 dan 1.8 penurunan nilai emisi obligasi
korporasi turut berpengaruh pada frekuensi rata-rata harian dipasar sekunder.
Penurunan nilai emisi obligasi korporasi di tahun 2013, disinyalir akibat dorongan
eksternal. Saat itu Federal Reserve (Bank Sentral Amerika Serikat)
mengumumkan rencana pengurangan stimulus moneter sehingga pelaku pasar
khawatir akan terjadi penarikan modal kembali (capital outflow) oleh pihak asing.
Dalam rangka mecegah capital outflow Bank Indonesia sebagai bank
sentral Republik Indonesia menaikan suku bunga acuan (BI rate) dari level 5.75%
pada mei 2013 menjadi 7.00% dibulan desember 2013. Kenaikan suku bunga
acuan ini berdampak terhadap kenaikan yield obligasi pemerintah seri benchmark
pada setiap tenornya. Kenaikan nilai tukar rupiah terhadap US$ turut
mengindikasikan adanya gejolak di pasar keuangan pada tahun 2013. Seperti yang
terlihat pada gambar 1.9 dibawah ini.
11
Gambar 1.9 Tingkat yield obligasi pemerintah, BI Rate dan kurs Rp/USD
Sumber: Bloomberg dan BI, diolah
Ditengah kondisi pasar keuangan yang bergejolak, dimana tingkat
permintaan investor menurun. Korporasi turut terbebani dengan tingkat yield yang
tinggi. Sehingga beberapa perusahaan menunda penerbitan obligasinya. Hingga
bulan September 2013 Tercatat sekurangnya terdapat 5 perusahaan menunda
penerbitan obligasinya dengan nilai emisi sebesar Rp 1,65 Trilyun.
Apabila ditinjau dari segi likuiditas, jelas bahwa obligasi pemerintah lebih
likuid dibandingkan dengan obligasi korporasi. Hal ini nampak dari selalu
terdapat quotasi harga atas berbagai jenis obligasi pemerintah setiap hari di pasar.
Sehingga lembaga keuangan baik bank maupun non-bank menjadikan obligasi
sebagai secondary reserve. Dimana apabila dipandang perlu, yaitu apabila kondisi
likuiditas lembaga keuangan tersebut menghadapi masalah, maka obligasi dapat
dijual atau dapat dilakukan repo untuk menutupi kebutuhan likuiditas yang
dihadapi.
-
2.000
4.000
6.000
8.000
10.000
12.000
3,00%4,00%5,00%6,00%7,00%8,00%9,00%
10,00%
Jangkat Pendek Jangka Menengah Jangka Panjang
Suku Bunga (BI Rate) Kurs Rp/USD
12
Pedoman umum yang digunakan oleh para investor dan pelaku pasar untuk
dapat memantau perkembangan nilai portofolio obligasi pemerintah yaitu dengan
memantau perkembangan pergerakan yield curve. Pergerakan yield curve
dipengaruhi oleh berubahnya yield obligasi yang menjadi kontributor sebagai
akibat adanya perubahan variabel makro ekonomi. Dengan demikian maka analisa
perubahan variabel-variabel makro ekonomi terhadap yield obligasi pemerintah
menjadi hal yang penting untuk dipahami oleh para investor dan pelaku pasar.
1.2 Perumusan Masalah
Shock terhadap kondisi-kondisi ekonomi makro dapat merubah yield
obligasi. Namun dengan kondisi shock ekonomi makro yang sama, belum tentu
akan mengakibatkan dampak yang sama terhadap yield obligasi dengan jangka
waktu yang berbeda. Sehingga penting untuk dapat mengidentifikasi seberapa
cepat yield obligasi kembali pada kondisi keseimbangan awal setelah terjadi shock
ekonomi makro dan faktor-faktor apa saja yang menyebabkan perubahan yield
pada berbagai jangka waktu(tenor).
1.3 Batasan Masalah
Studi ini menitik beratkan pada peran faktor-faktor makro ekonomi
terhadap yield obligasi pemerintah fixed rate. Secara komprehensif penulis
memilih 6 (enam) variabel bebas dan mengklasifikasikannya kedalam 3 (tiga)
kelompok berikut ini; (i) Likuiditas, (ii) Fundamental Makroekonomi dan (iii)
Faktor Tekanan Eksternal.
13
Obligasi pemerintah seri fixed rate (FR) dipilih sebagai variabel terikat
dalam studi ini karena seri fixed rate merupakan seri yang likuid di pasar.
Sehingga mempermudah dalam upaya memperoleh data. Hal ini ditunjukkan
dengan selalu terdapatnya quotasi harga dan yield to maturiry dari setiap publikasi
data mengenai obligasi pemerintah seri FR di pasar.
Obligasi yang dijadikan sebagai obyek penelitian adalah obligasi
pemerintah dan bukan obligasi korporasi. Hal ini disebabkan karena obligasi
pemerintah merupakan obligasi yang menjadi banchmark di pasar.
1.4 Pertanyaan Penelitian
Uraian dalam latar belakang masalah di atas memberi dasar bagi peneliti
untuk merumuskan pertanyaan penelitian yaitu:
1. Bagaimana respon Yield ON tenor 1 tahun dan Yield ON tenor 5 tahun
terhadap shock likuiditas?
2. Bagaimana respon Yield ON tenor 1 tahun dan Yield ON tenor 5 tahun
terhadap shock fundamental makroekonomi?
3. Bagaimana respon Yield ON tenor 1 tahun dan Yield ON tenor 5 tahun
terhadap shock tekanan eksternal?
4. Bagaimana kontribusi variabel likuiditas perekonomian, fundamental
makro dan tekanan eksternal dalam menjelaskan variabilitas Yield ON
tenor 1 tahun dan Yield ON tenor 5 tahun?
1.5 Tujuan Penelitian
Studi ini bertujuan untuk:
14
1. Menganalisis determinasi faktor-faktor makroekonomi terhadap yield
obligasi pemerintah (fixed income securities) jangka waktu 1 tahun
(pendek) dan jangka waktu 5 tahun (menengah).
2. Menganalisis ”speed of adjustment” dalam keseimbangan jangka pendek
dari yield obligasi pemerintah jangka waktu 1 tahun dan 5 tahun.
1.6 Manfaat Penelitian
Analisa terhadap pergeseran yield curve yang menunjukkan imbal hasil
obligasi pada berbagai tahun jatuh tempo menjadi hal yang penting untuk
dipahami oleh para investor dan pelaku pasar. Dimana pergeseran yield curve
amat dipengaruhi oleh salah satu komponen utamanya yaitu yield Obligasi
Benchmark pemerintah.
Sehingga dengan diketahui faktor-faktor yang memiliki determinan
terhadap yield Obligasi Benchmark pemerintah. Hal tersebut dapat dijadikan
acuan para investor dan pelaku pasar untuk dapat memantau perkembangan nilai
portofolio obligasi pemerintah yang dimiliki. Serta sebagai pedoman bagi
pemerintah untuk melakukan ekspansi di pasar obligasi domestik maupun ke
pasar obligasi internasional.
15
1.7 Ruang Lingkup
Dalam penelitian ini, dilakukan proses seleksi terhadap berbagai macam
variabel ekonomi dalam rangka mencapai tujuan penelitian. Menggunakan data
selama periode bulan Januari 2009 hingga Desember 2013. Variabel ekonomi
yang diseleksi diklasifikasikan menjadi 3, yaitu;
i. Likuiditas; Cadangan Devisa.
ii. Fundamental Makroekonomi, diantaranya; Indeks Harga Konsumen
(IHK), PDB, Nilai Tukar Nominal (RP/US$), dan Suku Bunga Bank
Indonesia (BI rate).
iii. Faktor Tekanan Eksternal; Harga Minyak Dunia.
1.8 Sistematika Penulisan
Bagian utama dari penulisan ini disusun dengan mempergunakan
sistematika sebagai berikut:
Bab I akan dipaparkan uraian terkait pendahuluan; yang memuat latar
belakang masalah, perumusan masalah, pertanyaan penelitian, tujuan penelitian,
manfaat penelitian, pembatasan penelitian, dan sistematika penulisan.
Bab II akan dipaparkan uraian terkait landasan teori dan metodologi; yang
memuat tinjauan pustaka, penelitian terdahulu yang sesuai dengan penelitian,
model, hipotesis penelitian, dan alat analisis.
Bab III akan dipaparkan uraian terkait hasil dan pembahasan; yang
memuat statistik deskriptif, tahapan analisis, serta hasil dan temuan
16
Bab IV terdiri dari kesimpulan dan saran yang merangkum hasil penelitian
secara keseluruhan serta rekomendasi yang bisa dijadikan sebagai acuan bagi
pengambil kebijakan berdasarkan hasil penelitian.
17
BAB II
TINJAUAN LITERATUR DAN METODOLOGI PENELITIAN
Pada bagian ini akan dipaparkan studi pustaka yang meliputi tinjauan teori
yang terkait dengan Yield Obligasi (sentral utama dalam penelitian ini). Kemudian
akan disertakan pula tinjauan empiris berupa penelitian terdahulu yang terkait
dengan penelitian. Pada bagian akhir terdapat hipotesis penelitian dan metodologi
yang digunakan dalam penelitian ini.
2.1 Landasan Teori
2.1.1 Obligasi
Obligasi merupakan salah satu sumber pendanaan (financing) bagi
pemerintah dan perusahaan, yang dapat diperoleh dari pasar modal. Secara
sederhana, obligasi merupakan suatu surat pengakuan utang yang dikeluarkan
oleh penerbit (issuer) kepada investor (bondholder), dimana penerbit akan
memberikan suatu imbal hasil (return) berupa kupon yang dibayarkan secara
berkala dan nilai pokok (principal) ketika obligasi tersebut mengalami jatuh
tempo. (Adler, Desmon, Wilson; 2007).
Obligasi (bond) adalah sertifikat utang yang menjelaskan kewajiban-
kewajiban dari emiten (penerbit obligasi) kepada pemegang obligasi
(Mankiw,2003). Obligasi merupakan sekuritas utang dengan pendapatan tetap
karena menjanjikan pendapatan yang tetap atau pendapatan yang telah ditentukan
sebelumnya dengan menggunakan rumus tertentu. Sekuritas utang merupakan
18
pernyataan hak/klaim atas sejumlah pendapatan rutin pada suatu waktu tertentu.
Kalau seseorang memiliki obligasi, maka secara periodik akan mendapatkan
penghasilan yaitu berupa kupon obligasi (yield) yang dibayarkan dengan jumlah
tetap pada waktu yang telah ditetapkan misalnya setiap 3 bulan, 6 bulan maupun
setahun sekali.
Untuk investor obligasi yang mempunyai pola investasi jangka pendek
serta menjual obligasi sebelum jatuh tempo, bisa mendapatkan pendapatan
tambahan yang diperoleh dari keuntungan dari selisih antara harga beli obligasi
tersebut dan harga pada saat menjual obligasi tersebut di pasar sekunder.
2.1.2 Karakteristik Obligasi
Obligasi merupakan produk pengembangan dari surat utang jangka
panjang. Prinsip utang jangka panjang dapat dicerminkan dari karakteristik atau
struktur yang melekat pada sebuah obligasi (Rahardjo, 2004).
A. Nilai Penerbitan Obligasi
Saat penerbitan obligasi, pihak emiten atau penerbit obligasi akan
menyatakan dengan jelas jumlah dana yang dibutuhkan melalui penjualan
obligasi. Apabila emiten membutuhkan dana sebanyak 500 miliar rupiah
maka akan diterbitkan obligasi senilai dana tersebut. Nilai ini juga sering
disebut nilai pari atau face value. Besar kecilnya jumlah penerbitan
obligasi didasarkan pada kemampuan aliran kas serta kinerja emiten.
19
B. Jangka Waktu Obligasi
Setiap obligasi mempunyai jangka waktu jatuh tempo. Periode
jatuh tempo obligasi bervariasi mulai dari 365 hari sampai dengan diatas 5
tahun. Untuk obligasi pemerintah bisa berjangka waktu hingga 30 tahun.
Semakin pendek jangka waktu obligasi maka akan semakin diminati oleh
investor karena dianggap risikonya semakin kecil. Obligasi yang akan
jatuh tempo dalam waktu 1 tahun akan lebih mudah untuk di prediksi,
sehingga memiliki resiko yang lebih kecil dibandingkan dengan obligasi
yang memiliki periode jatuh tempo dalam waktu 5 tahun. Namun demikian
secara umum, semakin panjang jatuh tempo suatu obligasi, semikin tinggi
kupon/bunga nya. Pada saat jatuh tempo emiten berkewajiban melunasi
pembayaran pokok obligasi tersebut.
C. Tingkat Suku Bunga
Tingkat suku bunga merupakan nilai bunga yang diterima
pemegang obligasi secara berkala. Tingkat suku bunga biasanya
ditentukan dengan membanfingkan tingkat suku bunga perbankan pada
umumnya. Pada obligasi tingkat suku bunga ini biasa disebut kupon
obligasi. Kupon obligasi dinyatakan dalam annual prosentase. Jenis kupon
bisa berbentuk fixed rate (tetap setiap tahun) atau variable rate (bunga
yang dibayarkan akan disesuaikan secara periodik).
D. Jadwal Pembayaran Suku Bunga
Kewajiban pembayaran kupon dilakukan secara periodic sesuai
kesepakatan sebelumnya, bisa triwulanan atau semesteran. Untuk menjaga
20
reputasi penerbit obligasi, ketepatan waktu pembayaran kupon menjadi
faktor penting.
E. Penerbit/Emiten (Issuer)
Mengetahui dan mengenal penerbit obligasi merupakan faktor yang
sangat penting dalam melakukan investasi obligasi. Untuk mengukur
risiko/kemungkinan dari penerbit obligasi tidak dapat melakukan
pembayaran kupon dan atau pokok obligasi tepat waktu dapat dilihat dari
peringkat (rating) obligasi yang dikeluarkan oleh lembaga pemerintkat
seperti PEFINDO atau Kasnic Indonesia.
F. Jaminan
Ada obligasi yang memberikan jaminan berbentuk aset. Hal ini
menyebabkan obligasi lebih mempunyai daya tarik bagi calon investor.
Namun demikian di dalam penerbitan obligasi kewajiban penyediaan
jaminan bukanlah mutlak sebuah keharusan.
2.1.3 Yield Obligasi
Yield adalah imbal hasil (pendapatan investasi) yang diharapkan oleh
investor atas investasi yang dilakukan. Yield obligasi merupakan faktor penting
sebagai pertimbangan investor dalam melakukan pembelian obligasi sebagai
instrumen obligasi. Investor yang bersifat konservatif pada umumnya melakukan
penghitungan yield obligasi dengan metode yield to maturity (YTM). Sedangkan
investor dengan tujuan investasi jangka pendek pada umumnya menghitung yield
21
dengan menggunakan metode current yield (CY) (Fabozzi, 2002 dalam Wibisono,
2010).
A. Nominal Yield (Coupon Yield)
Nominal yield (coupon yield) adalah pendapatan kupon yang
didasarkan pada nilai nominal obligasi (Rahardjo, 2004). Dalam jumlah
nilai obligasi tertentu maka diberikan pendapatan tingkat suku bunga yang
hasilnya telah ditentukan sebelumnya. Besaran tingkat nominal yield tidak
berubah sampai akhir jatuh tempo obligasi tersebut. Nominal yield
(coupon yield) dapat diformulasikan sebagai berikut
B. Current Yield
Current Yield adalah pendapatan kupon yang didasarkan pada
harga pasar obligasi tersebut (Rahardjo, 2004). Current yield dapat
diformulasikan sebagai berikut.
Current Yield =
C. Yield to Maturity
Metode penghitungan yield to maturity (YTM) digunakan untuk
mengetahui nilai imbal hasil yang diterima oleh investor obligasi hingga
periode jatuh tempo (Wibisono, 2007). Jenis yield inilah yang akan
digunakan penulis dalam penelitian. Metode penghitungkan yield
menggunakan yield to maturity pada umumnya digunakan oleh investor
yang berinvestasi dalam jangka panjang. Investor obligasi biasanya
memilih menyimpan obligasinya sampai jatuh tempo dengan alasan untuk
22
efektivitas strategi investasi. Namun demikian, ada pula investor yang
memperdagangkan obligasi bila dirasakan sudah mendapatkan keuntungan
yang diinginkan. Banyak investor jangka panjang melakukan metode
penghitungan pendapatan obligasi berdasarkan YTM agar bisa melakukan
perbandingan tingkat pendapatan obligasi yang satu dengan yang lain
(Rahardjo, 2004). YTM dapat diformulasikan sebagai berikut
YTM = × 100%
dimana,
YTM : Yield to Maturity
C : Coupon
F : Nilai Nominal (Face value)
P : Harga Pasar Obligasi
n : Jangka waktu (time to maturity)
D. Yield to Call
Beberapa obligasi mencantumkan klausul bahwa pada waktu yang
telah ditentukan di depan, emiten memiliki hak untuk dapat membeli
kembali semua ayai sebagian obligasi yang telah diterbitkan dengan call
price yang sudah ditentukan. Oleh karena itu, diperlukan perhitungan
untuk dapat menentukan berapa imbal hasil yang akan diterima oleh
investor pada saat obligasi tersebut dibeli kembali oleh emiten, sehingga
investor dapat memutuskan akan membeli obligasi yang memiliki call
option tersebut, terutama apabila harga obligasi tersebut saat ini sudah di
harga premium (misalnya obligasi dengan kupon tinggi serta harga di atas
par value). Yield to call (YTC) dirumuskan sebagai berikut
23
Dimana,
P0 : Harga obligasi saat akan dibeli
N : Jangka waktu
Ct : Coupon obligasi
M : Harga obligasi
YTC : Yield to call
2.1.4 Obligasi Pemerintah Indonesia
Kehadiran obligasi pemerintah merupakan bentuk instrument utang
pemerintah untuk menyerap dana yang ada di pasar domestic. Hal ini merupakan
strategi pemerintah guna menutupi defisit anggaran negara (Rahardjo, 2004).
Perilaku keuangan pemerintah khususnya yang berhubungan dengan anggaran
negara menjadi perdebatan dikalangan pengambil keputusan, dalam hal ini
pemerintah, ekonom dan publik hingga saat ini.
Pengambilan keputusan untuk mencari sumber dana guna membiayai
defisit anggaran adalah salah satu isu yang terus menjadi perhatian. Sumber
pembiayaan defisit anggaran pemerintah Indonesia selama ini berasal dari dalam
dan luar negeri. Walaupun pada praktiknya sumber dana untuk membiayai defisit
anggaran dari dalam negeri, khususnya yang berasal dari obligasi pemerintah
untuk pasar domestik, baru diperkenalkan ke publik pada tahun 1999. Upaya ini
dilakukan pemerintah untuk mencapai tujuan mengembangkan pasar obligasi
dalam negeri dan mengurangi ketergantungan terhadap utang luar negeri.
Obligasi pemerintah sering disebut dengan Surat Utang Negara (SUN).
Surat utang negara menurut Undang-Undang Nomor 24 tahun 2004 merupakan
surat berharga yang berupa surat pengakuan utang dalam mata uang rupiah dan
24
valuta asing yang dijamin pembayaran bunga dan pokoknya oleh negara Republik
Indonesia, sesuai dengan masa berlakunya atau masa jatuh tempo.
Tujuan penerbitan surat utang negara adalah:
1. Membiayai defisit APBN
2. Menutup kekurangan kas negara dalam jangka pendek
3. Mengelola portofolio utang negara.
Sedangkan manfaat penerbitan SUN antara lain:
1. Sebagai Instrumen Fiskal
Penerbitan SUN diharapkan dapat menggali potensi sumber
pembiataan APBN yang lebih besar dari investor pasar modal.
2. Sebagai Instrumen Investasi
Menyediakan alternative yang relative bebas risiko gagal batar dan
memberikan peluang bagi investor dan pelaku pasar untuk melakukan
diversifikasi portofolionya guna memperkecil risiko investasi. Selain itu,
investor SUN memiliki potensial capital gain dalam transaksi
perdagangan di pasar sekunder. Potensial capital gain ialah potensi
keuntungan akibat lebih besarnya harga jual obligasi dibandingkan harga
belinya.
3. Sebagai Instrumen Pasar Keuangan
Surat Utang Negara dapat memperkuat stabilitas sistem keuangan
dan dapat dijadikan acuan (benchmark) bagi penentuan nilai instrumen
keuangan lainnya.
Secara umum jenis SUN dibedakan sebagai berikut:
25
1. Surat Perbendaharaan Negara (SPN)
Yaitu SUN berjangka waktu sampai dengan 12 bulan dengan
pembayaran bunga secara diskonto. Di beberapa negara SPN lebih dikenal
dengan sebutan T-Bills atau Tresury Bills.
2. Obligasi Negara (ON)
Yaitu SUN berjangka waktu lebih dari 12 bulan baik dengan kupon
atau tanpa kupon.
Obligasi Negara dengan kupon memiliki jadwal pembayaran kupon yang
periodic (tiga bulan sekali atau enam bulan sekali). Sementara ON tanpa kupon
tidak memiliki jadwal pembayaran kupon, dijual pada harga diskon dan pokoknya
akan dilunasi pada saat jatuh tempo.
Berdasarkan tingkat kuponnya ON dapat dibedakan menjadi;
1. Fixed Rate Bond (obligasi berbunga tetap)
Yaitu obligasi dengan tingkat bunga tetap setiap periodenya.
2. Floating Rate Bond (obligasi berbunga mengambang)
Yaitu obligasi dengan tingkat bunga yang ditentukan berdasarkan
suatu acuan tertentu seperti tingkat bunga SBI (Sertifikat Bank Indonesia).
Obligasi Negara juga dapat dibedakan berdasarkan denominasi mata
uangnya (Rupiah atau pun Valuta Asing). Surat Utang Negara dapat diterbitkan
dalam bentuk warkat atau tanpa warkat (scripless). Surat Utang Negara yang saat
ini beredar, diterbitkan dalam bentuk tanpa warkat. Surat Utang Negara juga dapat
diterbitkan dalam bentuk yang dapat diperdagangkan atau yang tidak dapat
diperdagangkan.
26
2.1.5 Teori Permintaan dan Penawaran Obligasi
Ada dua kerangka teori yang dapat digunakan dalam penentuan nilai suku
bunga, yaitu kerangka teori dana pinjaman yang menggunakan mekanisme
permintaan dan penawaran di pasar obligasi dan kerangka teori preferensi
likuiditas yang menggunakan mekanisme permintaan dan penawaran di pasar
uang. Proses teori dana pinjaman melibatkan perilaku dua pelaku penting dalam
pasar, yaitu penjual dan pembeli. Asumsi lain yang digunakan adalah kita hanya
mengamati dua komponen obligasi, yaitu kuantitas dan harga serta menganggap
komponen lainnya tetap (ceteris paribus).
Menurut Hubbard (2002), ada dua sudut pandang dalam memahami
mekanisme permintaan dan penawaran di pasar obligasi. Pertama, kita
memandang obligasi sebagai barang, artinya pihak yang meminjamkan itu adalah
orang yang membeli obligasi dan pihak yang meminjam adalah orang yang
menjual obligasi dan besarnya uang yang dibayarkan oleh pihak pemberi
pinjaman untuk membeli obligasi adalah harga dari obligasi tersebut. Sebaliknya,
sudut pandang kedua melihat penggunaan dana sebagai barang. Dalam kasus ini
pihak yang meminjam adalah pembeli karena ia yang bertindak membeli dana dan
akan mengembalikan dana tersebut dengan suatu tingkat suku bunga tertentu
sebagai harga, sedangkan penjualnya adalah pihak pemberi pinjaman karena dia
yang berperan menyediakan dana di dalam pasar. Untuk memperjelas pernyataan
di atas dapat dilihat tabel berikut ini:
27
Tabel 2.1 Dua Sudut Pandang dalam Pasar Obligasi
Obligasi sebagai barang Dana sebagai barang
Penjual Pihak peminjam yang
menerbitkan obligasi
Pihak pemberi pinjaman yang
menyediakan dana
Pembeli Pihak pemberi pinjaman yang
membeli obligasi
Pihak peminjam yang
membutuhkan dana
Harga Harga obligasi Suku bunga
Sumber: Hubbard (2002).
Akan tetapi dari sudut pandang pemerintah, funds is the good, maka
menentukan harga dan kuantitas keseimbangan di pasar obligasi dapat ditentukan
melalui analisis kurva permintaan dan penawaran dana penjualan obligasi.
Berdasarkan sudut pandang ini, kurva permintaan dana menunjukkan hubungan
negatif antara jumlah dana yang diminta oleh peminjam dan tingkat suku bunga,
ceteris paribus.
Selanjutnya kurva penawaran dana adalah kurva yang menunjukkan
hubungan positif antara jumlah dana yang disediakan oleh pemberi pinjaman dan
tingkat suku bunga (yield). Slope positif pada kurva penawaran dana dapat
diinterpretasikan sebagai berikut. Kuantitas penawaran dana lebih kecil pada saat
suku bunga (yield) obligasi rendah dan sebaliknya, penawaran akan lebih besar
pada saat tingkat suku bunga (yield) obligasi lebih tinggi tinggi karena suku bunga
yang tinggi menjadikan obligasi ini menjadi instrumen investasi yang lebih
menarik karena tingkat return yang tinggi sehingga pada akhirnya pihak pemberi
pinjaman bersedia untuk menyediakan lebih banyak dana di pasar, ceteris paribus.
Gambar berikut menunjukkan besarnya dana yang diminta oleh peminjam
dan berapa suku bunga atau yield dari obligasi sebagai harga.
28
Gambar 2.1 Keseimbangan di Pasar Obligasi Sumber: Hubbart (2002)
Untuk mendapatkan tingkat suku bunga yang seimbang di pasar, maka
harus memperhatikan informasi dari kurva permintaan dan penawaran dana. Oleh
karena itu, kita harus menyatukan kurva permintaan dan kurva penawaran untuk
menghasilkan diagram keseimbangan. Interaksi antara kurva permintaan dan
penawaran dana dalam pasar obligasi merupakan analisis statis yang mengabaikan
faktor-faktor lain di luar harga dan kuantitas.
Namun pada kenyataannya, sangatlah tidak mungkin untuk mengabaikan
pengaruh-pengaruh variabel lain yang mengubah keseimbangan harga dan
kuantitas dalam pasar obligasi. Ketika kita mempertimbangkan pengaruh variabel-
variabel lain ke dalam model, maka baik kurva permintaan maupun kurva
penawaran akan bergerak ke kanan atau ke kiri dan kita akan memperoleh titik
keseimbangan yang baru.
29
Pergeseran kurva permintaan dana dapat diilustrasikan dalam gambar
berikut ini :
Gambar 2.2 Pergeseran Kurva Permintaan Dana
Sumber: Hubbard (2002)
Sebagaimana terlihat dalam gambar di atas, keseimbangan awal adalah
pada titik E0, namun apabila ada kenaikan peminjaman dari pihak peminjam,
maka akan meningkatkan jumlah dana yang diminta pada semua tingkat suku
bunga. Oleh karena itu, kurva permintaan akan bergeser dari L0d ke L1d, dan
pada keseimbangan yang baru (E1), tingkat suku bunga (yield) naik dari i0 ke i1.
Sebaliknya, jika ada penurunan keinginan untuk meminjam, maka akan
menurunkan jumlah dana yang diminta pada semua tingkat suku bunga, kurva
permintaan akan bergeser ke kiri, dari L0d ke L2d, dan keseimbangan baru berada
pada titik E2 dengan tingkat suku bunga (yield) yang menurun ke titik i2.
Hubbard (2002) mencatat bahwa beberapa variabel yang dapat menggeser
kurva permintaan dana ke kanan (baik bagi perusahaan maupun pemerintah) dan
menyebabkan suku bunga (yield) naik antara lain : naiknya ekspektasi keuntungan
dari investasi, kenaikan subsidi pajak bagi investasi, kenaikan ekspektasi inflasi
30
dan kenaikan defisit anggaran pemerintah. Sebaliknya, variabel yang dapat
menggeser kurva permintaan ke kiri sehingga suku bunga (yield) turun adalah
kenaikan pajak atas profit karena pajak akan mengurangi keuntungan investasi
dan akhirnya mengurangi keinginan perusahaan untuk menambah utang
investasinya.
Mekanisme yang serupa juga terjadi pada pergeseran kurva penawaran
dana karena pengaruh beberapa variabel di luar harga dan kuantitias yang
berubah. Hal ini dapat ditunjukkan melalui gambar berikut ini:
Gambar 2.3 Pergeseran Kurva Penawaran Dana
Sumber: Hubbard (2002)
Pihak yang berperan pada kasus pergeseran kurva penawaran dana adalah
penjual, dalam hal ini pihak pemberi pinjaman. Jika pihak pemberi pinjaman
berkeinginan untuk menyediakan lebih banyak dana, maka kurva penawaran dana
akan bergeser ke kanan atau bergerak dari titik keseimbangan L0s ke titik
keseimbangan baru L1s. pada keseimbangan yang baru ini tingkat suku bunga
(yield) turun dari i0 ke i1. Sebaliknya, apabila keinginan pihak pemberi pinjaman
berkurang, maka kurva penawaran dana akan bergesers ke arah kiri yang berarti
31
menuju titik keseimbangan baru pada L2s dan menaikkan tingkat suku bunga
(yield) keseimbangan baru dari i0 ke i2. Beberapa variabel yang dapat menggeser
kurva penawaran dana ke kanan sebagaimana dikemukakan oleh Hubbard (2002)
antara lain: naiknya kekayaan anggota masyarakat, meningkatnya ekspektasi
keuntungan memiliki obligasi dan ekspektasi suku bunga serta meningkatnya
likuiditas obligasi dibandingkan aset lainnya. Pada sisi lain, peningkatan
ekspektasi inflasi, ekspektasi keuntungan dari investasi aset lain, resiko
memegang obligasi dibandingkan aset lain dan biaya informasi akan menggeser
kurva penawaran dana ke kiri.
2.1.6 Faktor-faktor yang Merubah Keseimbangan di Pasar Obligasi
2.1.6.1 Variabel Likuiditas Perekonomian
1. Cadangan Devisa
Dalam perkembangan ekonomi nasional Indonesia dikenal dua
terminologi cadangan devisa, yaitu official foreign exchange reserve dan
country foreign exchange reserve, yang masing-masing mempunyai
cakupan yang berbeda. Pertama, merupakan cadangan devisa milk negara
yang dikelola, diurus, dan ditatausahakan oleh bank sentral, sesuai dengan
tugas yang diberikan oleh UU No. 13 Tahun 1968. Kedua, mencakup
seluruh devisa yang dimilki badan, perorangan, lembaga, terutama
lembaga keuangan nasional yang secara moneter merupakan bagian dari
kekayan nasional (Halwani Hendra, 2005).
32
Menurut Bank Dunia, peranan cadangan devisa adalah:
1. Untuk melindungi negara dari guncangan eksternal. Krisis
keuangan pada akhir 1900-an membuat para pembuat kebijakan
memperbaiki pandanganya atas nilai dari cadangan devisa sebagai
proteksi dalam melindungi dari krisis mata uang.
2. Tingkat cadangan devisa merupakan faktor penting dalam
penilaian kelayakan kredit dan kredibiltas kebijakan secara umum,
sehinga negara dengan tingkat cadangan devisa yang cukup dapat
memberi pinjaman dengan kondisi yang lebih nyaman.
3. Kebutuhan likuiditas untuk mempertahankan stabiltas nilai tukar.
Salah satu cara pemerintah memperkuat cadangan devisa ialah dengan
menjual obligasi berdenominasi valuta asing atau dikenal dengan global bond.
Strategi ini ditempuh guna mencari sumber pendanaan dari pasar modal
internasional. Namun disamping itu pembayaran kewajiban atas global bond yang
jatuh tempo turut melemahkan cadangan devisa Indonesia.
2.1.6.2 Variabel Fundamental Makroekonomi
1. Inflasi
Mengacu pada buku yang berjudul How the Bond Market Works
(1998), Tampubolon (2007) menjelaskan bahwa ketik obligasi mulai
diperdagangkan di pasar sekunder atau setelah diterbitkan di pasar
perdana, salah satu faktor yang mempengaruhi yield dan harga obligasi
adalah inflasi. Inflasi merupakan permasalahan klasik di dalam
33
perekonomian, tidak terkecuali untuk masalah investasi. Dengan adanya
inflasi daya beli masyarakat menjadi turun karena kekuatan uang secara
riil tidak ada atau melemah yang akan mempengaruhi permintaan dan
harga suatu barang di mana dengan tingginya inflasi akan membuat
masyarakat lebih mementingkan masalah konsumsi dibandingkan untuk
menabung atau berinvestasi. Seiring peningkatan inflasi akan menurunkan
minat masyarakat untuk berinvestasi membeli obligasi negara (ON), hal
ini akan menurunkan permintaan ON dimana penawarannya adalah tetap
maka akan menurunkan harga ON tersebut. Dengan demikian terdapat
hubungan negatif dan searah antara inflasi dengan harga ON.
2. Tingkat Suku Bunga Acuan Bank Sentral (BI rate)
Tingkat suku bunga acuan bank sentral (BI rate) dapat diartikan
sebagai suku bunga kebijakan yang mencerminkan sikap atau stance
kebijakan moneter yang ditetapkan oleh Bank Indonesia dan diumumkan
kepada publik. Fungsi dari ditetapkannya BI rate adalah dengan
diumumannya BI rate 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 (Wibisono, 2010). Pada mekanisme transmisi kebijakan moneter
di Indonesia, penetapan BI rate ini segera direspon dengan perubahan suku
bunga SBI.
34
Selain pasar uang, pasar investasi juga dipengaruhi oleh kebijakan
moneter. Secara teoritis, kontraksi moneter sama-sama memberikan
dampak negatif terhadap harga saham dan obligasi. Secara sederhana,
harga obligasi dapat dinotasikan sebagai berikut:
P=V/(1+i)
Dimana,
P : harga obligasi
i : suku bunga
V : nilai nominal pada saat jatuh tempo (face value)
Dari persamaan di atas, dapat dilihat bahwa harga obligasi
berbanding terbalik dengan suku bunga. Harga obligasi akan selalu lebih
rendah dari face value-nya jika suku bunga positif (P<V, jika i>0). Harga
obligasi akan turun jika suku bunga meningkat, atau sebaliknya. Dengan
demikian, kontraksi moneter yang menyebabkan kenaikan suku bunga
akan menurunkan harga obligasi.
Turunnya harga obligasi akan menarik minat investor untuk
berinvestasi karena return yang diperoleh pada saat jatuh tempo
meningkat, sehingga pasar obligasi menjadi lebih atraktif dan bergairah.
Nilai imbal hasil atau return dari obligasi ini di dalam pasar keuangan
dikenal dengan istilah yield. Yield mempunyai hubungan terbalik dengan
harga obligasi, namun selaras dengan tingkat suku bunga. Kurva yield
yang normal pada saat bank sentral menerapkan kebijakan moneter yang
kontraktif mempunya slope positif. Dalam kondisi kontraksi moneter, suku
bunga dimasa yang akan datang diekspektasikan akan cenderung
meningkat, sehingga yield jangka panjang jauh lebih tinggi dari yield
35
jangka pendek. Sebaliknya, kurva yield akan mempunya slope negatif jika
bank sentral menerapkan kebijakan yang ekspansif.
3. Nilai Tukar
Nilai tukar didefinisikan sebagai harga dari setiap mata uang
domestic terhadap mata uang negara lain (Levich, 2001). Pada umumnya
nilai tukar suatu mata uang ditentukan oleh kebijakan nilai tukar yang
dianut oleh masing-masing negara. Negara yang menganut sistem nilai
tukar bebas benar-benar membiarkan nilai tukar mata uangnya
berdasarkan keseimbangan pasar tanpa ada intervensi pemerintah.
Perdagangan pasar uang sangatlah global dan luas sekali
jangkauannya sehingga tingkat jangkauan perdagangan produk keuangan
di luar negeri juga sangat mempengaruhi likuiditas produk fixed income di
dalam negeri. Selain itu, pergerakan foreign exchang rate juga sangat
menentukan pergerakan harga dan perdagangan di pasar obligasi. Dengan
tidak stabilnya fluktuasi di foreign exchange rate maka otomatis
perdagangan obligasi juga ikut berpengaruh, bisa naik dan turun
(Rahardjo, 2004)
4. Output Perekonomian
Produk Domestik Bruto (PDB) atau Gross Domestic Product
merupakan nilai keseluruhan semua barang dan jasa yang diproduksi di
dalam suatu wilayah dalam jangka waktu tertentu (biasanya per tahun).
Dalam perhitungan PDB, hasil produksi barang dan jasa yang dihasilkan
perusahaan/orang asing yang beroperasi di wilayah tersebut masih
36
dimaksukkan. Barang-barang yang dihasilkan termasuk barang modal
belum diperhitungkan penyusutannya, sehingga jumlah yang didapat dari
PDB masih bersifat kotor/bruto. Data dalam perhitungan PDB
menjelaskan besarnya kontribusi berbagai sektor perekonomian terhadap
pendapatan nasional, misalnya sektor pertanian, pertambangan, industri,
perdagangan, jasa dan sebagainya (BPS: 2007). Sehingga PDB dapat
mencerminkan pendapatan yang diterima masyarakat dalam suatu periode.
Kenaikan Produk Domestik Bruto berarti terjadinya kenaikan daya beli
masyarakat Indonesia. Kenaikan daya beli masyarakat Indonesia
memungkinkan kenaikan permintaan akan barang-barang domestik
maupun barang impor. Hal tersebut sejalan dengan Teori Investasi yang
dikemukakan oleh Keynes yakni apabila kenaikan pendapatan dalam suatu
masyarakat meningkat maka permintaan atau konsumsi masyarakat akan
barang dan jasa pun akan meningkat. Dengan kata lain, apabila pendapatan
bertambah tinggi maka investasi akan bertambah.
2.1.6.3 Variabel Tekanan Eksternal
1. Harga Minyak Dunia
Harga minyak dunia memberikan dampak pada kegiatan ekonomi
suatu negara bahkan menjadi salah satu faktor penggerak perekonomian
dunia. Perubahan dari harga minyak mentah dunia mejadi tolak ukur bagi
kinerja perekonomian dunia karena perannya dipandang penting dalam
fungsi produksi. Kenaikan harga minyak dunia akan berdampak pada
37
meningkatnya harga pokok produksi, dimana proses produksi bagi
sebagian besar sektor industri masing menggunakan minyak mentah
sebagai bahan bakunya. Sehingga mengakibatkan harga jual produk
dipasaran meningkat.
Basher dan Sadorsky (2006) menggambarkan situasi di negara
importir minyak, dimana bahan bakar minyak, modal, tenaga kerja dan
bahan baku merupakan komponen penting dalam produksi barang dan
jasa, sehingga perubahan harga input ini akan mempengaruhi arus kas.
Peningkatan harga minyak akan meningkatkan biaya produksi karena tidak
adanya input substitusi antara faktor produksi tersebut. Biaya produksi
yang tinggi mengurangi arus kas masuk dan akan mempengaruhi
keuntungan perusahaan. Kenaikan harga mintak juga mempengaruhi
tingkat suku bunga yang akan membuat investasi pada obligasi lebih
menarik.
Harjum Muharam (2011) dalam penelitiannya mengenai model
determinan imbal hasil obligasi pemerintah menghasilkan kesimpulan
bahwa harga minyak dunia signifikan berpengaruh positif terhadap imbal
hasil (yield) obligasi pemerintah. Balli (2009) mengatakan bahwa harga
minyak dunia merupakan dua variabel penting dalam transaksi obligasi
bagi investor.
38
2.2 Penelitian Terdahulu
Penelitian tentang faktor-faktor yang mempengaruhi yield obligasi telah
dilakukan oleh beberapa peneliti di berbagai negara. Objek penelitiannya ialah
yield obligasi di negara tersebut.
Mehra (1998) melalui penelitiannya terhadap tingkat bunga obligasi dan
tingkat inflasi di Amerika Serikat pada kurtal dua tahun 1962 sampai dengan
kuartal empat tahun 1996, juga menemukan bahwa dalam jangka panjang,
pergerakan permanen pada inflasi riil memiliki kaitan dengan pergerakan
permanen tingka bunga obligasi. Sementaea Campbell dan Ammer (1993)
mengungkapkan bahwa pengumuman mengenai inflasi ke depan (expected
inflation) merupakan faktor yang paling mempengaruhi pergerakan yield obligasi
jangka panjang (Prastowo, 2007).
Hasil penelitian Wibisono (2010) menyatakan bahwa inflasi, BI rate,
output gap, dan nilai tukar, memiliki pengaruh terhadap perubhan masing-masing
yield obligasi pemerintah dengan jangka waktu 1 (satu) tahun, 5 (lima) tahun dan
10 (sepuluh) tahun. Semua variabel makro ekonomi yang digunakan dalam
penelitian tersebut berpengaruh positif terhadap yield obligasi pemerintah
Indonesia dengan jangka waktu yang berbeda-beda.
Tampubolon (2007), menganalisis faktor-faktor determinan yang
mempengaruhi yield obligasi dengan menggunakan model Vector Autoregression.
Penelitian ditujukan untuk menganalisa pengaruh tingkat suku bunga jangka
pendek (SBI), nilai tukar dan harga (inflasi) dalam menentukan besarnya harga
(yield) obligasi di Indonesia.
39
Senada dengan Tampubolon, Hidayat (2011) juga menganalisis pengaruh
tingkat suku bunga deposito, nilai tukar, inflasi dan LIBOR dalam menentukan
perkembangan yield obligasi di negara-negara emerging market.
Gibson et al. (2011) menyatakan risiko likuiditas atau aliran modal
berkaitan dengan kemampuan suatu negara untuk mengakses mata uang asing
yang dibutuhkan untuk menjual obligasinya, seperti pertumbuhan ekspor dan rasio
cadangan devisa terhadap PDB yang berpengaruh negatif terhadap yield spread.
Dalam penelitian yang sama untuk ekonomi emerging market, harga minyak
dunia cenderung menjadi sumber yang paling penting dari guncangan ekternal.
2.3 Kerangka Konseptual
Mengambil 2 (dua) seri FR bond dengan maturity yang berbeda-beda,
yaitu; 1 (satu) tahun dan 5 (lima) tahun sebagai objek penelitian. Penelitian-
penelitian sebelumnya sebagaimana yang telah penulis uraikan pada sub-bab 2.2
pada umumnya membahas pengaruh variabel-variabel fundamental
makroekonomi pada obligasi pemerintah. Berangkat dari hal tersebut, penulis
berkeinginan untuk menambahkan variabel likuiditas dan variabel yang menjadi
faktor tekanan eksternal dalam suatu perekonomian. Adapun kerangka konseptual
penelitian ini adalah sebagai berikut:
40
Gambar 2.4 Pengaruh Likuiditas, Fundamental Makroekonomi dan Faktor
Eksternal dalam suatu perekonomian terhadap Yield ON tenor 1 Tahun.
Gambar 2.5 Pengaruh Likuiditas, Fundamental Makroekonomi dan Faktor
Eksternal dalam suatu perekonomian terhadap Yield ON tenor 5 Tahun.
41
2.4 Hipotesis
Berdasarkan kerangka konseptual diatas, maka dirumuskan hipotesis
sebagai berikut.
H1: Shock yang terjadi pada Cadangan Devisa akan direspon positif
oleh Yield ON tenor 1 dan 5 tahun.
H2: Shock yang terjadi pada Inflasi akan direspon positif Yield ON
tenor 1 dan 5 tahun.
H3: Shock yang terjadi pada BI rate akan direspon positif Yield ON
tenor 1 dan 5 tahun.
H4: Shock yang terjadi pada Nilai Tukar Nominal akan direspon positif
oleh Yield ON tenor 1 dan 5 tahun.
H5: Shock yang terjadi pada PDB akan direspon negative oleh Yield
ON tenor 1 dan 5 tahun.
H6: Shock yang terjadi pada Harga Minyak Dunia akan direspon positif
oleh Yield ON tenor 1 dan 5 tahun.
H7: Diduga terdapat kontribusi persentase varians variabel likuiditas,
fundamental makroekonomi dan faktor eksternal terhadap
perubahan variabel Yield ON dan sebaliknya sehingga perubahan
suatu variabel tidak hanya dikontribusikan oleh perubahan pada
variabel itu sendiri.
42
2.5 Metodologi Penelitian
2.5.1 Model VAR dan VECM
Model VAR yang dikembangkan oleh Sims (1980) mengasumsikan bahwa
setiap variabel dalam model VAR adalah endogenous dan setiap variabel saling
mempungaruhi dengan variabel lainnya. Asumsi ini digunakan sebagai jalan
keluar atas permasalahan mengenai kerumitan proses estimasi dan inferensi pada
pendekatan simultan dalam menentukan eksogenitas dan endogenitas relative sulit
dan keberadaan teori yang mendasari ternyata belum begitu kaya dalam
menyajikan spesifikasi yang ketat atas hubungan dinamis antar variabel. Jika
variabel stasioner ditingkat first difference dan terdapat kointegrasi antar variabel
di dalam model, maka estimasi mengarah pada penggunanan Vector Error
Correction Model (VECM), yang pada dasarnya adalah VAR yang terestriksi.
Kemudian, untuk pengolahan dengan model VEC dijelaskan secara rinci
melalui tahapan-tahapan sistematis sebagaimana ditunjukkan dalam gambar
berikut ini:
43
Gambar 2.6 Tahapan Sistematis VECM Sumber: Thomsen, 2013
2.5.2 Uji Akar Unit (Unit Root Test) dan Uji Derajat Integrasi
Data time series yang dipakai dalam pemodelan ekonometrika modern
menuntut dilakukannya uji akar unit. Uji ini dilakukan untuk menguji stasioneritas
dari data yang digunakan. Suatu regresi yang tidak menggunakan data stasioner
dapat menyebabkan terjadinya spurious regression. Uji ini dilakukan pada setiap
variabel di dalam model, baik pada tingkat aras (level) maupun pada derajat
integrasi satu (1st difference). Pendekatan yang diaplikasikan dalam uji ini adalah
Augmented-Dickey Fuller (ADF) dengan menggunakan kriteria SIC.
44
Langkah selanjutnya adalah uji derajat integrasi yang sebenarnya
merupakan perluasan dari uji akar-akar unit dalam rangka melihat stasioneritas
data. Apabila dalam uji stasioneritas data belum stasioner di level maka perlu
dilakukan uji stasioneritas di tingkat diferensiasi, dengan cara mengurangkan data
tersebut dengan data periode sebelumnya. Jika hasil uji tersebut stasioner, maka
bisa dikatakan data runtun waktu pada penelitian ini stasioner pada derajat
pertama atau I(1). Apabila data first difference tersebut ternyata belum stasioner,
maka perlu dilakukan uji stasioner di derajat dua atau second difference.
2.5.3 Pemilihan Lag Optimal
Pemilihan panjang lag optimal sangat krusial bagis sebuah system
VAR/VEC. Jika lag terlalu pendek, model dapat terspesifikasi dengan kurang
tepat (mis specification), sementara lag yang panjang menyebabkan banyakya
derajat kebebasan (degree of freedom) yang terbuang (Enders, 2004). Dalam
tahapan ini, penentuan lag optimal dilakukan dengan beberapa kriteria yang
tersedia seperti Final Prediction Error (FPE), Likelihood Ratio (LR), Akaike
Information Criterion (AIC), Schwarz Information Criterion (SC) dan Hannan-
Quin Criterion (HQ).
2.5.4 Uji Kointegrasi Johansen
Apabila seluruh series yang digunakan dalam penelitian ini terdeteksi
memiliki I(1), terdapat kemungkinan adanya hubungan kointegrasi. Hal itu
menyebabkan pengujian hubungan kointegrasi harus dilakukan. Gonzalo
45
(1994) telah menganalisis beberapa jenis uji kointegrasi, meliputi uji Engle-
Granger, uji Stock dan Watson, hingga uji Johansen. Gonzalo menemukan bahwa
uji kointegrasi Johansen merupakan uji kointegrasi yang paling unggul diantara
beberapa jenis uji kointegrasi lainnya. Oleh karena itu, dalam penelitian ini,
di aplikasikanlah uji kointegrasi Johansen untuk menguji apakah terdapat
hubungan kointegrasi diantara beberapa variabel di dalam model-model. Pada
tahap awal, dilakukan pemilihan panjang lag optimal dari model VAR. Setelah
itu, dilakukan uji penentuan asumsi deterministik yang melandasi pembentukan
persamaan kointegrasi didasarkan pada nilai ktiteria informasi SIC. Berdasarkaan
asumsi deterministik tersebut akan diperoleh informasi mengenai banyaknya
hubungan kointegrasi antar variabel sesuai dengan metode Trace Statistic dan
Max eigen Value.
Uji kointegrasi Johansen dilakukan melalui λtrace dan λmax,, statistik
λtrace mengasumsikan r vektor kointegrasi pada hipotesis nol, dan n vektor
kointegrasi pada hipotesis alternatifnya. Di sisi lain, λmax mengasumsikan r
vektor kointegrasi pada hipotesis nol, dan r+1 vektor kointegrasi pada hipotesis
alternatifnya. Apabila statistik hitung dari λtrace dan λmax lebih besar dari nilai kritis
5%, dapat disimpulkan bahwa data-data yang digunakan dalam model
terkointegrasi.
2.5.5 Estimasi Model VEC
Apabila terdeteksi adanya kointegrasi, hubungan jangka pendek antar
variabel juga sangat mungkin terjadi. Vector Error Correction Model (VECM)
46
dapat digunakan untuk mengetahui tingkah laku jangka pendek dari suatu variabel
terhadap perilaku jangka panjangnya, akibat adanya shock permanen. Estimasi
VECM memberikan Error Correction Term (ECT) sebagai syarat terpenuhinya
kondisi sebagai berikut (Ariefianto dan Warjiyo, 2010)
1. Apabila ECT tidak signifikan, hubungan yang terbentuk adalah hubungan
jangka pendek;
2. Apabila koefisien ECT negatif dan signifikan, hubungan yang terbentuk
adalah hubungan jangka panjang;
3. Apabila koefisien ECT positif dan signifikan, hubungan yang
terbentuk bersifat eksplosif.
2.5.6 Uji Mispesifikasi (Diagnostic Check) dan Stabilitas Model
A. Uji Autocorellation
Penelitian ini menggunakan data time series, dimana data time
series seringkali mengandung autokorelasi. Autokorelasi adalah suatu
kondisi dimana variabel gangguan saling tergantung dengan variabel
gangguan lainnya. Jika model mengandung autokorelasi maka hasil
estimasi menjadi tidak efisien karena mengandung varian yang besar. Hal
ini menyebakan nilai t statistic cenderung kecil dan menolak Ho. Untuk
metode VECM penelitian ini menggunakan metode VEC residual serial
correlation lagrange multiplier (LM) test, dengan Ho tidak terdapat
autokorelasi pada lag orde h. Pengujian ini dilakukan untuk melihat ada
tidaknya masalah autokorelasi pada kedua model yang diteliti dan pada lag
47
1 sampai 10. Jika nilai probabilitas test ini lebih besar daripada alpha yang
di pilih yaitu 5% maka bisa dipastikan model tidak mengandung masalah
autokorelasi.
B. Uji Heterocedasticitiy
Heterokedatisitas merupakan kondisi dimana model memiliki
varians error yang tidak konstan. Jika suatu model mengandung
heterokedastisitas makan hasil estimasi tidak efisien dan bias. Untuk
metode VECM penelitian ini menggunakan metode VEC residual
heterocedasticity test, dengan Ho tidak terdapat heterokedastisitas.
Pengujian ini dilakukan untuk melihat ada tidaknya masalah
heterokedastisitas pada kedua model yang diteliti dan pada lag 2. Jika nilai
probabilitas test ini lebih besar daripada alpha yang di pilih yaitu 5% maka
bisa dipastikan model tidak mengandung masalah heterokedastisitas
(menerima Ho).
C. Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah kedua model dalam
penelitian ini terdistribusi normal atau tidak. Untuk metode VECM
penelitian ini menggunakan metode VEC residual normality test dengan
metode cholesky of covariance, Jika nilai probabilitas test ini lebih besar
daripada alpha yang di pilih yaitu 5% maka bisa dipastikan model
terdistribusi secara normal.
48
D. Stabilitas Model
Model VEC pada lag optimal harus stabil. Model VEC yang tidak
stabil akan membuat hasil instrument midel VEC menjadi tidak valid.
Pada penelitiian ini identifikasi stabilitas model VEC menggunakan unit-
circle. Dalam hal ini model VEC dikatakan stabil apabila seluruh nilai
modulus terletak di dalam unit-circle (Enders, 2004)
2.5.7 Impulse Response Function dan Varians Decomposition
Pada akhirnya, setelah pengujian pada setiap tahapan tersebut terpenuhi
maka spesifikasi model VEC sudah terbentuh dan dapat dilakukan analisis
terhadap hasil estimasi. Interpretasi hasil analisis pada penelitian diutamakan dan
diarahkan pada instrumen model VEC yang sering disebut innovation accounting
yaitu Impulse Response Function (IRF) dan Forecast Error Decomposition Of
Variance (FEVD).
Dalam hal ini IRF berfungsi untuk melihat respon dari variabel endogen
pada periode saat ini ataupun yang akan datang terhadap shock yang terjadi pada
variabel gangguan saat ini (et). Sedangkan FEVD, merupakan instrument yang
menunjukkan kontribusi persentase variann setiap variabel sebagai akibat dari
adanya perubahan variabel tertentu di dalam sistem VEC.
49
BAB III
PEMBAHASAN DAN HASIL
Pada bab ini akan dijelaskan pelaksanaan tahapan-tahapan metode VECM
yang terbentuk dari variabel-variabel Yield ON 1 tahun, Yield ON 5 tahun,
Cadangan Devisa, Indeks Harga Konsumen, BI Rate, Growth, Nilai Tukar
Nominal, Harga Minyak Dunia. Sebelum model diuji, terlebih dahulu akan
dijelaskan data masing-masing variabel dilanjutkan dengan pengujian stasioneritas
data melalui Unit Root Test, menemukan Lag Optimal, menguji Kestabilan Lag,
Uji Kointegrasi, Estimasi VECM, dan Anislisis IRF serta FEVD.
3.1 Definisi Variabel
Jenis data yang digunakan dalam penelitian ini adalah data sekunder dalam
bentuk data time series dengan frekuensi bulanan. Data time series adalah nilai-
nilai suatu variabel yang berurutan menurut waktu (misal; harian, mingguan,
bulanan, tahunan). Periode waktu yang digunakan adalah dari bulan januari tahun
2009 hingga bulan desember tahun 2013. Data-data tersebut diperoleh dari data
yang dipublikasi Direktorat Jendral Pengelolaan Utang (DJPU) Kementrian
Keuangan Republik Indonesia, Bank Indonesia, Badan Pusat Statistik (BPS), dan
Bloomberg. Peneliti juga menggunakan sumber-sumber lain seperti jurnal, artikel
serta literatur-literatur lainnya untuk menambah informasi terkait penelitian.
Variabel dan sumber data yang digunakan dalam penelitian ini diantaranya adalah
sebagai berikut:
50
Tabel 3.1 Variabel dan Sumber Data
No. Variabel Keterangan
Sumber
Data
1 Y1
Yield Obligasi Negara (ON) Fixed Rate Seri
Benchmark tenor 1 Tahun Bloomberg
2 Y2
Yield Obligasi Negara (ON) Fixed Rate Seri
Benchmark tenor 5 Tahun Bloomberg
3 CADEV Cadangan Devisa Bloomberg
4 IHK Indeks Harga Konsumen (MoM)
Bank
Indonesia
5 IR BI Rate
Bank
Indonesia
6 PDB PDB BPS
7 ER Nilai Tukar Nominal
Bank
Indonesia
8 CPO Harga Minya Dunia Bloomberg
Variabel Yield pada penelitian ini menggunakan Yield Obligasi Negara
Fixed Rate seri benchmark bertenor satu tahun dan lima tahun. Obligasi Negara
(ON) Fixed rate seri benchmark adalah obligasi berkupon tetap yang dijadikan
acuan oleh pemerintah. Defini Yield menurut DJPU Kementrian Keuangan
Republik Indonesia merupakan tingkat keuntungan atau imbal hasil yang
sebenarnya diperoleh investor pada berbagai tenor. Data Yield ON yang
digunakan adalah logaritma Data Yield ON akhir bulan selama periode penelitian.
Data Yield ON diperoleh dari mesin pencarian data Bloomberg.
Variabel Likuiditas pada penelitian ini menggunakan Cadangan Devisa.
Cadangan devisa digunakan sebagai variabel yang menggambarkan likuiditas
keuangan negara. Cadangan devisa disimpan sebagai aset oleh bank sentral dan
otoritas moneter dalam bentuk mata uang asing seperti Dollar, Euro, atau Yen.
Data cadangan devisa yang digunakan adalah logaritma atas cadangan devisa.
Data cadangan devisa bulanan diperoleh dari mesin pencarian data Bloomberg.
51
Variabel fundamental makroekonomi pada penelitian ini menggunakan
Indeks Harga Konsumen (IHK), BI Rate, PDB, dan Nilai Tukar Nominal. Indeks
Harga Konsumen (IHK) adalah salah satu indikator ekonomi yang memberikan
informasi mengenai harga barang dan jasa yang dibelanjakan oleh konsumen.
Perhitungan IHK dilakukan untuk melihat perubahan harga beli di tingkat
konsumen dari sekelompok barang dan jasa yang telah ditetapkan (fixed basket)
yang umumnya dikonsumsi masyarakat. IHK pada penelitian ini didasarkan pada
pola konsumsi pada survei biaya hidup di 66 kota tahun 2012 (2012=100).
Variabel IHK yang digunakan adalah logaritma dari IHK, yang di keluarkan oleh
Bank Indonesia
Bank Indonesia Rate merupakan suku bunga kebijakan Bank Indonesia
yang digunakan sebagai acuan berbagai suku bunga lainnya, sehingga
menggambarkan sinyal kebijakan moneter yang dilakukan Bank Indonesia. Suku
bunga official ini ditetapkan dalam Rapat Dewan Gubernur (RDG) Bank
Indonesia setiap bulannya dan diumumkan ke publik. Penggunaan BI Rate
sebagai suku bunga acuan dimulai sejak Juli 2005, sejalan dengan implementasi
inflation targeting di Indonesia. Variabel BI Rate yang digunakan diperoleh dari
situs Bank Indonesia.
PDB merupakan jumlah nilai tambah yang dihasilkan oleh seluruh unit
usaha dalam perekonomian suatu negara, atau merupakan jumlah nilai barang dan
jasa akhir yang dihasilkan oleh seluruh unit ekonomi. Variabel PDB merupakan
logaritma dari PDB atas dasar harga konstan 2000, PDB atas dasar harga konstan
menunjukkan nilai tambah barang dan jasa tersebut yang dihitung menggunakan
52
harga yang berlaku pada satu tahun tertentu sebagai tahun dasar. PDB konstan
digunakan untuk mengetahui pertumbuhan ekonomi secara Nominal dari tahun ke
tahun atau pertumbuhan ekonomi yang tidak dipengaruhi oleh faktor harga. Data
PDB kuartalan didapat dari situs Badan Pusat Statistik (BPS) dan diinterpolasi
menjadi data bulanan. Data PDB yang digunakan adalah logaritma atas PDB.
Nilai Tukar Nominal Rupiah adalah nilai tukar rupiah terhadap dollar
Amerika Serikat. Variabel Nilai Tukar Nominal yang digunakan adalah logaritma
atas Nilai Tukar Nominal rupiah terhadap dollar Amerika Serikat yang diperoleh
dari situs Bank Indonesia. Data yang digunakan adalah harga kurs jual pada akhir
bulan selama periode penelitian.
Variabel Tekanan Eksternal yang digunakan pada penelitian ini adalah
Harga Minyak Dunia. Harga Minyak Dunia yang digunakan adalah harga minyak
brent setiap akhir bulan selama perode penelitian. Data Harga Minyak Dunia yang
digunakan adalah logaritma Harga Minyak Dunia. Data tersebut diperoleh dari
mesin pencarian data Bloomberg.
3.2 Tahapan Analisis
Tahapan analisis dalam penelitian ini dapat ditunjukkan melalui tahapan
Uji Stasioneritas dan Derajat Integrasi, Uji Kointegrasi Johansen, Estimasi VECM
untuk mengetahui tingkah laku jangka pendek, Uji asumsi klasik VECM, Impulse
Response Function dari VECM, Dekomposisi Varians dari VECM.
53
3.2.1 Uji Stasioneritas dan Derajat Integrasi
Pengujian Stasioneritas pada penelitian ini menggunakan uji akar unit (unit
root test). Pengujian stasioneritas data menggunakan unit root test bertujuan untuk
mendapatkan pengujian stasioneritas variabel yang lebih akurat dibandingkan
pengujian menggunakan grafik. Unit root test dengan metode Augmented Dickey-
Fuller test (ADF) yang menggunakan lag length berdasarkan Schwarz Criterion
(SC) pada eviews dalam dua macam model persamaan, yaitu dengan model
intercept, model trend and intercept.
Tabel 3.2.a Hasil Uji Stasioneritas 2
Variabel ADF (Schwarz Information Criterion) Trend and Intercept
Automatic Maximum Lag t-stat p-value
Yield ON Tenor
1 Tahun
10 -1.39392 (0) 0.85270
Yield ON Tenor
5 Tahun
10 -1.15573 (0) 0.91010
Cadangan
Devisa
10 -0.50355 (0) 0.98070
IHK 10 -1.47621 (2) 0.82640
BI rate 10 -1.71600 (1) 0.73150
PDB 10 -2.30677 (9) 0.42260
Nilai Tukar
Nominal
10 -0.46439 (0) 0.98260
Harga Minyak
Dunia
10 -3.24912 (0) 0.08510
Keterangan: Nilai yang ada di dalam kurung menandakan lag yang optimal untuk
setiap variabel.
Berdasarkan hasil uji stasioneritas di atas, dengan α 5% dan kriteria
Schwarz pada maximum lag 10, ditemukan bahwa seluruh variabel tidak stasioner
pada derajat level (I(0)), sehingga dapat diambil kesimpulan dari hasil pengujian
unit root pada derajat level tersebut menerima hipotesa H0 yaitu data non
stasioneritas. Hal ini sesuai dengan penilitian sebelumnya bahwa data time series
pada umumnya bersifat nonstasionary (Gujarati, 1999).
54
Jika data-data time series tidak stasioner pada derajat level, perlu
dilakukan proses diferensi hingga data-data tersebut stasioner. Hal tersebut
menyebabkan uji derajat integrasi perlu dilakukan. Pengujian stasioneritas
terhadap data level dilakukan dengan menggunakan model intercept dan trend
and intercept.
Tabel 3.2.b Hasil Uji Derajat Integrasi
Variabel
ADF (Schwarz Information Criterion) Trend and
Intercept
Automatic Maximum
Lag t-stat p-value
Yield ON Tenor 1
Tahun
10 -8.45663 (0) 0.00000***
Yield ON Tenor 5
Tahun
10 -10.25577 (0) 0.00000***
Cadangan Devisa 10 -6.12293 (0) 0.00000***
IHK 10 -7.23721 (1) 0.00000***
BI rate 10 -4.17593 (0) 0.00870***
PDB 10 -4.48744 (10) 0.00410***
Nilai Tukar Nominal 10 -8.77310 (0) 0.00000***
Harga Minyak Dunia 10 -7.30118 (0) 0.00000***
Keterangan: *** menandakan penolakan terhadap hipotesis nol pada tingkat
signifikansi 1%. Nilai yang ada di dalam kurung menandakan lag yang optimal
untuk setiap variabel.
Output hasil uji unit root pada tingkat diferensi pertama (derajat satu) pada
tabel diatas menunjukkan adanya perubahan tingkat signifikansi dari nilai
probabilitas, statistik ADF, serta critical value (α) pada semua variabel. Hasil uji
unit root dengan nilai absolut statistik ADF yang lebih besar dibandingkan dengan
nilai absolut critical value tabel Mac Kinnon. Hal ini menunjukkan bahwa semua
variabel dalam kondisi yang stasioner atau sudah tidak mengandung unit root lagi
pada diferensi pertama. Selain itu kondisi stasioner ini juga didukung oleh nilai
probabilitas statistik ADF semua variabel yang signifikan pada α =1%.
55
3.2.2 Uji Lag Optimal
Tahap berikutnya adalah penetapan lag optimal. Penilihan lag optimal
dilakukan sebelum uji kointegrasi, hal ini penting dilakukan sebelum melakukan
estimasi dalam model VAR (Gujarati, 2009). Penentuan panjang lag juga semakin
penting seiring dengan anggapan bahwa pemilihan lag yang tepat akan
menghasilkan residual yang bersifat Gaussian (terbebas dari permasalahn
autokorelasi dan heterokedastisitas) (Gujarati, 2009). Pemilihan lag optimal
biasanya menggunakan nilai likelihood Ratio, Final Prediction Error, Schwarz
Info Criterion, Hanna-Quinn Criterion, dan Akaike Info Criterion yang terkecil.
Hasil uji kointegrasi Johansen sangatlah sensitif terhadap panjang lag,
sehingga penentuan panjang lag harus dilakukan dengan cermat (Enders, 1995).
Setelah mendapatkan lag yang optimal, lag yang digunakan dalam tahapan
pengujian rank kointegrasi adalah lag p-1.
Tabel 3.3.a Hasil Uji Lag Optimal pada Model VAR Yield ON Tenor 1
Tahun
Lag LogL LR FPE AIC SC HQ
0 977.1583 NA 5.86e-25 -35.93179 -35.67396* -35.83235
1 1047.569 119.9585 2.69e-25* -36.72477 -34.66212 -35.92929*
2 1078.566 44.77394 5.73e-25 -36.05800 -32.19054 -34.56647
3 1141.878 75.03655* 4.32e-25 -37.80078* -30.91579 -34.40050
Keterangan: *menunjukan lag yang disarankan oleh masing-masing kriteria.
56
Tabel 3.3.b Hasil Uji Lag Optimal pada Model VAR Yield ON Tenor 5
Tahun
Lag LogL LR FPE AIC SC HQ
0 981.6491 NA 4.96e-25 -36.09812 -35.84029* -35.99868
1 1054.955 124.8918 2.05e-25 -36.99834 -34.93569 -36.20286*
2 1085.464 44.06766 4.44e-25 -36.31347 -32.44600 -34.82194
3 1159.568 87.82713* 2.24e-25 -39.08749* -31.57096 -35.05567
Keterangan: *menunjukan lag yang disarankan oleh masing-masing kriteria.
Berdasarkan pada Tabel 3.3.a. dan 3.3.b. batas maksimal pengujian lag
sebesar 3 dan kriteria merekomendasi panjang lag optimal yang digunakan dalam
analisis VAR adalah lag 3. Dari kedua model VAR yaitu Yield ON tenor 1 tahun
dan Yield ON tenor 5 tahun kriteria yang dipakai untuk menetukan panjang lag
optimal ialah likelihood Ratio, Final Prediction Error, Akaike Info Criterion dan
Hanna-Quinn Criterion.
Setelah lag optimal pada seluruh model VAR ditentukan, langkah
selanjutnya adalah melihat stabilitas lag pada seluruh model VAR tersebut.
a. Model Yield ON Tenor 1 Tahun
b. Model Yield ON Tenor 5 Tahun
Gambar 3.1. Grafik AR-Roots
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
57
Setelah mendapatkan lag optimal untuk model VAR, selanjutnya lag
3 harus diuji stabilitasnya. Stabilitas lag dapat dilihat dari nilai inverse roots
karakteristik AR polinomial. Suatu lag pada model VAR dinyatakan stabil apabila
seluruh nilai modulus dari AR roots < 1. Lag pada model VAR telah stabil,
karena nilai modulus dari AR roots < 1 seperti yang ditunjukan pada table AR
Roots (lihat lampiran). Hal ini dapat terlihat juga pada grafik 3.1, nilai modulus
dari AR roots tidak ada yang keluar dari unit lingkarannya. Dengan demikian, lag
3 telah stabil.
3.2.3 Uji Kointegrasi Johansen
Sebelum melakukan uji kointegrasi Johansen, langkah yang perlu
dilakukan adalah mengaplikasikan Johansen Cointegration Test Summary untuk
menentukan spesifikasi komponen deterministik yang dapat digunakan. Hal
tersebut perlu dilakukan karena asumsi deterministik yang diasumsikan dalam
model sangat mempengaruhi hasil pengujian kointegrasi (Johansen, 1991).
Beberapa model dan komponen deterministik yang perlu dipertimbangkan adalah
sebagai berikut (Ariefianto dan Warjiyo, 2010):
1. Data tidak memiliki tren deterministik dan persamaan kointegrasi
tidak memiliki intersep,
2. Data tidak memiliki tren deterministik dan persamaan kointegrasi
memiliki intersep,
3. Data memiliki tren linier dan persamaan kointegrasi hanya memiliki
intersep,
58
4. Data dan persamaan kointegrasi memiliki tren linier,
5. Data memiliki tren kuadratik dan persamaan kointegrasi memiliki tren
linier.
Pemilihan model dan komponen deterministik dilakukan berdasarkan
criteria Log Likelihood, Akaike Information, ataupun Schwarz Info Criterion. Dari
Johansen Cointegration Test Summary yang dilakukan, berdasarkan AIC
menunjukan bahwa data dan persamaan kointegrasi memiliki tren linier untuk
model Yield ON tenor 1 tahun. Sedangkan untuk model Yield ON tenor 5 tahun
berdasarkan AIC dan SIC menunjukan bahwa data tidak memiliki tren
deterministik dan persamaan kointegrasi memiliki intersep. Hasil Johansen
Cointegration Test Summary dapat dilihat pada lampiran yang disertakan.
Setelah diketahui model dan komponen deterministik selanjutnya
pengujian kointegrasi dengan lag sebesar lag optimal minus satu yaitu lag 2.
Hasil uji kointegrasi dapat dilihat pada tabel 3.4.
Tabel 3.4.a. Hasil Uji Kointegrasi Johansen Model Yield ON Tenor 1 Tahun
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.720072 189.0471 134.6780 0.0000
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.720072 71.30052 47.07897 0.0000
59
Tabel 3.4.b. Hasil Uji Kointegrasi Johansen Model Yield ON Tenor 5 Tahun
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.692350 193.8560 134.6780 0.0000
At most 1 * 0.527040 127.8436 103.8473 0.0005
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.692350 66.01237 47.07897 0.0002
At most 1 * 0.527040 41.92973 40.95680 0.0387
Dari Tabel 3.4.a. dan 3.4.b. diperoleh hasil yang menyatakan bahwa secara
signifikan terdapat hubungan kointegrasi di antar variabel-variabel dalam model
baik menutur uji trace maupun uji max-eigen, ditandai dengan nilai trace values
dan max-eigen values yang lebih besar dari nilai kritisnya pada tingkat
signifikansi 5%. Oleh karena itu, berdasarkan hasil yang dicantumkan dalam
Tabel 3.4, kesimpulan yang dapat diambil adalah sebagai berikut.
1. Terdapat satu vektor kointegrasi pada model 1, menandakan adanya satu
kombinasi linier independen dari variabel pada model Yield ON tenor 1
tahun.
2. Terdapat dua vektor kointegrasi pada model 2, menandakan adanya dua
kombinasi linier independen dari variabel pada model Yield ON tenor 5
tahun.
Terdeteksinya hubungan kointegrasi pada data-data yang terdapat dalam
kedua model menjadikan prasyarat untuk menggunakan metode estimasi VECM
terpenuhi. Oleh karena itu, untuk melihat deviasi keseimbangan jangka panjang
60
melalui penyesuaian jangka pendeknya, tahap yang selanjutnya dilakukan adalah
estimasi VECM.
3.2.4 Vector Error Correction Model (VECM)
Hasil estimasi VECM dapat dilihat dalam Tabel 3.5.a. dan 3.5.b
61
Tabel 3.5.a. Hasil Estimasi VECM Model Yield ON Tenor 1 Tahun
Koefisien Jangka Panjang
Cointegrating Eq: D_Y1(-1) D_IHK(-1) D_IR(-1) DLOG_PDB(-1) DLOG_CADEV(-1) DLOG_ER(-1) DLOG_CPO(-1)
CointEq1 1 0.007252 -2.110144 0.073791 0.016123 -0.040669 0.030996
[ 4.47115] [-5.07192] [ 1.42777] [ 0.73184] [-0.88704] [ 1.98248]
C -0.003409
Koefisien Penyesuaian
Error Correction: D(D_Y1) D(D_IHK) D(D_IR) D(DLOG_PDB) D(DLOG_CADEV) D(DLOG_ER) D(DLOG_CPO)
CointEq1 -0.822323 -49.2647 0.15604 -0.639132 5.750007 -1.008411 -1.783566
[-3.80121] [-2.47571] [ 3.75022] [-1.64591] [ 3.99397] [-1.29823] [-0.77831]
Koefisien Jangka Pendek
Error Correction: D(D_Y1) D(D_IHK) D(D_IR) D(DLOG_PDB) D(DLOG_CADEV) D(DLOG_ER) D(DLOG_CPO)
D(D_Y1(-1)) 0.15426 56.42985 -0.054912 0.635586 -5.15253 0.041034 2.911251
[ 0.67125] [ 2.66945] [-1.24234] [ 1.54078] [-3.36905] [ 0.04973] [ 1.19590]
D(D_Y1(-2)) 0.380948 6.243718 -0.033631 0.008973 -3.959933 0.644693 0.913827
[ 2.06218] [ 0.36744] [-0.94655] [ 0.02706] [-3.22110] [ 0.97196] [ 0.46699]
D(D_IHK(-1)) 0.007414 -0.058672 8.20E-05 -2.31E-05 -0.035458 0.022389 0.003788
[ 4.06677] [-0.34987] [ 0.23399] [-0.00705] [-2.92262] [ 3.42027] [ 0.19617]
D(D_IHK(-2)) 0.001284 -0.415164 -0.000615 -0.007082 -0.000787 0.000976 0.02882
[ 0.68038] [-2.39112] [-1.69356] [-2.09034] [-0.06263] [ 0.14407] [ 1.44136]
D(D_IR(-1)) -1.827228 8.243864 -0.271973 0.266189 7.566437 0.045707 5.25235
[-2.77801] [ 0.13626] [-2.14986] [ 0.22546] [ 1.72858] [ 0.01935] [ 0.75384]
D(D_IR(-2)) 0.230495 -24.22694 -0.418332 0.853931 -8.629104 3.551084 2.864534
62
[ 0.36066] [-0.41211] [-3.40328] [ 0.74438] [-2.02888] [ 1.54750] [ 0.42313]
D(DLOG_PDB(-1)) 0.058204 10.64755 0.022647 -0.104217 -0.077397 -0.188531 -1.462227
[ 0.64779] [ 1.28829] [ 1.31049] [-0.64618] [-0.12944] [-0.58438] [-1.53631]
D(DLOG_PDB(-2)) 0.1156 10.62134 0.013338 0.416475 -0.8819 -0.032716 -2.361411
[ 1.27614] [ 1.27468] [ 0.76556] [ 2.56132] [-1.46290] [-0.10059] [-2.46091]
D(DLOG_CADEV(-1)) 0.047419 -2.97877 -0.002771 -0.062076 -0.704664 0.048938 -0.43752
[ 2.03559] [-1.39013] [-0.61842] [-1.48455] [-4.54543] [ 0.58509] [-1.77304]
D(DLOG_CADEV(-2)) 0.016956 -5.113836 0.001474 -0.081115 -0.60123 -0.027986 -0.565446
[ 0.68619] [-2.24989] [ 0.31004] [-1.82880] [-3.65619] [-0.31544] [-2.16027]
D(DLOG_ER(-1)) -0.086104 -2.982887 0.002877 -0.024069 0.413401 -0.609338 -0.718202
[-2.36075] [-0.88910] [ 0.41006] [-0.36764] [ 1.70317] [-4.65288] [-1.85892]
D(DLOG_ER(-2)) -0.079732 1.389827 -0.00904 0.028094 0.202759 -0.466704 -0.643931
[-2.40503] [ 0.45576] [-1.41774] [ 0.47210] [ 0.91902] [-3.92072] [-1.83364]
D(DLOG_CPO(-1)) 0.010154 1.277905 -0.003916 0.061199 -0.101361 0.042565 -0.492491
[ 0.67237] [ 0.91989] [-1.34828] [ 2.25752] [-1.00851] [ 0.78495] [-3.07848]
D(DLOG_CPO(-2)) 0.012899 2.563252 -0.002579 0.062339 -0.088612 0.087402 -0.15125
[ 0.95105] [ 2.05457] [-0.98861] [ 2.56060] [-0.98174] [ 1.79475] [-1.05276]
Keterangan: Nilai yang ada di dalam kurung menandakan nilai t-statistics yang diestimasi.
D_Y1(-1)=-0.003(-1) + 0.007D_IHK(-1) - 2.11D_IR(-1) + 0.074DLOG_PDB(-1) + 0.016DLOG_CADEV(-1) - 0.041DLOG_ER(-1) +
0.031DLOG_CPO(-1)
[ 4.47115] [-5.07192] [ 1.42777] [ 0.73184] [-0.88704] [1.98248]
63
Persamaan di atas menunjukkan bagaimana hubungan jangka panjang
yang terjadi antar variabel Indeks Harga Konsumen, BI Rate, Produk Domestik
Bruto, Cadangan Devisa, Nilai Tukar Nominal, dan Nilai Kurs Nominal
terhadap Yield Obligasi. Hasil etimasi VECM pada persamaan tersebut
memperlihatkan bagaimana hubungan variabel dalam model. Signifikansi dapat
diketahui dengan membandingkan nilai t-statistik dari hasil estimasi dengan t-
tabel sebesar 2.0106 (two-tailed test, df=n-k-1=48). Terlihat bahwa dalam
jangka panjang IHK dan BI Rate yang signifikan mempengaruhi Yield ON tenor
1 tahun.
Signifikansi respon penyuasaian dinamis perkembangan jangka pendek
terhadap jangka panjang (ECT) menunjukkan tidak semua ECT signifikan, dari
ketujuh ECT hanya empat ECT yang signifikan pada α=5% yaitu CointEq
D(D_Y1), CointEq D(D_IHK), CointEq D(D_IR), CointEq
D(DLOG_CADEV). Tanda dari ECT yang negatif dan signifikan terdapat pada
D(D_Y1) dan D(D_IHK) hal ini menunjukkan bahwa CointEq D_Y1 dan
D_IHK bersifat backward. Pada persamaan yang bersifat backward berarti
bahwa keseimbangan jangka pendek akan terkoreksi menuju keseimbangan
jangka panjang.
64
Tabel 3.5.b. Hasil Estimasi VECM Model Yield ON Tenor 5 Tahun
Koefisien Jangka Panjang
Cointegrating Eq: D_Y2 D_IHK D_IR DLOG_PDB DLOG_CADEV DLOG_ER DLOG_CPO
CointEq1 1 0 -2.484839 -0.393088 0.118026 0.120079 0.044335
C
[-3.35093] [-4.09166] [ 2.89042] [ 1.35573] [ 1.52721]
0.002599
CointEq2 0 1 130.3823 81.26634 -19.53871 -33.02155 -3.057944
[ 0.89890] [ 4.32461] [-2.44628] [-1.90603] [-0.53852]
C -0.876259
Koefisien Penyesuaian
Error Correction: D_Y2 D_IHK D_IR DLOG_PDB DLOG_CADEV DLOG_ER DLOG_CPO
CointEq1 -0.988183 -35.72804 0.226726 0.497111 4.071027 -1.845182 -3.403015
[-3.84466] [-1.29820] [ 4.20696] [ 1.24330] [ 1.94740] [-1.85466] [-1.10701]
CointEq2 -0.004929 -0.287761 0.001002 -0.004014 0.029874 -0.004877 -0.013128
[-4.05735] [-2.21223] [ 3.93316] [-2.12414] [ 3.02352] [-1.03717] [-0.90356]
Koefisien Jangka Pendek
Error Correction: D_Y1(-1) D_IHK(-1) D_IR(-1) DLOG_PDB(-1) DLOG_CADEV(-1) DLOG_ER(-1) DLOG_CPO(-1)
D(D_Y2(-1)) 0.291178 38.07516 -0.129242 -0.377517 -3.624232 0.837913 3.499781
[ 1.02616] [ 1.25317] [-2.17224] [-0.85525] [-1.57037] [ 0.76289] [ 1.03125]
D(D_Y2(-2)) 0.588766 0.410778 -3.84E-02 -5.59E-01 -2.358173 1.113332 0.309943
[ 3.20170] [ 0.02086] [-0.99604] [-1.95365] [-1.57668] [ 1.56412] [ 0.14092]
D(D_IHK(-1)) 0.006549 -0.066075 0.000351 0.002076 -0.03132 0.018946 0.00174
[ 4.05304] [-0.38193] [ 1.03714] [ 0.82583] [-2.38339] [ 3.02941] [ 0.09006]
D(D_IHK(-2)) -0.000167 -0.396536 -0.000371 -0.00434 0.001465 -0.00289 0.02785
[-0.09813] [-2.18009] [-1.04106] [-1.64227] [ 0.10605] [-0.43947] [ 1.37079]
D(D_IR(-1)) -1.75803 24.00117 -0.30084 1.150725 3.300345 -0.138263 6.108973
65
[-3.10722] [ 0.39618] [-2.53588] [ 1.30743] [ 0.71719] [-0.06313] [ 0.90278]
D(D_IR(-2)) 0.622044 -23.28514 -0.409756 1.600944 -9.351317 2.921068 1.708183
[ 1.03431] [-0.36159] [-3.24938] [ 1.71122] [-1.91176] [ 1.25481] [ 0.23748]
D(DLOG_PDB(-1)) -0.022917 14.92764 0.020974 0.137222 -0.229834 -0.401125 -1.47333
[-0.27224] [ 1.65609] [ 1.18824] [ 1.04786] [-0.33568] [-1.23102] [-1.46334]
D(DLOG_PDB(-2)) 0.117464 14.68404 0.017019 0.550649 -0.976039 -0.162785 -2.352184
[ 1.44452] [ 1.68646] [ 0.99816] [ 4.35306] [-1.47576] [-0.51717] [-2.41855]
D(DLOG_CADEV(-1)) 0.042664 -4.90264 -0.007363 -0.165607 -0.509794 0.120067 -0.394164
[ 1.74163] [-1.86911] [-1.43340] [-4.34582] [-2.55869] [ 1.26625] [-1.34535]
D(DLOG_CADEV(-2)) 0.021959 -5.593719 0.001747 -0.140196 -0.449433 0.009144 -0.55753
[ 1.00753] [-2.39693] [ 0.38232] [-4.13504] [-2.53535] [ 0.10838] [-2.13883]
D(DLOG_ER(-1)) -0.085964 -4.405473 0.004921 -0.091242 0.539175 -0.571871 -0.662073
[-2.18553] [-1.04603] [ 0.59667] [-1.49121] [ 1.68539] [-3.75615] [-1.40738]
D(DLOG_ER(-2)) -0.134479 0.479492 -0.010659 0.046579 0.201082 -0.495646 -0.575752
[-4.06760] [ 0.13545] [-1.53761] [ 0.90568] [ 0.74781] [-3.87313] [-1.45608]
D(DLOG_CPO(-1)) 0.030604 0.455583 -0.003661 0.022189 -0.032348 0.060593 -0.457033
[ 2.30925] [ 0.32105] [-1.31763] [ 1.07627] [-0.30010] [ 1.18118] [-2.88338]
D(DLOG_CPO(-2)) 0.017893 1.482084 -0.003184 0.035019 -0.034693 0.115716 -0.171518
[ 1.45238] [ 1.12353] [-1.23260] [ 1.82727] [-0.34623] [ 2.42659] [-1.16405]
Keterangan: Nilai yang ada di dalam kurung menandakan nilai t-statistics yang diestimasi.
D_Y2(-1) = 0.003 - 2.485D_IR(-1) - 0.393DLOG_PDB(-1) + 0.118DLOG_CADEV(-1) + 0.12 DLOG_ER(-1) + 0.044 DLOG_CPO(-1)
[-3.35093] [-4.09166] [2.89042] [1.35573] [1.52721]
D_IHK(-1) = -0.876 + 130.382D_IR(-1) + 81.266DLOG_PDB(-1) - 19.538DLOG_CADEV(-1) – 3.058DLOG_CPO(-1)
[0.89890] [4.32461] [-1.90603] [-0.53852]
66
Persamaan jangka panjang yang dapat ditulis dari hasil estimasi vecm
adalah seperti yang dituliskan diatas. Hasil pengamatan pada ECT menunjukkan
bahwa ECT persamaan D(D_Y2) bertanda negatif dan signifikan. Nilai
koefisien penyesuaian dari persamaan D(D_Y2) CointEq1 sebagai variabel ECT
signifikan dan negatif menunjukkan bahwa model VEC bersifat backward yang
berarti ketidakseimbangan jangka pendek selalu terkoreksi menuju
keseimbangan jangka panjang. Terlihat bahwa dalam jangka panjang variabel
yang mempengaruhi Yield ON tenor 5 tahun secara signifikan ialah BI Rate dan
Cadangan Devisa.
Karakterisitik dinamis dari VECM memang kurang begitu jelas apabila
tidak diinterpretasikan dalam impulse response function dan dekomposisi
varians. Sebelum melihat impulse response function dan dekomposisi varians,
harus dipastikan dahulu apakah estimasi VECM yang telah dilakukan terbebas
dari masalah mispesifikasi, agar hubungan yang terjadi tidak spurios.
3.2.5 Uji Asumsi Klasik
Uji Asumsi Klasik VECM dilakukan dalam penelitian ini bertujuan
untuk menguji apakah di dalam model VECM yang telah diestimasi terbebas
dari masalah autokorelasi dan heteroskedastisitas pada α 5%. Pendeteksian
adanya autokorelasi dilakukan dengan uji Lagrange Multiplier, dimana H0
menghendaki tidak adanya autokorelasi, dan H1 menyatakan adanya
autokorelasi. Pendeteksian heteroskedastisitas dilakukan dengan uji White
dengan dan tanpa cross term, dimana H0 menyatakan tidak adanya
67
heteroskedastisitas, sementara H1 menyatakan adanya heteroskedastisitas. Hasil
uji mispesifikasi VECM ditampilkan dalam tabel 3.7.
Tabel 3.7. Hasil Uji Asumsi Klasik VECM
Mode
l
Autokorelasi Heterokedastisita
s Normalitas
Lag 1 Lag 2 No Cross Terms Jarque-bera
Yield
ON
Tenor 1
Tahun
LM-Stat
59.39002
(p= 0.1469
)
LM-Stat
49.00492
(p= 0.4729
)
χ2(840)= 814.1144
(p= 0.7330)
X2(7)=6.68114
0 (p=0.0354)
Yield
ON
Tenor 5
Tahun
LM-Stat
65.84163
(p= 0.0544
)
LM-Stat
52.58193
(p= 0.3371
)
χ2(896)= 864.1953
(p= 0.7717)
X2(7)=7.59745
3 (p=0.0224)
Hasil uji mispesifikasi VECM pada tabel di atas menunjukkan bahwa
pada tingkat signifikansi 5%, seluruh residual yang terdapat dalam seluruh
model tidak mengandung autokorelasi dan heteroskedastisitas. Namun residual
yang terdapat dalam model tidak terbebas dari masalah normalitas. Menurut
Gonzalo (1944), normalitas bukanlah masalah yang serius dalam uji kointegrasi
Johansen dan VECM, sehingga dapat dikatakan bahwa residual yang terdapat
pada model lolos uji asumsi klasik dan dapat dilakukan interpretasi melalui IRF
dan dekomposisi varians.
68
3.2.6 Impulse Response Function
Fungsi impulse response digunakan untuk melihat pola penyesuaian
jangka pendek dari suatu variabel terhadap perubahan yang terjadi pada
variabel lainnya. Analisis impulse response memungkinkan jangka waktu
penyesuaian suatu variabel terhadap perubahan yang terjadi pada variabel
lainnya hingga kembali pada titik keseimbangan terlihat. Sumbu vertikal
pada Grafik Fungsi Impulse Response menunjukkan deviasi/perubahan suatu
variabel terhadap shock yang terjadi pada variabel lainnya (dalam persen).
Sumbu horizontal pada Grafik Fungsi Impulse Response menunjukkan
periode waktu (dalam bulan). Melalui fungsi impulse response penelitian ini
akan membandingkan pengaruh dari shock likuiditas perekonomian, shock
fundamental makro serta shock eksternal terhadap variabel-variabel di dalam
model yield ON tenor 1 tahun (terutama pada yield ON tenor 1 tahun) dan
model yield ON tenor 5 tahun (terutama pada Yield ON tenor 5 tahun)
A. Fungsi Impulse Response Shock Likuiditas Perekonomian
Gambar 3.2.a Respon Yield ON Tenor 1 Tahun terhadap Shock
Likuditas
-.0008
-.0004
.0000
.0004
.0008
.0012
5 10 15 20 25 30 35 40 45 50
Response of D_Y1 to CholeskyOne S.D. DLOG_CADEV Innovation
69
Kenaikan sebesar satu standar deviasi dari kejutan (shock)
Cadangan Devisa cenderung direspon positif oleh Yield ON tenor 1 tahun
sepanjang periode pengamatan, cateris paribus. Pada bulan pertama dan
kedua Yield ON tenor 1 tahun merespon positif kejutan (shock) dari
cadangan devisa. Kejutan (shock) cadangan devisa ini secara seketika
meningkatkan yield ON tenor 1 tahun sebesar 0.1 persen kemudian yield
ON tenor 1 tahun mengalami penurunan pada dua periode berikutnya
menuju -0.06 persen. Setelah periode tersebut Yield ON tenor 1 tahun
mengalami volatilitas namun tidak setinggi periode awal terhadap kejutan
(shock) cadangan devisa yaitu sebesar 0.09 persen diperiode kelima hingga
-0.01 persen diperiode kesepuluh kemudian pengaruhnya berangsur stabil
pada tingkat 0.02 hingga akhir periode pengamatan (lihat gambar 3.2.a)
Gambar 3.2.b Respon Yield ON Tenor 5 Tahun terhadap shock
Likuiditas
Yield ON tenor 5 tahun merespon shock cadangan devisa dengan
pola yang hampir sama seperti respon dari yield ON tenor 1 tahun terhadap
shock cadangan devisa. Perbedaannya terletak pada respon yield ON tenor
-.0008
-.0004
.0000
.0004
.0008
.0012
.0016
5 10 15 20 25 30 35 40 45 50
Response of D_Y2 to CholeskyOne S.D. DLOG_CADEV Innovation
70
5 tahun diperiode kedua lebih kecil yaitu sebesar 0.1 persen daripada
respon diperiode kelima yaitu sebesar 0.12 persen. Kemudian respon
cenderung stabil ditingkat 0.02 persen pada periode ke-20 hingga akhir
periode pengamatan.
B. Fungsi Impulse Response Shock Fundamental Makroekonomi
Gambar 3.3.a Respon Yield ON Tenor 1 Tahun terhadap shock
Fundamental Makroekonomi
Dari keempat variabel yang dipakai untuk menjelaskan kondisi
fundamental makro, hanya kejutan (shock) dari IHK yang direspon positif
pada periode awal. Namun pada periode berikutnya terjadi volatilitas
-.002
-.001
.000
.001
.002
5 10 15 20 25 30 35 40 45 50
Response of D_Y1 to D_IHK
-.002
-.001
.000
.001
.002
5 10 15 20 25 30 35 40 45 50
Response of D_Y1 to D_IR
-.002
-.001
.000
.001
.002
5 10 15 20 25 30 35 40 45 50
Response of D_Y1 to DLOG_PDB
-.002
-.001
.000
.001
.002
5 10 15 20 25 30 35 40 45 50
Response of D_Y1 to DLOG_ER
Response to Cholesky One S.D. Innovations
71
dilevel negatif hingga periode ke-30 dan stabil dilevel -0.1 persen hingga
akhir periode pengamatan.
Kejutan (shock) BI rate direspon negatif pada awal periode
pengamatan disusul volatilitas dilevel positif hingga periode ke-15
kemudian perlahan stabil dilevel 0.05 persen hingga akhir periode
pengamatan.
Kejutan (shock) dari PDB dan kurs nominal direspon oleh yield
ON tenor 1 tahun dengan pola yang hampir sama dengan respon terhadap
shock dari BI rate. Shock yang ditimbulkan oleh PDB dan kurs nominal
direspon negatif pada awal periode pengamatan. Kemudian terjadi
volatilitas hingga periode ke-15. Namun setelah periode ke-15 respon yield
ON tenor 1 tahun terhadap shock yang ditimbulkan oleh PDB stabil dilevel
0 persen sedangkan respon yield ON tenor 1 tahun terhadap shock yang
ditimbulkan oleh kurs nominal stabil dilevel 0.025 persen hingga akhir
periode pengamatan (lihat gambar 3.3.a).
72
Gambar 3.3.b Respon Yield ON tenor 5 Tahun terhadap shock
Fundamental Makroekonomi
Tidak terdapat perbedaan yang besar antara yield ON tenor 1 tahun
dengan respon yield ON 5 tahun dalam merespon shock fundamental
makroekonomi karena keduanya merespon dengan pola yang hampir
sama. Pada shock IHK perbedaannya hanya yield ON tenor 5 tahun
merespon shock IHK tidak sebesar respon yield ON tenor 1 tahun dan
volatilitas akibat shock stabil dilevel yang lebih tinggi.
Selain itu sejak awal periode pengamatan yield ON tenor 5 tahun
langsung memberikan respon positif shock BI rate, berbeda dengan yield
ON tenor 1 tahun yang memberi respon negatif shock BI rate. Meskipun
begitu keduanya stabil dilevel yang sama yaitu 0.05 persen. Sementara itu
secara garis besar yield ON tenor 5 tahun merespon shock PDB dan kurs
-.002
-.001
.000
.001
.002
5 10 15 20 25 30 35 40 45 50
Response of D_Y2 to D_IHK
-.002
-.001
.000
.001
.002
5 10 15 20 25 30 35 40 45 50
Response of D_Y2 to D_IR
-.002
-.001
.000
.001
.002
5 10 15 20 25 30 35 40 45 50
Response of D_Y2 to DLOG_PDB
-.002
-.001
.000
.001
.002
5 10 15 20 25 30 35 40 45 50
Response of D_Y2 to DLOG_ER
Response to Cholesky One S.D. Innovations
73
nominal dengan pola yang sama kendati dengan tingkat volatilitas yang
lebih besar (lihat gambar 3.3.b).
C. Fungsi Impulse Response Shock Eksternal
Gambar 3.4.a. Respon Yield ON Tenor 1 Tahun terhadap Shock
Harga Minyak Dunia
Kenaikan sebesar satu standar deviasi dari kejutan (shock) harga
minyak dunia direspon negatif oleh yield ON tenor 1 tahun sepanjang
periode pengamatan, cateris paribus. Pada bulan pertama harga minyak
dunia menyebabkan yield ON tenor 1 tahun turun hingga 0.07 persen.
Kemudian terjadi volatilitas hingga level terendahnya di -0.09 persen pada
periode keempat dan stabil dilevel 0.055 persen pada periode ke-20 sampai
akhir periode pengamatan (lihat gambar 3.4.a).
-.0010
-.0008
-.0006
-.0004
-.0002
.0000
5 10 15 20 25 30 35 40 45 50
Response of D_Y1 to CholeskyOne S.D. DLOG_CPO Innovation
74
Gambar 3.4.b. Respon Yield ON Tenor 5 Tahun terhadap Shock
Harga Minyak Dunia
Perbedaan yield ON tenor 5 tahun dengan yield ON tenor 1 tahun
dalam merespon kenaikan harga minyak dunia terletak pada awal periode
pengamatan dimana kenaikan sebesar satu standar deviasi direspon positif
oleh yield ON tenor 5 tahun dilevel 0.01 persen. Kendati pada periode
berikutnya yield ON tenor 5 tahun turun hingga -0.11 persen pada periode
kelima. Kemudian terjadi volatilitas hingga stabil dilevel -0.04 persen pada
periode ke-20 hingga akhir periode pengamatan (lihat gambar 3.4.b.).
3.2.7 Dekomposisi Varians
Kelebihan lain yang ditawarkan VECM adalah adanya kemampuan untuk
melihat penyebab shock di suatu variabel. Uji ini digunakan untuk mengukur
perkiraan varians error suatu variabel yaitu seberapa besar kemampuan satu
variabel dalam memberikan penjelasan pada variabel lainnya atau pada variabel
-.0012
-.0008
-.0004
.0000
.0004
.0008
5 10 15 20 25 30 35 40 45 50
Response of D_Y2 to CholeskyOne S.D. DLOG_CPO Innovation
75
itu sendiri, Dengan menggunakan merode VECM ini kita bisa melihat proporsi
dampak perubahan pada suatu variabel itu sendiri dalam suatu periode.
Jika disimpulkan, dengan menganalisa hasil variance decomposition maka
kita dapat mengukur perkiraan varians error suatu variabel, yaitu seberapa besar
perbedaan antara sebelum dan sesudah terjadi shock, baik yang berasal dari
variabel itu sendiri maupun variabel lain. Dekomposisi varians dari Yield ON
Tenor 1 Tahun dan 5 Tahun yang diperlihatkan dalam Tabel 3.8 dan 3.9 berikut.
A. Dekomposisi Varians model Yield ON Tenor 1 Tahun
Dekomposisi varians Yield ON tenor 1 tahun yang ditunjukan pada
tabel 3.8 Dari dekomposisi varians tersebut dapat dilihat bahwa variasi
perubahan Yield ON tenor 1 tahun pada periode pertama di dominasi oleh
dirinya sendiri sebesar 100. Pada periode kedua dapat dilihat variasi
perubahan Yield ON tenor 1 tahun oelhe dirinya sendiri sebesar 92.75
persen, IHK 0.89 persen, BI rate 0.05 persen, PDB 0.26 persen, cadangan
devisa 3.48 persen, nilai tukar nominal 0.96 persen dan harga minyak
dunia 1.61 persen.
Pada bulan ketiga variasi perubahan yield ON tenor 1 tahun oelhe
dirinya sendiri sebesar 81.5 persen, IHK 4.21 persen, BI rate 7.15 persen,
PDB 2.17 persen, cadangan devisa 2.71 persen, nilai tukar nominal 0.77
persen dan harga minyak dunia 1.49 persen.
Variasi dari Yield ON tenor 1 tahun yang ini terus mengalami
penurunan di periode-periode selanjutnya. Dari Seluruh variabel, IHK
yang memiliki presentase pengaruh tertinggi dibandingkan variabel
76
lainnya, 0 persen pada bulan pertama dan semakin meningkat hingga
mencapai 16.65 persen pada periode ke-50. Selanjutnya yang memiliki
presentase pengaruh tinggi ialah BI rate yaitu sebesar 7.15 persen pada
bulan ketiga namun mengalami penurunan pengaruh sampai bulan ke 50
sebesar 5.5 persen.
Harga minyak dunia juga memiliki persentase pengaruh yang
tinggi yaitu sebesar 0 persen pada periode pertama dan terus mengalami
peningkatan pengaruh hingga periode ke-50 yaitu sebesar 7.75 persen.
77
Tabel 3.8. Dekomposisi varians dari Yield ON Tenor 1 Tahun
Period D_Y1 D_IHK D_IR DLOG_PDB DLOG_CADEV DLOG_ER DLOG_CPO
1 100 0 0 0 0 0 0
2 92.74754 0.890583 0.052737 0.259237 3.481647 0.961599 1.606662
3 81.49789 4.211451 7.152955 2.166905 2.708697 0.770468 1.491631
4 71.84714 10.53821 6.320559 2.012491 3.287403 2.893755 3.100438
5 67.37745 12.75211 6.690844 1.929404 4.755271 2.653158 3.841759
6 68.2804 12.25557 6.328 1.826939 4.420012 3.057851 3.831223
7 69.29823 11.54521 6.100742 1.7296 4.203222 2.897629 4.225366
8 69.86341 11.47114 6.377904 1.622326 4.010895 2.694687 3.959644
9 68.78687 11.99649 6.687493 1.550824 3.808359 2.809161 4.360801
10 67.6443 12.69171 6.649665 1.522925 3.750901 2.723766 5.016736
20 66.88094 14.68466 6.030913 1.072835 2.803144 2.293798 6.233706
30 66.38743 15.6999 5.782475 0.81926 2.309695 2.010905 6.990341
40 66.17549 16.2644 5.616463 0.662787 2.005072 1.830358 7.445427
50 66.02869 16.6498 5.502183 0.556853 1.798785 1.709075 7.754606
Cholesky Ordering: D_Y1 D_IHK D_IR DLOG_PDB DLOG_CADEV DLOG_ER DLOG_CPO
78
B. Dekomposisi Varians model Yield ON Tenor 5 Tahun
Tabel 3.9 Dekomposisi varians dari Yield ON Tenor 5 Tahun
Period S.E. D_Y2 D_IHK D_IR DLOG_PDB DLOG_CADEV DLOG_ER DLOG_CPO
1 0.004584 100 0 0 0 0 0 0
2 0.004862 91.26655 2.337212 0.001826 0.486356 4.40823 1.471315 0.028512
3 0.005771 76.09253 5.028052 10.37387 1.61601 3.165484 2.865406 0.858647
4 0.006158 66.83549 10.35158 9.853687 1.663113 3.486905 6.533804 1.27542
5 0.006608 58.82743 12.02218 11.0036 1.495553 6.66266 5.9014 4.087181
6 0.006817 60.03076 11.69696 10.3603 1.434724 6.295779 5.880114 4.301355
7 0.007009 60.65441 11.06364 9.807247 1.3627 5.995739 5.687999 5.428262
8 0.007229 61.51356 10.70958 10.18171 1.284363 5.684978 5.51616 5.109647
9 0.007427 60.23393 11.13309 10.32449 1.679668 5.410529 5.710824 5.507465
10 0.007533 59.94263 11.43594 10.28696 1.682443 5.437867 5.556875 5.657294
20 0.00887 60.9096 13.19715 9.863708 1.461746 4.394692 4.37 5.803107
30 0.009978 61.69583 14.04988 9.683073 1.158725 3.766026 3.654038 5.992425
40 0.010977 62.24139 14.57999 9.56987 0.959397 3.354962 3.180975 6.113413
50 0.011891 62.62319 14.95776 9.487368 0.818809 3.066763 2.848095 6.198014
Cholesky Ordering: D_Y2 D_IHK D_IR DLOG_PDB DLOG_CADEV DLOG_ER DLOG_CPO
79
Dekomposisi varians Yield ON tenor 5 tahun yang ditunjukan
pada tabel 3.9 Dari dekomposisi varians tersebut dapat dilihat bahwa
variasi perubahan Yield ON tenor 5 tahun pada periode pertama di
dominasi oleh dirinya sendiri sebesar seratus persen. Variasi dari Yield
ON tenor 5 tahun sebesar seratus persen ini terus mengalami penurunan
di periode-periode selanjutnya. Pada bulan ke dua secara berurutan
variabel diluar Yield ON tenor 5 tahun yang memiliki peran terbesar dari
variasi perubahan yaitu cadangan devisa, IHK, Nilai Tukar Nominal,
PDB, harga minyak dunia dan yang paling kecil pengaruhnya ialah BI
rate.
Pada periode ketiga dimana variasi perubahan yield ON tenor 5
tahun hanya sebesar 76.1 persen yang dipengaruhi oleh dirinya sendiri,
variabel BI rate memiliki peran terbesar dari variasi perubahan yaitu
sebesar 10.37 persen disusul IHK dengan 5.03 persen.
Variabel IHK dan harga minyak dunia secara konsisten
mengalami peningkatan pengaruh hingga periode ke-50 masing-masing
14.96 persen untuk IHK dan 6.2 persen untuk harga minyak dunia.
Sementara variabel BI rate, PDB, cadangan devisa dan nilai tukar
nominal pengaruhnya menurun hingga periode ke-50 masing-masing
sebesar 9.5 persen untuk Bi rate, 0.82 persen untuk PDB, 3.1 persen
untuk cadangan devisa dan 2.85 persen untuk nilai tukar nominal,
dimana variabel yield dipengaruhi oleh dirinya sendiri sebesar 62.62
persen.
80
BAB IV
PENUTUP
4.1 Kesimpulan
Berdasarkan seluruh pembahasan yang telah dilakukan pada bab
sebelumnya, dengan menggunakan variabel-variabel Yield ON tenor 1 tahun, yield
ON tenor 5 tahun dan variabel yang menjelaskan likuiditas, fundamental makro
serta faktor tekanan eksternal dalam suatu perekonomian serta mengacu pada
pertanyaan penelitian maka kesimpulan dari penelitian ini adalah sebagai berikut.
1. Berdasarkan analisis grafik fungsi impulse response, terlihat bahwa
shock yang ditimbulkan oleh kondisi likuiditas suatu perekonomian
melalui peningkatan cadangan devisa akan direspon positif oleh Yield ON
tenor 1 tahun dan yield ON tenor 5 tahun.
2. Berdasarkan analisis grafik fungsi impulse response, terlihat bahwa
shock yang terjadi pada variabel fundamental makroekonomi direspon
secara berbeda oleh yield ON tenor 1 tahun dan 5 tahun. Shock yang
terjadi pada IHK direspon secara negatif. Shock yang terjadi pada BI rate
dan kurs nominal direspon positif. Sementara Shock dari PDB sama-sama
direspon positif namun tidak signifikan.
3. Berdasarkan analisis grafik fungsi impulse response, terlihat bahwa
tekanan eksternal pada suatu perekonomian akibat perubahan harga
minyak dunia akan direspon negatif oleh yield ON tenor 1 tahun dan yield
ON tenor 5 tahun.
81
4. Hasil analisis dekomposisi varians menjelaskan bahwa secara
umum, seluruh variabel yang digunakan dalam kedua model dapat
saling menjelaskan apabila salah satu variabel berubah. Meskipun
demikian, porsi penjelasan masing-masing variabel umumnya masih
didominasi oleh dirinya sendiri.
Dari kedua model dapat disimpulkan bahwa dalam jangka panjang
Yield ON tenor 1 dan 5 tahun dapat dijelaskan oleh dirinya sendiri dan
variabel fundamental makroekonomi memiliki kontribusi paling besar
dibandingkan variabel likuiditas dan faktor tekanan eksternal suatu
perekonomian.
Berdasarkan analisis dekomposisi varians Yield, dapat disimpulkan
bahwa Yield dapat dijelaskan oleh Yield sendiri, baik di model pertama
maupun model kedua. Pada kedua model, kontribusi IHK dan harga
minyak dunia menjadi semakin besar sampai periode akhir. Meskipun
kontribusi harga minyak dunia tidak sebesar kontribusi IHK. Hal ini
menunjukkan dalam jangka panjang, Yield akan tergantung pada IHK dan
harga minyak dunia.
Variabel fundamental makroekonomi yang memiliki pengaruh
terbesar adalah IHK dan BI rate, perbedaannya terletak pada besaran
pengaruh dimana IHK memiliki pengaruh yang lebih besar pada yield ON
tenor 1 tahun dibandingkan pada yield ON tenor 5 tahun. Sementara BI
rate memiliki pengaruh yang lebih besar pada yield ON tenor 5 tahun
dibandingkan pada yield ON tenor 1 tahun. Disamping itu faktor tekanan
82
eksternal perekonomian memiliki kontribusi yang lebih besar dalam
menjelaskan perubahan variasi yield di kedua model dibandingkan
variabel likuiditas perekonomian.
4.2 Saran
4.2.1. Saran bagi Pihak yang Berkepentingan
A. Bagi Pemerintah
Bagi pemerintah selaku otoritas perekonomian, penerbitan obligasi
negara agar dilakukan dengan memperhatikan kebutuhan ekonomi
untuk mencapai pertumbuhan yang sehat dan berkelanjutan.
Penerbitan obligasi negara dapat mempertimbangkan tingkat
inflasi, suku bunga Bank Indonesia, nilai tukar rupiah terhadap
dolar AS, cadangan devisa dan harga minyak dunia agar
mendapatkan beban bunga (cost of fund) yang rendah.
Dari sisi kebijakan moneter, Bank Indonesia harus berhati-hati
dalam menentukan tingkat suku bunga acuan, Karena BI rate
sangat efektif mempengaruhi Yield Obligasi.
B. Bagi Investor
Penting bagi investor untuk mempertimbangkan faktar-faktor yang
mempengaruhi instrumen-instrumen investasi. Agar investor dapat
memaksimalkan keuntungan atas investasinya, mereka harus
mampu merespon fluktuasi yield obligasi di pasar. Hasil penelitian
menemukan bahwa perubahan dalam tingkat inflasi, BI rate, nilai
83
tukar rupiah terhadap dolar AS, cadangan devisa dan harga minyak
dunia berdampak pada yield obligasi.
Penting bagi investor untuk mengetahui bahwa volatilitas yield
obligasi akibat shock likuitditas, fundamental makroekonomi,
eksternal terjadi kurang lebih selama 15 bulan hingga mencapai
level stabil (speed of adjustment).
4.2.2. Saran untuk Penelitian Selanjutnya
Penulis menyadari bahwa penelitian pada skripsi ini masih jauh dari
kesempurnaan. Oleh karena itu bagi para akademisi yang tertarik untuk
mendalami topic yang sama sebaiknya melakukan perbaikan-perbaikan. Salah
satu pebaikan yang dapat dilakukan seperti dengan menambahkan variabel.
Variabel yang bisa ditambahkan antara lain rasio utang negara untuk
menambahkan penejelasan atas kondisi likuiditas dan solvabilitas perekonomian,
kemudian variabel suku bunga The FED untuk menjelaskan faktor tekanan
eksternal perekonomian. Perbaikan lain yang dapat dilakukan antara lain
menambah sampel, memperdalam analisa, dan secara umum menyempurnakan
penelitian agar hasil penelitian lebih bermanfaat bagi pihak-pihak yang
membutuhkan.
84
DAFTAR PUSTAKA
Badan Pusat Statistik. Statistik Indonesia. BPS. Jakarta. Berbagai Edisi.
Direktorat Jendral Pengelolaan Utang. Daftar Istilah. diakses dari
http://www.djpu.kemenkeu.go.id/index.php/page/load/51. 17 Februari 2014.
Direktorat Jendral Pengelolaan Utang . Outlook Pasar Surat Berharga Negara
(SBN) tahun 2014, Direktorat Surat Utang Negara, Kementrian Keuangan, 13
Februari 2014.
Lila Intana (2013). Bursa Bergejolak, Beberapa Perusahaan Tunda Terbitkan
Obligasi. diakses dari http://swa.co.id/portfolio/bursa-bergejolak-beberapa-
perusaahaan-tunda-terbitkan-obligasi, 13 Februari 2013.
Adrian, Nicko and Muharam, Harjum (2011). Analisis Faktor-Faktor yang
Mempengaruhi Peringkat Obligasi pada Perusahaan Manufaktur yang
Terdaftar di Bursa Efek Indonesia.Semarang: Skripsi Universitas Diponegoro.
Ariefianto, Moch. Doddy, dan Perry Warjiyo (2010). Pergerakan Bersama
Mata Uang ASEAN 4 Periode 1997-2005: Suatu Aplikasi Teori Optimal
Currency Area dengan Menggunakan Model Vector Error Correction.
Buletin Ekonomi Moneter dan Perbankan, Vol. 12, No. 4, hlm. 498.
Basher, S.A., dan Sadorsky, P. 2006. ‘Oil price risk and emerging stock markets’,
Global Finance Journal, vol. 17(2), pp 224-251.
Campbell, John Y. and Ammer, John (1993). What moves the stock and bond
markets? A variance decomposition for long-term asset returns. The Journal
of Finance, Vol. 48, No. 1, hal. 3-37.
Enders, Walter (1995). Applied Econometric Time Series. New York: John Wiley
& Sons.
Fabozzi F.J., Fabozzi T.D., dan Pollack I.M. (2002). The Handbook of Fixed
Income Securities. Dow Jones–Irwin.
Gibson, H., G., Hall, Stephan G., dan Tavlas, George S. (2011); The Greek
Financial Crisis: Growing Imbalances and Sovereign Spreads; Bank of
Greece Working Paper.
Gonzalo, Jesus. (1994). Five Alternative Methods of Estimating Long-run
Equilibrium Relationships. Journal of Econometrics, Vol. 60, pp. 203 – 233.
Gujarati, Damodar N. (2003). Basic Econometrics; 4th edition. McGraw-Hill.
85
Halwani, Hendra (2005). Ekonomi Internasional & Globalisasi Ekonom, Edisi
Kedua. Bogor: Ghalia Indonesia.
Hidayat, Cecep Rahmat. (2011). Pengaruh Variabel Ekonomi Makro pada Yield
Obligasi di Negara Emerging Market. Jakarta: Skripsi Universitas Indonesia.
Hubbard, R. G. (2012). Money, the Financial System, and the Economy, Fourth
edition. New Jersey: Pearson Education.
Levich, Richard M. (2001). International Financial Market Prices and Policies.
2nd Edition. USA: McGraw-Hill International Edition.
Mankiw, N. Gregory (2003). Teori Makro Ekonomi Terjemahan. Jakarta: PT.
Gramedia Pustaka Utama.
Manurung Adler, Desmon, Wilson (2007). Hubungan Rasio-rasio Keuangan
dengan Rating Obligasi. Jakarta: Instiute Perbanas.
Mehra, Yash P. (1998). The Bond Rate and Actual Future Inflation. Federal
Reserve Bank of Richmond Economic Quarterly Volume 84/2 Spring.
Prastowo, Nugroho Joko (2007). Dampak BI Rate Terhadap Pasar Keuangan:
Mengukur Signifikansi Respon Instrumen Pasar Keuangan Terhadap
Kebijakan Moneter. Working Paper Bank Indonesia Nomor WP/21/2007.
Rahardjo, Sapto (2004). Panduan Investasi Obligasi. Jakarta: PT Gramedia
Pustaka Utama.
Tampubolon, Gottfried (2007). Analisis Faktor Determinan yang Mempengaruhi
Yield Obligasi: Pendekatan VAR. Jakarta: Tesis Univesitas Indonesia.
Thomsen (2013). Introduction to Econometric Time Series. Denmark: Aarhus
University.
Wibisono, Rachmat (2010). Pengaruh Variabel Makroekonomi dan Kecepatan
Penyesuaian Keseimbangan dalam Memilih Obligasi Pemerintah
Berdasarkan Tenor.
I
LAMPIRAN
II
1. Lampiran Penelitian
1.1 Data
Date Y1 Y2 Y3 CAD
EV IHK PDB
RE
R BIR
CP
O
1/1/20
09
0.106
30
0.114
37
0.123
03
50.87
0
113.7
80
525394.
074
113
75
0.087
50
67.6
3
2/1/20
09
0.118
43
0.134
32
0.144
50
50.56
4
114.0
20
527748.
185
120
00
0.082
50
68.5
0
3/1/20
09
0.106
23
0.122
20
0.130
50
54.84
0
114.2
70
531028.
741
117
00
0.077
50
73.6
8
4/1/20
09
0.098
68
0.116
33
0.125
43
56.56
6
113.9
20
535235.
741
106
25
0.075
00
71.3
5
5/1/20
09
0.087
84
0.101
15
0.116
20
57.93
4
113.9
70
540369.
185
102
95
0.072
50
78.5
5
6/1/20
09
0.086
96
0.104
94
0.121
87
57.57
6
114.1
00
546429.
074
102
08
0.070
00
82.9
9
7/1/20
09
0.079
68
0.095
06
0.112
68
57.41
9
114.6
10
559705.
037
992
8
0.067
50
85.0
8
8/1/20
09
0.083
19
0.100
86
0.114
37
57.94
3
115.2
50
562900.
593
101
05
0.065
00
82.7
1
9/1/20
09
0.077
27
0.095
01
0.108
63
62.28
7
116.4
60
562305.
370
966
5
0.065
00
82.4
4
10/1/2
009
0.085
52
0.097
64
0.107
90
64.52
9
116.6
80
549255.
748
958
5
0.065
00
88.4
0
11/1/2
009
0.080
26
0.096
46
0.109
23
65.84
4
116.6
50
547576.
687
946
1
0.065
00
92.6
7
12/1/2
009
0.078
73
0.094
60
0.108
10
66.10
4
117.0
30
548604.
565
940
4
0.065
00
90.5
5
1/1/20
10
0.080
22
0.092
08
0.106
53
69.56
3
118.0
10
555381.
984
935
3
0.065
00
85.0
2
2/1/20
10
0.080
29
0.092
02
0.107
00
69.73
1
118.3
60
559541.
788
934
3
0.065
00
86.2
4
3/1/20
10
0.076
73
0.087
24
0.101
75
71.82
3
118.1
90
564126.
578
910
0
0.065
00
87.4
2
4/1/20
10
0.073
32
0.084
05
0.097
44
78.58
3
118.3
70
569035.
070
901
0
0.065
00
94.3
6
5/1/20
10
0.076
89
0.087
88
0.100
34
74.58
7
118.7
10
574545.
797
917
5
0.065
00
85.0
0
6/1/20
10
0.071
41
0.080
91
0.097
74
76.32
1
119.8
60
580557.
473
907
4
0.065
00
82.9
4
7/1/20
10
0.070
33
0.078
59
0.092
66
78.79
4
121.7
40
591882.
712
894
9
0.065
00
86.5
7
8/1/20
10
0.069
09
0.080
40
0.091
80
81.31
7
122.6
70
595286.
830
904
5
0.065
00
84.8
8
III
9/1/20
10
0.067
28
0.074
46
0.084
52
86.55
1
123.2
10
595582.
439
890
8
0.065
00
88.7
6
10/1/2
010
0.059
31
0.070
30
0.083
14
91.79
9
123.2
90
585897.
251
893
8
0.065
00
87.4
6
11/1/2
010
0.058
00
0.071
44
0.090
06
92.75
9
124.0
30
585130.
058
904
1
0.065
00
87.7
5
12/1/2
010
0.059
96
0.072
82
0.092
55
96.20
7
125.1
70
586408.
571
899
6
0.065
00
92.4
7
1/1/20
11
0.075
22
0.086
20
0.100
64
95.33
2
126.2
90
591505.
920
904
9
0.065
00
98.7
1
2/1/20
11
0.074
67
0.085
68
0.099
67
99.61
9
126.4
60
595546.
000
882
1
0.067
50
99.2
3
3/1/20
11
0.070
39
0.079
18
0.092
56
105.7
09
126.0
50
600301.
940
870
8
0.067
50
102.
37
4/1/20
11
0.064
23
0.074
43
0.087
87
113.8
14
125.6
60
606104.
198
856
3
0.067
50
107.
84
5/1/20
11
0.063
96
0.072
47
0.087
13
118.1
09
125.8
10
612044.
014
854
3
0.067
50
102.
53
6/1/20
11
0.062
46
0.073
28
0.086
93
119.6
55
126.5
00
618451.
848
857
9
0.067
50
100.
86
7/1/20
11
0.055
71
0.068
87
0.082
36
122.6
71
127.3
50
630335.
541
850
4
0.067
50
102.
13
8/1/20
11
0.053
69
0.065
97
0.078
15
124.6
38
128.5
40
633923.
525
853
4
0.067
50
92.2
3
9/1/20
11
0.059
96
0.067
61
0.076
43
114.5
02
128.8
90
634223.
644
887
5
0.067
50
84.2
8
10/1/2
011
0.053
77
0.061
04
0.071
85
113.9
62
128.7
40
624134.
757
885
3
0.065
00
90.3
1
11/1/2
011
0.055
21
0.064
64
0.076
02
111.3
16
129.1
80
623185.
000
911
3
0.060
00
92.5
1
12/1/2
011
0.051
32
0.058
23
0.069
89
110.1
20
129.9
10
624273.
233
906
9
0.060
00
93.8
2
1/1/20
12
0.045
50
0.052
49
0.063
46
111.9
91
130.9
00
628859.
658
899
8
0.060
00
96.3
4
2/1/20
12
0.047
15
0.054
12
0.063
15
112.2
20
130.9
60
632928.
720
902
3
0.057
50
101.
43
3/1/20
12
0.047
61
0.057
42
0.065
50
110.4
93
131.0
50
637940.
621
914
6
0.057
50
100.
81
4/1/20
12
0.046
81
0.057
19
0.065
48
116.4
13
131.3
20
644736.
280
917
7
0.057
50
100.
80
5/1/20
12
0.050
38
0.062
07
0.070
29
111.5
28
131.4
10
651003.
170
948
0
0.057
50
87.4
6
6/1/20
12
0.049
31
0.058
55
0.066
77
106.5
02
132.2
30
657582.
210
943
3
0.057
50
88.1
3
7/1/20 0.049 0.055 0.063 106.5 133.1 669400. 946 0.057 89.8
IV
12 68 75 54 59 60 142 7 50 1
8/1/20
12
0.054
64
0.060
58
0.067
47
108.9
90
134.4
30
672908.
426
957
2
0.057
50
95.3
4
9/1/20
12
0.051
83
0.057
93
0.065
31
110.1
72
134.4
50
673033.
802
959
1
0.057
50
92.5
4
10/1/2
012
0.050
36
0.055
45
0.064
02
110.2
97
134.6
70
662401.
613
962
4
0.057
50
89.0
0
11/1/2
012
0.045
72
0.051
80
0.061
72
111.2
85
134.7
60
661292.
171
961
8
0.057
50
91.4
6
12/1/2
012
0.043
59
0.049
98
0.061
53
112.7
81
135.4
90
662330.
816
979
3
0.057
50
92.8
6
1/1/20
13
0.042
85
0.050
55
0.062
29
108.7
80
136.8
80
667203.
607
974
4
0.057
50
96.0
0
2/1/20
13
0.041
36
0.050
19
0.061
99
105.1
83
137.9
10
671273.
885
966
9
0.057
50
91.6
2
3/1/20
13
0.043
77
0.052
88
0.064
30
104.8
00
138.7
80
676227.
707
973
5
0.057
50
94.4
6
4/1/20
13
0.041
49
0.052
00
0.063
33
107.2
69
138.6
40
682740.
630
973
4
0.057
50
90.8
7
5/1/20
13
0.046
51
0.056
49
0.067
86
105.1
49
138.6
00
688954.
874
987
7
0.057
50
90.0
4
6/1/20
13
0.062
35
0.068
99
0.077
35
98.09
5
140.0
30
695545.
996
100
04
0.060
00
92.2
7
7/1/20
13
0.069
61
0.077
13
0.083
88
92.67
1
144.6
30
707606.
930
102
57
0.065
00
98.1
7
8/1/20
13
0.076
82
0.084
82
0.091
33
92.99
7
146.2
50
711132.
107
111
84
0.070
00
101.
34
9/1/20
13
0.070
19
0.079
46
0.086
14
95.67
5
145.7
40
711214.
463
114
06
0.072
50
99.1
3
10/1/2
013
0.062
41
0.069
95
0.077
80
96.99
6
145.8
70
707853.
996
112
74
0.072
50
96.4
7
11/1/2
013
0.074
77
0.084
19
0.092
10
96.96
0
146.0
40
701050.
707
119
65
0.075
00
93.2
4
12/1/2
013
0.073
42
0.082
60
0.090
22
99.38
7
146.8
40
690804.
596
121
71
0.075
00
98.5
5
V
1.2 MODEL YIELD ON TENOR 1 TAHUN
1.2.1 Uji Stabilitas Model
Roots of Characteristic Polynomial
Endogenous variables: D_Y1 D_IHK D_IR
DLOG_PDB DLOG_CADEV DLOG_ER
DLOG_CPO
Exogenous variables: C
Lag specification: 1 3
Date: 10/10/14 Time: 18:05
Root Modulus
0.877219 0.877219
0.693432 - 0.452922i 0.828243
0.693432 + 0.452922i 0.828243
0.818237 0.818237
-0.160027 + 0.779843i 0.796092
-0.160027 - 0.779843i 0.796092
0.479635 - 0.617899i 0.782207
0.479635 + 0.617899i 0.782207
-0.539717 - 0.550563i 0.770983
-0.539717 + 0.550563i 0.770983
-0.767209 - 0.069466i 0.770348
-0.767209 + 0.069466i 0.770348
0.281987 - 0.652030i 0.710394
0.281987 + 0.652030i 0.710394
-0.026496 - 0.701853i 0.702353
-0.026496 + 0.701853i 0.702353
0.295334 + 0.582417i 0.653017
0.295334 - 0.582417i 0.653017
-0.473491 - 0.310738i 0.566349
-0.473491 + 0.310738i 0.566349
0.172122 0.172122
No root lies outside the unit circle.
VAR satisfies the stability condition.
VI
1.2.2 Hasil Uji Karakteristik Deterministik
Sample: 2009M01 2013M12
Included observations: 56
Series: D_Y1 D_IHK D_IR DLOG_PDB DLOG_CADEV
DLOG_ER DLOG_CPO
Lags interval: 1 to 2
Selected
(0.05
level*)
Number of
Cointegrati
ng
Relations
by Model
Data Trend: None None Linear Linear Quadratic
Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 3 3 4 3 7
Max-Eig 1 1 1 1 1
*Critical values based on MacKinnon-Haug-Michelis (1999)
Informatio
n Criteria
by Rank
and Model
Data Trend: None None Linear Linear Quadratic
Rank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend
Log
Likelihood
by Rank
(rows) and
Model
(columns)
0 1082.478 1082.478 1083.950 1083.950 1084.550
1 1113.164 1118.128 1119.546 1121.723 1122.307
2 1131.274 1136.933 1138.068 1140.658 1141.055
3 1144.513 1150.890 1151.776 1154.398 1154.691
4 1154.548 1162.088 1162.973 1165.801 1166.033
5 1159.204 1170.715 1171.599 1174.634 1174.815
VII
6 1162.931 1174.537 1174.545 1183.174 1183.336
7 1163.862 1177.001 1177.001 1185.785 1185.785
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 -35.15991 -35.15991 -34.96250 -34.96250 -34.73394
1 -35.75584 -35.89742 -35.73377 -35.77581 -35.58240
2 -35.90265 -36.03330* -35.89527 -35.91635 -35.75198
3 -35.87547 -35.99608 -35.88486 -35.87134 -35.73898
4 -35.73387 -35.86028 -35.78474 -35.74290 -35.64403
5 -35.40015 -35.63268 -35.59281 -35.52263 -35.45766
6 -35.03326 -35.23346 -35.19805 -35.29193 -35.26202
7 -34.56651 -34.78575 -34.78575 -34.84948 -34.84948
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 -31.61555 -31.61555 -31.16496 -31.16496 -30.68324
1 -31.70514 -31.81055* -31.42990 -31.43577 -31.02536
2 -31.34561 -31.40393 -31.08506 -31.03381 -30.68860
3 -30.81209 -30.82420 -30.56831 -30.44629 -30.16926
4 -30.16415 -30.14589 -29.96185 -29.77535 -29.56798
5 -29.32409 -29.37579 -29.26359 -29.01258 -28.87527
6 -28.45087 -28.43406 -28.36248 -28.23937 -28.17328
7 -27.47778 -27.44385 -27.44385 -27.25441 -27.25441
1.2.3 Uji Normalitas
VEC Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 10/10/14 Time: 18:35
Sample: 2009M01 2013M12
Included observations: 56
Component Skewness Chi-sq df Prob.
VIII
1 0.687340 4.409411 1 0.0357
2 0.684972 4.379077 1 0.0364
3 -0.220917 0.455509 1 0.4997
4 -0.245313 0.561668 1 0.4536
5 -0.320569 0.959137 1 0.3274
6 0.062391 0.036331 1 0.8488
7 -0.004423 0.000183 1 0.9892
Joint 10.80132 7 0.1475
Component Kurtosis Chi-sq df Prob.
1 2.538649 0.496638 1 0.4810
2 3.139885 0.045659 1 0.8308
3 1.331124 6.498676 1 0.0108
4 1.699884 3.944038 1 0.0470
5 2.057271 2.073722 1 0.1499
6 1.437513 5.696516 1 0.0170
7 1.307881 6.680957 1 0.0097
Joint 25.43621 7 0.0006
Component Jarque-Bera df Prob.
1 4.906049 2 0.0860
2 4.424736 2 0.1094
3 6.954185 2 0.0309
4 4.505705 2 0.1051
5 3.032858 2 0.2195
6 5.732847 2 0.0569
7 6.681140 2 0.0354
Joint 36.23752 14 0.0010
1.2.4 Uji Autokorelasi
VEC Residual Serial Correlation
LM Tests
Null Hypothesis: no serial
correlation at lag order h
IX
Date: 10/10/14 Time: 18:37
Sample: 2009M01 2013M12
Included observations: 56
Lags LM-Stat Prob
1 59.39002 0.1469
2 49.00492 0.4729
3 63.19026 0.0837
4 49.01499 0.4725
5 43.83422 0.6820
6 53.02694 0.3216
7 47.81329 0.5213
8 44.68039 0.6488
9 59.02869 0.1545
10 45.94630 0.5977
11 26.31644 0.9967
12 46.69758 0.5670
Probs from chi-square with 49 df.
1.2.5 Uji Heterokedastisitas
VEC Residual Heteroskedasticity Tests: No Cross Terms (only levels and
squares)
Date: 10/10/14 Time: 18:38
Sample: 2009M01 2013M12
Included observations: 56
Joint test:
Chi-sq df Prob.
814.1144 840 0.7330
Individual components:
Dependent R-squared F(30,25) Prob. Chi-sq(30) Prob.
res1*res1 0.289413 0.339407 0.9973 16.20716 0.9809
res2*res2 0.533581 0.953327 0.5539 29.88051 0.4718
res3*res3 0.669054 1.684704 0.0934 37.46705 0.1639
res4*res4 0.486736 0.790263 0.7331 27.25723 0.6097
res5*res5 0.351621 0.451924 0.9805 19.69080 0.9243
X
res6*res6 0.537757 0.969471 0.5366 30.11441 0.4598
res7*res7 0.440402 0.655832 0.8657 24.66253 0.7413
res2*res1 0.457594 0.703031 0.8227 25.62526 0.6941
res3*res1 0.475215 0.754620 0.7710 26.61206 0.6436
res3*res2 0.574578 1.125506 0.3845 32.17636 0.3594
res4*res1 0.561671 1.067828 0.4372 31.45360 0.3934
res4*res2 0.595607 1.227370 0.3028 33.35401 0.3074
res4*res3 0.686247 1.822680 0.0647 38.42980 0.1390
res5*res1 0.237670 0.259807 0.9997 13.30952 0.9963
res5*res2 0.616526 1.339781 0.2295 34.52544 0.2603
res5*res3 0.417475 0.597219 0.9113 23.37858 0.7994
res5*res4 0.525750 0.923828 0.5859 29.44201 0.4945
res6*res1 0.541633 0.984713 0.5206 30.33142 0.4488
res6*res2 0.616235 1.338135 0.2304 34.50916 0.2609
res6*res3 0.710777 2.047950 0.0355 39.80351 0.1087
res6*res4 0.574960 1.127265 0.3830 32.19775 0.3584
res6*res5 0.417809 0.598042 0.9107 23.39732 0.7986
res7*res1 0.347560 0.443924 0.9826 19.46338 0.9298
res7*res2 0.384322 0.520189 0.9559 21.52205 0.8709
res7*res3 0.412564 0.585261 0.9194 23.10358 0.8110
res7*res4 0.511462 0.872438 0.6426 28.64189 0.5365
res7*res5 0.388400 0.529212 0.9516 21.75037 0.8630
res7*res6 0.380694 0.512260 0.9594 21.31889 0.8777
1.3 MODEL YIELD ON TENOR 5 TAHUN
1.3.1 Uji Stabilitas Model
Roots of Characteristic Polynomial
Endogenous variables: D_Y2 D_IHK D_IR
DLOG_PDB DLOG_CADEV DLOG_ER
DLOG_CPO
Exogenous variables: C
Lag specification: 1 3
Date: 10/10/14 Time: 19:31
Root Modulus
0.886747 0.886747
0.708139 + 0.455779i 0.842137
0.708139 - 0.455779i 0.842137
-0.810143 + 0.136042i 0.821486
-0.810143 - 0.136042i 0.821486
0.404758 - 0.696151i 0.805267
XI
0.404758 + 0.696151i 0.805267
0.506620 + 0.606987i 0.790631
0.506620 - 0.606987i 0.790631
0.785104 0.785104
-0.131476 - 0.764294i 0.775520
-0.131476 + 0.764294i 0.775520
-0.562855 - 0.502022i 0.754210
-0.562855 + 0.502022i 0.754210
0.174449 - 0.640236i 0.663577
0.174449 + 0.640236i 0.663577
-0.471729 - 0.447883i 0.650483
-0.471729 + 0.447883i 0.650483
-0.028447 + 0.609751i 0.610415
-0.028447 - 0.609751i 0.610415
0.190342 0.190342
No root lies outside the unit circle.
VAR satisfies the stability condition.
1.3.2 Hasil Uji Karakteristik Deterministik
Date: 10/10/14 Time: 19:32
Sample: 2009M01 2013M12
Included observations: 56
Series: D_Y2 D_IHK D_IR DLOG_PDB DLOG_CADEV
DLOG_ER DLOG_CPO
Lags interval: 1 to 2
Selected
(0.05
level*)
Number of
Cointegrati
ng
Relations
by Model
Data Trend: None None Linear Linear Quadratic
Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 4 4 4 4 7
Max-Eig 2 2 2 1 1
*Critical values based on MacKinnon-Haug-Michelis (1999)
XII
Informatio
n Criteria
by Rank
and Model
Data Trend: None None Linear Linear Quadratic
Rank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend
Log
Likelihood
by Rank
(rows) and
Model
(columns)
0 1089.724 1089.724 1091.633 1091.633 1092.268
1 1120.389 1122.730 1124.560 1125.205 1125.784
2 1140.524 1143.695 1145.116 1146.118 1146.538
3 1154.846 1158.425 1159.527 1160.538 1160.881
4 1165.361 1171.251 1172.303 1174.234 1174.403
5 1170.788 1179.895 1180.946 1183.271 1183.427
6 1174.466 1183.661 1184.017 1191.502 1191.648
7 1175.425 1186.652 1186.652 1194.186 1194.186
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 -35.41872 -35.41872 -35.23688 -35.23688 -35.00957
1 -36.01388 -36.06180 -35.91284 -35.90019 -35.70658
2 -36.23300 -36.27483* -36.14700 -36.11137 -35.94779
3 -36.24451 -36.26519 -36.16168 -36.09063 -35.96005
4 -36.12005 -36.18755 -36.11797 -36.04408 -35.94295
5 -35.81385 -35.96052 -35.92666 -35.83112 -35.76526
6 -35.44521 -35.55931 -35.53633 -35.58937 -35.55887
7 -34.97946 -35.13043 -35.13043 -35.14951 -35.14951
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 -31.87435 -31.87435 -31.43934 -31.43934 -30.95887
1 -31.96318 -31.97493* -31.60897 -31.56015 -31.14954
XIII
2 -31.67595 -31.64545 -31.33679 -31.22883 -30.88441
3 -31.18114 -31.09331 -30.84513 -30.66558 -30.39033
4 -30.55034 -30.47317 -30.29509 -30.07652 -29.86690
5 -29.73779 -29.70363 -29.59743 -29.32106 -29.18287
6 -28.86282 -28.75991 -28.70077 -28.53680 -28.47013
7 -27.89073 -27.78853 -27.78853 -27.55444 -27.55444
1.3.3 Uji Normalitas
VEC Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 10/10/14 Time: 19:33
Sample: 2009M01 2013M12
Included observations: 56
Component Skewness Chi-sq df Prob.
1 0.339130 1.073416 1 0.3002
2 0.720907 4.850595 1 0.0276
3 -0.162456 0.246325 1 0.6197
4 -0.278787 0.725409 1 0.3944
5 -0.398228 1.480132 1 0.2238
6 0.069878 0.045574 1 0.8310
7 0.100930 0.095077 1 0.7578
Joint 8.516529 7 0.2893
Component Kurtosis Chi-sq df Prob.
1 1.811482 3.296007 1 0.0694
2 3.595035 0.826155 1 0.3634
3 1.641084 4.308853 1 0.0379
4 1.716514 3.843782 1 0.0499
5 2.295939 1.156638 1 0.2822
6 1.216935 7.418412 1 0.0065
7 1.206873 7.502376 1 0.0062
Joint 28.35222 7 0.0002
Component Jarque-Bera df Prob.
XIV
1 4.369422 2 0.1125
2 5.676750 2 0.0585
3 4.555179 2 0.1025
4 4.569192 2 0.1018
5 2.636770 2 0.2676
6 7.463985 2 0.0239
7 7.597453 2 0.0224
Joint 36.86875 14 0.0008
1.3.4 Uji Autokorelasi
VEC Residual Serial Correlation
LM Tests
Null Hypothesis: no serial
correlation at lag order h
Date: 10/10/14 Time: 19:34
Sample: 2009M01 2013M12
Included observations: 56
Lags LM-Stat Prob
1 65.84163 0.0544
2 52.58193 0.3371
3 50.54328 0.4123
4 61.19601 0.1134
5 37.50840 0.8845
6 52.07600 0.3551
7 56.03659 0.2278
8 55.14590 0.2536
9 47.99233 0.5139
10 38.12502 0.8694
11 35.97741 0.9170
12 40.77923 0.7921
Probs from chi-square with 49 df.
XV
1.3.5 Uji Heterokedastisitas
VEC Residual Heteroskedasticity Tests: No Cross Terms (only levels and
squares)
Date: 10/10/14 Time: 19:35
Sample: 2009M01 2013M12
Included observations: 56
Joint test:
Chi-sq df Prob.
864.1953 896 0.7717
Individual components:
Dependent R-squared F(32,23) Prob. Chi-sq(32) Prob.
res1*res1 0.270978 0.267160 0.9997 15.17478 0.9949
res2*res2 0.593409 1.048995 0.4597 33.23088 0.4071
res3*res3 0.775441 2.481973 0.0133 43.42472 0.0857
res4*res4 0.276176 0.274240 0.9996 15.46585 0.9939
res5*res5 0.554915 0.896112 0.6191 31.07526 0.5132
res6*res6 0.630729 1.227655 0.3081 35.32085 0.3141
res7*res7 0.595338 1.057424 0.4516 33.33893 0.4020
res2*res1 0.545769 0.863593 0.6548 30.56305 0.5393
res3*res1 0.561381 0.919915 0.5931 31.43732 0.4949
res3*res2 0.604850 1.100178 0.4118 33.87158 0.3773
res4*res1 0.569718 0.951666 0.5590 31.90421 0.4715
res4*res2 0.613495 1.140861 0.3763 34.35569 0.3555
res4*res3 0.634526 1.247875 0.2938 35.53346 0.3053
res5*res1 0.209600 0.190599 1.0000 11.73759 0.9996
res5*res2 0.654609 1.362225 0.2227 36.65811 0.2615
res5*res3 0.386286 0.452397 0.9809 21.63200 0.9169
res5*res4 0.459212 0.610328 0.9028 25.71586 0.7760
res6*res1 0.790870 2.718107 0.0076 44.28872 0.0728
res6*res2 0.711853 1.775640 0.0780 39.86379 0.1601
res6*res3 0.701550 1.689525 0.0973 39.28679 0.1758
res6*res4 0.541748 0.849709 0.6701 30.33786 0.5508
res6*res5 0.593449 1.049173 0.4595 33.23317 0.4069
res7*res1 0.383368 0.446856 0.9823 21.46860 0.9209
res7*res2 0.553833 0.892194 0.6234 31.01465 0.5163
res7*res3 0.467575 0.631205 0.8869 26.18420 0.7554
res7*res4 0.530897 0.813430 0.7099 29.73024 0.5819
XVI
res7*res5 0.372259 0.426228 0.9870 20.84648 0.9350
res7*res6 0.490192 0.691094 0.8352 27.45074 0.6962
