ANALISIS HUBUNGAN VARIABEL MAKROEKONOMI DAN CREDIT DEFAULT SWAP TERHADAP YIELD OBLIGASI
PEMERINTAH INDONESIA PERIODE 2012-2018
SKRIPSI
Diajukan Kepada Fakultas Ekonomi Dan Bisnis Untuk Memenuhi Persyaratan Memperoleh Gelar Sarjana Ekonomi
Oleh:
Faturrohim
NIM. 11150810000057
UNIVERSITAS ISLAM NEGERI (UIN)SYARIF HIDAYATULLAH JAKARTA
FAKULTAS EKONOMI DAN BISNISJURUSAN MANAJEMEN
2019
1
2
5
DAFTAR RIWAYAT HIDUP
I. IDENTITAS PRIBADI
1. Nama lengkap : Faturrohim
2. Tempat, tanggal lahir : Tangerang, 11 Februari 1996
3. Alamat : Jl. Kalimangso No.21 Rt 002/001
Kelurahan Jurang Mangu Timur
Kecamatan Pondok Aren Kota
Tangerang Selatan. Provinsi Banten.
4. Telepon : 085924637848
5. E-mail : [email protected]
II. PENDIDIKAN FORMAL
1. SD Islam Darunnajah : Tahun 2002 – 2008
2. SMPN 235 Jakarta : Tahun 2008 – 2011
3. SMKN 59 Jakarta : Tahun 2011 – 2014
4. S1 UIN Syarif Hidayatullah Jakarta : Tahun 2015 – 2019
III. PENGALAMAN KERJA
1. Lotte Mart (Div. Dryfood) : 01 Mei sd 31
Agustus
2013
2. PT. Bank Rakyat Indonesia (Persero) Tbk. : 01 Maret sd 30 Juni
2019
IV. PENGALAMAN ORGANISASI
Anggota Himpunan Mahasiswa Jurusan Manajemen : Tahun 2015 – 2016
V. LATAR BELAKANG KELUARGA
1. Ayah : H. Sabari
2. Ibu : Hj. Suharni
vi
ABSTRACT
The focus of this study is to analyze the correction of long term and short term of macroeconomic variables which consist of Bank Indonesia rates (BI Rates), USD/IDR exchange rates, and Gross Domestic Product (GDP), also Credit Default SWAP for Indonesian government yield bonds during the period January 2012 to December 2018. The analysis used in this study is Vector Error Correction Model (VECM). This study has been writen using Eviews 8 software and Microsoft Excell 2016 software.The result of this study states that the dependent variable; Inflation doesn’t have a correlation with long term government bonds yield 5, 10, 15 and 20 years. But it happens oterwise for short term bonds yield. The USD/IDR exchange rate has a negative long term correlation with government bonds in all tenors, Gross Domestic Product (GDP) has a negative long term correlation the result of the 5, 10,15 year tenors, and Credit Default SWAP (CDS) has a long term positive correlation on the result of the Indonesian government bonds in all tenors in this study.
Keywords: Macroeconomics, Inflation, BI Rate, Exchange Rate, GDP,
Credit Default SWAP, VECM.
vii
ABSTRAK
Penelitian ini bertujuan untuk menganalisis hubungan jangka Panjang dan jangka pendek variabel makroekonomi yang terdiri dari inflasi, suku bunga bank Indonesia (BI Rate), nilai tukar USD/IDR, dan produk domestic bruto (PDB), serta Credit Default SWAP terhadap Yield obligasin negara Indonesia selama periode Januari 2012 sampai dengan Desember 2018. Analisis yang digunakan adalah Vector Error Correction Model (VECM). Penelitian dilakukan dengan menggunakan perangkat lunak Eviews versi 8 dan Microsoft Excell 2016.
Hasil penelitian menemukan bahwa variabel dependent, yaitu Inflasi tidak memiliki hubungan jangka panjang terhadap yield obligasi tenor 5, 10, 15, dan 20 tahun namun memiliki hubungan jangka pendek terhadap yield obligasi, BI Rate memiliki hubungan jangka panjang yang positif terhadap yield obligasi tenor 5, 10 dan 15 tahun, Nilai Tukar USD/IDR memilki hubungan jangka panjang negatif terhadap yield obligasi pemerintah pada semua tenor, Produk Domestik Bruto (PDB) memiliki hubungan jangka panjang negatif pada yield obligasi tenor 5, 10 dan 15 tahun, dan Credit Default SWAP (CDS) memiliki hubungan jangka panjang yang positif pada yield obligasi pemerintah Indonesia pada semua tenor pada penelitian ini.
Kata Kunci : Makroekonomi, Inflasi, BI Rate, Nilai Tukar, PDB, Credit Default
SWAP, VECM
viii
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT, yang telah
memberikan Nikmat, Rahmat dan Hidayah-Nya, sehingga penulis dapat
menyelesaikan skripsi yang berjudul “Analisis Hubungan Makroekonomi dan
Credit Default SWAP terhadap Yield obligasi pemerintah Indonesia periode 2012-
2019” ini. Shalawat dan juga Salam semoga senantiasa tercurah kepada junjungan
kita Nabi Muhammad SAW, beserta keluarganya, dan para sahabatnya.
Penulisan skripsi ini ditujukan untuk memenuhi salah satu syarat memperoleh
gelar Strata Satu Sarjana Ekonomi Jurusan Manajemen Universitas Islam Negeri
Syarif Hidayatullah Jakarta. Penulis menyadari di dalam penulisan skripsi ini
tidak lepas dari banyak pihak yang telah membantu, mendorong, ,mengarahkan
dan memotivasi dalam penyusunan skripsi ini dari awal hingga selesai. Oleh
karena itu, penulis dalam kesempatan ini secara khusus menyampaikan hormat
dan terima kasih kepada:
1. Kedua orang tua, Ayahanda H. Sabari dan Ibunda Hj. Suharni. Terimakasih
dan syukur Alhamdulillah jaza kumullahu khoiroh atas semua tetesan
keringat, air mata, curahan cinta, doa, bantuan moril maupun materil dan
sudah membesarkan dan mendidik penulis dari kecil hingga sampai saat ini.
Semoga Allah SWT memberikan kalian kesehatan, umur yang panjang dan
rizki yang berlimpah. Amiin.
2. Kedua saudara penulis Ibadurrohman dan Rahmat Hawari yang telah
membantu penulis ketika di rumah.
3. Ibu Prof. Dr. Hj. Amany Burhanudin Umar Lubis, Lc., MA. selaku Rektor
UIN Syarif Hidayatullah Jakarta.
4. Bapak Dr. Amilin, SE., M.Si., Ak., CA., BKP., QIA. selaku Dekan Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
5. Ibu Murdiyah Hayati, S.Kom.,MM, selaku Ketua Jurusan Manajemen dan
Ibu Amalia, SE., M.SM, selaku Sekretaris Jurusan Manajemen Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang telah
mengesahkan secara resmi judul penelitian sebagai bahan skripsi dan telah
membantu memberikan izin kepada penulis sehingga penulisan skripsi
berjalan dengan lancar.
6. Bapak Taridi Kasbi Ridho, MBA. selaku Dosen Pembimbing I yang telah
memberikan nasihat, arahan, dan masukkan yang sangat berharga selama
penelitian dan penulisan skripsi ini.
7. Ibu Amalia, SE.,M.SM. selaku Dosen Pembimbing II yang telah memberikan
masukan, arahan, dan masukkan yang sangat berharga dalam penelitian dan
penulisan skripsi ini.
8. Seluruh Bapak/Ibu Dosen dan Staf Fakultas Ekonomi dan Bisnis Universitas
Islam Negeri Syarif Hidayatullah Jakarta yang telah memberikan wawasan
dan ilmu yang berharga dan bermanfaat bagi penulis.
9. Direksi dan Pimpinan PT Bank Rakyat Indonesia (Persero) Tbk. Yang telah
memberikan kesempatan, kepercayaan, serta fasilitas kepada penulis selama
mengikuti Program Magang Mahasiswa Bersertifikat.
x
10. Kepala Divisi, Wakil Kepala Divisi, Group Head of Fixed Income, Mentor,
dan rekan-rekan Divisi Treasury BRI, Bapak Akhmad Fazri, Ibu Azizatun
Azhimah, Ibu Tutut Ardha Widhiastri, Bapak Romanos Radityo, Mbak Sarah
Andini Dewi, Mas Pram, Mas Febrandy Mazani, Mas Yudhistira Angga, Mas
Fredo Rachmat Uno, Mas Amos Richard Sitangga, Mas Iskandar Syaifuji,
dan semua yang tidak dapat ditulis satu persatu.
11. Sahabat yang selalu yang selalu berbagi canda dan tawa selama masa
perkuliahan Chaidir Ali, Ibnu Hilmi, Muhammad Fadel, Nurul Ashari,
Wildan Mustinda, Muhammad Rifky dan Ulfiya Husen.
12. Teman-teman SMPN 235 kelas 9-5 Hendy Widyanto, Bazzuri Siddik, Dio
Teguh Setiawan, Galih Priyambodo yang membantu dan menemani serta
menyemangati penulis dalam mengerjakan skripsi.
13. Sahabat satu bimbingan yang selalu bekerja sama dan menemani selama
mengerjakan skripsi Raihana, Sylvia Wulandari, Kurnia Sari, Lailil
Maghfiroh, Khairunnisa.
14. Teman satu angkatan Manajemen 2015 Fakultas Ekonomi dan Bisnis
Universitas Islam Negeri Syarif Hidayatullah Jakarta.
15. Teman-teman KKN 166 PANDAWA 2018 yang telah bersama-sama
mengabdikan diri di Desa Pabuaran Kecamatan Sukamakmur Kabupaten
Bogor.
16. Teman-teman Program Mahasiswa Magang Bersertifikat yang menemani saat
magang dari awal sampai dengan selesai Hilal, Raihani, Nanda Ayu, Tari, dan
Rachmah
xi
17. Teman-Teman Kelompok PDA yang telah tumbuh bersama penulis dari kecil
hingga saat ini dan sering memberikan tempat pada penulis untuk
mengerjakan skripsi Nanang Ramadhan, Zulkarnain Ibnu Failis, Royhan
Firdasus dan lainya yang tidak bisa disebutkan satu persatu saya ucapkan
syukut Alhamdulillah jaza kumullahu khoiroh.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Kritik dan
saran yang membangun sangat diharapkan untuk perbaikan di masa yang akan
datang. Semoga skripsi ini mampu memberikan manfaat bagi masyarakat dan
dapat dijadikan sebagai bahan referensi terutama bagi penelitian yang sejenis.
Jakarta, Juli 2019
FaturrohimNIM. 11150810000057
xii
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI.................................................................. i
LEMBAR PENGESAHAN KOMPERHENSIF................................................ ii
DAFTAR RIWAYAT HIDUP.............................................................................vi
ABSTRACT..........................................................................................................vii
ABSTRAK...........................................................................................................viii
KATA PENGANTAR...........................................................................................ix
DAFTAR ISI.......................................................................................................xiii
DAFTAR TABEL................................................................................................xv
DAFTAR GAMBAR..........................................................................................xvii
BAB I PENDAHULUAN.......................................................................................1
A. Latar Belakang................................................................................................1
B. Rumusan Masalah..........................................................................................11
C. Tujuan Penelitian...........................................................................................12
D. Manfaat Penelitian.........................................................................................12
BAB II TINJAUAN PUSTAKA..........................................................................14
A. Landasan Teori..............................................................................................14
B. Penelitian Terdahulu......................................................................................31
C. Kerangka Pemikiran......................................................................................39
D. Hipotesis Penelitian.......................................................................................40
E. Hubungan Antar Variabel..............................................................................42
BAB III METODE PENELITIAN.....................................................................45
A. Ruang Lingkup Penelitian............................................................................45
B. Metode Penentuan Sampel...........................................................................46
C. Sumber Data dan Teknik Pengumpulan Data................................................47
D. Teknik Analisis Data.....................................................................................47
E. Operasional Variabel.....................................................................................52
BAB IV ANALISIS DAN PEMBAHASAN.......................................................55
A. Gambaran Umum Objek Penelitian..............................................................55
B. Pembahasan..................................................................................................56
C. Interpretasi Hasil...........................................................................................93
BAB V KESIMPULAN DAN SARAN...............................................................99
D. Kesimpulan...................................................................................................99
E. Implikasi.....................................................................................................101
F. Saran...........................................................................................................102
DAFTAR PUSTAKA.........................................................................................104
LAMPIRAN........................................................................................................111
xiv
DAFTAR TABEL
Tabel 1.1 CDS 5 tahun Indonesia..........................................................................10
Tabel 2.1 Daftar Penelitian Terdahulu
Tabel 3.1 Variabel, Simbol, dan Satuan Data
Tabel 4.1 Hasil Uji Analisis Statistik Deskriptif...................................................56
Tabel 4.2 Hasil Uji Stasionaritas............................................................................60
Tabel 4.3 Hasil Penentuan Lag Optimum Yield 5 tahun.......................................61
Tabel 4.4 Hasil Penentuan Lag Optimum Yield 10 tahun.....................................62
Tabel 4.5 Hasil Penentuan Lag Optimum Yield 15 tahun.....................................62
Tabel 4.6 Hasil Penentuan Lag Optimum Yield 20 tahun....................................63
Tabel 4.7 Hasil Uji Stabilitas VAR Yield obligasi 5 tahun...................................63
Tabel 4.8 Hasil Uji Stabilitas VAR Yield obligasi 10 tahun.................................64
Tabel 4.9 Hasil Uji Stabilitas VAR Yield obligasi 15 tahun.................................64
Tabel 4.10 Hasil Uji Stabilitas VAR Yield obligasi 20 tahun...............................65
Tabel 4.11 Hasil Kausalitas Granger Yield 5 Tahun.............................................66
Tabel 4.12 Hasil Kausalitas Granger Yield 10 Tahun...........................................66
Tabel 4.13 Hasil Kausalitas Granger Yield 15 Tahun...........................................67
Tabel 4.14 Hasil Kausalitas Granger Yield 20 Tahun...........................................68
Tabel 4.15 Hasil Uji Kointegerasi Yield 5 Tahun.................................................69
Tabel 4.16 Hasil Uji Kointegerasi Yield 10 Tahun..............................................69
Tabel 4.17 Hasil Uji Kointegerasi Yield 15 Tahun...............................................70
Tabel 4.18 Hasil Uji Kointegerasi Yield 20 Tahun...............................................71
xv
Tabel 4.19 Hasil Model VECM Yield 5 Tahun.....................................................72
Tabel 4.20 Hasil Model VECM Yield 10 Tahun...................................................74
Tabel 4.21 Hasil Model VECM Yield 15 Tahun...................................................77
Tabel 4.22 Hasil Model VECM Yield 20 Tahun...................................................79
Tabel 4.23 Variance Decomposition Yield 5 tahun..............................................90
Tabel 4.24 Variance Decomposition Yield 10 tahun.............................................91
Tabel 4.25 Variance Decomposition Yield 15 tahun.............................................92
Tabel 4.26 Variance Decomposition Yield 20 tahun............................................92
xvi
DAFTAR GAMBAR
Gambar 1.1 Jumlah Outstanding Obligasi Indonesia...............................................4
Gambar 1.2 Tingkat Inflasi di Indonesia.................................................................6
Gambar 1.3 BI Rate di Indonesia.............................................................................7
Gambar 1.4 Kurs USD/IDR.....................................................................................8
Gambar 1.5 PDB Indonesia.....................................................................................9
Gambar 2.1 Investasi langsung dan tidak langsung
Gambar 2.2 Proses Credit Default SWAP
Gambar 2.3 Kerangka Pemikiran
Gambar 4.1 Respon Yield 5 Tahun Terhadap shock Makroekonomi
Gambar 4.2 Respon Yield 5 Tahun Terhadap shock CDS
Gambar 4.3 Respon Yield 10 Tahun Terhadap shock Makroekonomi
Gambar 4.4 Respon Yield 10 Tahun Terhadap shock CDS
Gambar 4.5 Respon Yield 15 Tahun Terhadap shock Makroekonomi
Gambar 4.6 Respon Yield 15 Tahun Terhadap shock CDS
Gambar 4.7 Respon Yield 20 Tahun Terhadap shock Makroekonomi
Gambar 4.8 Respon Yield 20 Tahun Terhadap shock CDS
xvii
BAB I
PENDAHULUAN
A. Latar Belakang
Di abad ke-21 ini dimana teknologi mengalami kemajuan yang sangat
pesat sehingga mempengaruhi gaya hidup masyarakat, salah satunya adalah di
bidang ekonomi. Dengan pesatnya kemajuan teknologi ini seakan-akan kegiatan
ekonomi saat ini tidak lagi mengenal batasan dan wilayah. Dengan kemajuan
teknologi inilah membuat para pelaku ekonomi untuk bisa dengan mudah
melakukan kegiatanya salah satunya adalah dengan semakin mudahnya
melakukan investasi.
Investasi adalah usaha penanaman modal yang diharapkan dapat
menghasilkan tambahan dana pada masa yang akan datang (Saputra &
Prasetiono:2014). Investasi merupakan langkah awal kegiatan produksi dan
menjadi salah satu faktor untuk meningkatkan pertumbuhan ekonomi (Sari &
Abudanti:2015). Investasi dapat menjadi instrumen penting untuk Indonesia,
karena sumber daya alam yang melimpah, namun hanya sebagian kecil yang dapat
dieksplorasi oleh warga negara Indonesia, karena terkendala tidak memiliki modal
yang besar (Makhfudz:2018). Tujuan utama Investor melakukan kegiatan
investasi adalah untuk mendapatkan return dari investasi tersebut.Oleh karena itu
investasi merupakan hal yang sangat penting untuk dipelajari guna menentukan
jenis investasi apa yang harus dipilih dalam upaya meningkatkan keuntungan di
masa yang akan datang.Dalam berinvestasi Investor dapat memilih apakah ingin
menaruh uangnya di asset rill seperti membeli emas, tanah, dan lain sebagainya
1
atau menaruh uangnya di asset keuangan. Aset keuangan sendiri terbagi menjadi
dua, yaitu pasar uang dan pasar modal.
Menurut Undang-undang Pasar Modal No. 8 tahun 1995, pasar modal
didefinisikan sebagai kegiatan yang bersangkutan dengan penawaran umum dan
perdagangan efek, perusahaan public yang berkaitan dengan efek yang
dditerbitkanya, serta lembaga dan profesi yang berkaitan dengan efek. Pasar
modal merupakan tempat berinvestasi untuk jangka panjang yang umumnya lebih
dari satu tahun berbeda dengan pasar uang yang umumnya untuk investasi jangka
pendek, yaitu dibawah satu tahun.Kondisi Pasar modal di Indonesia saat ini terus
mengalami pertumbuhan, mengingat bertambahnya tingkat kesadaran masyarakat
akan pentingnya investasi (Anggraeni:2018). Pasar modal memiliki peran besar
dalam memajukan ekonomi negara, bahkan pasar modal dapat menjadi salah satu
tolak ukur untuk melihat kemajuan suatu negara (Kadir & Kewal:2014). Ada dua
fungsi utama pasar modal, yaitu yang pertama sebagai sumber pembiayaan bagi
entitas bisnis, dan yang kedua sebagai sarana berinvestasi bagi masyarakat
(Raraga, et. al., :2012). Pasar modal yang efisien merupakan pasar yang harga-
harga sekuritas-sekuritsanya telah mencerminkan semua informasi yuang relevan.
Semakin cepat informasi baru tercermin pada harga sekuritas, maka semakin
efisien pasar tersebut, dengan demikian akan sangat sulit bagi para pemodal untuk
mendapatkan tingkat keuntungan di atas normal secara konsisten dengan
melakukan transaksi perdagangan di Bursa Efek (Husnan, 2009:260). Pasar modal
sendiri memiliki beberapa instrumen, yaitu antara lain seperti saham, obligasi,
reksa dana, dan turunanya yaitu derivatif.
2
Obligasi (Bond) merupakan utang jangka panjang yang akan dibayar
kembali pada saat jatuh tempo dengan bunga yang tetap (Purnamawati:2013).
Obligasi merupakan salah satu instrument di pasar modal yang digemari oleh
investor. Obligasi dapat dibedakan menjadi tiga berdasarkan penerbitnya, yaitu
obligasi pemerintah, obligasi pemerintah daerah, dan obligasi korporasi. Berbeda
dengan saham obligasi memiliki jangka waktu tertentu. Umumnya obligasi
pemerintah seri benchmark memiliki jangka waktu 5, 10, 15, 20, tahun. Selain
jangka panjang pemerintah juga menerbitkan obligasi jangka pendek yang waktu
jatuh temponya 3 sampai 6 bulan yaitu berupa SBN. Obligasi menjadi jalan keluar
bagi kebanyakan pihak swasta maupun pemerintah di dalam memenuhi kebutuhan
dananya (Sundoro:2018).Obligasi menjadi salah satu strategi yang digunakan oleh
perusahaan sebagai sumber pendanaan yang baik bagi kegiatan operasionalnya
(Noviana & Solovida:2018).
Pemerintah dalam menjalankan aktifitasnya dengan menggunakan APBN
mencari dana dengan menerima pajak dan juga dengan menggunakan instrumen
keuangan lainya salah satunya adalah obligasi. Selain itu pemerintah juga
menerbitkan obligasi apabila terjadi defisit anggaran belanja (Rasudu:2018). Bagi
investor investasi pada obligasi pemerintah memiliki risiko yang lebih kecil (zero
risk) jika dibandingkan dengan obligasi korporasi, dikatakan zero risk karena
pemerintah memiliki wewenang untuk mencetak uang sehingga dianggap mampu
untuk membayar hutang-hutangnya. Namun bukan berarti berinvestasi di obligasi
pemerintah tidak memiliki risiko, risiko tetap ada namun tidak sebesar risiko pada
obligasi korporasi, sehingga membuat return pada obligasi korporasi menjadi
3
lebih besar.Bagi sebagian investor yang merupakan Risk taker berinvestasi pada
obligasi korporasi jauh lebih menguntungkan karena menurut teori high risk high
return sehingga mereka lebih memilih untuk berinvestasi pada obligasi korporasi.
Berinvestasi pada obligasi selain mendapat keuntungan berupa bunga tetap
(Kupon) juga bisa memperoleh capital gain (Dewi, et. al., :2016). Meskipun
berinvestasi pada obligasi lebih aman karena mendapat keuntungan dari bunga
akan tetapi obligasi juga memiliki resiko salah satunya adalah risiko gagal bayar.
2014 2015 2016 2017 20180
500
1000
1500
2000
2500
Gambar 1.1Jumlah Outstanding Obligasi Indonesia
Sumber: Bloomberg diolah (2019)
Dari gambar1.1 dapat dilihat terjadi kenaikan kepemilikan obligasi di
Indonesia dari tahun ke tahun. Nilai kepemilikan obligasi paling rendah yaitu ada
pada tahun 2014 dengan nilai 1209.96 triliun. Dan yang paling besar yaitu pada
tahun 2018 dengan jumlah 2368.45 triliun. Ini menandakan bahwa investasi pada
obligasi masih menjadi salah satu instrumen pasar uang yang menarik.
Dalam membeli suatu obligasi, baik itu obligasi pemerintah atau obligasi
korporasi, investor akan melihat harga obligasi, jangka waktu, penerbit obligasi
4
dan juga tingkat kuponya (Lumbantobing:2014). Selain ituYield obligasi juga
merupakan salah satu faktor pertimbangan bagi investor dalam melakukan
pembelian obligasi (Saputra & Prasetiono:2014).Yield adalah pendapatan atau
imbal hasil yang akan didapatkan oleh investor dari hasil penempatan dananya
pada obligasi (Listiawati & Paramita:2018).Yield selalu mengalami perubahan
dari waktu ke waktu. Perubahan yield ini tidak terjadi tanpa adanya beberapa
faktor yang mempengaruhinya. Untuk itu investor perlu mengetahui faktor yang
mempengaruhi yield obligasi sebagai salah satu cara untuk mencari sinyal kapan
harus menjual dan membeli obligasi. Salah satu faktor yang mempengaruhi
perubahan yield adalah faktor makroekonomi seperti inflasi, tingkat suku bunga,
GDP dan nilai tukar. Inflasi merupakan suatu keadaan dimana terjadi permintaan
yang berlebih terhadap barang-barang secara keseluruhan dalam perekonomian
suatu wilayah (Razali:2011). Apabila inflasi terus meningkat dapat menyebabkan
kenaikan harga secara keseluruhan, sehingga investasi pada surat-surat berharga
seperti obligasi akan dirasa semakin berisiko, sehingga investor akan
mengharapkan yield yang lebih tinggi atas investasinya (Sari &
Abudanti:2015).Tingkat inflasi di Indonesia bergerak secara fluktuatif. Inflasi di
Indonesia terjadi paling besar pada tahun 2014 sebesar 8.36% dan terendah terjadi
pada tahun 2018 sebesar 3.13%.
5
2012 2013 2014 2015 2016 2017 2018
3.65
8.088.360000000000
01
4.89
3.023.61
3.13
Inflasi di Indonesia
Gambar 1.2Tingkat Inflasi di Indonesia
Sumber: Bloomberg diolah tahun 2019
Penelitian terdahulu yang dilakukan oleh Sari & Abudanti (2015),
Paramita & Pangestuti (2016) memperlihatkan bahwa inflasi berpengaruh secara
negatif terhadap yield obligasi. Sedangkan penelitian yang dilakukan oleh Bhat
et.al (2016) menunjukan hasil yang berbeda yaitu inflasi berpengaruh secara
positif terhadap yield obligasi.
Selanjutnya variabel makroekonomi yang mempengaruhi yield obligasi
adalah tingkat suku bunga. Keberadaan suku bunga sangat berpengaruh seccara
langsung pada kehidupan masyarakat dan mempunyai dampak penting terhadap
perekonomian (Rahman & Sam’ani:2013). Tingkat suku bunga disini adalah BI
Rate. BI Rate adalah tingkat suku bunga yang ditetapkan oleh BI sebagai patokan
suku bunga pinjaman maupun simpanan bagi bank dan atau lembaga keuangan di
seluruh Indonesia (www.bi.go.id). Tingkat suku bunga digunakan pemerintah
melalui otoritas moneternya untuk mengendalikan tingkat harga
6
(Arif:2014).Ketika suku bunga yang berlaku menurun, maka harga obligasi akan
meningkat (Sari & Abudanti:2015). Berdasarkan Jogiyanto (2017:234) hubungan
yield dengan harga obligasi berbanding terbalik. Ketika tingkat suku bunga naik
maka harga obligasi akan turun dan yield obligasi akan naik. BI rate di Indonesia
bergerak dengan fluktuatif.
2012 2013 2014 2015 2016 2017 20180.00%
1.00%
2.00%
3.00%
4.00%
5.00%
6.00%
7.00%
8.00%
9.00%
BI Rate
Pers
en
Gambar 1.3BI Rate di Indonesia
Sumber: BI diolah (2019)
Penelitian terdahulu tentang suku bunga terhadap yield obligasi oleh Bhat
et. al., (2016) dan juga Naidhu,et.al (2016) menunjukan bahwa suku bunga
berpengaruh negatif terhadap yield berbanding terbalik dengan penelitian yang
dilakukan oleh Sundoro (2018) dan Listiawati & Paramita (2018) dimana hasil
dari penelitian mereka menunjukan bahwa suku bunga berpengaruh secara positif
terhadap yield obligasi.
Variabel makroekonomi yang mempengaruhi yield obligasi lainya yaitu
nilai tukar. Kurs rupiah merupakan nilai tukar mata uang Amerika Serikat dengan
7
Indonesia (Mawarni & Widiasmara). Semua Negara memiliki nilai tukarnya
masing masing dan merupakan perbandingan nilai suatu mata uang dengan kurs
valuta asingnya. Nilai tukar rupiah sangat mempengaruhi yield obligasi karena
kepemilikan (outstanding) obligasi pemerintah sebagian besarnya dimiliki oleh
asing. dilansir dari Bloomberg foreign outstanding obligasi Indonesia pada akhir
tahun 2018 sebesar 893 triliun. Nilai tukar rupiah terhadap dollar sangat
diperlihatikan oleh para investor karena dengan naiknya harga dollar maka
investor akan lebih memilih untuk berinvestasi pada pasar uang dengan membeli
dollar. Nilai tukar rupiah dalam beberapa tahun belakangan mengalami depresiasi
yang cukup tajam terhadap dollar (Arifin:2016).
2012 2013 2014 2015 2016 2017 20180
2000
4000
6000
8000
10000
12000
14000
16000
Kurs USD/IDR
Rupi
ah
Gambar 1.4Kurs USD/IDR
Sumber: Bloomberg diolah (2019)
Penelitian terdahulu yang membahas mengenai nilai tukar terhadap yield
obligasi yang dilakukan oleh Bhat (2016) dan Dewi,et.al (2016) menunjukan
bahwa nilai tukar berpengaruh negatif terhadap yield obligasi sedangkan
8
penelitian oleh Paramita & Pangestuti (2016) bertolak belakang yaitu nilai tukar
memiliki pengaruh positif terhadap yield obligasi.
Selain itu faktor yang mempengaruhi yield obligasi adalah PDB (Produk
Domestik Bruto). PDB adalah ukuran nilai barang dan jasa yang diproduksi di
wilayah suatu Negara pada suatu periode waktu tertentu (Karlina:2017). PDB
digunakan untuk melihat kondisi ekonomi suatu Negara tersebut. Perubahan
kondisi ekonomi seperti meningkatnya PDB mempunyai pengaruh positif
terhadap daya beli konsumen sehingga dapat meningkatkan permintaan terhadap
produk perusahaan (Melati:2013). PDB di Indonesia mengalami kenaikan dan
penurunan setiap tahunya.
2012 2013 2014 2015 2016 2017750,000,000,000
800,000,000,000
850,000,000,000
900,000,000,000
950,000,000,000
1,000,000,000,000
1,050,000,000,000
PDB Indonesia
Dala
m T
riliu
n US
D
Gambar 1.5PDB Indonesia
Sumber: BPS Diolah (2019)
Naidhu,et.al (2016) di dalam penelitianya menunjukan bahwa GDP
memiliki pengaruh positif terhadap yield obligasi berbanding terbalik dengan
9
penelitian yang dilakukan oleh Saputra & Prasetiono (2014) yang menunjukan
hasil bahwa PDB memiliki pengaruh negatif terhadap yield obligasi.
Selain Makroekonomi hal lain yang perlu diperhatikan investor dalam
melakukan investasi adalah instrument Derivatif. Derivatif adalah surat berharga
yang diperdagangkan dan dinilai dengan harga wajar (Niansyah et.al : 2018).
Tujuan dari derivative ini sendiri adalah untuk melakukan hedging dari fluktuasi
harga yang terjadi di masa depan. Untuk menghindari resiko fluktuasi tersebut
salah satu cara yang dapat dilakukan oleh investor adalah dengan membeli
instrumen derivatif. Selain untuk hedging fungsi dari derivatif juga bisa untuk
menjadi sarana untuk spekulasi dalam mencari keuntungan bagi penjual derivative
tersebut. Banyak sekali instrumen derivatif seperti option, Swap, future, dsb.
Salah satu jenis derivatif adalah Credit Default SWAP (CDS). CDS secara
sederhana merupakan asuransi dari obligasi dimana seorang investor membayar
premi dan ketika obligasi mengalammi gagal bayar (default) maka penjual CDS
membayarkan obligasi itu kepada pembayar premi. CDS merupakan suatu
indikator yang melihat tingkat risiko gagal bayar dalam investasi pada suatu
Negara atau perusahaan (Gustiar & Wijaya:2015). Oleh karena itu CDS dapat
menjadi cerminan risiko pada investasi.CDS 5 tahun di Indonesia mengalami
fluktuasi yang menunjukan bahwa risiko gagal bayar dari investasi obligasi
pemerintah juga naik dan turun.
Tabel 1.1CDS 5 tahun Indonesia
Tahun 2012 2013 2014 2015 2016 2017 2018
CDS 5yr 123.969 236.852 160.312 229.922 157.896 85.247 137.452
10
Sumber: Bloomberg diolah (2019)
Dari penelitian yang dilakukan oleh Gustiar & Wijaya (2015) bahwa CDS
berpengaruh positif terhadap yield obligasi., yang artinya ketika CDS naik maka
naik maka yield obligasi juga akan naik. Berbanding terbalik penelitian terdahulu
yang dilakukan oleh Ichsan, et.al (2018) menunjukan bahwa CDS berpengaruh
negatif terhadap yield obligasi pemerintah.
Berdasarkan penelitian-penelitian terdahulu maka penulis tertarik untuk
melakukan penelitian lebih lanjut mengenai yield obligasi terutama pada obligasi
pemerintah. Setelah melakukan identifikasi masalah di atas maka penulis
mengambil variabel Makroekonomi yaitu Inflasi, BI Rate, Nilai Tukar USD/IDR
dan PDB ditambah dengan satu variabel Credit Default SWAP. Untuk
memperjelas penelitian maka penulis memilih obligasi pemerintah tenor 5, 10, 15
dan 20 tahun pada periode tahun penelitian 2012-2018 sebagai objek penelitian.
Atas penelitian terdahulu penulis tertarik untuk menulis judul penelitian “Analisis
Hubungan Faktor Makro Ekonomi dan Credit Default SWAP terhadap Yield
Obligasi Pemerintah Indoneisa periode 2012-2018”.
B. Rumusan Masalah
Berdasarkan latar belakang masalah yang telah diuraikan sebelumnya,
maka rumusan masalah yang diajukan oleh peneliti adalah sebagai berikut:
1. Apakah terdapat hubungan jangka pendek Makroekonomi (Inflasi. BI
Rate, Nilai Tukar USD/IDR dan PDB) terhadap yield obligasi pemerintah
tenor 5, 10, 15 dan 20 tahun ?
11
2. Apakah terdapat hubungan jangka pendek dan Credit Default SWAP
terhadap yield obligasi pemerintah tenor 5, 10, 15 dan 20 tahun?
3. Apakah terdapat hubungan jangka panjang Makroekonomi (Inflasi. BI
Rate, Nilai Tukar USD/IDR dan PDB) terhadap yield obligasi pemerintah
tenor 5, 10, 15 dan 20 tahun ?
4. Apakah terdapat hubungan jangka Panjang Credit Default SWAP terhadap
yield obligasi pemerintah tenor 5, 10, 15 dan 20 tahun?
C. Tujuan Penelitian
Berdasarkan uraian yang telah dijabarkan, maka tujuan penelitian dapat
diidentifikasikan sebagai berikut:
1. Untuk mengetahui apakah terhadap hubungan jangka pendek antara
Makroekonomi (Inflasi, BI Rate, Nilai Tukar USD/IDR, dan PDB)
terhadap yield obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
2. Untuk mengetahui apakah terdapat hubungan jangka pendek antara Credit
Default SWAP terhadap yield obligasi pemerintah tenor 5, 10, 15 dan 20
tahun.
3. Untuk mengetahui apakah terhadap hubungan jangka pendek antara
variabel Makroekonomi (Inflasi. BI Rate, Nilai Tukar USD/IDR dan PDB)
terhadap yield obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
4. Untuk mengetahui apakah terdapat hubungan jangka panjang antara
Credit Default SWAP terhadap yield obligasi pemerintah tenor 5, 10, 15
dan 20 tahun.
12
D. Manfaat Penelitian
Diharapkan hasil penelitian ini dapat memberi manfaat bagi masing-
masing pihak sebagai berikut:
1. Akademisi
Mendapatkan gambaran umum tentang Obligasi sehingga bisa menguji
teori yang ada dalam perkuliahan, penelitian ini dapat dijadikan referensi
bagi penelitian-penelitian selanjutnya, bisa menambah ilmu pengetahuan
tentang pasar modal.
2. Investor
Penelitian ini diharapkan dapat memberikan nilai informasi bagi para
investor dan dapat menjadi salah satu referensi bagi investor dalam
mengambil keputusan investasi.
3. Penulis
Diharapkan penelitian ini dapat membantu dan menambah wawasan
mengenai investasi dan pasar modal terutama di instrument obligasi.
13
BAB II
TINJAUAN PUSTAKA
A. Landasan Teori
1. Investasi
a. Pengertian Investasi
Investasi adalah komitmen saat ini pada uang atau sumber daya
lain dengan harapan mendapat manfaat di masa depan (Bodie et. al,
2014:1). Investasi dapat didefinisikan sebagai penundaan konsumsi
sekarang untuk dimasukkan ke aktiva produktif selama periode waktu
tertentu (Jogiyanto:2017:5). Investasi menurut Halim (2015:13) adalah
penempatan sejumlah dana pada saat ini dengan harapan untuk
memperoleh keuntungan di masa mendatang. Dari beberapa pengertian di
atas maka dapat diambil kesimpulan bahwa Investasi adalah menanam
modal aktiva dengan mengorbankan konsumsi saat ini dengan
mengharapkan mendapatkan keuntungan di masa yang akan datang.
Bodie (2014:2) membagi investasi menjadi dua yaituasset real
dan financial assets. Investasi pada asset rill seperti tanah dan emas,
sedangkan investasi pada aset keuangan seperti membeli saham, obliasi,
deposito,dsb. Sedangkan Jogiyanto (2017:7) membagi invesatasi menjadi
dua, yaitu investasi langsung dan investasi tidak langsung.
1) Investasi Langsung
Investasi langsung dapat dilakukan dengan membeli aktiva
keuangan yang dapat diperjual belikan di pasar uang, pasar modal,
14
pasar turunan (Derivative market). Investasi langsung juga dapat
dilakukan dengan membeli aktiva keuangan yang tidak dapat
diperjual belikan yang biasanya diperoleh melalui bank komersial
seperti tabungan atau sertifikat deposito.
2) Investasi Tidak Langsung
Investasi tidak langsung dilakukan dengan membeli surat-surat
berharga dari perusahaan investasi. Perusahaan investasi adalah
perusahaan yang menyediakan jasa keuangan dengan cara menjual
sahamnya ke publik dengan menggunakan dana yang diperoleh
untuk diinvestasikan ke dalam portofolionya.
Gambar 2.1Investasi langsung dan tidak langsung
Sumber: Jogiyanto 2017
2. Pasar Modal
a. Pengertian Pasar Modal
15
Pasar Modal menurut Halim (2015:1) adalah pasar yang
mempertemukan pihak yang menawarkan dan yang memerlukan dana
jangka panjang, seperti saham dan Obligasi. Pasar Modal terdiri dari
kata Pasar dan Modal, jadi Pasar Modal dapat di definisikan sebagai
tempat bertemunya permintaan dan penawaran terhadap modal, baik
dalam bentuk ekuitas maupun hutang jangka panjang (Martalena &
Malinda:2011:2). Hadi (2013:10) Mendefinisikan Pasar Modal sebagai
suatu sistem keuangan yang terorganisir, termasuk di dalamnya adalah
bank-bank konvensional dan semua lembaga perantara di bidang
keuangan, serta keseluruhan surat-surat berharga yang beredar. Dari
beberapa pengertian di atas dapat disimpulkan bahwa pasar modal
adalah tempat bertemunya investor dan emiten untuk melakukan
transaksi modal dan hutang jangka panjang. Instrumen pasar modal
terdiri dari saham dan obligasi serta turunanya yaitu derivatif.
b. Instrumen Pasar Modal
Instrumen-instrumen yang diperdagangkan di pasar modal menurut
Halim (2015:4) adalah:
1) Saham Biasa (Common Stock)
Saham dapat didefinisikan sebagai tanda sebagai tanda penyertaan
atau pemilikan seseorang atau badan usaha dalam suatu perusahaan.
2) Saham Preferen (Preferred Stock)
Saham preferen merupakan saham yang memiliki karakteristik
gabungan antara obligasi dan saham biasa. Saham preferern serupa
16
dengan saham biasa karena dua hal, yaitu mewakili kepemilikan
ekuitas dan diterbitkan tanpa tanggal jatuh tempo yang tertulis di
atas lembaran saham tersebut; dan membayar dividen.
3) Obligasi (Bond)
Obligasi adalah surat berharga atau sertifikat yang berisi kontrak
antara pemberi dana (dalam hal ini pemodal) dengan yang diberi
dana (emiten). Jadi obligasi adalah selembar kertas yang menyatakan
bahwa pemilik kertas itu telah membeli utang perusahaan yang
menerbitkan obligasi.
4) Right
Right merupakan surat berharga yang memberikan hak bagi pemodal
untuk membeli saham baru yang dikeluarkan emiten. Right
merupakan produk derivatif atau turunan dari saham.
5) Warran
Warran mirip seperti Right yaitu hak untuk membeli saham biasa
pada waktu dan harga yang sudah ditentukan. Biasanya warran dijual
bersamaan dengan surat berharga lain, misalnya dijual dengan saham
atau obligasi.
3.Obligasi
a. Pengeritan Obligasi
Oblligasi menurut Choudhry (2001:3) adalah instrumen pasar
modal berupa hutang yang diterbitkan oleh peminjam, yang kemudian
akan membayar kepada pemberi pinjaman/investor sejumlah yang
17
dipinjam dan ditambah dengan bunga selama periode waktu tertentu.
Sedangkan menurut Bodie et. Al (2014:459) obligasi merupakan
sekuritas yang diterbitkan dalam kaitanya dengan pengaturan pinjaman.
Peminjam menerbitkan (atau menjual) obligasi kepada pemberi pinjaman
demi sejumlah uang tunai. Menurut Jogiyanto (2015:29) Obligasi
merupakan suatu kontrak yang mengharuskan peminjam untuk
membayar kembali pokok pinjaman ditambah dengan bunga dalam kurun
waktu tertentu yang sudah disepakati. Berddasarkan beberapa definisis
tersebut dapat disimpulkan bahwa obligasi adalah surat hutang yang
dikeluarkan oleh penerbit hutang dan akan melunasi hutang itu dengan
tambahan bunga selama periode tertentu.
b. Jenis-Jenis Obligasi
1) Berdasarkan penerbitnya
Jogiyanto (2017:214) membagi obligasi menjadi beberapa
macam ditinjau berdasarakan penerbitnya, yaitu:
a) Obligasi Pemerintah (Government Bond)
Obligasi pemerintah adalah obligasi yang diterbitkan oleh
pemerintah untuk pembangunan nergara dengan meminjam hutang
jangka panjang kepada masayrakat. Obligasi pemerintah dianggap
lebih aman dibandingkan dengan obligasi perusahaan.
b) Obligasi Pemerintah Daerah (Municipal Bond)
Municipal Bond adalah obligasi yang dikeluarkan oleh
pemerintah daerah, seperti misalnya pemerintah provinsi, kota, dan
18
kabupaten. Pemerintah daerah biasanya mengeluarkan obligasi ini
untuk pembiayaan modal, seperti membangun jalan raya,
perumahan rakyat, rumah sakit umum, universitas dan lainya.
Pendapatan dari pembiayaan modal ini akan digunakan untuk
membayar kembali utang obligasinya.
c) Obligasi Perusahaan (Corporate Bond)
Obligasi perusahaan (Corporate Bond) adalah surat utang
jangka panjang yang dikeluarkan oleh perusahaan swastsa dengan
nilai utang akan dibayarkan kembali pada saat jatuh tempo dengan
pembayaran kupon atau tanpa kupon yang sudah ditentukan di
kontrak utangnya.
2) Berdasarkan Kuponya
Martalena & Malinda (2011:69) obligasi berdasarkan
kupon yang diberikan dapat terbagi menjadi:
a) Obligasi sederhana, yaitu obligasi yang menawarkan bunga
(kupon) tetap selama jangka waktu obligasi tertentu.
b) Obligasi dengan tingkat suku bunga mengambang, yaitu obligasi
yang menawarkan tingkat bunga dengan presentase tertentu di atas
deposito. Bisa juga awal tetap kemudian tahun selanjutnya
mengambang.
c) Obligasi dengan tingkat bunga nol, yaitu obligasi yang dijual
dengan diskon dan dilunasi sesuai dengan nilai nominal pada akhir
periode disebut Zero Coupon Bond.
19
3) Dilihat dari hak penukaran/opsi, obligasi terdiri dari:
a) Convertible Bonds
Obligasi yang memberikan hak kepada pemegang obligasi untuk
mengkonversikan obligasi tersebut ke dalam sejumlah saham milik
penerbitnya.
b) Exchangeable Bonds
Obligasi yang memberikan hak kepada pemegang obligasi untuk
menukar saham perusahaam afiliasi milik penerbitnya.
c) Callable bonds
Obligasi yang memberikan hak kepada emiten untuk membeli
kembali obligasi pada harga tertentu sepanjang umur obligasi
tersebut.
d) Putable Bonds
Obligasi yang memberikan hak kepada investor yang
mengharuskan emiten untuk membeli kembali obligasi pada harga
tertentu sepanjang umur obligasi tersebut.
c. Karakteistik Obligasi
Adapun karakteristik obligasi meliputi:
1) Nilai Nominal (Face Value)
Nilai Nominal adalah nilai pokok dari suatu obligasi yang akan
diterima oleh pemegang obligasi pada saat obligasi itu jatuh tempo.
2) Kupon (Interest Rate)
20
Kupon adalah bunga yang diterima pemegang obligasi secara berkala
sesuai kontrak (umumnya pembayaran kupon obligasi pada setiap tiga
bulan atau enam bulan).
3) Jatuh Tempo (Maturity)
Jatuh tempo adalah tanggal dimana pemegang obligasi akan
mendapatkan pembayaran kembali pokok atau nilai nominal obligasi
yang dimilikinya.
4) Penerbit/Emiten (Issuer)
Penerbit adalah pihak yang menerbitkan obligasi.
d. Risiko Investasi Obligasi
Menurut Fabozzi (2010) terdapat risiko yang mungkin timbul dari
investasi obligasi, yaitu:
1) Risiko Suku Bunga (Yield)
Risiko suku bunga adalah risiko yang mungkin terjadi apabila harga
obligasi menurun dengan kenaikan yield. Harga obligasi berbanding
terbalik dengan yield. Ketika yield naik maka harga obligasi turun,
begitu juga sebaliknya ketika harga obligasi naik maka yield turun.
2) Risiko Reinvestasi (Reinvestmen Risk)
Adalah kemungkinan bahwa seorang investor tidak dapat
menginvestasikan kembali pada tingkat imbal hasil yang sebanding
pada investasi saat ini.
3) Risiko Penarikan Kembali (Call Risk)
21
Risiko penarikan kembali (Call Risk) adalah risiko yang kemungkinan
dihadapi investor apabila penerbit obligasi membeli kembali (call)
atas obligasi trersebut.
4) Risiko Kredit (Credit Risk atau Default Risk)
Risiko Kredit atau default risk adalah ririko yang mungkin timbul
apabila penerbit obligasi tidak mampu membayar obligasi dan suku
bunga yang dijanjikan.
5) Risiko Inflasi (Inflation)
Risiko inflasi adalah risiko yang mungkin terjadi apabila imbal hasil
(return) dari investasi obligasi tergerus olhe inflasi di masa yang akan
datang.
6) Risiko Nilai Tukar (Exchange Risk)
Adalah risiko yang mungkin terjadi akibat pergerakan kurs mata uang.
Risiko ini terjadi apabila berinvestasi pada obligasi berdenominasi
mata uang asing.
7) Risiko Likuiditas (Liquidity Risk)
Risiko likuiditas adalah risiko yang terjadi dari sulit atau mudahnya
menjual kembali obligasi di pasar sekunder.
8) Risiko Naik Turunya Harga (Volatility Risk)
Adalah risiko yang timbul apabila terjadi volatilitas harga obligasi.
4.Yield
a. Pengertian yield
22
Choudhry (2001:54) mendefiniskan yield sebagai imbal hasil
obligasi dengan menghitung harga obligasi menggunakan diskonto.
Menurut Jogiyanto (2017:221) yield adalah imbal hasil dari obligasi. Ada
beberapa pengukuran untuk mengukur yield obligasi, diantaranya adalah
Current yield, Yield to Maturity, dan yield to call.
1) Current Yield
Hasil sekarang (Current yield) diukur dengan nilai kupon
setahun dibagi dengan nilai pasar obligasi saat ini.
¿
2) Yield To Maturity
Hasil sampai maturiti (Yield To Maturirty) adalah tingkat
return dari obligasi yang dibeli dengan harga pasar sekarang dan
disimpan sampai jatuh tempo.
3) Yield To Call
Hasil sampai ditarik (Yield To Call) adalah return dari obligasi
dari sekarang sampai dengan tanggal obligasi ditarik kembali.
5. Inflasi
a. Pengertian Inflasi
23
Current Yield= Penghasilan Bunga TahunanHargaPasar Obligasi
YTM=K 1
(1+YTM )1+ K 2
(1+YTM )2+…+ Kn
(1+YTM )n
Menurut Halim (2018:78) Inflasi adalah suatu proses
meningkatnya harga-harga secara umum dan terus menerus dalam jangka
panjang. Sama dengan definisi Yanuar (2016:229) Inflasi adalah
kenaikan harga secara umum, kenaikan berlangsung secara terus menerus
untuk sekelompok barang. Dapat disimpulkan bahwa inflasi adalah
kenaikan harga dari barang dengan sifat yang terus menerus. Terjadinya
inflasi ini bisa disebabkan oleh banyak hal seperti naiknya tingkat
konsumsi mayarakat, kurangnya supply terhadap sekelompok barang,
kelebihan pemerintah dalam mencetak uang sehingga membuat uang
beredar menjadi lebih banyak dan lain sebagainya. Inflasi dapat
dikatakan juga sebagai menurunya nilai mata uang secara terus menerus
(continue).
b. Jenis Inflasi
Halim (2018:79) menggolongkan inflasi menjadi beberapa jenis,
yaitu:
1) Berdasarkan asalnya.
Berdasarkan asalnya, inflasi terbagi menjadi dua yaitu inflasi dari
dalam negeri dan inflasi dari luar negeri.
a) Inflasi dari dalam negeri
Inflasi dalam negeri seperti terjadi defisit anggaran belanja
yang dibiayai dengan cara mencetak uang baru dan gagalnya pasar
sehingga membuat harga menjadi naik
b) Inflasi dari luar negeri
24
Inflasi dari luar negeri adalah inflasi yang terjadi karena
naiknya harga barang impor. Hal ini bisa terjadi karena harga
produksi barang di luar negeri yang sedang tinggi atau adanya
kenaikan tariff dari impor barang.
2) Berdasarkan besarnya cakupan terhadap harga
Berdasarkan besarnya cakupan terhadap harga inflasi dapat
dibagi menjadi tiga, yaitu inflasi tertutup (closed inflation), inflasi
terbuka (open inflation), dan inflasi yang tidak terkendali
(hiperinflasi).
a) Inflasi Tertutup (Closed Inflation)
Inflasi terttutup adalah kenaikan harga yang terjadi pada
satu atau dua barang tertentu.
b) Inflasi Terbuka (Open Inflation)
Inflasi terbuka adalah kenaikan harga yang terjadi pada
semua barang secara umum.
c) Inflasi yang tidak terkendali (Hyperinflation)
Inflasi yang tidak terkendali apabila serangan inflasi sangat
hebat mengakibatkan harga-harga terus berubah-ubah dan
meningkat sehinga orang tidak dapat menahan uangnya lebih
lama karena nilai uang terus merosot.
3) Berdasarkan keparahanya.
Boediono dalam Halim (2018:79) berdasarkan keparahanya
inflasi dapat dibedakan menjadi:
25
a) Inflasi Ringan (Soft Inflation)
Kenaikan harga kurang dari 10% per tahun.
b) Inflasi Sedang (Middle Inflation)
Kenaikan harga antara 10% sampai 30% per tahun.
c) Inflasi Berat (Hard Inflation)
Kenaikan harga antara 30% sampai 100% per tahun.
d) Hiperinflasi (Hyperinflation)
Kenaikan harga lebih dari 100% per tahun.
6.BI Rate
a. Pengertian BI Rate
Parkin (2018:94) tingkat suku bunga dalam aset keuangan
merupakan bunga yang diterima yang dinyatakan sebagai presentase dari
harga asset. Hull (2009:73) mendefinisikan suku bunga adalah situasi
khusus dimana peminjam berjanji membayar lebih pada sejumlah uang
yang dia pinjam. Suku bunga di Indonesia mengacu pada BI Rate. BI
Rate adalah suku bunga kebijakan yang mencerminkan sikap atau stance
kebijakan moneter yang ditetapkan oleh bank Indonesia dan diumumkan
kepada publik. BI Rate diumumkan oleh Dewan Gubernur Bank
Indonesia setiap Rapat Dewan Gubernur bulanan (BI:2016). BI Rate juga
digunakan sebagai acuan para investor pada investasi bebas risiko (Risk
Free).
7.Nilai Tukar
a. Pengertian nilai tukar
26
Nilai tukar adalah harga yang menggambarkan berapa banyak suatu mata
uang harus dipertukarkan untuk memperoleh satu unit mata uang lain
(Murni:2016:265). Menurut Sukirno (2010:397) nilai tukar mata uang
merupakan harga mata uang terhadap mata uang lainya.
8.Produk Domestik Bruto (PDB)
a. Pengertian Produk Domestik Bruto
Menurut Sukirno (2010:34) PDB adalah seluruh barang dan jasa yang
dihasilkan atau diproduksi oleh seluruh warga masyarakat pada suatu
wilayah negara yang bersangkutan dalam periode waktu tertentu.
Sedangkan menurut Mankiw (2007:22) PDB adalah jumlah produk
barang dan jasa yang dihasilkan suatu Negara dalam satu tahun. Dan
menurut Prasetyo (2011:28) PDB adalah seluruh barang dan jasa yang
dihasilkan atau diproduksi oleh seluruh barang dan jasa yang dihasilkan
atau diproduksi oleh seluruh warga masyarakat pada suatu wilayah
negara yang bersangkutan dalam periode waktu tertentu.
9. Derivatif
a. Pengertian Derivatif
Menurut Hull (2009:1) derivatif adalah instrument keuangan yang
nilainya tergantung dari nilai lainya seperti variabel yang mendasarinya.
Derivatif merupakan kontrak atau perjanjian yang nilai atau peluang
keuntunganya terkait dengan kinerja asset lain (Halim:2015:157).
Sedangkan menurut Siahaan (2008:10) instrument derivatif adalah
kontrak antara dua belah pihak pembeli dan penjual yang didalam
27
kontraknya berbagai hal telah disepakati bersama pada saat ini, tetapi
realisasinya atau pelaksanaanya nanti pada tanggal tertentu di masa yang
akan datang.
b. Instrumen Derivatif
Menurut Siahaan (2008:21) derivatif memiliki beberapa instrument,
antara lain:
1) Forward
Kesepakatan membeli atau menjual aktiva tertentu pada tanggal
tertentu pada harga yang telah ditetapkan di masa yang akan datang.
Berbeda dengan Futures transaksi forward dilakukan melalui broker.
2) Futures
Kesepakatan membeli atau menjual aktiva tertentu pada tanggal
tertentu pada harga yang telah ditetapkan di masa yang akan datang.
Transaksi futures dilakukan pada bursa resmi. Dan untuk memulai
transaksi harus terlebih dahulu menyetor uang jaminan.
3) Options
Kontrak yang memberikan hak menjual atau membeli pada harga pada
(sebelum) tanggal tertentu yang telah ditetapkan di masa yang akan
datang. Berdasarkan periode waktunya opsi dibedakan menjadi dua
yaitu tipe Eropa (hanya bisa digunakan pada waktu expiron date nya)
dan tipe Amerika (bisa dipergunakan kapan saja). Berdasarkan haknya
opsi terbagi menjadi dua yaitu opsi beli (call option) dan opsi jual (put
option).
28
4) Swap
Suatu kesepakatan anatara dua pihak untuk bertukar cash flow di masa
yang akan datang.
c. Tujuan Derivatif
Derivatif memiliki beberapa tujuan yaitu adalah untuk meminimalisasi
risiko dengan cara hedging. Selain untuk meminimalisasi risiko
derivative memiliki tujuan sebagain spekulasi bagi penjual derivative
untuk mendapatkan keuntungan.
10. Credit Default SWAP (CDS)
a. Pengertian Credit Default SWAP
Secara formal, CDS adalah kontrak bilateral untuk mentransfer
risiko kredit dari satu pihak ke pihak lain (Fabozzi:2005:1339). Bodie
et.al (2014: 821) mendefinisikan CDS sebagai kesepakatan antar dua
pihak (penjual dan pembeli) premi untuk peristiwa gagal bayar. Ketika
terjadi peristiwa gagal bayar atau gagal bayar bunga pada obligasi
terjadi maka penjual premi menutupi kerugian dalam nilai pasar
obligasi. Credit Default Swap merupakan kontrak yang menunjukan
asuransi terhadap resiko gagal bayar oleh perusahaan tertentu. (Hull:
2009:518). CDS dikembangkan pertama kali di tahun 1990-an oleh
sebuah lembaga yang bekerja untuk JP Morgan. Kontrak CDS biasanya
berkisar satu sampai dengan sepuluh tahun. Premium yang dibayarkan
oleh pembeli kepada penjual disebut juga dengan “Spread” dengan nilai
kontrak khusus dan dibayarkan per-kuartal. CDS sendiri juga bisa
29
menjadi instrument derivative kredit untuk melakukan hedging atau
juga bisa menjadi spekulasi untuk mendapatkan keuntungan.
Steven (2010:344) menjelaskan bahwa Credit Event sendiri
adalah kejadian yang mempengaruhi pasar, seperti risiko gagal bayar
(Default), restrukturiasi atau penataan kembali, moratorium
(penangguhan pembayaran hutang). Adapun mekanisme CDS sendiri
CDS diperdagangkan oleh lembaga finansial, melalui mekanisme Over
The Counter (OTC). Dengan OTC tersebut maka para pedagang akan
saling mencari Counterparty dan ketika masing-masing Counterparty
sudah bertemu, maka proses selanjutnya adalah menciptakan hubungan
kontrak bilateral dengan kesepakatan harga kontrak didasarkan pada
proses tawar menawar antara dua belah pihak. Pembeli CDS membayar
biaya tertentu (premi) kepada penyedia CDS dalam kurun waktu
tertentu dengan tujuan perlindungan dari credit event. Ketika credit
event terjadi penjual/pembeli mengirimkan notifikasi bahwa terjadi
credit event. Kemudian dilakukan Physical Settlement atau Cash
Settlement.
30
XPembeli CDS
(Buyer)
ZPenjual CDS
(Seller)
Nilai Pari/Kompensaasi
Fee/Premi
Gambar 2.2Proses Credit Default SWAP
Sumber: Steven I (2010)
B. Penelitian Terdahulu
Tabel 2.1Daftar Penelitian Terdahulu
No Judul Penelitian Alat
Analisa
Variabel Hasil
Penelitian
1. Harry S. Sundoro (2018).
“PENGARUH FAKTOR
MAKRO EKONOMI,
FAKTOR LIKUIDITAS DAN
FAKTOR EKSTERNAL
TERHADAP YIELD
OBLIGASI PEMERINTAH
INDONESIA”
VAR atau
VECM
Variabel
inependen:
BI Rate,
Inflasi,
Jumlah Uang
Beredar,
IHSG
Variabel
dependen:
Yield
BI rate
Berpengaruh
positif pada
Berpengaruh
positif pada
yield obligasi,
Inflasi
berpengaruh
terhadap yield
obligasi,
jumlah uang
beredar
berpengaruh
negative
terhadap yield
obligasi, IHSG
berpengaruh
31
YPerusahaan/Institusi penerbit asset:
No Judul Penelitian Alat
Analisa
Variabel Hasil
Penelitian
negatif
terhadap yield
obligasi
2. M.Ichsan, Lestari Agusalim,
Zed Abdullah (2018)
“DAMPAK EKONOMI
MAKRO TERHADAP
YIELD SURAT BERHARGA
NEGARA: STUDI EMPIRIS
DI INDONESIA”.
VECM Variabel
independen:
Nilai Tukar,
Harga
Minyak,
CDS, UST,
Variabel
dependen:
Yield obligasi
Nilai tukar
berpengaruh
negatif
terhadap yield,
harga minyak
berpengaruh
negative
terhadap yield,
CDS
berpengaruh
negatif
terhadap yield
obligasi,
3. Laras Nurul Listiawati & V.
Santi Paramita (2018)
“PENGARUH TINGKAT
SUKU BUNGA, INFLASI,
DEBT TO EQUITY RATIO,
DAN UKURAN
PERUSAHAAN TERHADAP
YIELD OBLIGASI PADA
PERUSAHAAN YANG
TERDAFTAR DI BURSA
EFEK INDONESIA TAHUN
2010-2016
Regresi
linear
berganda
Variabel
Independen:
Suku Bunga,
Inflasi, DER,
Ukuran
Perusahaan
Variabel
Dependen:
Yield obligasi
Suku bunga
berpengaruh
positif
terhadap yield
obligasi,
inflasi tidak
berpengaruh
terhadap yield
obligasi, DER
berpengaruh
negative-2
terhadap yield
obligasi,
32
No Judul Penelitian Alat
Analisa
Variabel Hasil
Penelitian
Ukuran
perusahaan
tidak
berpengaruh
terhadap yield
obligasi.
4. Ni Putu Giri Kusuma Dewi,
Ida Bagus Anom
Purbawangsa, Nyoman
Abudanti (2016)
“PENGARUH SUKU
BUNGA, NILAI TUKAR,
COUPON RATE, DAN
LIKUIDITAS OBLIGASI
TERHADAP HARGA
PASAR OBLIGASI PADA
SEKTOR KEUANGAN”
Regresi
linear
berganda
Variabel
Independen:
Suku Bunga,
Nilai Tukar,
Coupon Rate,
Likuiditas
Variabel
Dependen:
Harga
Obligasi
Suku bunga
berpengaruh
negative
terhadap harga
obligasi secara
signifikan,
Nilai tukar
berpengaruh
secara
negative
terhadap harga
pasar obligasi,
Coupon rate
berpengaruh
secara positif
terhadap harga
obligasi secara
signifikan,
Likuiditas
berpengaruh
negative
terhadap harga
obligasi
33
No Judul Penelitian Alat
Analisa
Variabel Hasil
Penelitian
dengan
signifikan.
5. Rio Putri Paramita & Irene
Rini Demi Pangestuti
(2016). “DETERMINAN
YIELD OBLIGASI
PEMERINTAH TENOR 5
TAHUN DENGAN
MENGGUNAKAN MODEL
EGARCH PADA NEGGARA
INDONESIA, MALAYSIA,
THAILAND, DAN
FILIPINA”.
ARCH,
GARCH,
EGARCH
Variabel
Independen:
Tingkat Suku
Bunga,
Inflasi, Harga
Minyak
Dunia, Nilai
Tukar,
Cadangan
Devisa
Variabel
Dependen:
Yield obligasi
Tingkat suku
bunga
berpengaruh
positif
terhadap yield,
Inflasi
berpengaruh
negatif dan
tidak
signifikan
terhadap yield
obligasi, harga
minyak
berpengaruh
positif
terhadap yield
obligasi, nilai
tukar
berpengaruh
positif
terhadap yield
obligasi,
cadangan
devisa
berpengaruh
negatif
terhadap yield
34
No Judul Penelitian Alat
Analisa
Variabel Hasil
Penelitian
obligasi
6. Ni Wayan Linda Naluritha
Sari & Nyoman Abudanti
(2015) “VARIABEL-
VARIABEL YANG
MEMPENGARUHI YIELD
OBLIGASI PADA
PERUSAHAAN YANG
TERDAFTAR DI BEI”
Regresi
Linear
Berganda
Variabel
Independen:
TingkatSuku
Bunga,
Inflasi, Umur
Obligasi,
Peringkat
Obligasi
Pertumbuhan
Perusahaan,
Profitabilitas
Variabel
Dependen:
Yield obligasi
Inflasi
berpengaruh
negative
signifikan
terhadap yield
obligasi,
tingkat Suku
bunga
berpengaruh
positif
signifikan
terhadap yield
obligasi, umur
obligasi
berpengaruh
positif
signifikan
terhadap yield
obligasi,
peringkat
obligasi
berpengaruh
negative
terhadap yield
obligasi,
pertumbuhan
perusahaan
berpengaruh
35
No Judul Penelitian Alat
Analisa
Variabel Hasil
Penelitian
negatif tidak
signifikan
terhadap yield
obligasi,
Profitabilitas
berpengaruh
negatif tidak
signifikan
terhadap yield
obligasi.
7. Vania Stavrakeva, Jenny
Tang (2016) “EXCHANGE
RATE AND THE YIELD
CURVE”
Regression Variable
dependent:
Exchange
Rate
Variabel
Independent:
Yield Curve
Exchange rate
memiliki
pengaruh yang
signifikan
terhadap
miliki
pengaruh yang
signifikan
terhadap yield
Cuvre
8. Shariq Ahmad Bhat,
G.Shanmugasundaram,
Fahad.P (2016) IMPACT OF
INTEREST RATE,
EXCHANGE RATE AND
CONSUMER PRICE INDEX
ON GOVERNMENT BOND
RETURNS OF INDIA
Regression Variabel
Independen:
Interest rate,
exchange
rate, and
consumer
price index
Variabel
Interest rate
berpengaruh
negative
terhadap yield,
Exchange rate
berpengaruh
negative
terhadap yield,
CPI
36
No Judul Penelitian Alat
Analisa
Variabel Hasil
Penelitian
Dependen:
Yield
berpengaruhs
positif
terhadap Yield
9. Sri Hari Naidhu, Phanindra
Goyari, Bandi Kamaiah
(2016) “DETERMINANTS
OF SOVERREIGN BOND
YIELDS IN EMERGING
ECONOMIES: SOME
PANEL INFERENCES
Regression Variabel :
Dyield US,
Yield, Inf, rir,
GDP, reer,
cad, gni,
fedrate, oil
price, vix
GDP, rir, vix
berpengaruh
positif
terhadap US
yield. Fed
rate, Oil price
berpengaruh
negatif
signifikan
terhadap US
Yield dan
Inflation
berpengaruh
negative tidak
signifikan
terhadap US
yield
10. Huda Arshad, Ruhaini
Muda, Ismah Osman (2018),
“IMPACT OF EXCHANGE
RATE AND OIL PRICE ON
THE YIELD OF
SOVEREIGN BOND AND
SUKUK: EVIDANCE
FROM MALAYSIAN
CAPITAL MARKET
VECM Variabel
independen:
Oil price,
Exchange
Rate
Variabel
Dependen:
Yield
Harga Minyak
dan Nilai
Tukar
memiliki
hubugngan
jangka
Panjang yang
positif
terhadap yield
37
No Judul Penelitian Alat
Analisa
Variabel Hasil
Penelitian
11. Adam Gustiar & Chandra
Wijaya. (2015), “ANALISIS
PENGARUH LEVERAGE
RATIO, VOLATILITY, DAN
YIELD OBLIGASI
PEMERINTAH TERHADAP
CREDIT DEFAULT SWAP
INDONESIA PERIODE
2009-2013”
Regresi Variabel
Dependen:
Leverage
Ratio,
Volatilitas,
Yield
Variabel
Dependen:
CDS
Leverage
Ratio
berpengaruh
positif
signifikan
terhadap CDS,
Volatilitas
berpengaruh
positif
signifikan
terhadap CDS,
Yield
berpengaruh
positif
terhadap CDS.
Sumber: Kumpulan Penelitian Terdahulu
38
C. Kerangka Pemikiran
Gambar 2.3 Kerangka Pemikiran
39
Inflasi (X1), BI Rate (X2), Nilai Tukar (X3), PDB (X 4),
CDS (X5)
Uji Stasionaritas
Tidak StasionerStasioner
VAR Bentuk Level Stasioner di Diferensi
Uji KointegerasiTidak TerjadiVAR Bentuk Diferensiasi
Terjadi
VECMIRF dan FEVD
Interpretasi Hasil
Kesimpulan
Yield 5 tahun (Y1), Yield 10 tahun (Y2), Yield 15 tahun (Y3), Yield 20 tahun (Y4)
D. Hipotesis PenelitianHipotesis merupakan jawaban sementara dari permasalahan yang ada
dengan sifat praduga, berdasarkan kerangka pemikiran mengenai faktor yang
mempengaruhi yield obligasi, maka hipotesis dari penelitian ini adalah:
1. Hipotesis secara simultan
a. Hubungan Janka Panjang:
H 0 : Inflasi, BI Rate, Nilai Tukar, PDB dan CDS tidak memiliki
hubugnan jangka panjang terhadap yield obligasi pemerintah
tenor 5, 10, 15 dan 20 tahun.
H 1 : Inflasi, BI Rate, Nilai Tukar, PDB dan CDS memiliki hubungan
jangka panjang dan jangka pendek terhadap yield obligasi
pemerintah tenor 5, 10, 15 dan 20 tahun.
b. Hubungan Jankga Pendek:
H 0 : Inflasi, BI Rate, Nilai Tukar, PDB dan CDS tidak memiliki
hubugnan jangka pendek terhadap yield obligasi pemerintah tenor
5, 10, 15 dan 20 tahun.
H 1 : Inflasi, BI Rate, Nilai Tukar, PDB dan CDS memiliki hubungan
jangka pendek dan jangka pendek terhadap yield obligasi
pemerintah tenor 5, 10, 15 dan 20 tahun.
2. Hipotesis secara parsial
a. Hubungan Jangka Panjang
H 0 : Tidak terdapat hubungan jangka panjang Inflasi terhadap
yield obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
40
H 1 : Terdapat hubungan jangka panjang Inflasi terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 0 : Tidak terdapat hubungan jangka panjang BI Rate terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 1 : Terdapat hubungan jangka panjang BI Rate terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 0 : Tidak terdapat hubungan jangka panjang Nilai Tukar terhadap
yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 1 : Terdapat hubungan jangka panjang Nilai Tukar terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 0 : Tidak terdapat hubungan jangka panjang PDB terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 1 : Terdapat hubungan jangka panjang PDB terhadap yield obligasi
pemerintah tenor 5, 10, 15 dan 20 tahun.
H 0 : Tidak terdapat hubungan jangka panjang CDS terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 1 : Terdapat hubungan jangka panjang CDS terhadap yield obligasi
pemerintah tenor 5, 10, 15 dan 20 tahun.
b. Hubungan Jangka Pendek
H 0 : Tidak terdapat hubungan jangka pendek Inflasi terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 1 : Terdapat hubungan jangka pendek Inflasi terhadap yield obligasi
41
pemerintah tenor 5, 10, 15 dan 20 tahun.
H 0 : Tidak terdapat hubungan jangka pendek BI Rate terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 1 : Terdapat hubungan jangka pendek BI Rate terhadap yield
obligasi
pemerintah tenor 5, 10, 15 dan 20 tahun.
H 0 : Tidak terdapat hubungan jangka pendek Nilai Tukar terhadap
yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 1 : Terdapat hubungan jangka pendek Nilai Tukar terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 0 : Tidak terdapat hubungan jangka pendek PDB terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 1 : Terdapat hubungan jangka pendek PDB terhadap yield obligasi
pemerintah tenor 5, 10, 15 dan 20 tahun.
H 0 : Tidak terdapat hubungan jangka pendek CDS terhadap yield
obligasi pemerintah tenor 5, 10, 15 dan 20 tahun.
H 1 : Terdapat hubungan jangka pendek CDS terhadap yield obligasi
pemerintah tenor 5, 10, 15 dan 20 tahun.
E. Hubungan Antar Variabel
1. Inflasi terhadap Yield obligasi
Penelitian terdahulu yang dilakukan oleh Sari & Abudanti (2015)
dengan menggunakan metode regresi linear berganda menemukan hasil
42
bahwa variabel Inflasi memiliki pengaruh negatif yang signifikan terhadap
yield obligasi. Hasil yang sama ditemukan oleh penelitian yang dilakukan
oleh Paramita & Pangestuti(2018) dengan menggunakan metode ARCH
dan GARCH.
Sedangkan hasil penelitian yang dilakukan oleh Sundoro (2018)
dengan menggunakan metode penelitian VAR/VECM menemukan bahwa
terdapat hubungan jangka panjang yang positif terhadap yield obligasi.
2. BI Rate terhadap Yield obligasi
Penelitian yang dilakukan oleh Bhat et. al (2016) dengan
menggunakan metode penelitian regresi menemukan hasil bahwa
terdapat pengaruh positif variabel suku bunga dengan yield obligasi.
Hasil penelitian ini sama dengan hasil penelitian yang ditemukan oleh
Naidhu et. al (2016) yang juga menggunakan metode penelitian regresi
bahwa suku bungan memilki pengaruh yang positif terhadap yield
obligasi.
Dewi et. al (2016) dalam penelitiannya menggunakan metode
regresi menemukan hasil yang berbeda bahwa suku bunga memiliki
pengaruh negatif terhadap yield obligasi.
3. Nilai Tukar terhadap Yield obligasi
Penelitian terdahulu yang dilakukan oleh Bhat et. al (2016) dengan
menggunakan metode regresi menunjukan hasil bahwa terdapat pengaruh
negatif antara variabel nilai tukar dengan yield obligasi. Sedangkan Ichsan
et. al (2018) dengan penelitianya menggunakan metode VAR/VECM
43
menunjukan bahwa terdapat hubungan jangka panjang yang negatif antara
variabel nilai tukar dengan yield obligasi.
Berbeda dengan hasil penelitian yang ditemukan oleh Arshad et. al
(2018) dengan menggunakan metode VAR/VECM menunjukan hasil
bahwa terdapat hubungan jangka panjang antara variabel nilai tukar
dengan yield obligasi.
4. PDB terhadap Yield obligasi
Penelitian terdahulu yang dilakukan oleh Naidhu et. al (2016)
menggunakan metode regresi menunjukan hasil bahwa terdapat pengaruh
positif variabel GDP dengan yield obligasi.
Berbeda dengan Saputra & Prasetiono (2014) dengan
menggunakan metode penelitian berupa regresi menunjukan hasil terdapat
pengaruh negatif antara GDP dengan yield obligasi.
5. CDS terhadap Yield obligasi
Hasil penelitian yang dilakukan oleh Ichsan,et.al (2018) dengan
menggunakan metode penelitian berupa VAR/VECM menunjukan hasil
bahwa CDS memiliki hubungan jangka panjang yang negatif terhadap
yield obligasi pemerintah.
Sedangkan penelitian yang dilakukan oleh Gustiar & Wijaya
(2015) dengan menggunakan metode penelitian regresi menunjukan hasil
bahwa CDS berpengaruh positif terhadap yield obligasi.
44
BAB III
METODE PENELITIAN
A. Ruang Lingkup Penelitian
Dalam penelitian ini, pengumpulan data didapat melalui studi kepustakaan
dengan membaca literature yang berkaitan dengan yield obligasi. Selain itu
penulis juga mendapat data sekunder berupa data time series yang diperoleh dari
software Bloomberg. Ruang lingkup penelitian ini adalah yield obligasi
pemerintah Indonesia tenor 5, 10, 15 dan 20 tahun secara general periode 2012-
2018. Dalam penelitian ini terdapat satu variabel dependen dan lima variabel
independen.
Variabel independen yang digunakan pada penelitian ini adalah faktor
Makro Ekonomi dan Credit Default SWAP. Faktor Makro Ekonomi disini lebih
spesifiknya adalah Inflasi (CPI), BI Rate, Nilai Tukar (USD/IDR), dan Produk
Domestik Bruto (PDB). Dan untuk Credit Default Swap (CDS) merupakan
gambaran dari risiko investasi obligasi di Indonesia. Penelitian ini menggunakan
metode kuantitatif dengan data sekunder. Metode analisis menggunakan Vector
Autoregressive (VAR) atau Vector Error Correction Model (VECM) dengan alat
bantu analisis Eviews 8 dan Microsoft Excel 2016.
45
Tabel 3.1 Variabel, Simbol, dan Satuan Data
Variabel Simbol Kode Satuan
Yield 5 tahun Y1 GTIDR 5YR Persen
Yield 10 tahun Y2 GTIDR 10YR Persen
Yield 15 tahun Y3 GTIDR 15YR Persen
Yield 20 tahun Y4 GTIDR 20YR Persen
Inflasi (CPI) X1 CPI Persen
BI Rate X2 BI_Rate Persen
Nilai Tukar X3 Nilai_Tukar USD/IDR
PDB X4 PDB Rupiah
Credit Default Swap
(CDS)X5
CDS_5YRPersen
Sumber: Data Diolah (2019)
B. Metode Penentuan Sampel
Populasi menurut Sugiyono (2018:80) adalah wilayah generalisasi yagn
terdiri atas: obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu
yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulanya.
Populasi dari penelitian ini adalah data dari pergerakan yield obligasi, Inflasi, BI
Rate, Nilai Tukar, Produk Domestik Bruto (PDB) dan Credit Default Swap
(CDS).
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi tersebut (Sugiyono:2018:81). Sampel dari penelitian ini yield obligasi
46
pemerintah dengan tenor 5, 10, 15 dan 20 tahun secara general yang diambil
melalui Bloomberg dengan kode GTIDR 5YR, GTIDR 10YR, GTIDR 15YR dan
GTIDR 20YR.
C. Sumber Data dan Teknik Pengumpulan Data
Data yang digunakan adalah data sekunder yang berbentuk time series
dengan data bulanan. Sumber data diperoleh berdasarkan data yang
dipublikasikan oleh Bloomberg periode 2012-2018. Selain itu penulis juga
mengambil data lain sebagai pendukung dari website resmi Bank Indonesia
(www.bi.go.id), dan BPS (www.bps.go.id). Semua data itu diunduh kemudian
dianalisis seuai kebutuhan. Penulis juga mengambil referensi dari jurnal, karya
ilmiah, buku referensi sebagai bahan acuan.
Metode pengambilan data yang dilakukan adalah dengan metode
dokumentasi, yaitu teknik mengumpulkan dokumen, mencatat, mengkaji dan
menghitung laporan yang berasal dari data sekunder.
D. Teknik Analisis Data
1. Analisis Statistik Deskriptif
Analisis statistik deskriptif menurut (Sugiyono:2017:147) adalah
statistik yang digunakana untuk menganalisis data dengan cara
mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku
untuk umum atau generalisasi. Pada penelitian ini statistik deskriptif dengan
47
menyajikan data melalui tabel, grafik, modus, median mean, dan lain
sebagainya.
2. Vector Autoregrresive (VAR) atau Vector Error Correction Model (VECM)
a. Model VAR
Vector Autoregrresive (VAR) merupakan sebuah n-persamaan (n-
equation) dengan n-variabel (n-variable), dimana masingd-masing variabel
dijelaskan oleh nilai Lag-nya sendiri, serta nilai saat ini dan masa
lampaunya (Firdaus:2018:157). VAR dapat dilakukan apabila data time
series stasioner.
Adapun persamaan untuk model VAR adalah sebagai berikut:
y t = A0+ A1 y t−1+ A2 y t−2+…+ A p y t− p+e t
Dimana:
y t : Vektor berukuran (n*1) yang berisikan n variabel yang terdapat
dalam sebuah model VAR
A0 : Vektor intersep berukuran (n*1)
A1 : Matriks koefisien /parameter berukuran (n*n) untuk setiap
i = 1,2...,p
e t : Vektor error berukuran (n*1)
b. Model VECM
VECM (Vector Error Correction Model) merupakan metode
turunan dari VAR. Asumsi yang perlu dipenuhi sama seperti VAR.
Adapun persamaan dari model VECM adalah sebagai berikut:
48
∆ y t = m0 x+m1x t+ II x y t−1+∑i=1
k −1
τ ix ∆ y t−1+et
Dimana :
y t : Vektor yang berisi variabel yang dianalisis dalam penelitian
m0 x : Vektor intercept
m1 x t : Vektor koefisien regresi
t : time trend
II x : ax β ' dimana β ' mengandung persamaan kointegrasi jangka
panjang
y t−1 : Variabel in-level
τ ix : Matriks koefisien regresi
k−1 : Ordo VECM dari VAR
e t : error term
3. Uji Stasionaritas
Uji stasioner dilakukan untuk melihat apakah data time series tersebut
stasioner atau tidak stasioner. Menurut Basuki & Prawot (2017:229) Data
time series dikatakan stasioner apabila tidak mengandung akar-akar unit
(Unit root). Dan sebaliknya apabilda data time series mengandung akar-akar
unit. Uji ini dilakukan pada setiap variabel di dalam model, baik pada
tingkat level maupun pada derjat integerasi satu (first difference).
Untuk menguji data time series stasioner atau tidak stasioner dapat
dilakukan dengan uji unit root dengan menggunakan Augmented Dickey-
Fuller (ADF) yang dikembangkan oleh Dickey dan Fuller. Langkah pertama
49
dalam uji ini adalah melakukan uji unit root dalam tingkat level. Apabila
probabilitas data dari salah satu atau seluruh variabel > darri nilai kritisnya
maka data tersebut mengandung akar unit (Tidak Stasioner) dan apabila
nilai probabilitas dari salah satu atau semua variabel < dari nilai kritisnya
maka data tidak mengandung akar unit (Stasioner).
Apabila daalam uji unit root pada tingkat level data mengandung akar unit
(tidak stasioner) maka perlu dilakukan uji stasioneritas di tingkat
diferensiasi dengan menggunakan data yang sama namun dengan memilih
pada tingkat first difference. Apabila data first difference masih tidak
stasioner maka perlu dilakukan uji stasioner di derajat dua (second
difference).
4. Uji Lag Optimal
Langkah penting yang harus dilakukan dalam menggunakan model
VAR adalah penentuan jumlah lag yang optimal yang digunakan dalam
model (Firdaus:2018:163). Selain itu pengujian panjang lag optimal sangat
berguna untuk menghilangkan masalah autokorelasi dalam system VAR,
sehingga dengan digunakanya lag optimal diharapkan tidak lagi muncul
masalah autokorelasi (Basuki & Prawoto:2017:253). Dalam menentukan
Lag optimal dapat menggunakan Akaike Information Criterion (AIC),
Schawrz Criterion (SC), dan Hannan-Quinn Criterion (HQ). Dalam
menentukan nilai Lag dilihat nilai yang paling kecil.
5. Uji Stabilitas VAR
50
Stabilitas VAR perlu diuji terlebih dahulu sebelum melakukan analisis lebih
jauh (Basuki & Prawoto:2017:252). Jika seandainya sistem VAR tidak
stabil, hasil yang diperoleh, seperti IRF dan FEVD menjadi tidak valid
(Firdaus: 2018:182). Berdasrkan buku Firdaus (2018:182) bahwa estimasi
VAR stabil jika seluruh roots-nya memiliki modulus lebih kecil dari satu
dan terletak di dalam unit circle-nya.
6. Uji Kointegrasi
Uji kointegerasi bertujuan untuk menentukan apakah variabel-variabel
yang tidak stationer terkointegerasi atau tidak (Firdaus:2018:172). Untuk
melakukan uji kointegerasi penelitian ini menggunakan uji Johannsen
Cointegeration dengan hipotesis sebagai berikut:
H o : Tidak terjadi kointegerasi
H 1 : Terjadi kointegerasi
Jika trace statistic > critical value, maka H o ditolak dan H 1diterima yang
artinya terjadi kointegerasi.
7. Uji Kausalitas
Uji Kausalitas Granger digunakan untuk melihat hubungan kausalitas
di antara variabel-variabel yang ada dalam model (Firdaus:2018:155).
Dengan kata lain, apakah suatu variabel memiliki hubungan sebab akibat
dengan variabel lainya dengan signifikan, karena setiap variabel dalam
penelitian mempunyai kesempatan untuk menjadi variabel endogen maupun
eksogen (Basuki & Prawoto:2017:261). Uji ini untuk mengetahui apakah
51
suatu variabel bebas (Independent Variable) meningkatkan kinerja
forecasting dari variabel tidak bebas (Dependent Variable).
8. Impulse Response Function (IRF)
Setelah semua pengujian tersebut telah terpenuhi maka model VEC telah
terbentuk dan dapat dilakukan analisis terhadap hasil estimasi. Impuls Respons
Function (IRF) adalah suatu metode yang digunakan untuk menentukan respon
suatu variabel endogen terhadap suatu guncangan (shock) tertentu
(Firdaus:2018:166). IRF mengukur pengaruh suatu shock pada suatu waktu kepada
inovasi variabel endogen pada saat tersebut dan di masa yang akan datang.
9. Dekomposisi Varians
Metode yang dapat dilakukan untuk melihat bagaimana perubahan
suatu variabel yang ditunjukan untuk oleh perubahan error variance
dipengaruhi oleh variabel-variabel lainya adalah FEVD (Firdaus:2018:168).
Dalam metode ini dapat dilihat kekuatan dan kelemahan masing-masing
variabel mempengaruhi variabel lainya dalam kurun waktu yang panjang.
E. Operasional Variabel
1. Variabel Dependen
Variabel dependen penelitian ini adalah Yield obligasi. Menurut
Jogiyanto (2017:221) yield adalah imbal hasil dari obligasi. Adapun rumus
Current yield adalah sebagai berikut:
2. Variabel Independen
52
Current Yield= Penghasilan Bunga TahunanHarga Pasar Obligasi
a. Inflasi (CPI)
Inflasi adalah kenaikan harga barang secara terus menerus yang terjadi
dari banyak faktor seperti kurangnya supply dibandingkan dengan demand, dan
lain sebagainya.
CPI= IHKt−IHKt−1
IHKt−1× 100 %
b. BI Rate
BI Rate adalah suku bunga kebijakan yang mencerminkan sikap atau
stance kebijakan moneter yang ditetapkan oleh bank Indonesia dan
diumumkan kepada publik. BI Rate diumumkan oleh Dewan Gubernur
Bank Indonesia setiap Rapat Dewan Gubernur bulanan (BI:2016). Data
BI Rate merupakan data time series dalam persen yang diambil melalui
situs www.bi.go.id
c. PDB
PDB adalah seluruh barang dan jasa yang dihasilkan atau
diproduksi oleh seluruh warga masyarakat pada suatu wilayah negara
yang bersangkutan dalam periode waktu tertentu (Sukirno:2010:34). Data
PDB didapat dari situs resmi BPS dengan data Adapun rumus untuk
menghitung PDB adalah:
PDB= C+G+I+(X-M)
Dimana:
C = Konsumsi Rumah Tangga
G = Konsumsi Pemerintah
53
I = Pembentukan Modal Tetap Domestik Bruto
X = Eksport
M = Import
d. Nilai Tukar
Menurut Sukirno (2010:397) nilai tukar mata uang merupakan
harga mata uang terhadap mata uang lainya. Nilai tukar yang digunakan
dalam penelitian ini adalah menggunakan nilai tukar USD/IDR yang
diambil melalui software Bloomberg dan melalui nilai Close.
e. Credit Defaut Swap(CDS)
Credit Default Swap merupakan kontrak antara penjual dan
pembeli CDS dengan membayar biaya (fixed premium) pada periode
tertentu (maturity) dan kompensasi tertentu apabila terjadi credit event.
Dengan kata lain, CDS adalah sejenis perlindungan/proteksi atas resiko
kredit. Data CDS berbentuk time series dalam satuan persen yang
diambil dari software Bloomberg.
54
BAB IV
ANALISIS DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian
Surat Utang Negara (SUN) adalah surat berharga negara yang berupa
surat pengakuan utang dalam mata uang Rupiah maupun Valuta Asing yang
dijamin pembayaran bunga dan pokoknya oleh Negara Republik Indonesia,
sesuai dengan masa berlakunya (Kemenkeu:2019).
Tujuan dari penerbitan SUN adalah untuk : (1) membiayai defisit
APBN, (2) menutup kekurangan kas jangka pendek, (3) mengelola potofolio
utang Negara. Pemerintah pusat berwenang menerbitkan SUN setelah
mendapat persetujuan DPR yang disahkan dalam kerangka pengesahan
APBN dan setelah berkonsultasi dengan Bank Indonesia. Atas penerbitan
tersebut, pemerintah berkewajiban membayar bunga dan pokok pada saat
jatuh tempo. Dana untuk pembayaran bunga dan pokok SUN disediakan
dalam APBN.
Secara Umum jenis SUN dapat dibedakan sebagai berikut:
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 Treasury 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 secara periodik (tiga bulan sekali
atau enam bulan seklai). Sementara ON tanpa kupon tidak memiliki
55
jadwal pembayaran kupon, dijual pada harga diskon dan pokoknya akan
dilunasi pada saat jatuh tempo.
Berdasarkan tingkar kuponya ON dapat dibedakan menjadi (1)
Obligasi berbungan tetap (Fixed Rate), (2) Obligasi berbunga
mengambang (Variable Rate) yang ditentukan berdasarkan suatu acuan
tertentu seperti tingkat suku bunga SBI (Sertifikat Bank Indonesia).
Obligasi Negara juga dapat dibedakan berdsarkan denominasi mata
uangnya (Rupiah atau Valuta Asing). Surat Utang Negara yang saat ini
beredar, diterbitkan dalam bentuk warkat atau tanpa warkat (Scripless).
Surat Utang Negara yang saat ini beredar, diterbitkan dalam bentuk tanpa
wakat.
B. Pembahasan
1. Analisis Statistik Deskriptif
Tabel 4.1 Hasil Uji Analisis Statistik Deskriptif
GTIDR_5YR
GTIDR_10YR
GTIDR_15YR
GTIDR_20YR CPI BI_RATE
NILAI_TUKAR PDB CDS_5YR
Mean 6,993048 7,345238 7,673143 8,295119 4,835238 0,061399 12325,67 2145211. 163,4863 Maximum 9,510000 9,691000 9,745000 8,627000 8,360000 0,077500 15203,00 2552302. 281,7230 Minimum 4,755000 5,191000 5,865000 7,976000 2,790000 0,042500 8995,000 1748731. 81,39000 Std. Dev. 1,170144 1,078797 0,968993 0,159693 1,702235 0,011843 1731,124 224735,6 45,39256
Sumber : Eviews 8 (2019)
Keterangan:
GTIDR_5YR : Yield 5 Tahun (Persen)
GTIDR_10YR : Yield 10 Tahun (Persen)
GTIDR_15YR : Yield 15 Tahun (Persen)
GTIDR_20YR : Yield 20 Tahun (Persen)
CPI : Inflasi (Persen)
56
BI_RATE : Suku Bunga BI (Persen)
NILAI_TUKAR : Nilai Tukar (USD/IDR)
PDB : PDB (Dalam Milyar Rupiah)
CDS_5YR : CDS (Persen)
Berdasarkan Tabel 4.1 untuk analisis statistik deskriptif dapat dijelaskan
sebagai berikut:
a. Hasil Uji statistik Deskriptif untuk variabel yield obligasi pemerintah tenor 5
tahun secara general periode 2012-2018 diperoleh rata-ratanya sebesar
6,993048% dengan nilai maksimum 9,51000% dan nilai minimumnya sebesar
4,77500%. Standar deviasi untuk yield obligasi pemerintah tenor 5 tahun
sebesar 1,170144. Dapat disimpulkan bahwa yield pemerintah tenor 5 tahun
pada periode 2012-2019 paling besar terjadi pada bulan September 2015 dan
paling kecil pada bulan Desember 2012.
b. Hasil Uji statistik Deskriptif untuk variabel yield obligasi pemerintah tenor 10
tahun secara general periode 2012-2018 diperoleh rata-ratanya sebesar
7,345238% dengan nilai maksimum 9,691000% dan nilai minimumnya sebesar
5,191000%. Standar deviasi untuk yield obligasi pemerintah tenor 10 tahun
sebesar 1,078797. Dapat disimpulkan bahwa yield pemerintah tenor 10 tahun
pada periode 2012-2019 paling besar terjadi pada bulan September 2015 dan
paling kecil pada bulan Desember 2012.
c. Hasil Uji statistik Deskriptif untuk variabel yield obligasi pemerintah tenor 15
tahun secara general periode 2012-2018 diperoleh rata-ratanya sebesar
7,673143% dengan nilai maksimum 9,745000% dan nilai minimumnya sebesar
57
5,865000%. Standar deviasi untuk yield obligasi pemerintah tenor 15 tahun
sebesar 0,968993. Dapat disimpulkan bahwa yield pemerintah tenor 15 tahun
pada periode 2012-2019 paling besar terjadi pada bulan September 2015 dan
paling kecil pada bulan Desember 2012.
d. Hasil Uji statistik Deskriptif untuk variabel yield obligasi pemerintah tenor 20
tahun secara general periode 2012-2018 diperoleh rata-ratanya sebesar
8,295119% dengan nilai maksimum 8,627000% dan nilai minimumnya sebesar
7,976000%. Standar deviasi untuk yield obligasi pemerintah tenor 20 tahun
sebesar 0,159693. Dapat disimpulkan bahwa yield pemerintah tenor 20 tahun
pada periode 2012-2019 paling besar terjadi pada bulan Januari 2015 dan
paling kecil pada bulan September 2014.
e. Hasil Uji statistik Deskriptif untuk Inflasi periode 2012-2018 diperoleh rata-
ratanya sebesar 4,835238% dengan nilai maksimum 8,36% dan nilai
minimumnya sebesar 2,79%. Standar deviasi untuk variabel Inflasi sebesar
1,702235. Dari data tersebut maka dapat disimpulkan bahwa Inflasi paling
tinggi pada tahun 2012-2019 terjadi di bulan Desember 2014 dan paling kecil
pada bulan Agustus 2016.
f. Hasil Uji statistik Deskriptif untuk variabel BI Rate periode 2012-2018
diperoleh rata-ratanya sebesar 0,061399% dengan nilai maksimum 0,077500%
dan nilai minimumnya sebesar 0,0425%. Standar deviasi untuk variabel BI
Rate sebesar 0,011843. Dari data tersebut maka dapat disimpulkan bahwa BI
Rate paling tinggi pada tahun 2012-2019 terjadi di bulan November 2014 dan
paling kecil pada bulan Februari 2018.
58
g. Hasil Uji statistik Deskriptif untuk variabel Nilai Tukar Rupiah terhadap Dollar
AS periode 2012-2018 diperoleh rata-ratanya sebesar Rp 12325,67 dengan
nilai maksimum Rp 15203,00 dan nilai minimumnya sebesar Rp 8995,000.
Standar deviasi untuk variabel Nilai Tukar Rupiah terhadap Dollar AS sebesar
1731,124. Dari data tersebut maka dapat disimpulkan bahwa Nilai Tukar
Rupiah terhadap Dollar AS paling tinggi pada tahun 2012-2019 terjadi di bulan
Oktober 2018 dan paling kecil pada bulan Januari 2012.
h. Hasil Uji statistik Deskriptif untuk variabel PDB periode 2012-2018 diperoleh
rata-ratanya sebesar Rp 2145211 dengan nilai maksimum Rp 2552302 dan nilai
minimumnya sebesar Rp 1748731. Standar deviasi untuk variabel PDB sebesar
224735.6. Dari data tersebut maka dapat disimpulkan bahwa PDB paling tinggi
pada tahun 2012-2019 terjadi di bulan Juli 2018 dan paling kecil pada bulan
Januari 2012.
i. Untuk CDS periode 2012-2018 diperoleh rata-ratanya sebesar 163,4863%
dengan nilai maksimum 281,7230% dan nilai minimumnya sebesar 81,39%.
Standar deviasi untuk variabel CDS sebesar 45,39256. Dari data tersebut maka
dapat disimpulkan bahwa CDS paling tinggi pada tahun 2012-2019 terjadi di
bulan Agustus 2013 dan paling kecil pada bulan Januari 2018.
2. Model VAR/VECM
a. Uji Stasionaritas
Tabel 4.2Hasil Uji Stasionaritas
Variabel
Level(P-value)
Keterangan
1st
difference (P-
Keterangan
2nd
Difference (P-
Keterangan
59
Value) Value)GTIDR 5YR
0,2340
Tidak Stasioner
0,0000 Staioner 0,0001 Staioner
GTIDR 10YR
0,1934
Tidak Stasioner
0,0000 Stasioner 0,0001 Stasioner
GTIDR 15YR
0,1694
Tidak Stasioner
0,0000 Stasioner 0,0001 Stasioner
GTIDR 20YR
0,3788
Tidak Stasioner
0,0000 Stasioner 0,0000 Stasioner
CPI 0,2717
Tidak Stasioner
0,0000 Stasioner 0,0001 Stasioner
BI RATE
0,5238
Tidak Stasioner
0,0000 Stasioner 0,0001 Stasioner
NILAI TUKAR
0,5104
Tidak Stasioner
0,0000 Stasioner 0,0000 Stationer
PDB 1,0000
Tidak Stasioner
0,9407 Tidak Stasioner
0,0001 Stasioner
CDS 5YR
0,1128
Tidak Stasioner
0,0001 Stasioner 0,0000 Stasioner
Sumber : Eviews 8 data diolah (2019)
Berdasarkan Tabel 4.2 adalah hasil uji stasionaritas pada tingkat
level, first difference, dan second differrence menggunakan uji unit root.
Untuk melihat apakah data stasioner adalah dengan melihat nilai
probabilitasnya, apabila probs < dari 0,05 maka data stasioner. Dari hasil
di atas menunjukan bahwa data untuk Yield 5 tahun, Yield 10 tahun, Yield
15 tahun, Yield 20 tahun, Inflasi, BI rate, Nilai Tukar, PDB, dan CDS
tidak Stasioner pada tingkat level karena nilai probs nya lebih besar dari
0,05. Untuk itu diperlukan uji stasionaritas pada tingkat first difference
sebagai syarat untuk membuat model VAR/VECM. Masih pada Tabel 4.2
untuk tingkat first difference data Yield 5 tahun, Yield 10 tahun, Yield 15
tahun, Yield 20 tahun, Inflasi, BI Rate, Nilai Tukar, dan CDS sudah
stasioner pada tingkat first difference karena nilai probabilitasnya sebesar
0,0000 dan 0,0001 lebih kecil dari 0,05 akan tetapi pada data PDB nilainya
60
sebesar 0,9407 masih lebih besar dari 0,05 sehingga perlu dilakukan uji
stasionaritas pada tingkat second difference untuk seluruh variabel. Pada
tingkat second difference barulah seluruh data dari semua variabel
stasioner karena nilai probabilitasnya lebih kecil dari 0,05.
b. Uji Lag Optimum
Tabel 4.3Hasil Penentuan Lag Optimum Yield 5 tahun
Lag LogL LR FPE AIC SC HQ
0 -1663,952 NA 1,59e+11 42,81927 43,00056* 42,891851 -1589,478 135,5807 5,95e+10 41,83276 43,10176 42,340772 -1524,932 107,5764 2,91e+10 41,10082 43,45753 42,04425*3 -1480,713 66,89512* 2,45e+10* 40,89008* 44,33450 42,268944 -1455,780 33,88373 3,53e+10 41,17384 45,70597 42,98814
Sumber : Eviews 8 diolah (2019)
Setelah dilakukan uji Panjang Lag untuk yield obligasi pemerintah
tenor 5 tahun maka munculah hasil sebagaimana pada tabel 4.3
berdasarkan tabel tersebut LR, FPE dan AIC memilih lag sebesar 3
sedangkan SC memilih Panjang lag sebesar 0 dan HQ sebesar 2. Untuk itu
Panjang lag yang digunakan untuk model VAR/VECM pada Yield obligasi
pemerintah tenor 5 tahun adalah sebesar 3.
Tabel 4.4Hasil Penentuan Lag Optimum Yield 10 tahun
Lag LogL LR FPE AIC SC HQ
0 -1658,849 NA 1,39e+11 42,68843 42,86972* 42,761001 -1583,507 137,1599 5,10e+10 41,67968 42,94868 42,18768
61
2 -1522,306 102,0028 2,72e+10 41,03348 43,39019 41,97692*3 -1484,556 57,10842* 2,71e+10* 40,98862* 44,43304 42,367484 -1459,887 33,52451 3,92e+10 41,27916 45,81129 43,09345
Sumber : Eviews 8 diolah (2019)
Setelah dilakukan uji Panjang Lag untuk yield obligasi pemerintah
tenor 10 tahun maka munculah hasil sebagaimana pada tabel 4.4
berdasarkan tabel tersebut LR, FPE dan AIC memilih lag sebesar 3
sedangkan SC memilih Panjang lag sebesar 0 dan HQ sebesar 2. Untuk itu
Panjang lag yang digunakan untuk model VAR/VECM pada Yield obligasi
pemerintah tenor 10 tahun adalah sebesar 3.
Tabel 4.5Hasil Penentuan Lag Optimum Yield 15 tahun
Lag LogL LR FPE AIC SC HQ
0 -1658,154 NA 1,37e+11 42,67062 42,85190* 42,743191 -1579,813 142,6212 4,64e+10 41,58494 42,85394 42,092952 -1519,604 100,3477 2,53e+10 40,96421 43,32092 41,90764*3 -1480,797 58,70766* 2,46e+10* 40,89224* 44,33666 42,271114 -1454,190 36,15865 3,39e+10 41,13308 45,66521 42,94738
Sumber : Eviews 8 diolah (2019)
Setelah dilakukan uji Panjang Lag untuk yield obligasi pemerintah
tenor 15 tahun maka munculah hasil sebagaimana pada tabel 4.5
berdasarkan tabel tersebut LR, FPE dan AIC memilih lag sebesar 3
sedangkan SC memilih Panjang lag sebesar 0 dan HQ sebesar 2. Untuk itu
Panjang lag yang digunakan untuk model VAR/VECM pada Yield obligasi
pemerintah tenor 15 tahun adalah sebesar 3.
Tabel 4.6 Hasil Penentuan Lag Optimum Yield 20 tahun
Lag LogL LR FPE AIC SC HQ
0 -1517,546 NA 3,72e+09 39,06529 39,24658* 39,137861 -1444,544 132,9016 1,45e+09 38,11651 39,38551 38,62452
62
2 -1380,365 106,9645 7,13e+08 37,39398 39,75069 38,33742*3 -1342,608 57,12045* 7,11e+08* 37,34892* 40,79334 38,727784 -1315,330 37,06918 9,63e+08 37,57257 42,10471 39,38687
Sumber : Eviews 8 diolah (2019)
Setelah dilakukan uji Panjang Lag untuk yield obligasi pemerintah
tenor 20 tahun maka munculah hasil sebagaimana pada tabel 4.6
berdasarkan tabel tersebut LR, FPE dan AIC memilih lag sebesar 3
sedangkan SC memilih Panjang lag sebesar 0 dan HQ sebesar 2. Untuk itu
Panjang lag yang digunakan untuk model VAR/VECM pada Yield obligasi
pemerintah tenor 20 tahun adalah sebesar 3.
c. Uji Stabilitas VAR
Tabel 4.7Hasil Uji Stabilitas VAR Yield obligasi 5 tahun
Root Modulus
-0,563570 – 0,521538i 0,767863-0,563570 + 0,521538i 0,767863-0,418689 – 0,532540i 0,677421-0,418689 + 0,532540i 0,677421-0,231112 – 0,634606i 0,675380-0,231112 + 0,634606i 0,675380-0,264261 – 0,534496i 0,596255-0,264261 + 0,534496i 0,596255-0,022757 – 0,573164i 0,573615-0,022757 + 0,573164i 0,573615-0,564273 0,564273-0,106106 0,106106
Sumber : Eviews 8 diolah (2019)
Berdasarkan hasil pada tabel 4.7 maka dapat disimpulkan bahwa
untuk model VAR/VECM untuk yield tenor 5 tahun Stabil karena nilai
modulus dibawah 1 dan nilai root-nya tidak ada yang berada di luar unit
circle.
Tabel 4.8Hasil Uji Stabilitas VAR Yield obligasi 10 tahun
63
Root Modulus
-0,515944 – 0,544536i 0,750146-0,515944 + 0,544536i 0,750146-0,222627 – 0,687375i 0,722528-0,222627 + 0,687375i 0,722528-0,416699 – 0,536049i 0,678960-0,416699 + 0,536049i 0,678960 0,014045 – 0,589288i 0,589455 0,014045 + 0,589288i 0,589455-0,447244 – 0,371167i 0,581199-0,447244 + 0,371167i 0,581199-0,498651 0,498651-0,054639 0,054639
Sumber : Eviews 8 diolah (2019)
Berdasarkan hasil pada tabel 4.26 maka dapat disimpulkan bahwa
untuk model VAR/VECM untuk yield tenor 10 tahun Stabil karena nilai
modulus dibawah 1 dan nilai root-nya tidak ada yang berada di luar unit
circle.
Tabel 4.9Hasil Uji Stabilitas VAR Yield obligasi 15 tahun
Root Modulus
-0,526043 – 0,543091i 0,756089-0,526043 + 0,543091i 0,756089-0,223460 – 0.680797i 0,716532-0,223460 + 0,680797i 0,716532-0,392605 – 0,507125i 0,641338-0,392605 + 0,507125i 0,641338-0,439387 – 0,415217i 0,604538-0,439387 + 0,415217i 0,604538-0,011604 – 0,574513i 0,574630-0,011604 + 0,574513i 0,574630-0,515100 0,515100-0,093462 0,093462
Sumber : Eviews 8 diolah (2019)
Berdasarkan hasil pada tabel 4.27 maka dapat disimpulkan bahwa
untuk model VAR/VECM untuk yield tenor 15 tahun Stabil karena nilai
64
modulus dibawah 1 dan nilai root-nya tidak ada yang berada di luar unit
circle.
Tabel 4.10Hasil Uji Stabilitas VAR Yield obligasi 20 tahun
Root Modulus
-0,501391 – 0,523212i 0,724668-0,501391 + 0,523212i 0,724668-0,172332 – 0,696920i 0,717910-0,172332 + 0,696920i 0,717910-0,447930 – 0,550873i 0,710002-0,447930 + 0,550873i 0,710002-0,317354 – 0,593106i 0,672673-0,317354 + 0,593106i 0,672673-0,017631 – 0,564811i 0,565086-0,017631 + 0,564811i 0,565086-0,522009 0,522009-0,055334 0,055334
Sumber : Eviews 8 diolah (2019)
Berdasarkan hasil pada tabel 4.28 maka dapat disimpulkan bahwa
untuk model VAR/VECM untuk yield tenor 20 tahun Stabil karena nilai
modulus dibawah 1 dan nilai root-nya tidak ada yang berada di luar unit
circle.
d. Uji Kausalitas Granger
Tabel 4.11Hasil Kausalitas Granger Yield 5 Tahun
Null Hypothesis: Obs F-Statistic Prob.
BI_RATE does not Granger Cause GTIDR_5YR 81 0,43008 0,7321
65
GTIDR_5YR does not Granger Cause BI_RATE 3,01790 0,0351
CDS_5YR does not Granger Cause GTIDR_5YR 81 1,44255 0,2373 GTIDR_5YR does not Granger Cause CDS_5YR 4,27774 0,0077
CDS_5YR does not Granger Cause CPI 81 0,34111 0,7957 CPI does not Granger Cause CDS_5YR 3,15350 0,0298
Sumber: Eviews 8 diolah (2019)
Uji kausalitas Granger dimaksudkan hanya untuk menguji
hubungan satu arah diantara variabel dan bukan untuk melakukan estimasi
terhadap model. Untuk menguji kausalitas dapat dilihat apabila
probabilitas lebih kecil dari nilai alpha (0,05) maka hipotesis nol diterima
yang berarit terdapat hubungan yang signifikan begitu juga sebaliknya
apabila probabilitas lebih besar dari nilai alpha (0,05) maka hipotesis nol
ditolak. Dari hasil yang ditampilkan pada Tabel 4.11 dapat diambil
kesimpulan Yield 5 tahun berpengaruh signifikan terhadap BI Rate, Yield
obligasi berpengaruh signifikan terhadap CDS, dan Inflasi berpengaruh
signifikan terhadap CDS karena nilai probabilitasnya lebih kecil dari nilai
alpha (0,05)
Tabel 4.12Hasil Kausalitas Granger Yield 10 Tahun
Null Hypothesis: Obs F-Statistic Prob.
CDS_5YR does not Granger Cause GTIDR_10YR 81 2,53894 0,0630 GTIDR_10YR does not Granger Cause CDS_5YR 5,20797 0,0026
CDS_5YR does not Granger Cause CPI 81 0,34111 0,7957 CPI does not Granger Cause CDS_5YR 3,15350 0,0298
NILAI_TUKAR does not Granger Cause BI_RATE 81 1,64897 0,1854 BI_RATE does not Granger Cause NILAI_TUKAR 2,53645 0,0632
Sumber : Eviews 8 diolah (2019)
66
Uji kausalitas Granger dimaksudkan hanya untuk menguji
hubungan satu arah diantara variabel dan bukan untuk melakukan estimasi
terhadap model. Untuk menguji kausalitas dapat dilihat apabila
probabilitas lebih kecil dari nilai alpha (0,05) maka hipotesis nol diterima
yang berarit terdapat hubungan yang signifikan begitu juga sebaliknya
apabila probabilitas lebih besar dari nilai alpha (0,05) maka hipotesis nol
ditolak. Dari hasil yang ditampilkan pada Tabel 4.1 dapat diambil
kesimpulan Yield 10 tahun berpengaruh signifikan terhadap CDS, Inflasi
berpengaruh signifikan terhadap CDS, dan BI Rate berpengaruh signifikan
terhadap Nilai Tukar, karena nilai probabilitasnya lebih kecil dari nilai
alpha (0,05)
Tabel 4.13Hasil Kausalitas Granger Yield 15 Tahun
Null Hypothesis: Obs F-Statistic Prob.
CDS_5YR does not Granger Cause GTIDR_15YR 81 1,70899 0,1725 GTIDR_15YR does not Granger Cause CDS_5YR 3,54763 0,0185
CDS_5YR does not Granger Cause CPI 81 0,34111 0,7957 CPI does not Granger Cause CDS_5YR 3,15350 0,0298
Sumber : Eviews 8 diolah (2019)
Uji kausalitas Granger dimaksudkan hanya untuk menguji
hubungan satu arah diantara variabel dan bukan untuk melakukan estimasi
terhadap model. Untuk menguji kausalitas dapat dilihat apabila
probabilitas lebih kecil dari nilai alpha (0,05) maka hipotesis nol diterima
yang berarit terdapat hubungan yang signifikan begitu juga sebaliknya
apabila probabilitas lebih besar dari nilai alpha (0,05) maka hipotesis nol
67
ditolak. Dari hasil yang ditampilkan pada Tabel 4.13 dapat diambil
kesimpulan Yield 15 tahun berpengaruh signifikan terhadap CDS, dan
Inflasi berpengaruh signifikan terhadap CDS karena nilai probabilitasnya
lebih kecil dari nilai alpha (0,05)
Tabel 4.14Hasil Kausalitas Granger Yield 20 Tahun
Null Hypothesis: Obs F-Statistic Prob.
BI_RATE does not Granger Cause GTIDR_20YR 81 3,26889 0,0259 GTIDR_20YR does not Granger Cause BI_RATE 2,95374 0,0380
CDS_5YR does not Granger Cause GTIDR_20YR 81 2,09260 0,1084 GTIDR_20YR does not Granger Cause CDS_5YR 3,58522 0,0177
CDS_5YR does not Granger Cause CPI 81 0,34111 0,7957 CPI does not Granger Cause CDS_5YR 3,15350 0,0298
Sumber : Eviews 8 diolah (2019)
Uji kausalitas Granger dimaksudkan hanya untuk menguji
hubungan satu arah diantara variabel dan bukan untuk melakukan estimasi
terhadap model. Untuk menguji kausalitas dapat dilihat apabila
probabilitas lebih kecil dari nilai alpha (0,05) maka hipotesis nol diterima
yang berarit terdapat hubungan yang signifikan begitu juga sebaliknya
apabila probabilitas lebih besar dari nilai alpha (0,05) maka hipotesis nol
ditolak. Dari hasil yang ditampilkan pada Tabel 4.14 dapat diambil
kesimpulan Yield 20 tahun berpengaruh signifikan terhadap BI Rate, dan
BI rate juga berpengaruh signifikan terhadap Yield 20 tahun. Yield 20
tahun berpengaruh signifikan terhadap CDS, dan Inflasi berpengaruh
signifikan terhadap CDS karena nilai probabilitasnya lebih kecil dari nilai
alpha (0,05)
68
e. Uji Kointegrasi
Tabel 4.15Hasil Uji Kointegerasi Yield 5 Tahun
Hypothesized Trace 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0,703104 388,0279 95,75366 0,0001At most 1 * 0,649302 292,0924 69,81889 0,0001At most 2 * 0,635263 209,3138 47,85613 0,0000At most 3 * 0,498604 129,6360 29,79707 0,0000At most 4 * 0,403273 75,09766 15,49471 0,0000At most 5 * 0,352287 34,31036 3,841466 0,0000
Sumber : Eviews 8 diolah (2019)
Berdasarkan Tabel 4.15 perbandingan Trace Statistic dan Critical
Value dengan Alpha 0.05 pada uji kointegrasi ini, dapat dinyatakan bahwa
terdapat kointegrasi atau hubungan jangka panjang antar variabel dalam
penelitian ini. Terdapatnya kointegrasi dalam penelitian ini dinyatakan
oleh hasil perbandingan Trace Statistic (388,0279) lebih besar daripada
Critical Value Alpha 0.05 (95,75366). Dari hasil Uji Staionaritas dimana
variabel stasioner pada tingkat 2nd difference dan pada uji kointegrasi
menghasilkan bahwa data terdapat kointegrasi maka untuk Model yang
digunakan untuk Yield obligasi pemerintah 5 tahun adalah menggunakan
Vector Error Correction Model (VECM).
Tabel 4.16 Hasil Uji Kointegerasi Yield 10 Tahun
Hypothesized Trace 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0,598591 265,5017 95,75366 0,0000At most 1 * 0,528565 194,3052 69,81889 0,0000At most 2 * 0,433017 135,6512 47,85613 0,0000At most 3 * 0,375503 91,39202 29,79707 0,0000At most 4 * 0,338293 54,66890 15,49471 0,0000At most 5 * 0,250202 22,46020 3,841466 0,0000
69
Sumber : Eviews 8 diolah (2019)
Berdasarkan Tabel 4.16 perbandingan Trace Statistic dan Critical
Value dengan Alpha 0,05 pada uji kointegrasi ini, dapat dinyatakan bahwa
terdapat kointegrasi atau hubungan jangka panjang antar variabel dalam
penelitian ini. Terdapatnya kointegrasi dalam penelitian ini dinyatakan
oleh hasil perbandingan Trace Statistic (265,5017) lebih kecil daripada
Critical Value Alpha 0,05 (95,75366). Berdasarkan uji stasioner data
diperoleh hasil stasioner pada tingkat 2nd difference. Dan pada hasil uji
kointegerasi diperoleh bahwa terdapat kointegrasi maka model yang tepat
untuk yield obligasi pemerintah tenor 10 adalah Vector Error Correction
Model (VECM).
Tabel 4.17Hasil Uji Kointegerasi Yield 15 Tahun
Hypothesized Trace 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0,601606 264,7397 95,75366 0,0000At most 1 * 0,521573 192,9553 69,81889 0,0000At most 2 * 0,437180 135,4497 47,85613 0,0000At most 3 * 0,380181 90,61562 29,79707 0,0000At most 4 * 0,324767 53,30603 15,49471 0,0000At most 5 * 0,252270 22,67567 3,841466 0,0000
Sumber : Eviews diolah (2019)
Berdasarkan Tabel 4.17 perbandingan Trace Statistic dan Critical
Value dengan Alpha 0,05 pada uji kointegrasi ini, dapat dinyatakan bahwa
terdapat kointegrasi atau hubungan jangka panjang antar variabel dalam
penelitian ini. Terdapatnya kointegrasi dalam penelitian ini dinyatakan
oleh hasil perbandingan Trace Statistic (264,7397) lebih besar daripada
Critical Value Alpha 0,05 (95,75366). Dari hasil Uji Staionaritas dimana
70
variabel stasioner pada tingkat 2nd difference dan pada uji kointegrasi
menghasilkan bahwa data terdapat kointegrasi maka untuk Model yang
digunakan untuk Yield obligasi pemerintah 15 tahun adalah menggunakan
Vector Error Correction Model (VECM).
Tabel 4.18Hasil Uji Kointegerasi Yield 20 Tahun
Hypothesized Trace 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0,577445 272,2488 95,75366 0,0000At most 1 * 0,524556 205,0569 69,81889 0,0000At most 2 * 0,453058 147,0634 47,85613 0,0000At most 3 * 0,405852 99,99718 29,79707 0,0000At most 4 * 0,379784 59,38834 15,49471 0,0000At most 5 * 0,247009 22,12873 3,841466 0,0000
Sumber : Eviews diolah (2019)
Berdasarkan Tabel 4.18 perbandingan Trace Statistic dan Critical
Value dengan Alpha 0,05 pada uji kointegrasi ini, dapat dinyatakan bahwa
terdapat kointegrasi atau hubungan jangka panjang antar variabel dalam
penelitian ini. Terdapatnya kointegrasi dalam penelitian ini dinyatakan
oleh hasil perbandingan Trace Statistic (272,2488) lebih besar daripada
Critical Value Alpha 0,05 (95,75366). Dari hasil Uji Staionaritas dimana
variabel stasioner pada tingkat 2nd difference dan pada uji kointegrasi
menghasilkan bahwa data terdapat kointegrasi maka untuk Model yang
digunakan untuk Yield obligasi pemerintah 20 tahun adalah menggunakan
Vector Error Correction Model (VECM).
f. Model VAR/VECM
71
Tabel 4.19Hasil Model VECM Yield 5 Tahun
Jangka PanjangVariabel Koefisien T-Statistik KeteranganD(CPI(-1),2) (0,09592) [-0,16290] Tidak Signifikan
D(BI_RATE(-1),2) (31,4056) [ 4,10464] Signifikan
D(NILAI_TUKAR(-1),2 (0,00030) [-5,47475] SignifikanD(PDB(-1),2) (2,0E-06) [-6,64871] Signifikan
D(CDS_5YR(-1),2) (0,00372) [ 2,07966] Signifikan
Jangka Pendek
Variabel Koefisien T-Statistik KeteranganD(CPI(-1),3) 0,06726 [-0,66876] Tidak SignifikanD(CPI(-2),3) 0,07892 [-0,58372] Tidak SignifikanD(CPI(-3),3) 0,07020 [-2,18213] Signifikan D(BI_RATE(-1),3) (47,9969) [ 3,97621] SignifikanD(BI_RATE(-2),3) (49,1760) [ 2,39649] SignifikanD(BI_RATE(-3),3) (31,6127) [ 0,13768] Tidak Signifikan D(NILAI_TUKAR(-1),3 (0,00046) [-4,15176] SignifikanD(NILAI_TUKAR(-2),3) (0,00035) [-4,34972] SignifikanD(NILAI_TUKAR(-3),3) (0,00021) [-4,41532] Signifikan D(PDB(-1),3) (3,6E-06) [-3,72117] SignifikanD(PDB(-2),3) (2,5E-06) [-2,46112] SignifikanD(PDB(-3),3) (1,4E-06) [-1,02702] Tidak Signifikan D(CDS_5YR(-1),3) (0,00285) [ 2,64256] SignifikanD(CDS_5YR(-2),3) (0,00281) [ 1,08568] Tidak SignifikanD(CDS_5YR(-3),3) (0,00208) [ 1,40718] Tidak Signifikan
Sumber : Eviews 8 diolah (2019)
Setelah melakukan Uji Stasionaritas, Uji Lag Optimum, Uji
Stabilitas VAR, dan Uji Kointegrasi disimpulkan model untuk Yield
pemerintah tenor 5 tahun menggunakan model VECM. Untuk melihat
72
apakah terdapat hubungan jangka pendek dan jangka panjang adalah
dengan membandingkan nilai t kritis dengan nilai stats yaitu dengan cara t-
table (-1,98996 < t >1,98996). Nilai stats ditunjukan pada angka yang
berada dalam kotak sedangkan untuk nilai t kritis dilihat menggunakan t
tabel dengan alpha sebesar 0,05 dengan df-1. Untuk nilai t tabel ditemukan
hasil 1,988996 (Alpha : 0,05 Df:83). Berdasarkan Tabel 4.19 Maka dapat
diambil kesimpulan Inflasi tidak memiliki hubungan jangka panjang
terhadap Yield obligasi pemerintah tenor 5 tahun karena nilai t kritisnya
sebesar -0,16290 > -1,988966. Dan BI rate memiliki hubungan jangka
panjang yang positif terhadap yield obligasi pemerintah tenor 5 tahun
karena nilai t statistiknya adalah 3,84806 > 1,988966. Untuk variabel Nilai
Tukar memiliki hubungan jangka panjang yang negatif terhadap yield
obligasi pemerintah tenor 5 tahun dengan nilai t statistik sebesar -5,47475
< -1,988966. PDB memiliki hubungan negatif jangka panjang terhadap
yield obligasi pemerintah tenor 5 tahun karena memiliki nilai t stats
sebesar -6,64871 < dari -1,988966. Untuk variabel CDS memiliki
hubungan jangka panjang yang positif terhadap yield obligasi pemerintah
tenor 5 tahun dengan nilai stats sebesar 2,07966 > 1,988966.
Untuk hubungan jangka pendek pada tabel 4.19 dapat dilihat
bahwa variabel Inflasi memiliki hubungan negatif yang signifikan pada lag
3 artinya jika terjadi kenaikan Inflasi pada 3 bulan sebelumnya maka akan
menurunkan yield sebesar -2,18, BI Rate memiliki hubungan jangka
pendek yang positif signifikan pada lag 1 & 2 namun pada lag 3 tidak
73
memiliki hubungan jangka pendek yang signifikan artinya ketika terjadi
kenaika BI rate pada 1 dan 2 bulan sebelumnya akan menaikan yield 5
tahun sebesar 3,9 dan 2,3. Variabel Nilai Tukar USD/IDR memiliki
hubungan jangka pendek yang negatif signifikan pada lag 1-3 artinya
ketika terjadi kenaikan nilai tukar USD/IDR akan menurunkan yield
sebesar -4,1, -4,3 dan -4,4. Variabel PDB memiliki hubungan negatif
signifikan terhadap yield obligasi 5 tahun pada lag 1 dan 2 namun tidak
terdapat hubungan pada lag 3 artinya ketika terjadi kenaikan PDB pada 1
sampai 3 bulan sebelumnya akan membuat yield obligasi 5 tahun turun
sebesar -3,7, -2,4 dan -1,02. Dan variabel CDS memiliki hubungan jangka
pendek yang positif dan signifikan hanya pada lag 1 artinya ketika terjadi
kenaikan CDS pada bulan sebelumnya akan membuat yield obligasi 5
tahun naik sebesar 2,64.
Tabel 4.20Hasil Model VECM Yield 10 Tahun
Jangka PanjangVariabel Koefisien T-Statistik Keterangan
D(CPI(-1),2) (0,14866) [-1,05732] Tidak Signifikan
D(BI_RATE(-1),2) (46,9825) [ 5,41087] Signifikan
D(NILAI_TUKAR(-1),2 (0,00047) [-4,98629] Signifikan
D(PDB(-1),2) (3,0E-06) [-4,77746] Signifikan
D(CDS_5YR(-1),2) (0,00584) [ 4,21046] Signifikan
Jangka Pendek
Variabel Koefisien T-Statistik Keterangan
D(CPI(-1),3) (0,06984) [-2,69775] Signifikan
74
D(CPI(-2),3) (0,07580) [-1,90351] Tidak Signifikan
D(CPI(-3),3) (0,06856) [-2,45535] Signifikan
D(BI_RATE(-1),3) (54,1905) [ 4,87777] Signifikan
D(BI_RATE(-2),3) (50,7759) [ 3,52931 Signifikan
D(BI_RATE(-3),3) (31,3889) [ 1,19161] Tidak Signifikan
D(NILAI_TUKAR(-1),3 (0,00043) [-4,13481] Signifikan
D(NILAI_TUKAR(-2),3)
(0,00033) [-3,70924] Signifikan
D(NILAI_TUKAR(-3),3)
(0,00021) [-3,86386] Signifikan
D(PDB(-1),3) (2,7E-06) [-3,47349] SignifikanD(PDB(-2),3) (2,0E-06) [-1,75289] Tidak SignifikanD(PDB(-3),3) (1,3E-06) [-0,76939] Tidak Signifikan
D(CDS_5YR(-1),3) (0,00456) [ 4,14096] Signifikan
D(CDS_5YR(-2),3) (0,00360) [ 2,61139] Signifikan
D(CDS_5YR(-3),3) (0,00220) [ 2,21547] Signifikan
Sumber : Eviews 8 diolah (2019)
Setelah melakukan Uji Stasionaritas, Uji Lag Optimum, Uji
Stabilitas VAR, dan Uji Kointegrasi disimpulkan model untuk Yield
pemerintah tenor 10 tahun menggunakan model VECM. Untuk melihat
apakah terdapat hubungan jangka pendek dan jangka panjang adalah
dengan membandingkan nilai t kritis dengan nilai stats yaitu dengan cara t-
table (-1,98996 < t >1,98996). Nilai stats ditunjukan pada angka yang
berada dalam kotak sedangkan untuk nilai t kritis dilihat menggunakan t
tabel dengan alpha sebesar 0,05 dengan df-1. Untuk nilai t tabel ditemukan
75
hasil 1,988996 (Alpha : 0,05 Df:83). Berdasarkan Tabel 4.20 Maka dapat
diambil kesimpulan Inflasi tidak memiliki hubungan jangka panjang
terhadap Yield obligasi pemerintah tenor 10 tahun karena nilai t kritisnya
sebesar -1,05732 > -1,988966. Dan BI rate memiliki hubungan jangka
panjang yang positif terhadap yield obligasi pemerintah tenor 10 tahun
karena nilai t statistiknya adalah 5,41087 > 1,988966. Untuk variabel Nilai
Tukar memiliki hubungan jangka panjang yang negatif terhadap yield
obligasi pemerintah tenor 10 tahun dengan nilai t statistik sebesar -4,98629
< -1,988966. PDB memiliki hubungan negatif jangka panjang terhadap
yield obligasi pemerintah tenor 10 tahun karena memiliki nilai t stats
sebesar -4,77746 < dari -1,988966. Untuk variabel CDS memiliki
hubungan jangka panjang yang positif terhadap yield obligasi pemerintah
tenor 10 tahun dengan nilai stats sebesar 4,21046 > 1,988966.
Untuk hubungan jangka pendek pada tabel 4.20 dapat dilihat
bahwa variabel Inflasi memiliki hubungan negatif yang signifikan pada lag
3 terhadap yield artinya ketika terjadi kenaikan Inflasi pada 3 bulan
sebelumnya akan menurunkan yield obligasi 10 tahun sebesar -2,4, BI
Rate memiliki hubungan jangka pendek yang positif signifikan pada lag 1
& 2 namun pada lag 3 tidak memiliki hubungan jangka pendek yang
signifikan, artinya ketika terjadi kenaikan BI Rate pada 1 dan 2 bulan
sebelumnya akan menaikan yield obligasi 10 tahun sebesar 4,8 dan 3,5.
Variabel Nilai Tukar USD/IDR memiliki hubungan jangka pendek yang
negatif signifikan pada lag 1-3, artinya ketika terjadi kenaikan Nilai Tukar
76
USD/IDR pada 1 sampai 3 bulan sebelumnya maka akan membuat yield
obligasi pada bulan ini turun sebesar -4,13, -3,7 dan -3,8. Variabel PDB
memiliki hubungan negatif signifikan terhadap yield obligasi 10 tahun
pada lag 1, artinya jika terjadi kenaikan PDB pada 1 bulan sebelumnya
akan membuat yield obligasi 10 tahun pada bulan ini turun sebesar -3,4.
Dan variabel CDS memiliki hubungan jangka pendek yang positif dan
signifikan hanya pada lag 1 sampai lag 3, artinya jika terjadi kenaikan
CDS pada 1, 2 dan 3 bulan sebelumnya akan membuat yield obligasi 10
tahun pada bulan ini mengalami kenaikan sebesar 4,14, 2,61 dan 2.15.
Tabel 4.21Hasil Model VECM Yield 15 Tahun
Jangka PanjangVariabel Koefisien T-Statistik Keterangan
D(CPI(-1),2) (0,10494) [-0,75333] Tidak Signifikan
D(BI_RATE(-1),2) (33,0258) [ 5,15818] Signifikan
D(NILAI_TUKAR(-1),2 (0,00033) [-5,57565] Signifikan
D(PDB(-1),2) (2,2E-06) [-4,89272] SignifikanD(CDS_5YR(-1),2) (0,00409) [ 3,56517] Signifikan
Jangka PendekVariabel Koefisien T-Statistik Keterangan
D(CPI(-1),3) (0,06540) [-1,58825] Tidak Signifikan
D(CPI(-2),3) (0,07507) [-1,29267] Tidak Signifikan
D(CPI(-3),3) (0,06675) [-2,42895] Signifikan
D(BI_RATE(-1),3) (48,8603) [ 5,10395] Signifikan
D(BI_RATE(-2),3) (46,6514 [ 3,46823] Signifikan
77
)
D(BI_RATE(-3),3) (29,1434) [ 1,07046] Tidak Signifikan
D(NILAI_TUKAR(-1),3 (0,00045) [-4,49401] SignifikanD(NILAI_TUKAR(-2),3)
(0,00033) [-4,07398] Signifikan
D(NILAI_TUKAR(-3),3)
(0,00019) [-3,93770] Signifikan
D(PDB(-1),3) (2,6E-06) [-3,52831] SignifikanD(PDB(-2),3) (1,9E-06) [-1,63372] Tidak SignifikanD(PDB(-3),3) (1,2E-06) [-0,26876] Tidak Signifikan
D(CDS_5YR(-1),3) (0,00371) [ 4,60430] Signifikan
D(CDS_5YR(-2),3) (0,00318) [ 3,06058] Signifikan
D(CDS_5YR(-3),3) (0,05032) [ 2,46267] Signifikan
Sumber : Eviews 8 diolah (2019)
Setelah melakukan Uji Stasionaritas, Uji Lag Optimum, Uji
Stabilitas VAR, dan Uji Kointegrasi disimpulkan model untuk Yield
pemerintah tenor 15 tahun menggunakan model VECM. Untuk melihat
apakah terdapat hubungan jangka pendek dan jangka panjang adalah
dengan membandingkan nilai t kritis dengan nilai stats yaitu dengan cara t-
table (-1,98996 < t >1,98996). Nilai stats ditunjukan pada angka yang
berada dalam kotak sedangkan untuk nilai t kritis dilihat menggunakan t
tabel dengan alpha sebesar 0,05 dengan df-1. Untuk nilai t tabel ditemukan
hasil 1,988996 (Alpha : 0,05 Df:83). Berdasarkan Tabel 4.21 Maka dapat
diambil kesimpulan Inflasi tidak memiliki hubungan jangka panjang
terhadap Yield obligasi pemerintah tenor 15 tahun karena nilai t kritisnya
sebesar -0,75333 > -1,988966. Dan BI rate memiliki hubungan jangka
78
panjang yang positif terhadap yield obligasi pemerintah tenor 15 tahun
karena nilai t statistiknya adalah 5,15818 > 1,988966. Untuk variabel Nilai
Tukar memiliki hubungan jangka panjang yang negatif terhadap yield
obligasi pemerintah tenor 15 tahun dengan nilai t statistik sebesar -5,57565
< -1,988966. PDB memiliki hubungan negatif jangka panjang terhadap
yield obligasi pemerintah tenor 15 tahun karena memiliki nilai t stats
sebesar -4,89272 < dari -1,988966. Untuk variabel CDS memiliki
hubungan jangka panjang yang positif terhadap yield obligasi pemerintah
tenor 15 tahun dengan nilai stats sebesar 3,56517 > 1,988966.
Untuk hubungan jangka pendek pada tabel 4.21 dapat dilihat
bahwa variabel Inflasi memiliki hubungan negatif yang signifikan pada lag
3 terhadap yield obligasi 15 tahun, artinya jika terjadi kenaikan Inflasi
pada 3 bulan sebelumnya akan membuat yield obligasi 15 tahun pada
bulan ini mengalami penurunan sebesar -2,4, BI Rate memiliki hubungan
jangka pendek yang positif signifikan pada lag 1 & 2 namun pada lag 3
tidak memiliki hubungan jangka pendek yang signifikan terhadap yield 15
tahun, artinya jika terjadi kenaikan BI rate pada 1 dan 2 bulan sebelumnya
akan membuat yield 15 tahun pada bulan ini mengalami kenaikan sebesar
5,1 dan 3,4. Variabel Nilai Tukar USD/IDR memiliki hubungan jangka
pendek yang negatif signifikan pada lag 1 sampai 3 terhadap yield obligasi
15 tahun, artinya jika terjadi kenaikan Nilai Tukar USD/IDR pada 1
sampai 3 bulan sebelumnya akan membuat yield obligasi 15 tahun pada
bulan ini mengalami penurunan sebesar –4,4, -4,07 dan -3,9. Variabel
79
PDB memiliki hubungan negatif signifikan terhadap yield obligasi 15
tahun pada lag 1, artinya jika terjadi kenaikan PDB 1 bulan sebelumnya
akan membuat yield 15 tahun pada bulan ini mengalami penurunan sebesar
-3,5. Dan variabel CDS memiliki hubungan jangka pendek yang positif
dan signifikan pada lag 1 sampai 3, artinya jika terjadi kenaikan CDS pada
1 sampai 3 bulan sebelumnnya akan membuat yield 15 tahun pada bulan
ini mengalami kenaikan sebesar 4,6, 3,06 dan 2,4.
Tabel 4.22Hasil Model VECM Yield 20 Tahun
Jangka PanjangVariabel Koefisien T-Statistik KeteranganD(CPI(-1),2) (0,00969) [ 1,49641] Tidak Signifikan
D(BI_RATE(-1),2) (3,01647) [-0,29282] Tidak Signifikan
D(NILAI_TUKAR(-1),2 (3,1E-05) [-3,39010] SignifikanD(PDB(-1),2) (2,1E-07) [ 0,82331] Tidak Signifikan
D(CDS_5YR(-1),2) (0,00041) [ 3,73258] Signifikan
Jangka PendekVariabel Koefisien T-Statistik Keterangan
D(CPI(-1),3) (0,00695) [ 3,09721] Signifikan
D(CPI(-2),3) (0,00823) [ 4,41290] Signifikan
D(CPI(-3),3) (0,00714) [ 3,43294] Signifikan
D(BI_RATE(-1),3) (2,56499) [ 0,55751] Tidak Signifikan
D(BI_RATE(-2),3) (3,66861) [-0,25176] Tidak Signifikan
D(BI_RATE(-3),3) (2,67763) [-0,80357] Tidak Signifikan
D(NILAI_TUKAR(-1),3 (3,4E-05) [-5,97626] SignifikanD(NILAI_TUKAR(-2),3) (3,0E-05) [-4,21110] Signifikan
80
D(NILAI_TUKAR(-3),3) (1,9E-05) [-2,56544] Signifikan D(PDB(-1),3) (1,3E-07) [ 1,11929] Tidak SignifikanD(PDB(-2),3) (1,6E-07) [ 0,85668] Tidak SignifikanD(PDB(-3),3) (1,3E-07) [ 1,62714] Tidak Signifikan
D(CDS_5YR(-1),3) (0,00044) [ 6,21935 Signifikan
D(CDS_5YR(-2),3) (0,00037) [ 4,28662] Signifikan
D(CDS_5YR(-3),3) (0,00024) [ 1,55625] Tidak Signifikan
Sumber : Eviews 8 diolah (2019)
Setelah melakukan Uji Stasionaritas, Uji Lag Optimum, Uji
Stabilitas VAR, dan Uji Kointegrasi disimpulkan model untuk Yield
pemerintah tenor 20 tahun menggunakan model VECM. Untuk melihat
apakah terdapat hubungan jangka pendek dan jangka panjang adalah
dengan membandingkan nilai t kritis dengan nilai stats yaitu dengan cara t-
table (-1,98996 < t >1,98996). Nilai stats ditunjukan pada angka yang
berada dalam kotak sedangkan untuk nilai t kritis dilihat menggunakan t
tabel dengan alpha sebesar 0,05 dengan df-1. Untuk nilai t tabel ditemukan
hasil 1,988996 (Alpha : 0,05 Df:83). Berdasarkan Tabel 4.22 Maka dapat
diambil kesimpulan Inflasi tidak memiliki hubungan jangka panjang
terhadap Yield obligasi pemerintah tenor 20 tahun karena nilai t kritisnya
sebesar 1,49641 < 1,988966. Dan BI rate juga tidak memiliki hubungan
jangka panjang terhadap yield obligasi pemerintah tenor 20 tahun karena
nilai t statistiknya adalah -0,29282 > -1,988966. Untuk variabel Nilai
Tukar memiliki hubungan jangka panjang yang negatif terhadap yield
obligasi pemerintah tenor 20 tahun dengan nilai t statistik sebesar -3,39010
81
< -1,988966. PDB tidak memiliki hubungan jangka panjang terhadap yield
obligasi pemerintah tenor 20 tahun karena memiliki nilai t stats sebesar
0,82331 < dari 1,988966. Untuk variabel CDS memiliki hubungan jangka
panjang yang positif terhadap yield obligasi pemerintah tenor 20 tahun
dengan nilai stats sebesar 3,73258 > 1,988966.
Untuk hubungan jangka pendek pada tabel 4.22 dapat dilihat
bahwa variabel Inflasi memiliki hubungan positif yang signifikan pada lag
1 sampai 3 terhadap yield obligasi 20 tahun, artinya jika terjadi kenaikan
Inflasi pada 1 sampai 3 bulan sebelumnya maka akan membuat yield
obligasi 20 tahun mengalami kenaikan sebesar 3,09, 4,4 dan 3,4, BI Rate
memiliki tidak memiliki hubungan jangka pendek. Variabel Nilai Tukar
USD/IDR memiliki hubungan jangka pendek yang negatif signifikan pada
lag 1 sampai 3 terhadap yield obligasi 20 tahun, artinya jika terjadi
kenaikan Nilai Tukar USD/IDR pad 1 sampai 3 bulan sebelumnya akan
membuat yield 20 tahun pada bulan ini mengalami penurunan sebesar -5,9,
-4,2 dan -2,5. Variabel PDB tidak memiliki hubungan jangka pendek. Dan
variabel CDS memiliki hubungan positif jangka pendek pada lag 1 dan 2,
artinya jika terjadi kenaikan CDS pada 1 dan 2 bulan sebelumnya akan
membuat yield 20 tahun mengalami kenaikan sebesar 6,2 dan 4,2.
g. Hasil Impulse Response Function (IRF)
82
Gambar 4.1 Respon yield 5 tahun terhadap shock Makroekonomi
Sumber: Eviews 8 diolah (2019)
Pada gambar 4.1 adalah grafik IRF yang menjelaskan respon dari
yield tenor 5 tahun terhadap Shock makroekonomi. Pada Gambar pojok
kiri atas memperlihatkan respon dari yield tenor 5 tahun terhadap shock
variabel inflasi. Dapat dilihat bahwa pada respon yield 5 tahun pada
periode awal akan mengalami penurunan di empat bulan pertama sebesar -
0,0826657 dan mengalami kenaikan pada bulan ke 5 menjadi 0,138208
dan mengalami penurunan kembali dan pada akhir periode mengalami
kenaikan kembali.
Pada gambar 4.1 pada bagian pojok kanan atas menampilkan
respon yield 5 tahun terhadap shock variabel BI Rate. Dapat dilihat bahwa
pada dua bulan pertama respon untuk yield 5 tahun tidak mengalami
perubahan namun pada bulan ketiga mengalami penurunan sebesar -
0,159647 dan akan mengalami kenaikan pada bulan-bulan berikutnya
83
hingga pada bulan kelima sampai pada titik puncaknya yaitu sebesar
0,138208 dan kemudian mengalami penurunan kembali.
Pada gambar 4.1 pada bagian pojok kiri bawah merupakan respon
yield tenor 5 tahun terhadap shock variabel Nilai Tukar. Dapat dilihat
bahwa pada awal periode yaitu pada dua bulan pertama yield 5 tahun akan
mengalami kenaikan yang tidak signifikan. Namun pada pertengahan,
yaitu pada bulan 6 yield 5 tahun berada di titik terendahnya sebesar -
0,140623 kemudian pada akhir periode akan mengalami kenaikan.
Pada gambar 4.1 bagian pojok kanan bawah merupakan respon
yield tenor 10 tahun terhadap shock variabel PDB. Dapat dilihat bahwa
pada dua bulan pertama mengalami kenaikan sampai pada titik 0,195345
kemudian mengalami pernuruan dan kenaikan kembali yang positif.
Gambar 4.2 Respon yield 5 tahun terhadap shock CDS
Sumber: Eviews 8 diolah (2019)
Pada gambar 4.2 merupakan respon yield 5 tahun terhadap shock
variabel Credit Default SWAP. Pada gambar tersebut menunjukan pada dua
bulan pertama cenderung turun, kemudian pada pertengahan akan
84
mengalami kenaikan sampai di bulan kelima mengalami penurunan yang
sangat pesat sampai pada titik -0,110781 dan kembali naik pada bulan 6.
Gambar 4.3 Respon yield 10 tahun terhadap shock Makroekonomi
Sumber : Eviews 8 diolah (2019)
Pada gambar 4.3 mempelihatkan grafik IRF untuk yield 10 tahun
yang merupakan respon dari yield 10 tahun terhadap shock dari variabel
makroekonomi. Pada gambar bagian pojok kiri atas adalah respon dari yield
10 tahun terhadap shock Inflasi. Dapat dilihat respon yield 10 tahun pada
awal periode mengalami penurunan kemudian pada pertengahan periode
terjadi fluktuasi dan pada akhir periode mengalami kenaikan.
Pada bagian kanan atas gambar 4.3 merupakan respon yield 10 tahun
terhadap shock dari BI rate. Dapat dilihat bahwa pada grafik tersebut pada
periode awal akan mengalami kenaikan, dan pada bulan ketiga nilainya
jatuh pada -0,164490, kemudian pada pertengahan periode mengalami
kenaikan yang sangat tajam dan pada akhir periode mengalami penurunan.
85
Bagian kiri bawah pada gambar 4.3 menunjukan respon yield 10
tahun terhadap shock variabel nilai tukar. Pada periode awal mengalami
fluktuasi dan pada pertengahan periode mengalami penurunan hingga di
bulan 6 pada titik terendah sebesar -0,118446 kemudian pada akhir periode
juga cenderung turun.
Bagian kanan bawah pada gambar 4.3 merupakan respon yield 10
tahun terhadap shock variabel PDB. Pada periode awal mengalami kenaikan
sampai pada nilai 0,212023 pada pertengahan periode juga mengalami
kenaikan sampai pada nilai 0,118089 dan pada periode pertengahan juga
mengalami kenaikan sampai nilai 0,086217.
Gambar 4.4Respon yield 10 tahun terhadap shock CDS
Sumber: Eviews 8 diolah (2019)
Gambar 4.4 menunjukan respon yield 10 tahun terhadap shock variabel
Credit Default SWAP. Pada periode awal respon yield cenderung turun dan
pada pertengahan periode mengalami fluktuasi dengan nilai tertinggi pada
bulan keempat dengan nilai 0,050001 dan nilai terendah pada bulan kelima
dengan nilai -0,112703. Dan pada akhir periode respon yield 10 tahun
cenderung naik.
86
Gambar 4.5 Respon yield 15 tahun terhadap shock Makroekonomi
Sumber : Eviews 8 diolah (2019)
Gambar 4.5 merupakan grafik IRF untuk yield 15. Grafik tersebut
menunjukan respon yield 15 tahun terhadap shock variabel makroekonomi.
Bagian kanan atas pada bgambar 4.4 menunjukan respon yield 15 tahun
terhadap shock dari variabel Inflasi dimana pada periode awal mengalami
penurunan dan dipertengahan periode mengalami kenaikan hingga pada titik
tertinggi di bulan kelima dengan nilai 0,109171. Kemudian pada akhir
periode juga mengalami kenaikan.
Bagian kanan atas pada gambar 4.4 menunjukan respon yield 15
tahun terhadap shock variabel BI Rate dapat dilihat bahwa pada awal
periode adanya shock BI Rate menyebabkan penurunan yang sangat
87
signifikan sampai nilai -0,188459. Dan dipertengahan periode menyebabkan
kenaikan dan diakhir periode bergerak stagnan.
Bagian kiri bawah pada gambar 4.4 menunjukan respon yield 15
tahun dari shock variabel nilai tukar. Adanya shock nilai tukar menyebabkan
yield 15 tahun mengalami kenaikan di awal periode dan bergerak stagnan di
pertengahan periode dan kemudian pada akhir periode mengalami
penurunan.
Bagian kanan bawah pada gambar 4.4 menunjukan respon yield 15
tahun dari shock variabel PDB. Dapat dilihat adanya shock variabel PDB
membuat yield 15 tahun bergerak pada periode awal mengalami kenaikan
hingga titik tertingginya pada bulan kedua dengan nilai 0,233404. Pada
pertengahan periode juga mengalami kenaikan dengan perlahan. Dan pada
akhir periode juga menyebabkan kenaikan.
Gambar 4.6Respon yield 15 tahun terhadap shock CDS
Sumber : Eviews 8 diolah (2019)
88
Gambar 4.6 merupakan grafik respon yield 15 tahun terhadap
shock variabel Credit Default SWAP. Adaanya shock dari variabel CDS
menyebabkan penurunan yang stagnan, kemudian pada pertengahan periode
mengalami kenaikan dengan titik tertingginya pada bulan 6 sebesar
0,041179. Dan di akhir periode mengalami penurunan dan kemudian
bergerak dengan stagnan.
Gambar 4.7 Respon yield 20 tahun terhadap shock Makroekonomi
Sumber : Eviews 8 diolah (2019)
Gambar 4.7 menunjukan grafik IRF respon yield 20 tahun terhadap
shock makroekonomi. Bagian atas kiri menunjukan respon yield 20 tahun
terhadap shock variabel Inflasi. Adanya shock dari variabel inflasi ini
menyebabkan yield 20 tahun bergerak menaik pada awal periode, pada
bulan ketiga mencapai nilai 0,013179 dan pada periode pertengahan yaitu
pada bulan 4 mengalami penurunan sampai dengan nilai -0,015703 dan pada
akhir periode bergerak dengan stagnan.
89
Bagian kanan atas menunjukan respon yield 20 tahun terhadap
shock variabel BI rate. Adanya shock variabel BI Rate membuat yield 20
tahun bergerak menurun pada awal periode. Pada pertengahan periode
mengalami kenaikan pada bulan kelima pada nilai 0,008314 kemudian pada
akhir periode bergerak dengan stagnan.
Bagian kiri bawah pada gambar 4.4 merupakan respon yield 20
tahun terhadap shock variabel nilai tukar. Adanya shock pada variabel nilai
membuat yield 20 tahun bergerak naik pada awal periode kemudian
bergerak stagnan pada pertengahan dan akhir periode.
Bagian kanan bawah pada gambar 4.4 merupakan respon yield 20
tahun terhadap shock variabel PDB. Adanya shock variabel PDB membuat
yield 20 tahun bergerak turun pada awal periode hingga pada bulan 3
mengaalami kenaikan dan pada pertegahan periode mengalami penurunan
pada bulan kelima dengan nilai sebesar -0,014358 dan pada akhir periode
juga mengalami penurunan.
Gambar 4.8Respon yield 20 tahun terhadap shock CDS
Sumber : Eviews 8 diolah (2019)
90
Pada gambar 4.8 menunjukan grafik respon yield 20 tahun terhadap
shock variabel Credit Default SWAP. Adanya shock CDS menyebabkan
yield 20 tahun bergerak turun pada awal periode hingga pada bulan 2
sebesar -0,012965 dan naik pada pertengahan periode sampai ke bulan lima
sebesar 0,004278 dan pada akhir periode mengalami penurunan dan dibulan
10 kembali naik.
h. Hasil Factor Error Variance Decompotition (FEVD)
Tabel 4.23 Variance Decomposition Yield 5 tahun
Period S.E.
D(GTIDR_5YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.474209 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.535700 81.95782 1.980147 0.098723 1.144421 13.29719 1.521704 3 0.598832 74.19934 2.457330 7.186436 2.821074 11.96286 1.372957 4 0.643089 66.97237 6.798362 9.415658 4.698801 10.46708 1.647732 5 0.700893 60.03758 8.117216 11.81496 5.036713 11.10817 3.885350 6 0.746294 55.60302 10.11927 12.63483 7.993046 10.01960 3.630219 7 0.769459 55.17230 9.534073 13.20571 8.973348 9.685264 3.429305 8 0.800836 53.26332 10.34304 12.28151 8.331550 12.25610 3.524479 9 0.814009 53.19465 10.24830 12.83417 8.151353 12.05498 3.516552 10 0.830120 53.93820 9.871175 12.80017 7.969180 12.03651 3.384757
Sumber :Eviews 8 diolah (2019)
Variance Decomposition berguna untuk memprediksi kontribusi
presentase varian setiap variable karena adanya perubahan vaiabel tertentu
dalam sistem VAR (Widarjono:2018:350). Pada tabel 4.22 merupakan
hubungan antara GTIDR 5YR, CPI, BI Rate, Nilai Tukar, PDB, dan CDS
selama 10 bulan ke depan. Pada periode 1 varian GTIDR 5YR yang
dijelaskan oleh variabel itu sendiri sebesar 100%. Barulah pada periode-
periode selanjutnya varian GTIDR 5YR dapat dijelaskan oleh variabel-
91
variabel lainya, seperti pada periode 2 dimana varian GTIDR dipengaruhi
oleh variabelnya sendiri sebesar 81,95%, dipengaruhi variabel Inflasi
sebesar 1,98%, variabel BI Rate mempengaruhi sebesar 0,098, Nilai Tukar
mempengaruhi sebesar 1,14% kemudian PDB mempengaruhi sebesar
13,29% dan terakhir CDS mempengaruhi sebesar 1,52%.
Tabel 4.24Variance Decomposition Yield 10 tahun
Period S.E.
D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.472681 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.556238 77.77217 1.474837 1.072674 2.000698 14.52937 3.150256 3 0.630397 72.16154 1.539031 7.643682 3.009981 11.65784 3.987928 4 0.655495 67.71246 4.070169 9.082844 4.067080 10.79721 4.270237 5 0.719997 63.34342 4.832813 9.246279 4.948490 11.63933 5.989659 6 0.747406 59.53865 7.620954 8.899909 7.103702 11.15612 5.680667 7 0.777535 59.00694 7.500195 9.616387 7.496545 10.34020 6.039732 8 0.808609 56.51341 8.892204 8.898836 7.053503 12.96875 5.673299 9 0.823278 56.89796 8.649071 8.842934 6.898024 12.55354 6.158472 10 0.836889 56.69470 8.387014 9.018726 6.707459 13.20984 5.982259
Sumber : Eviews 8 diolah (2019)
Pada tabel 4.23 merupakan hubungan antara GTIDR 10YR, CPI,
BI Rate, Nilai Tukar, PDB, dan CDS selama 10 bulan ke depan. Pada
periode 1 varian GTIDR 10YR yang dijelaskan oleh variabel itu sendiri
sebesar 100%. Barulah pada periode-periode selanjutnya varian GTIDR
10YR dapat dijelaskan oleh variabel-variabel lainya, seperti pada periode
2 dimana varian GTIDR 10YR dipengaruhi oleh variabelnya sendiri
sebesar 77,77%, dipengaruhi variabel Inflasi sebesar 1,47%, variabel BI
Rate mempengaruhi sebesar 1%, Nilai Tukar mempengaruhi sebesar 2%
kemudian PDB mempengaruhi sebesar 14,52% dan terakhir CDS
92
mempengaruhi sebesar 3,15%. Semakin besar periodenya maka akan
semakin kecil varian tersebut untuk mempnegaruhi dirinya sendiri.
Tabel 4.25Variance Decomposition Yield 15 tahun
Period S.E.D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.443483 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.547011 73.45563 0.665969 1.521366 5.050723 18.20644 1.099872 3 0.622380 68.18423 1.309506 10.34425 4.671454 14.08114 1.409424 4 0.643892 65.39532 4.392418 9.982615 5.383308 13.47410 1.372237 5 0.683092 61.10443 6.456964 10.26693 6.095781 13.64204 2.433862 6 0.716942 58.04688 9.419972 10.05273 6.674875 13.26619 2.539356 7 0.736819 56.99931 9.053041 10.45382 7.581997 12.65981 3.252018 8 0.765160 55.17221 9.547221 9.718088 7.408164 15.07117 3.083147 9 0.775046 55.59271 9.534603 9.788951 7.257479 14.72165 3.104604 10 0.788868 55.48046 9.205181 9.717688 7.038278 15.46347 3.094925
Sumber : Eviews 8 diolah (2019)
Pada tabel 4.24 merupakan hubungan antara GTIDR 15YR, CPI,
BI Rate, Nilai Tukar, PDB, dan CDS selama 10 bulan ke depan. Pada
periode 1 varian GTIDR 15YR yang dijelaskan oleh variabel itu sendiri
sebesar 100%. Barulah pada periode-periode selanjutnya varian GTIDR
15YR dapat dijelaskan oleh variabel-variabel lainya, seperti pada periode
2 dimana varian GTIDR 15YR dipengaruhi oleh variabelnya sendiri
sebesar 73,45%, dipengaruhi variabel Inflasi sebesar 0,66%, variabel BI
Rate mempengaruhi sebesar 1,52%, Nilai Tukar mempengaruhi sebesar
5,05% kemudian PDB mempengaruhi sebesar 18,2% dan terakhir CDS
mempengaruhi sebesar 1,09%. Semakin besar periodenya maka akan
semakin kecil varian tersebut untuk mempnegaruhi dirinya sendiri.
Tabel 4.26 Variance Decomposition Yield 20 tahun
93
Period S.E.D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.049249 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.055704 82.94114 1.996487 0.534736 0.194688 4.088214 10.24473 3 0.060364 71.61620 6.466971 2.830338 1.469697 4.280101 13.33670 4 0.063212 65.34881 12.06893 2.728978 1.484256 3.915769 14.45326 5 0.067716 61.79259 12.00008 3.885439 1.420330 7.907963 12.99360 6 0.071499 59.29778 12.69363 4.193482 1.285407 8.325627 14.20407 7 0.072196 58.41443 12.51997 4.241312 1.364931 8.558368 14.90099 8 0.073238 56.83508 12.57966 4.234570 1.363498 8.864070 16.12312 9 0.074760 54.59392 12.36324 4.063949 1.912112 8.562036 18.50474 10 0.075450 54.68689 12.38124 4.088669 1.879954 8.733150 18.23010
Sumber : Eviews 8 diolah (2019)
Pada tabel 4.25 merupakan hubungan antara GTIDR 20YR, CPI,
BI Rate, Nilai Tukar, PDB, dan CDS selama 10 bulan ke depan. Pada
periode 1 varian GTIDR 20YR yang dijelaskan oleh variabel itu sendiri
sebesar 100%. Barulah pada periode-periode selanjutnya varian GTIDR
20YR dapat dijelaskan oleh variabel-variabel lainya, seperti pada periode
2 dimana varian GTIDR 20YR dipengaruhi oleh variabelnya sendiri
sebesar 82,94%, dipengaruhi variabel Inflasi sebesar 1,99%, variabel BI
Rate mempengaruhi sebesar 0,53%, Nilai Tukar mempengaruhi sebesar
0,19% kemudian PDB mempengaruhi sebesar 4,08% dan terakhir CDS
mempengaruhi sebesar 10,%. Semakin besar periodenya maka akan
semakin kecil varian tersebut untuk mempnegaruhi dirinya sendiri.
C. Interpretasi Hasil
Dari hasil penelitian ini, yang dapat dijelaskan oleh penulis dari
penelitian ini adalah:
1. Variabel Inflasi terhadap Yield 5, 10, 15 dan 20 tahun
94
Hubungan jangka Panjang untuk variabel inflasi terhadap yield 5,
10 15 dan 20 tahun tidak signifikan dengan nilai untuk yield 5 tahun
sebesar -0,16290 masih lebih besar dari nilai t stats sebesar -1,98996
dan untuk yield 10 tahun nilai t stats sebesar -1,05732 lebih besar dari
-1,98996, untuk yield 15 tahun nilainya sebesar -0,75333 lebih besar
dari -1,98996 dan yang terakhir untuk yield 20 tahun sebesar 1,49641
kurang dari nilai t stats sebesar 1,98996. Hasil temuan ini sama
dengan hasil penelitian yang dilakukan oleh Listiawati & Paramita
(2018) diamana hasil dari penelitian mereka bahwa inflasi tidak
berpengaruh terhadap yield obligasi. Hal ini dikarenakan variabel
inflasi berpengaruh terhadap suku bunga, ketika inflasi sedang naik
maka suku bunga acuan juga akan naik sebagai kebijakan moneter
yang dilakukan oleh bank sentral sehingga variabel inflasi tidak
menyebabkan hubungan secara langsung terhadap yield obligasi.
Untuk hubungan jangka pendek yield 5 tahun memiliki hubungan
jangka pendek pada lag tiga secara negatif dengan nilai signifikan
sebesar -2,18213 dan untuk yield 10 tahun memiliki hubungan jangka
pendek yang negatif pada lag 1 dan 3. Untuk yield 15 tahun variabel
inflasi memiliki hubungan negative yang signifikan pada lag 3 dengan
nilai sebesar -2,42895 lebih kecil dari nilai t stats sebesar -1,98896.
2. Variabel BI Rate terhadap Yield 5, 10, 15 dan 20 tahun
Hubungan jangka Panjang untuk variabel BI Rate terhadap yield
obligasi pemerintah tenor 5, 10, 15 tahun memiliki hubungan yang
95
positif signifikan dengan nilai untuk yield 5 tahun sebesar 4,10464
lebih besar dari t stats sebesar 1,98896 untuk yield 10 tahun nilai t
stats nya sebesar 5,41087 lebih besar dari 1,98896 dan untuk yield 15
tahun nilai t statistiknya sebesar 5,15818 lebih besar dari 1,98896.
Hasil temuan ini sama dengan penelitian Sundoro (2018) dan
Listiawati & Paramita dimana hasil penelitian yang dilakukan oleh
mereka menunjukan hasil yang positif antara BI Rate terhadap yield
obligasi. Hasil penemuan ini sesuai dengan teori dimana ketika suku
bunga lebih besar maka investor akan lebih memilih untuk
berinvestasi pada suku bunga sehingga pemerintah akan menurunkan
harga obligasi, ketika harga obligasi turun maka yield obligasi akan
naik. Untuk yield 20 tahun variabel BI Rate tidak memiliki hubungan
jangka panjang karena nilai signifikanya sebesar -0,229282 masih
lebih besar dari nilai t stats sebesar -1,98896.
Hubungan jangka pendek untuk variabel BI Rate terhadap yield
obligasi untuk tenor 5 tahun yang positif pada lag 1 dan 2 dengan nilai
signifikan masing-masing sebesar 3,97621 dan 2,39649. Untuk yield
10 tahun hubungan jangka pendek juga positif signifikan dengan nilai
signifikan masing masing sebesar 4,8777 dan 3,52931. Untuk yield 15
tahun memiliki hubungan jangka pendek pada lag 1 dan 2 dengan nilai
signifikan sebesar 5,10395 dan 3,46823. Dan untuk yield 20 tahun
variabel BI Rate tidak memiliki hbubungan jangka pendek yang
signifikan pada semua lag.
96
3. Variabel Nilai Tukar terhadap Yield 5,10, 15 dan 20 tahun
Varibel Nilai Tukar memiliki hubungan jangka panjang yang
negatif terhadap yield obligasi tenor 5, 10, 15 dan 20 tahun dengan
nilai signifikansi pada yield 5 tahun sebesar -5,47475 lebih kecil dari
nilai t stats yaitu -1,98896. Untuk Yield dengan tenor 10 tahun
memiliki nilai signifikansi sebesar -4,98629 yang mana masih lebih
kecil dari -1,98896. Yield 15 tahun memiliki nilai signifikansi sebesar
-5,57565 lebih kecil dari -1,98896 yang artinya terdapat hubungan
jangka pendek yang signifikan. Dan untuk yield dengan tenor 20 tahun
nilai statistiknya sebesar -3,39010 yang mana lebih kecil dari -
1,98896. Hasil temuan ini sama dengan hasil penelitian yang
dilakukan oleh Ichsan et. al., (2018) dan Huda et. al., (2018) yang
mana mereka juga menggunakan model VECM sebagai metode
penelitian dan hasilnya bahwa variabel nilai tukar memiliki hubungan
jangka panjang yang negatif.
Hubungan jangka pendek untuk variabel nilai tukar pada yield
tenor 5 tahun signifikan pada lag 1 sampai dengan 3, begitu juga
dengan yield tenor 10 tahun, 15 tahun dan 20 tahun menunjukan
hubungan jangka pendek negatif.
4. Variabel PDB terhadap Yield 5, 10, 15 dan 20 tahun
Variabel PDB memilki hubungan jangka panjang yang negatif
terhadap Yield obligasi pemerintah dengan tenor 5, 10 dan 15 tahun
dengan nilai signifikan masing-masing sebesar -6,64871 utnuk yield 5
97
tahun, -4,77746 untuk yield 10 tahun, dan -4,89272 yang mana nilai
nya lebih kecil dari nilai t stats sebesar -1,98896. Hal ini menunjukan
bahwa ketika PDB naik maka perekonomian Indonesia sedang baik
sehingga harga obligasi menjadi mahal dan membuat yield obligasi
menjadi menurun. Sedangkan untuk yield dengan tenor 20 tahun tidak
memiliki hubungan janngka panjang dengan variabel PDB karena
nilai signifikanya sebesar 0,82331 dimana lebih kceil dari nilai stats
nya yaitu 1,98896.
Untuk hubungan jangka pendek antara variabel PDB dengan yield
obligasi pemerintah tenor 5 tahun negatif signifikan pada lag 1 dan 2.
Untuk yield dengan tenor 10 tahun memiliki hubungan negatif
signifikan pada lag 1 dengan nilai signifikansi sebesar -3,47349
dimana lebih kecil dari nilai t stats sebesar -1,98996. Untuk hubungan
jangka pendek antara PDB dan yield 15 tahun terjadi pada lag 1
dengan nilai signifikan sebesar -3,52831. Dan untuk hubungan jangka
pendek PDB dengan yield tenor 20 tahun tidak memiliki hubungan
jangka pendek.
5. Variabel CDS terhadap Yield 5,10, 15 dan 20 tahun
Hubungan jangka panjang antara variabel CDS dengan Yield
obligasi pemerintah dengan tenor 5, 10, 15 dan 20 tahun memiliki
hubungan jangka panjang yang positif dengan nilai signifikansi
2,07966 untuk yield 5 tahun, 4,21046 untuk yield 10 tahun, 3,56517
untuk yield 15 tahun, dan 3,73258 untuk yield 20 tahun yang mana
98
nilai signifikan tersebut lebih besar dari nilai t stats sebesar 1,98896
yang menandakan bahwa terdapat hubungan jangka panjang yang
positif antara variabel CDS dengan yield obligasi pemerintah. Adapun
hasil ini sama dengan hasi penelitian yang dilakukan oleh Gustiar &
Wijaya (2015) dimana terdapat pengaruh positif antara CDS dengan
yield obligasi. Dikarenakan CDS mencerminkan risiko yang terdapat
dalam investasi obligasi maka hasil ini sesuai dengan teori high risk
high return dimana ketika CDS (risiko) naik maka imbal hasil (yield)
juga ikut naik.
Adapun untuk hubungan jangka pendek antara variabel CDS
dengan yield obligasi dengan tenor 5 tahun positif signifikan pada lag
1. Pada yield 10 tahun positif signifikan pada semua lag. Pada yield 15
tahun juga positif signifikan pada semua lag. Dan untuk yield 20 tahun
signifikan pada lag 1 dan 2.
99
BAB V
KESIMPULAN DAN SARAN
D. Kesimpulan
Dari penelitian yang telah dilakukan dapat disimpulkan bahwa pengaruh
Inflasi, BI Rate, Nilai Tukar USD/IDR, Produk Domestik Bruto (PDB) dan
Credit Default SWAP terhadap Yield Obligasi pemerintah dengan tenor 5, 10,
15 dan 20 tahun adalah sebagai berikut :
a. Hubungan janka panjang dan jangka pendek Inflasi dengan Yield
Dari hasil menggunakan model VECM variabel Inflasi tidak memiliki
hubungan jangka panjang pada yield dengan tenor 5, 10, 15 dan 20 tahun.
Untuk hubungan jangka pendek antara variabel inflasi dengan yield
obligasi 5 tahun memiliki hubungan jangka pendek yang negatif pada lag
3. Untuk yield 10 tahun memiliki hubungan jangka pendek negatif pada
lag 1 dan 2. Untuk yield 15 tahun memiliki hubungan jangka pendek yang
negatif pada lag 3. Dan utnuk yield 20 tahun memiliki hubungan jangka
pendek yang positif pada semua lag.
b. Hubungan jangka panjang dan jangka pendek BI Rate dengan Yield
Dari hasil menggunakan model VECM variabel BI Rate memiliki
hubungan jangka panjang positif pada yield obligasi dengan tenor 5, 10,
15 tahun dan tidak memiliki hubungan jangka panjang pada yield dengan
tenor 20 tahun. Untuk hubungan jangka pendek antara variabel BI Rate
dengan yield obligasi 5 tahun memiliki hubungan jangka pendek yang
positif pada lag 1 dan 2. Untuk yield 10 tahun memiliki hubungan jangka
100
pendek positif pada lag 1 dan 2. Untuk yield 15 tahun memiliki hubungan
jangka pendek yang positif pada lag 1 dan 2. Dan utnuk yield 20 tahun
tidak memiliki hubungan jangka pendek.
c. Hubungan jangka panajang dan jangka pendek Nilai Tukar dengan Yield
Dari hasil menggunakan model VECM variabel Nilai Tukar USD/IDR
memiliki hubungan jangka panjang negatif pada yield obligasi dengan
tenor 5, 10, 15 dan 20 tahun. Untuk hubungan jangka pendek antara
variabel Nilai Tukar dengan yield obligasi 5 tahun memiliki hubungan
jangka pendek yang negatif pada semua lag. Untuk yield 10 tahun
memiliki hubungan jangka pendek negatif pada semua lag. Untuk yield 15
tahun memiliki hubungan jangka pendek yang negatif pada semua lag.
Dan utnuk yield 20 tahun memiliki hubungan jangka pendek yang negatif
pada semua lag.
d. Hubungan jangka panjang dan jangka pendek PDB dengan Yield
Dari hasil menggunakan model VECM variabel PDB memiliki hubungan
jangka panjang negatif pada yield obligasi dengan tenor 5, 10, 15 tahun
dan tidak memiliki hubungan jangka panjang pada yield dengan tenor 20
tahun. Untuk hubungan jangka pendek antara variabel PDB dengan yield
obligasi 5 tahun memiliki hubungan jangka pendek yang negatif pada lag
1 dan 2. Untuk yield 10 tahun memiliki hubungan jangka pendek negatif
pada lag 1. Untuk yield 15 tahun memiliki hubungan jangka pendek yang
negatif pada lag 1. Dan utnuk yield 20 tahun tidak memiliki hubungan
jangka pendek.
101
e. Hubungan jangka panjang dan jangka pendek CDS dengan Yield
Dari hasil menggunakan model VECM variabel CDS memiliki hubungan
jangka panjang positif pada yield obligasi dengan tenor 5, 10, 15 dan 20
tahun. Untuk hubungan jangka pendek antara variabel CDS dengan yield
obligasi 5 tahun memiliki hubungan jangka pendek yang positif pada lag
1. Untuk yield 10 tahun memiliki hubungan jangka pendek positif pada
semua lag. Untuk yield 15 tahun memiliki hubungan jangka pendek yang
positif pada semua lag. Dan utnuk yield 20 tahun memiliki hubungan
jangka pendek yang positif pada lag 1 dan 2.
E. Implikasi
Berdasarkan penelitian yang telah dilakukan, terdapat beberapa hal yang
dapat diimplikasikan dan memberi manfaat bagi pihak-pihak yang
berkepentingan, diantaranya:
1. Akademisi
Penelitian ini menjadi gambaran umum terkait hubungan Faktor
makroekonomi dan Credit Default SWAP terhadap yield obligasi sehingga
dapat menguji teori-teori dari materi perkuliahan terhadap studi kasus yang
terjadi di perusahaan atau di obligasi luar negeri sebagai studi lanjutan.
2. Investor
Penelitian ini dapat menjadi tambahan referensi bagi investor untuk
dapat lebih cermat dalam melakukan analisis melihat kondisi ekonomi
sebelum berinvestasi pada obligasi.
102
3. Penulis
Penelitian ini membantu penulis dalam memahami terkait obligasi dan
variabel yang diteliti dan menambah wawasan bagi penulis.
F. Saran
Setelah penelitian dilakukan, berikut beberapa saran yang dapat penulis
sampaikan untuk penelitian selanjutnya, menginagat masih terbatasnya
penelitian ini sehingga penelitian selanjutnya dapat menyempurnakan.
1. Pada penelitian ini penulis menggunakan empat variabel makroekonomi,
yaitu Inflasi, BI Rate, Niliai Tukar USD/IDR, Produk Domestik Bruto
(PDB) dan satu variabel lainya adalah Credit Default SWAP (CDS) dengan
variabel dependen, yaitu Yield obligasi. Diharapkan penelitian selanjutnya
dapat memasukan variabel lain seperti Harga Minyak, Variabel
Pengangguran atau dengan mengganti variabel dependen dengan
menggunakan harga obligasi.
2. Dalam penelitian ini, penulis menggunakan objek penelitian adalah
obligasi pemerintah dengan periode 2012-2018. Diharapkan pada
penelitian selanjutnya dapat menggunakan objek penelitian lain seperti
obligasi korporasi atau obligasi pemerintah pada emerging market yang
lain. Atau dengan menggunakan periode waktu yang berbeda juga.
3. Dalam penelitian ini penulis menggunakan metode penelitian berupa
VAR/VECM menggunakan perangkat lunak Eviews 8 sebagai alat bantu
statistik. Diharapkan penelitian selanjutnya dapat menggunakan metode
analisis yang berbeda dengan alat bantu yang berbeda, karena akan
103
memberikan hasil yang berbeda juga sehingga memberikan gambaran
yang lebih luas.
104
DAFTAR PUSTAKA
A.Razali. (2011). Efektifitas Sertifikat Sertifikat Bank Indonesia Syariah (Sbis)
Terhadap Liquiditas Industri Perbankan Syariah Di Indonesia.
Anggraeni, O. D. (2018). Pengujian Holiday Effect Terhadap Abnormal Return
Dan Trading Volume Activity Di Bursa Efek Indonesia.
Arif, D. (2014). Pengaruh Produk Domestik Bruto, Jumlah Uang Beredar, Inflasi,
Dan BI Rate Terhadap Indeks Harga Saham Gabungan Di Indonesia
Periode 2007-2013. Jurnal Ekonomi Bisnis Volume 19 .
Arifin, Y. (2016). Pengaruh Harga Minyak Dunia, Nilai Tukar dan Inflasi
terhadap Pertumbuhan Ekonomi Indonesia . ISSN :2252 6765. Economics
Development Analysis Journal 5 (4) .
Arshad, H., Muda, R., & Osman, I. (2018). Impact Of Exchange Rate And Oil
Price On The Yield Of Sovereign Bond And Sukuk: Evidance From
Malaysian Capital Market . Journal of Emerging Economies & Islamic
Research 5(4).
Basuki, A. T., & Prawoto, N. (2017). Analisis Regresi dalam penelitian Ekonomi
dan Bisnis. Jakarta: PT Raja Grafindo Persada.
Bhat, S. A., Shanmugasundaram, G., & Fahad.P. (2016). Impact Of Interest Rate,
Exchange Rate And Consumer Price Index On Government Bond Returns
Of India. ISSN:-2249-3867. Research Dimensions Volume 3 , Issue 2.
Bodie, Kane, & Marcus. (2014). Manajemen Portofolio dan Investasi. Jakarta:
Salemba Empat.
105
Choudry, M. (2001). THE BOND AND MONEY MARKET: STRATEGY
TRADING, ANALYSIS. Linacre House, Jordan Hill, Oxford OX2 8DP : A
division of Reed Educational and Professional Publishing Ltd .
Dewi, N. P., Purbawangsa, I. B., & Abundanti, N. (2016). Pengaruh Suku Bunga,
Nilai Tukar, Coupon Rate, Dan Likuiditas Obligasi Terhadap Harga Pasar
Obligasi Pada Sektor Keuangan . ISSN : 2302-8912. E-Jurnal Manajemen
Unud, Vol. 5, No. 5.
Fabozzi, F. J. (2009). THE HANDBOOK OF FIXED INCOME SECURITIES.
New York: 2005.
Firdaus, M. (2018). APLIKASI EKONOMETRIKA UNTUK DATA PANEL DAN
TIME SERIES. Bogor: PT Penerbit IPB Press.
Ghozali, I. (2016). Aplikasi Analisis Multivariate Dengan Program IBM SPSS 2.3
. Semarang: Badan Penerbit Universitas Diponegoro.
Gustia, A., & Wijaya, C. (2015). Analisis Pengaruh Leverage Ratio, Volatility,
Dan Yield Obligasi Pemerintah Terhadap Credit Default Swap Indonesia
Periode 2009-2013.
Hadi, N. (2013). PASAR MODAL (Acuan Teoritis Dan Praktis Investasi Di
Instrumen Keuangan Pasar Modal). Yogyakarta: Graha Ilmu.
Halim, A. (2015). Analisis Investasi di Aset Keuangan. Jakarta: Mitra Wacana
Media.
Hull, J. C. (2009). OPTION, FUTURES AND OTHER DERIVATIVES. Essex:
Pearson.
106
Husnan, S. (2015). Teori Portofolio & Analisis Sekuritas, Edisi kelima.
Yogyakarta: UPP STIM YKPN.
I, S. (2010). The Complete Practitioner's Guide to the Bond Market. New York:
McGraw-Hill Inc.
Ichsan, M., Agusalim, L., & Abdullah, Z. (2018). Dampak Ekonomi Makro
Terhadap YIELD Surat berharga Negara: Studi Empiris Di Indonesia.
MediaTrend 13 (2) 2018 p. 178-187.
Jogiyanto, H. (2017). Teori Portofolio dan Analisis Investasi. Yogyakarta: BPFE.
Kadir, S., & Kewal, S. S. (2014). Fenomena January Effect Di Bursa Efek
Indonesia Studi Pada Perusahaan Yang Terdaftar Di Lq 45 Periode 2010-
2011. Jurnal Keuangan dan Bisnis, Vol. 12, No. 1.
Karlina, B. (2017). Pengaruh Tingkat Inflasi, Indeks Harga Konsumen Terhadap
PDB di Indonesia Pada Tahun 2011-201. ISSN: 2252-6226. Jurnal
Ekonomika dan Manajemen Vol. 6 No. 1 .
Kasmir. (2014 ). Bank dan Lembaga Keuangan Lainnya. Jakarta: PT Raja
Grafindo Persada.
Listiawati, L. N., & Paramita, V. S. (2018). Pengaruh Tingkat Suku Bunga,
Inflasi, Debt To Equity Ratio, Dan Ukuran Perusahaan Terhadap Yield
Obligasi Pada Perusahaan Yang Terdaftar Di Bursa Efek Indonesia Tahun
2010 - 2016 . JURNAL MANAJEMEN [VOL. 15 NO. 1.
Lumbantobing, A. L. (2014). Pengaruh Inflasi, Nilai Tukar Rupiah, Suku Bunga
Pasar Uang Domestik Dan Suku Bunga Pasar Uang Luar Negeri Terhadap
Yield To Maturity Obligasi Ritel Indonesia Di Bursa Antar Bank Periode
2010-2013 . Jurnal MIX, Volume IV, No. 2.
107
Makhfudz, M. (2011). Seberapa Penting Investasi Asing Dipertahankan Di
Indonesia . ADIL: Jurnal Hukum Vol. 7 No.1.
Mankiw, G. N. (2007). Macroeconomics. New York: Worth Publisher.
Marthalena, & Malinda, M. (2011). Pengantar Pasar Modal. Yogyakarta: Andi
Publisher.
Mawarni, C. P., & Widiasmara, A. (2018). Pengaruh Fed Rate, Harga Minyak
Dunia, Bi Rate, Inflasi Dan Kurs Rupiah Terhadap Indeks Saham Syariah
Indonesia (Issi) Periode Tahun 2011-2017. Jurnal Akuntansi, Prodi.
Akuntansi – FEB, UNIPMA, Vol. 2, No.2.
Melati, A. (2013). FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT
SEWA SUKUK IJARAH . ISSN 2252-6765. Accounting Analysis Journal
2 (2) .
Naidhu, S. H., Goyari, P., & Kamaiah, B. (2016). Determinans Of Sovereign
Bond Yields In Emerging Economies: Some Panel Inference. Theoretical
and Applied Economics Volume XXIII, No. 3(608), Autumn, pp. 101-118.
Niansyah, F. I., Indriana, P., & Firmansyah, A. (2018). Pemanfaatan Instrumen
Derivatif Di Indonesia Dan Perbandingan Standar Akuntansi Terkait
Derivatif. ISSN 2337 - 7852. Jurnal Ilmiah Akuntansi Kesatuan Vol.6
No.2 .
Noviana, L., & Solovida, G. T. (2018). Pengaruh Likuiditas , Leverage, Rating
Obligasi Syariah , Risiko Obligasi Syariah Terhadap Yield Obligasi
Syariah (Sukuk). ISSN : 2621-850X. Journal of Management & Business
Vol 1 No 2.
108
Paramita, R. P., & Pangestuti, I. R. (2016). Determinan Yield Obligasi Pemerintah
Tenor 5 Tahun Dengan Menggunakan Model Egarch Pada Negara
Indonesia, Malaysia, Thailand, Dan Filipina. ISSN : 2337-3792.
DIPONEGORO JOURNAL OF MANAGEMENT Volume 5, Nomor 3.
Parkin, M. (2018). Ekonomi (Buku 2 :Makro). Jakarta: Salemba Empat.
Prasetyo, E. (2011). Fundamental Makro Ekonomi. Yogyakarta: Beta Offset.
Purnamawati, I. G. (2013). Pengaruh Peringkat Obligasi, Tingkat Suku
Bungasertifikat Bank Indonesia, Rasio Leverage, Ukuran Perusahaan Dan
Umur Obligasi Pada Imbal Hasil Obligasi Korporasi Di Bursa Efek
Indonesia. Issn 2337 – 537x. VOKASI Jurnal Riset Akuntansi Vol. 2 No.1.
Purwanti, P., & Purwidianti, W. (2017). Pengaruh Peringkat Obligasi, Tingkat
Suku Bunga Sertifikat Bank Indonesia, Rasio Leverage, Ukuran
Perusahaan, Umur Obligasi, Dan Tingkat Inflasi Pada Imbal Hasil
Obligasi Korporasi Di Bursa Efek Indonesia. Jurnal Manajemen dan
Bisnis MEDIA EKONOMI Volume XVII, NO.1.
Rahman, A. A., & Sam'ani. (2013). Analisis Faktor-Faktor Yang Mempengaruhi
Yield Obligasi Negara Tahun 2010-2012. ISSN:0853-8778. JURNAL
EKONOMI–MANAJEMEN–AKUNTANSI No. 35 /Th.XX .
Raraga, F., M.Chabachib, & Muharam, H. (2012). Analisis Pengaruh Harga
Minyak Dan Harga Emas Terhadap Hubungan Timbal-Balik Kurs Dan
Indeks Harga Saham Gabungan (Ihsg) Di Bursa Efek Indonesia (Bei) 2000
-2013. JURNAL BISNIS STRATEGI Vol. 21 No. 1.
109
Rasudu, N. A., Syaifuddin, D. T., & Sukotjo, E. (2018). Pengaruh Inflasi, Suku
Bunga, Kurs, Coupon Rate, Dan Likuiditas Obligasi Terhadap Harga
Obligasi Pemerintah Ri (Surat Utang Negara) Periode 2014-2016 .
Saputra, T. A., & Prasetiono. (2014). Analisis Faktor Faktor Yang Mempengaruhi
Yield Obligasi Konvensional Di Indonesia (Studi Kasus Pada Perusahaan
Listed Di BEI). Kurniawan & Raharjo/Jurnal Studi Manajemen &
Organisasi 11.
Sari, N. W., & Abundanti, N. (2015). Variabel-Variabel Yang Mempengaruhi
Yield Obligasi Pada Perusahaan Yang Terdaftar Di Bursa Efek Indonesi.
ISNN : 2302-8912. E-Jurnal Manajemen Unud, Vol. 4, No. 11.
Siahaan, H. (2008). Seluk beluk Perdagangan Instrumen Derivatif . Jakarta: PT
Elex Media Komputindo KOMPAS GRAMEDIA.
Stavrakeva, V., & Tang, J. (2016). Exchange Rate And The Yield Curve.
Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung:
Alfabeta.
Sukirno, S. (2011). Makroekonomi Teori Pengantar . Jakarta: Raja Grafindo.
Sundoro, H. S. (2018). Pengaruh Faktor Makro Ekonomi, Faktor Likuiditas Dan
Faktor Eksternal Terhadap Yield Obligasi Pemerintah Indonesia . ISSN:
1979-9543. Journal Of Business & Applied Management Vol.11 (No. 1 ) :
102 - 115.
Widarjono, A. (2018). EKONOMETRIKA Pengantar dan Aplikasinya Disertai
Panduan EViews. Yogyakarta: UPP STIM YKPN.
110
Yanuar. (2016). Ekonomi Makro: Suatu Analisis Untuk Konteks Indonesia .
Jakarta: Yayasan Mpu Ajar Artha.
www.bps.go.id
www.bi.go.id
www.djppr.kemenkeu.go.id
http://junaidichaniago.wrodpress.com
bloomberg
111
LAMPIRAN
Lampiran 1 Yield Obligasi Pemerintah
DATEGTIDR 5YR
GTIDR 10YR
GTIDR 15YR
GTIDR 20YR
Jan-12 4,775 5,342 5,865 8,262Feb-12 4,883 5,558 6,025 8,24Mar-12 5,293 5,933 6,362 8,124Apr-12 5,22 5,961 6,383 8,153May-12 5,606 6,513 6,835 8,196Jun-12 5,455 6,153 6,537 8,257Jul-12 5,358 5,708 6,147 8,279Aug-12 5,884 6,263 6,528 8,236Sep-12 5,62 5,966 6,333 8,36Oct-12 5,44 5,712 6,178 8,402Nov-12 4,979 5,377 5,888 8,373Dec-12 4,755 5,191 5,887 8,351Jan-13 4,775 5,329 5,976 8,272Feb-13 4,832 5,35 5,978 8,305Mar-13 5,08 5,57 6,244 8,304Apr-13 4,908 5,504 6,12 8,291May-13 5,216 5,982 6,591 8,211Jun-13 6,406 7,131 7,569 8,219Jul-13 7,406 7,833 8,13 8,238Aug-13 8,036 8,415 8,721 8,269Sep-13 7,923 8,502 8,699 8,288Oct-13 6,943 7,47 7,863 8,297Nov-13 8,144 8,663 9,127 8,31Dec-13 8,025 8,452 8,889 8,391Jan-14 8,159 9,031 9,48 8,364Feb-14 7,874 8,334 8,867 8,331Mar-14 7,693 7,99 8,334 8,315Apr-14 7,64 7,981 8,413 8,271May-14 7,688 8,06 8,512 8,206Jun-14 7,835 8,213 8,612 8,158Jul-14 7,843 8,017 8,447 8,155Aug-14 7,962 8,16 8,496 8,097Sep-14 8,321 8,521 8,878 7,976Oct-14 7,854 8,037 8,334 8,048Nov-14 7,623 7,697 7,946 8,097Dec-14 7,704 7,796 8,114 8,1Jan-15 6,959 7,168 7,384 8,1
112
Feb-15 6,857 7,062 7,252 8,151Mar-15 7,341 7,557 7,708 8,129Apr-15 7,679 7,827 7,997 8,112May-15 8,062 8,246 8,342 8,133Jun-15 8,275 8,383 8,446 8,123Jul-15 8,444 8,702 8,789 8,121Aug-15 8,567 9,012 9,2 8,14Sep-15 9,51 9,691 9,745 8,175Oct-15 8,754 9,031 9,088 8,201Nov-15 8,49 8,801 8,707 8,204Dec-15 8,819 8,993 8,931 8,221Jan-16 8,243 8,709 8,5 8,193Feb-16 7,966 8,263 8,594 8,153Mar-16 7,381 7,668 8,141 8,126Apr-16 7,461 7,74 7,866 8,169May-16 7,581 7,874 8,021 8,215Jun-16 7,319 7,453 7,626 8,25Jul-16 6,757 6,935 7,213 8,309Aug-16 6,8 7,114 7,38 8,309Sep-16 6,841 7,061 7,261 8,32Oct-16 6,967 7,244 7,61 8,345Nov-16 7,99 8,137 8,21 8,381Dec-16 7,58 7,973 8,147 8,392Jan-17 7,297 7,65 7,961 8,496Feb-17 7,287 7,54 7,823 8,516Mar-17 6,853 7,043 7,397 8,584Apr-17 6,689 7,048 7,418 8,593May-17 6,71 6,953 7,374 8,568Jun-17 6,67 6,829 7,345 8,614Jul-17 6,775 6,951 7,364 8,612Aug-17 6,282 6,695 7,121 8,576Sep-17 6,125 6,497 6,957 8,553Oct-17 6,426 6,797 7,306 8,574Nov-17 6,08 6,517 7,03 8,621Dec-17 5,964 6,319 6,898 8,618Jan-18 5,779 6,267 6,68 8,627Feb-18 6,049 6,632 7,063 8,508Mar-18 5,942 6,675 6,842 8,419Apr-18 6,505 6,921 7,166 8,392May-18 6,825 6,992 7,492 8,439Jun-18 7,574 7,797 8,127 8,489Jul-18 7,674 7,766 8,113 8,387
113
Aug-18 7,981 8,202 8,28 8,216Sep-18 8,05 8,115 8,314 8,19Oct-18 8,351 8,543 8,763 8,19Nov-18 7,82 7,867 8,062 8,156Dec-18 7,907 8,025 8,182 8,134
Sumber : Bloomberg
Lampiran 2 Hasil Uji Stasionaritas
Null Hypothesis: GTIDR_5YR has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.129269 0.2340Test critical values: 1% level -3.511262
5% level -2.89677910% level -2.585626
*MacKinnon (1996) one-sided p-values.
Sumber : Eviews 8
Null Hypothesis: D(GTIDR_5YR) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -8.443511 0.0000Test critical values: 1% level -3.512290
5% level -2.89722310% level -2.585861
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: D(GTIDR_5YR,2) has a unit rootExogenous: ConstantLag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -10.62724 0.0001Test critical values: 1% level -3.514426
5% level -2.89814510% level -2.586351
114
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: GTIDR_10YR has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.241874 0.1934Test critical values: 1% level -3.511262
5% level -2.89677910% level -2.585626
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: D(GTIDR_10YR) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -8.980873 0.0000Test critical values: 1% level -3.512290
5% level -2.89722310% level -2.585861
*MacKinnon (1996) one-sided p-values.
Sumber : Eviews 8
Null Hypothesis: D(GTIDR_10YR,2) has a unit rootExogenous: ConstantLag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -10.34727 0.0001Test critical values: 1% level -3.514426
5% level -2.89814510% level -2.586351
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: GTIDR_15YR has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
115
Augmented Dickey-Fuller test statistic -2.316007 0.1694Test critical values: 1% level -3.511262
5% level -2.89677910% level -2.585626
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: D(GTIDR_15YR) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -9.219110 0.0000Test critical values: 1% level -3.512290
5% level -2.89722310% level -2.585861
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: D(GTIDR_15YR,2) has a unit rootExogenous: ConstantLag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -10.84022 0.0001Test critical values: 1% level -3.514426
5% level -2.89814510% level -2.586351
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: GTIDR_20YR has a unit rootExogenous: ConstantLag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.798579 0.3788Test critical values: 1% level -3.512290
5% level -2.89722310% level -2.585861
*MacKinnon (1996) one-sided p-values.
Sumber : Eviews 8
Null Hypothesis: D(GTIDR_20YR) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
116
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.803245 0.0000Test critical values: 1% level -3.512290
5% level -2.89722310% level -2.585861
*MacKinnon (1996) one-sided p-values.
Sumber : Eviews 8
Null Hypothesis: D(GTIDR_20YR,2) has a unit rootExogenous: ConstantLag Length: 2 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -9.030760 0.0000Test critical values: 1% level -3.515536
5% level -2.89862310% level -2.586605
*MacKinnon (1996) one-sided p-values.Eviews 8
Null Hypothesis: CPI has a unit rootExogenous: ConstantLag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.034777 0.2717Test critical values: 1% level -3.512290
5% level -2.89722310% level -2.585861
*MacKinnon (1996) one-sided p-values.
Sumber :Eviews 8
Null Hypothesis: D(CPI) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -7.126277 0.0000Test critical values: 1% level -3.512290
5% level -2.89722310% level -2.585861
*MacKinnon (1996) one-sided p-values.
Sumber : Eviews 8
117
Null Hypothesis: D(CPI,2) has a unit rootExogenous: ConstantLag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -10.41914 0.0001Test critical values: 1% level -3.514426
5% level -2.89814510% level -2.586351
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: BI_RATE has a unit rootExogenous: ConstantLag Length: 2 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.509646 0.5238Test critical values: 1% level -3.513344
5% level -2.89767810% level -2.586103
*MacKinnon (1996) one-sided p-values.
Sumber : Eviews 8
Null Hypothesis: D(BI_RATE) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.062105 0.0000Test critical values: 1% level -3.512290
5% level -2.89722310% level -2.585861
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: D(BI_RATE,2) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -14.56147 0.0001Test critical values: 1% level -3.513344
5% level -2.89767810% level -2.586103
*MacKinnon (1996) one-sided p-values.
118
Sumber: Eviews 8
Null Hypothesis: NILAI_TUKAR has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.536296 0.5104Test critical values: 1% level -3.511262
5% level -2.89677910% level -2.585626
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: D(NILAI_TUKAR) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -9.523659 0.0000Test critical values: 1% level -3.512290
5% level -2.89722310% level -2.585861
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: D(NILAI_TUKAR,2) has a unit rootExogenous: ConstantLag Length: 2 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -10.19372 0.0000Test critical values: 1% level -3.515536
5% level -2.89862310% level -2.586605
*MacKinnon (1996) one-sided p-values.
Sumber : Eviews 8
Null Hypothesis: PDB has a unit rootExogenous: ConstantLag Length: 11 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 4.669577 1.0000Test critical values: 1% level -3.524233
5% level -2.902358
119
10% level -2.588587
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: D(PDB) has a unit rootExogenous: ConstantLag Length: 11 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -0.136052 0.9407Test critical values: 1% level -3.525618
5% level -2.90295310% level -2.588902
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: D(PDB,2) has a unit rootExogenous: ConstantLag Length: 10 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -93.74113 0.0001Test critical values: 1% level -3.525618
5% level -2.90295310% level -2.588902
*MacKinnon (1996) one-sided p-values.
Sumber : Eviews 8
Null Hypothesis: CDS_5YR has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.527153 0.1128Test critical values: 1% level -3.511262
5% level -2.89677910% level -2.585626
*MacKinnon (1996) one-sided p-values.Sumber: Eviews 8
Null Hypothesis: D(CDS_5YR) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -10.46007 0.0001
120
Test critical values: 1% level -3.5122905% level -2.89722310% level -2.585861
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Null Hypothesis: D(CDS_5YR,2) has a unit rootExogenous: ConstantLag Length: 3 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -9.003559 0.0000Test critical values: 1% level -3.516676
5% level -2.89911510% level -2.586866
*MacKinnon (1996) one-sided p-values.Sumber : Eviews 8
Lampiran 3 Hasil Uji Lag Optimum
VAR Lag Order Selection CriteriaEndogenous variables: D(GTIDR_5YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Exogenous variables: C Date: 07/02/19 Time: 09:01Sample: 2012M01 2018M12Included observations: 78
Lag LogL LR FPE AIC SC HQ
0 -1663.952 NA 1.59e+11 42.81927 43.00056* 42.891851 -1589.478 135.5807 5.95e+10 41.83276 43.10176 42.340772 -1524.932 107.5764 2.91e+10 41.10082 43.45753 42.04425*3 -1480.713 66.89512* 2.45e+10* 40.89008* 44.33450 42.268944 -1455.780 33.88373 3.53e+10 41.17384 45.70597 42.98814
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Sumber : Eviews 8
VAR Lag Order Selection CriteriaEndogenous variables: D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Exogenous variables: C Date: 07/05/19 Time: 08:45Sample: 2012M01 2018M12Included observations: 78
121
Lag LogL LR FPE AIC SC HQ
0 -1658.849 NA 1.39e+11 42.68843 42.86972* 42.761001 -1583.507 137.1599 5.10e+10 41.67968 42.94868 42.187682 -1522.306 102.0028 2.72e+10 41.03348 43.39019 41.97692*3 -1484.556 57.10842* 2.71e+10* 40.98862* 44.43304 42.367484 -1459.887 33.52451 3.92e+10 41.27916 45.81129 43.09345
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Sumber : Eviews 8
VAR Lag Order Selection CriteriaEndogenous variables: D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Exogenous variables: C Date: 07/05/19 Time: 09:21Sample: 2012M01 2018M12Included observations: 78
Lag LogL LR FPE AIC SC HQ
0 -1658.154 NA 1.37e+11 42.67062 42.85190* 42.743191 -1579.813 142.6212 4.64e+10 41.58494 42.85394 42.092952 -1519.604 100.3477 2.53e+10 40.96421 43.32092 41.90764*3 -1480.797 58.70766* 2.46e+10* 40.89224* 44.33666 42.271114 -1454.190 36.15865 3.39e+10 41.13308 45.66521 42.94738
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Sumber : Eviews 8
VAR Lag Order Selection CriteriaEndogenous variables: D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Exogenous variables: C Date: 07/05/19 Time: 10:12Sample: 2012M01 2018M12Included observations: 78
Lag LogL LR FPE AIC SC HQ
0 -1517.546 NA 3.72e+09 39.06529 39.24658* 39.137861 -1444.544 132.9016 1.45e+09 38.11651 39.38551 38.624522 -1380.365 106.9645 7.13e+08 37.39398 39.75069 38.33742*3 -1342.608 57.12045* 7.11e+08* 37.34892* 40.79334 38.72778
122
4 -1315.330 37.06918 9.63e+08 37.57257 42.10471 39.38687
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Sumber : Eviews 8
Lampiran 4 Hasil Uji Stabilitas VAR
Roots of Characteristic PolynomialEndogenous variables: D(GTIDR_5YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Exogenous variables: C Lag specification: 1 3Date: 07/02/19 Time: 09:02
Root Modulus
-0.563570 - 0.521538i 0.767863-0.563570 + 0.521538i 0.767863-0.418689 - 0.532540i 0.677421-0.418689 + 0.532540i 0.677421-0.231112 - 0.634606i 0.675380-0.231112 + 0.634606i 0.675380-0.264261 - 0.534496i 0.596255-0.264261 + 0.534496i 0.596255-0.022757 - 0.573164i 0.573615-0.022757 + 0.573164i 0.573615-0.564273 0.564273-0.106106 0.106106
No root lies outside the unit circle. VAR satisfies the stability condition.
Sumber : Eviews 8
Roots of Characteristic PolynomialEndogenous variables: D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Exogenous variables: C Lag specification: 1 2Date: 07/05/19 Time: 08:45
Root Modulus
-0.515944 - 0.544536i 0.750146-0.515944 + 0.544536i 0.750146-0.222627 - 0.687375i 0.722528-0.222627 + 0.687375i 0.722528-0.416699 - 0.536049i 0.678960
123
-0.416699 + 0.536049i 0.678960 0.014045 - 0.589288i 0.589455 0.014045 + 0.589288i 0.589455-0.447244 - 0.371167i 0.581199-0.447244 + 0.371167i 0.581199-0.498651 0.498651-0.054639 0.054639
No root lies outside the unit circle. VAR satisfies the stability condition.
Sumber : Eviews 8
Roots of Characteristic PolynomialEndogenous variables: D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Exogenous variables: C Lag specification: 1 2Date: 07/05/19 Time: 09:22
Root Modulus
-0.526043 - 0.543091i 0.756089-0.526043 + 0.543091i 0.756089-0.223460 - 0.680797i 0.716532-0.223460 + 0.680797i 0.716532-0.392605 - 0.507125i 0.641338-0.392605 + 0.507125i 0.641338-0.439387 - 0.415217i 0.604538-0.439387 + 0.415217i 0.604538-0.011604 - 0.574513i 0.574630-0.011604 + 0.574513i 0.574630-0.515100 0.515100-0.093462 0.093462
No root lies outside the unit circle. VAR satisfies the stability condition.
Sumber : Eviews 8
Roots of Characteristic PolynomialEndogenous variables: D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Exogenous variables: C Lag specification: 1 2Date: 07/05/19 Time: 10:12
Root Modulus
-0.501391 - 0.523212i 0.724668-0.501391 + 0.523212i 0.724668-0.172332 - 0.696920i 0.717910-0.172332 + 0.696920i 0.717910-0.447930 - 0.550873i 0.710002
124
-0.447930 + 0.550873i 0.710002-0.317354 - 0.593106i 0.672673-0.317354 + 0.593106i 0.672673-0.017631 - 0.564811i 0.565086-0.017631 + 0.564811i 0.565086-0.522009 0.522009-0.055334 0.055334
No root lies outside the unit circle. VAR satisfies the stability condition.
Sumber: Eviews 8
Lampiran 5 Hasil Uji Kausalitas Granger
Pairwise Granger Causality TestsDate: 07/02/19 Time: 09:02Sample: 2012M01 2018M12Lags: 3
Null Hypothesis: Obs F-Statistic Prob.
CPI does not Granger Cause GTIDR_5YR 81 1.15615 0.3323 GTIDR_5YR does not Granger Cause CPI 0.83511 0.4789
BI_RATE does not Granger Cause GTIDR_5YR 81 0.43008 0.7321 GTIDR_5YR does not Granger Cause BI_RATE 3.01790 0.0351
NILAI_TUKAR does not Granger Cause GTIDR_5YR 81 0.69894 0.5557 GTIDR_5YR does not Granger Cause NILAI_TUKAR 1.09262 0.3577
PDB does not Granger Cause GTIDR_5YR 81 1.30027 0.2808 GTIDR_5YR does not Granger Cause PDB 0.56974 0.6367
CDS_5YR does not Granger Cause GTIDR_5YR 81 1.44255 0.2373 GTIDR_5YR does not Granger Cause CDS_5YR 4.27774 0.0077
BI_RATE does not Granger Cause CPI 81 0.43406 0.7292 CPI does not Granger Cause BI_RATE 2.12089 0.1048
NILAI_TUKAR does not Granger Cause CPI 81 1.48417 0.2258 CPI does not Granger Cause NILAI_TUKAR 1.77202 0.1599
PDB does not Granger Cause CPI 81 1.15331 0.3334 CPI does not Granger Cause PDB 0.10570 0.9565
CDS_5YR does not Granger Cause CPI 81 0.34111 0.7957 CPI does not Granger Cause CDS_5YR 3.15350 0.0298
NILAI_TUKAR does not Granger Cause BI_RATE 81 1.64897 0.1854 BI_RATE does not Granger Cause NILAI_TUKAR 2.53645 0.0632
PDB does not Granger Cause BI_RATE 81 1.01182 0.3924 BI_RATE does not Granger Cause PDB 0.25475 0.8577
CDS_5YR does not Granger Cause BI_RATE 81 0.33979 0.7966
125
BI_RATE does not Granger Cause CDS_5YR 1.10982 0.3506
PDB does not Granger Cause NILAI_TUKAR 81 2.02369 0.1179 NILAI_TUKAR does not Granger Cause PDB 1.04665 0.3771
CDS_5YR does not Granger Cause NILAI_TUKAR 81 0.65440 0.5827 NILAI_TUKAR does not Granger Cause CDS_5YR 0.49095 0.6896
CDS_5YR does not Granger Cause PDB 81 0.84930 0.4714 PDB does not Granger Cause CDS_5YR 2.01057 0.1198
Sumber : Eviews 8
Pairwise Granger Causality TestsDate: 07/05/19 Time: 08:46Sample: 2012M01 2018M12Lags: 3
Null Hypothesis: Obs F-Statistic Prob.
CPI does not Granger Cause GTIDR_10YR 81 1.30116 0.2805 GTIDR_10YR does not Granger Cause CPI 1.14605 0.3362
BI_RATE does not Granger Cause GTIDR_10YR 81 0.67251 0.5716 GTIDR_10YR does not Granger Cause BI_RATE 2.19426 0.0958
NILAI_TUKAR does not Granger Cause GTIDR_10YR 81 0.65839 0.5803 GTIDR_10YR does not Granger Cause NILAI_TUKAR 0.65154 0.5845
PDB does not Granger Cause GTIDR_10YR 81 1.36500 0.2601 GTIDR_10YR does not Granger Cause PDB 0.46031 0.7108
CDS_5YR does not Granger Cause GTIDR_10YR 81 2.53894 0.0630 GTIDR_10YR does not Granger Cause CDS_5YR 5.20797 0.0026
BI_RATE does not Granger Cause CPI 81 0.43406 0.7292 CPI does not Granger Cause BI_RATE 2.12089 0.1048
NILAI_TUKAR does not Granger Cause CPI 81 1.48417 0.2258 CPI does not Granger Cause NILAI_TUKAR 1.77202 0.1599
PDB does not Granger Cause CPI 81 1.15331 0.3334 CPI does not Granger Cause PDB 0.10570 0.9565
CDS_5YR does not Granger Cause CPI 81 0.34111 0.7957 CPI does not Granger Cause CDS_5YR 3.15350 0.0298
NILAI_TUKAR does not Granger Cause BI_RATE 81 1.64897 0.1854 BI_RATE does not Granger Cause NILAI_TUKAR 2.53645 0.0632
PDB does not Granger Cause BI_RATE 81 1.01182 0.3924 BI_RATE does not Granger Cause PDB 0.25475 0.8577
CDS_5YR does not Granger Cause BI_RATE 81 0.33979 0.7966 BI_RATE does not Granger Cause CDS_5YR 1.10982 0.3506
126
PDB does not Granger Cause NILAI_TUKAR 81 2.02369 0.1179 NILAI_TUKAR does not Granger Cause PDB 1.04665 0.3771
CDS_5YR does not Granger Cause NILAI_TUKAR 81 0.65440 0.5827 NILAI_TUKAR does not Granger Cause CDS_5YR 0.49095 0.6896
CDS_5YR does not Granger Cause PDB 81 0.84930 0.4714 PDB does not Granger Cause CDS_5YR 2.01057 0.1198
Sumber : Eviews 8
Pairwise Granger Causality TestsDate: 07/05/19 Time: 09:23Sample: 2012M01 2018M12Lags: 3
Null Hypothesis: Obs F-Statistic Prob.
CPI does not Granger Cause GTIDR_15YR 81 1.60466 0.1955 GTIDR_15YR does not Granger Cause CPI 0.83030 0.4814
BI_RATE does not Granger Cause GTIDR_15YR 81 0.87654 0.4573 GTIDR_15YR does not Granger Cause BI_RATE 2.18468 0.0970
NILAI_TUKAR does not Granger Cause GTIDR_15YR 81 0.22623 0.8779 GTIDR_15YR does not Granger Cause NILAI_TUKAR 0.28700 0.8346
PDB does not Granger Cause GTIDR_15YR 81 1.51734 0.2171 GTIDR_15YR does not Granger Cause PDB 0.41342 0.7439
CDS_5YR does not Granger Cause GTIDR_15YR 81 1.70899 0.1725 GTIDR_15YR does not Granger Cause CDS_5YR 3.54763 0.0185
BI_RATE does not Granger Cause CPI 81 0.43406 0.7292 CPI does not Granger Cause BI_RATE 2.12089 0.1048
NILAI_TUKAR does not Granger Cause CPI 81 1.48417 0.2258 CPI does not Granger Cause NILAI_TUKAR 1.77202 0.1599
PDB does not Granger Cause CPI 81 1.15331 0.3334 CPI does not Granger Cause PDB 0.10570 0.9565
CDS_5YR does not Granger Cause CPI 81 0.34111 0.7957 CPI does not Granger Cause CDS_5YR 3.15350 0.0298
NILAI_TUKAR does not Granger Cause BI_RATE 81 1.64897 0.1854 BI_RATE does not Granger Cause NILAI_TUKAR 2.53645 0.0632
PDB does not Granger Cause BI_RATE 81 1.01182 0.3924 BI_RATE does not Granger Cause PDB 0.25475 0.8577
CDS_5YR does not Granger Cause BI_RATE 81 0.33979 0.7966 BI_RATE does not Granger Cause CDS_5YR 1.10982 0.3506
PDB does not Granger Cause NILAI_TUKAR 81 2.02369 0.1179 NILAI_TUKAR does not Granger Cause PDB 1.04665 0.3771
127
CDS_5YR does not Granger Cause NILAI_TUKAR 81 0.65440 0.5827 NILAI_TUKAR does not Granger Cause CDS_5YR 0.49095 0.6896
CDS_5YR does not Granger Cause PDB 81 0.84930 0.4714 PDB does not Granger Cause CDS_5YR 2.01057 0.1198
Sumber : Eviews 8
Pairwise Granger Causality TestsDate: 07/05/19 Time: 10:13Sample: 2012M01 2018M12Lags: 3
Null Hypothesis: Obs F-Statistic Prob.
CPI does not Granger Cause GTIDR_20YR 81 2.55777 0.0616 GTIDR_20YR does not Granger Cause CPI 1.08484 0.3609
BI_RATE does not Granger Cause GTIDR_20YR 81 3.26889 0.0259 GTIDR_20YR does not Granger Cause BI_RATE 2.95374 0.0380
NILAI_TUKAR does not Granger Cause GTIDR_20YR 81 0.35567 0.7852 GTIDR_20YR does not Granger Cause NILAI_TUKAR 0.82229 0.4857
PDB does not Granger Cause GTIDR_20YR 81 0.95534 0.4185 GTIDR_20YR does not Granger Cause PDB 0.36099 0.7813
CDS_5YR does not Granger Cause GTIDR_20YR 81 2.09260 0.1084 GTIDR_20YR does not Granger Cause CDS_5YR 3.58522 0.0177
BI_RATE does not Granger Cause CPI 81 0.43406 0.7292 CPI does not Granger Cause BI_RATE 2.12089 0.1048
NILAI_TUKAR does not Granger Cause CPI 81 1.48417 0.2258 CPI does not Granger Cause NILAI_TUKAR 1.77202 0.1599
PDB does not Granger Cause CPI 81 1.15331 0.3334 CPI does not Granger Cause PDB 0.10570 0.9565
CDS_5YR does not Granger Cause CPI 81 0.34111 0.7957 CPI does not Granger Cause CDS_5YR 3.15350 0.0298
NILAI_TUKAR does not Granger Cause BI_RATE 81 1.64897 0.1854 BI_RATE does not Granger Cause NILAI_TUKAR 2.53645 0.0632
PDB does not Granger Cause BI_RATE 81 1.01182 0.3924 BI_RATE does not Granger Cause PDB 0.25475 0.8577
CDS_5YR does not Granger Cause BI_RATE 81 0.33979 0.7966 BI_RATE does not Granger Cause CDS_5YR 1.10982 0.3506
PDB does not Granger Cause NILAI_TUKAR 81 2.02369 0.1179 NILAI_TUKAR does not Granger Cause PDB 1.04665 0.3771
CDS_5YR does not Granger Cause NILAI_TUKAR 81 0.65440 0.5827 NILAI_TUKAR does not Granger Cause CDS_5YR 0.49095 0.6896
128
CDS_5YR does not Granger Cause PDB 81 0.84930 0.4714 PDB does not Granger Cause CDS_5YR 2.01057 0.1198
Sumber : Eviews 8
Lampiran 6 Hasil Uji Kointegrasi
Date: 07/02/19 Time: 09:04Sample (adjusted): 2012M07 2018M12Included observations: 78 after adjustmentsTrend assumption: Linear deterministic trendSeries: D(GTIDR_5YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Lags interval (in first differences): 1 to 3
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.602457 264.5830 95.75366 0.0000At most 1 * 0.509544 192.6317 69.81889 0.0000At most 2 * 0.449969 137.0631 47.85613 0.0000At most 3 * 0.369962 90.43613 29.79707 0.0000At most 4 * 0.328115 54.40205 15.49471 0.0000At most 5 * 0.259030 23.38398 3.841466 0.0000
Trace test indicates 6 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
Date: 07/05/19 Time: 08:45Sample (adjusted): 2012M06 2018M12Included observations: 79 after adjustmentsTrend assumption: Linear deterministic trendSeries: D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.691128 376.6771 95.75366 0.0001At most 1 * 0.631297 283.8656 69.81889 0.0001At most 2 * 0.619664 205.0424 47.85613 0.0000At most 3 * 0.505898 128.6730 29.79707 0.0000At most 4 * 0.384968 72.97687 15.49471 0.0000At most 5 * 0.354466 34.57653 3.841466 0.0000
Trace test indicates 6 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
129
Date: 07/05/19 Time: 09:22Sample (adjusted): 2012M06 2018M12Included observations: 79 after adjustmentsTrend assumption: Linear deterministic trendSeries: D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.698324 377.2286 95.75366 0.0001At most 1 * 0.663248 282.5549 69.81889 0.0001At most 2 * 0.607527 196.5706 47.85613 0.0000At most 3 * 0.501906 122.6828 29.79707 0.0000At most 4 * 0.367826 67.62253 15.49471 0.0000At most 5 * 0.327929 31.39390 3.841466 0.0000
Trace test indicates 6 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
Date: 07/05/19 Time: 10:13Sample (adjusted): 2012M06 2018M12Included observations: 79 after adjustmentsTrend assumption: Linear deterministic trendSeries: D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2) Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.726165 362.6458 95.75366 0.0000At most 1 * 0.607552 260.3227 69.81889 0.0000At most 2 * 0.520645 186.4300 47.85613 0.0000At most 3 * 0.489269 128.3402 29.79707 0.0000At most 4 * 0.413229 75.25916 15.49471 0.0000At most 5 * 0.342643 33.14270 3.841466 0.0000
Trace test indicates 6 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
Lampiran 7 Hasil Model VECM
Vector Error Correction Estimates Date: 07/02/19 Time: 09:05
130
Sample (adjusted): 2012M07 2018M12 Included observations: 78 after adjustments Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
D(GTIDR_5YR(-1),2) 1.000000
D(CPI(-1),2) -0.015625 (0.09592)[-0.16290]
D(BI_RATE(-1),2) 128.9085
(31.4056)[ 4.10464]
D(NILAI_TUKAR(-1),2) -0.001662
(0.00030)[-5.47475]
D(PDB(-1),2) -1.32E-05 (2.0E-06)[-6.64871]
D(CDS_5YR(-1),2) 0.007729
(0.00372)[ 2.07966]
C -0.007683
Error Correction:D(GTIDR_5YR,3) D(CPI,3)
D(BI_RATE,3)
D(NILAI_TUKAR,3) D(PDB,3)
D(CDS_5YR,3)
CointEq1 -1.385281-0.005609-0.002419 -36.68168 109224.4-58.28476
(0.32194) (0.62252) (0.00167) (245.558)
(29735.0) (19.6816)
[-4.30285][-0.00901] [-1.45001] [-0.14938] [ 3.67326][-2.96139]
D(GTIDR_5YR(-1),3) -0.106940
0.176703 0.004052 -102.1915
-65736.67 46.67150
(0.24716) (0.47791) (0.00128) (188.516)
(22827.7) (15.1096)
[-0.43268][ 0.36974] [ 3.16402] [-0.54208] [-2.87969][ 3.08886]
D(GTIDR_5YR(-2),3) -0.014682
0.386401 0.003393 7.640878
-6061.074 51.78636
(0.20285) (0.39223) (0.00105) (154.718)
(18735.0) (12.4007)
[-0.07238][ 0.98514] [ 3.22843] [ 0.04939] [-0.32352][ 4.17609]
131
D(GTIDR_5YR(-3),3) 0.111929
0.358557 0.002152 101.1325 8550.663 29.83264
(0.14558) (0.28150) (0.00075) (111.041)
(13446.1) (8.89994)
[ 0.76884][ 1.27372] [ 2.85317] [ 0.91077] [ 0.63592][ 3.35200]
D(CPI(-1),3) -0.044979-0.971261 1.99E-05 0.357452
-3119.719 6.897792
(0.06726) (0.13005) (0.00035) (51.2995)
(6211.92) (4.11167)
[-0.66876][-7.46829] [ 0.05717] [ 0.00697] [-0.50221][ 1.67761]
D(CPI(-2),3) -0.046069-0.875309 0.000195 46.92038
-8276.966 3.258447
(0.07892) (0.15261) (0.00041) (60.1973)
(7289.37) (4.82483)
[-0.58372][-5.73565] [ 0.47609] [ 0.77944] [-1.13548][ 0.67535]
D(CPI(-3),3) -0.153194-0.477098-0.000171 6.681825
-10378.99 -1.952867
(0.07020) (0.13575) (0.00036) (53.5471)
(6484.08) (4.29181)
[-2.18213][-3.51455] [-0.46969] [ 0.12478] [-1.60069][-0.45502]
D(BI_RATE(-1),3) 190.8455
-27.72688-0.823912 55647.21
-15693743 7743.501
(47.9969) (92.8086) (0.24870) (36608.9)
(4433018) (2934.21)
[ 3.97621][-0.29875] [-3.31286] [ 1.52005] [-3.54019][ 2.63904]
D(BI_RATE(-2),3) 117.8501
-62.17221-0.466216 23482.85
-10199845 4491.082
(49.1760) (95.0887) (0.25481) (37508.3)
(4541925) (3006.30)
[ 2.39649][-0.65383] [-1.82965] [ 0.62607] [-2.24571][ 1.49389]
D(BI_RATE(-3),3) 4.352290
-69.59000-0.147411 -21128.27
-3956387. 440.7662
(31.6127) (61.1276) (0.16380) (24112.1)
(2919769) (1932.59)
[ 0.13768][-1.13844] [-0.89992] [-0.87625] [-1.35503][ 0.22807]
D(NILAI_TUKAR(-1),3) -0.001900
-0.000205-5.02E-06 -1.114329 122.8321-0.066556
(0.00046) (0.00088) (2.4E-06) (0.34903)
(42.2639) (0.02797)
[-4.15176][-0.23204] [-2.11765] [-3.19269] [ 2.90631][-2.37916]
D(NILAI_TUKAR(-2),3) -0.001514
-0.000643-3.22E-06 -0.843616 44.69058-0.050931
(0.00035) (0.00067) (1.8E-06) (0.26547)
(32.1457) (0.02128)
[-4.34972] [- [-1.78633] [-3.17786] [ 1.39025][-2.39370]
132
0.95589]
D(NILAI_TUKAR(-3),3) -0.000923
-0.000271-2.09E-06 -0.714980 12.83256-0.035461
(0.00021) (0.00040) (1.1E-06) (0.15938)
(19.2991) (0.01277)
[-4.41532][-0.66998] [-1.93295] [-4.48611] [ 0.66493][-2.77603]
D(PDB(-1),3) -1.33E-05 7.09E-07 -3.27E-08 0.001187
-0.144577 -0.000532
(3.6E-06) (6.9E-06) (1.9E-08) (0.00272)
(0.32985) (0.00022)
[-3.72117][ 0.10264] [-1.76917] [ 0.43591] [-0.43831][-2.43756]
D(PDB(-2),3) -6.13E-06 2.02E-07 -1.88E-08 0.002586
-0.377827 -0.000154
(2.5E-06) (4.8E-06) (1.3E-08) (0.00190)
(0.23000) (0.00015)
[-2.46112][ 0.04191] [-1.45445] [ 1.36161] [-1.64276][-1.01432]
D(PDB(-3),3) -1.42E-06 7.46E-07 -4.85E-09 0.001222
-0.174674 -8.89E-05
(1.4E-06) (2.7E-06) (7.2E-09) (0.00105)
(0.12763) (8.4E-05)
[-1.02702][ 0.27929] [-0.67670] [ 1.15970] [-1.36858][-1.05214]
D(CDS_5YR(-1),3) 0.007538
0.003553 5.56E-06 -0.975103
-612.7778 -0.991164
(0.00285) (0.00552) (1.5E-05) (2.17578)
(263.468) (0.17439)
[ 2.64256][ 0.64412] [ 0.37624] [-0.44816] [-2.32582][-5.68364]
D(CDS_5YR(-2),3) 0.003052
0.006682 -1.92E-06 -2.151571
-525.5058 -0.986277
(0.00281) (0.00544) (1.5E-05) (2.14428)
(259.654) (0.17186)
[ 1.08568][ 1.22922] [-0.13198] [-1.00340] [-2.02387][-5.73868]
D(CDS_5YR(-3),3) 0.002931
0.002417 2.62E-06 0.240824
-243.0812 -0.382185
(0.00208) (0.00403) (1.1E-05) (1.58847)
(192.349) (0.12732)
[ 1.40718][ 0.60023] [ 0.24294] [ 0.15161] [-1.26375][-3.00187]
C -0.000664 0.001209 -3.44E-05 -5.902563
-7.602077 0.130787
(0.05376) (0.10395) (0.00028) (41.0030)
(4965.11) (3.28640)
[-0.01236][ 0.01163] [-0.12359] [-0.14395] [-0.00153][ 0.03980]
R-squared 0.833917 0.587088 0.723975 0.813692 0.794722 0.845303
Adj. R-squared 0.779511 0.45182 0.633552 0.752660 0.727476 0.794627
133
4
Sum sq. resids 13.04271 48.76614 0.000350 7587782.
1.11E+11 48744.36
S.E. equation 0.474209 0.916949 0.002457 361.6958 43798.20 28.99000
F-statistic 15.32757 4.340303 8.006610 13.33225 11.81808 16.68039
Log likelihood -40.92650-92.35998 369.5593 -558.6055
-932.7360 -361.7450
Akaike AIC 1.562218 2.881025 -8.963060 14.83604 24.42913 9.788334
Schwarz SC 2.166502 3.485309 -8.358776 15.44032 25.03341 10.39262
Mean dependent 0.014808
-0.002821-3.21E-05 15.00000 -2.09E-11 1.638359
S.D. dependent 1.009895 1.238469 0.004059 727.2713 83898.40 63.97000
Determinant resid covariance (dof adj.)
4.58E+10
Determinant resid covariance 7.74E+09
Log likelihood-1552.096
Akaike information criterion 43.02809
Schwarz criterion 46.83509
Vector Error Correction Estimates Date: 07/05/19 Time: 08:48 Sample (adjusted): 2012M07 2018M12 Included observations: 78 after adjustments Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
D(GTIDR_10YR(-1),2) 1.000000
D(CPI(-1),2) -0.157180 (0.14866)[-1.05732]
D(BI_RATE(-1),2) 254.2163
(46.9825)[ 5.41087]
D(NILAI_TUKAR(-1),2) -0.002325
(0.00047)[-4.98629]
D(PDB(-1),2) -1.46E-05 (3.0E-06)
134
[-4.77746]
D(CDS_5YR(-1),2) 0.024592
(0.00584)[ 4.21046]
C 0.001342
Error Correction:D(GTIDR_10YR,3) D(CPI,3)
D(BI_RATE,3)
D(NILAI_TUKAR,3) D(PDB,3)
D(CDS_5YR,3)
CointEq1 -0.973826 0.018053 -0.003012 -97.94177 52866.52-48.13016
(0.20929) (0.40075) (0.00111) (164.057)
(21064.4) (11.9566)
[-4.65295][ 0.04505] [-2.70779] [-0.59700] [ 2.50975][-4.02539]
D(GTIDR_10YR(-1),3) -0.551966
0.138048 0.003412 8.887077
-24378.92 35.40453
(0.19119) (0.36609) (0.00102) (149.871)
(19242.9) (10.9227)
[-2.88694][ 0.37709] [ 3.35825] [ 0.05930]
[-1.26690] [ 3.24136]
D(GTIDR_10YR(-2),3) -0.355967
0.578017 0.002297 27.71141 5108.679 43.01515
(0.19648) (0.37621) (0.00104) (154.013)
(19774.8) (11.2246)
[-1.81173][ 1.53641] [ 2.20043] [ 0.17993] [ 0.25834][ 3.83221]
D(GTIDR_10YR(-3),3) -0.049484
0.333051 0.001552 62.01065 14708.14 27.72028
(0.14990) (0.28703) (0.00080) (117.505)
(15087.3) (8.56386)
[-0.33010][ 1.16033] [ 1.94844] [ 0.52773] [ 0.97487][ 3.23689]
D(CPI(-1),3) -0.188403-0.960159-0.000183 -31.27344 2445.264 0.073424
(0.06984) (0.13372) (0.00037) (54.7431)
(7028.85) (3.98973)
[-2.69775][-7.18025] [-0.49288] [-0.57128] [ 0.34789][ 0.01840]
D(CPI(-2),3) -0.144281-0.894545 0.000226 35.91635
-75.71970 -0.229075
(0.07580) (0.14513) (0.00040) (59.4151)
(7628.72) (4.33023)
[-1.90351][-6.16355] [ 0.56017] [ 0.60450]
[-0.00993] [-0.05290]
D(CPI(-3),3) -0.168328-0.442817-7.52E-05 8.007158
-7608.605 -3.553069
(0.06856) (0.13127) (0.00036) (53.7383)
(6899.83) (3.91650)
[-2.45535][-3.37339] [-0.20647] [ 0.14900]
[-1.10272] [-0.90721]
135
D(BI_RATE(-1),3) 264.3289
-33.73047-0.365943 75196.43
-12301590 12291.66
(54.1905) (103.762) (0.28797) (42478.1)
(5454063) (3095.85)
[ 4.87777][-0.32507] [-1.27078] [ 1.77024]
[-2.25549] [ 3.97037]
D(BI_RATE(-2),3) 179.2039
-56.43285-0.108018 47901.33
-5981713. 8263.158
(50.7759) (97.2241) (0.26982) (39801.5)
(5110396) (2900.77)
[ 3.52931][-0.58044] [-0.40033] [ 1.20350]
[-1.17050] [ 2.84860]
D(BI_RATE(-3),3) 37.40316
-65.67832 0.024792 -9485.049
-1650746. 1947.322
(31.3889) (60.1024) (0.16680) (24604.7)
(3159165) (1793.21)
[ 1.19161][-1.09277] [ 0.14863] [-0.38550]
[-0.52253] [ 1.08594]
D(NILAI_TUKAR(-1),3) -0.001778
-0.000203-7.20E-06 -1.311908 74.11919-0.080308
(0.00043) (0.00082) (2.3E-06) (0.33702)
(43.2727) (0.02456)
[-4.13481][-0.24674] [-3.14987] [-3.89264] [ 1.71284][-3.26951]
D(NILAI_TUKAR(-2),3) -0.001218
-0.000808-4.35E-06 -0.933399 21.85761-0.058795
(0.00033) (0.00063) (1.7E-06) (0.25748)
(33.0593) (0.01877)
[-3.70924][-1.28485] [-2.49208] [-3.62517] [ 0.66116][-3.13319]
D(NILAI_TUKAR(-3),3) -0.000796
-0.000264-2.64E-06 -0.683523
-2.504286 -0.035170
(0.00021) (0.00039) (1.1E-06) (0.16142)
(20.7260) (0.01176)
[-3.86386][-0.66938] [-2.41171] [-4.23440]
[-0.12083] [-2.98950]
D(PDB(-1),3) -9.25E-06 1.22E-06 -4.08E-08 0.000736
-0.662433 -0.000463
(2.7E-06) (5.1E-06) (1.4E-08) (0.00209)
(0.26817) (0.00015)
[-3.47349][ 0.23944] [-2.88148] [ 0.35224]
[-2.47023] [-3.04165]
D(PDB(-2),3) -3.52E-06 1.26E-07 -2.54E-08 0.002588
-0.678212 -0.000108
(2.0E-06) (3.8E-06) (1.1E-08) (0.00158)
(0.20235) (0.00011)
[-1.75289][ 0.03267] [-2.37551] [ 1.64202]
[-3.35169] [-0.94144]
D(PDB(-3),3) -9.63E-07 4.90E-07 -6.03E-09 0.001420
-0.296407 -6.68E-05
(1.3E-06) (2.4E-06) (6.7E-09) (0.00098)
(0.12603) (7.2E-05)
136
[-0.76939][ 0.20420] [-0.90563] [ 1.44671]
[-2.35179] [-0.93371]
D(CDS_5YR(-1),3) 0.018881
0.004652 5.36E-05 0.707282
-1013.265 -0.359828
(0.00456) (0.00873) (2.4E-05) (3.57410)
(458.903) (0.26048)
[ 4.14096][ 0.53280] [ 2.21237] [ 0.19789]
[-2.20802] [-1.38139]
D(CDS_5YR(-2),3) 0.009393
0.005780 2.79E-05 -0.914628
-738.7416 -0.613286
(0.00360) (0.00689) (1.9E-05) (2.81964)
(362.033) (0.20550)
[ 2.61139][ 0.83918] [ 1.45824] [-0.32438]
[-2.04053] [-2.98439]
D(CDS_5YR(-3),3) 0.004867
0.002559 1.17E-05 0.929595
-345.4856 -0.276164
(0.00220) (0.00421) (1.2E-05) (1.72211)
(221.113) (0.12551)
[ 2.21547][ 0.60829] [ 1.00513] [ 0.53980]
[-1.56248] [-2.20036]
C 0.015924 0.001049 5.48E-06 -4.002588
-476.6744 0.750194
(0.05366) (0.10275) (0.00029) (42.0637)
(5400.85) (3.06564)
[ 0.29675][ 0.01021] [ 0.01920] [-0.09516]
[-0.08826] [ 0.24471]
R-squared 0.848655 0.597714 0.711559 0.804492 0.757808 0.865775
Adj. R-squared 0.799076 0.465930 0.617070 0.740446 0.678469 0.821805
Sum sq. resids 12.95877 47.51119 0.000366 7962475.
1.31E+11 42293.77
S.E. equation 0.472681 0.905074 0.002512 370.5186 47573.47 27.00376
F-statistic 17.11734 4.535578 7.530574 12.56122 9.551556 19.69004
Log likelihood -40.67470-91.34321 367.8434 -560.4853
-939.1852 -356.2090
Akaike AIC 1.555761 2.854954 -8.919062 14.88424 24.59449 9.646384
Schwarz SC 2.160046 3.459238 -8.314778 15.48852 25.19878 10.25067
Mean dependent 0.022385
-0.002821-3.21E-05 15.00000 -2.09E-11 1.638359
S.D. dependent 1.054513 1.238469 0.004059 727.2713 83898.40 63.97000
Determinant resid covariance (dof adj.)
5.20E+10
Determinant resid covariance 8.79E+09
Log likelihood-1557.040
Akaike information criterion 43.15487
Schwarz criterion 46.9618
137
6
Vector Error Correction Estimates Date: 07/05/19 Time: 09:26 Sample (adjusted): 2012M07 2018M12 Included observations: 78 after adjustments Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
D(GTIDR_15YR(-1),2) 1.000000
D(CPI(-1),2) -0.079053 (0.10494)[-0.75333]
D(BI_RATE(-1),2) 170.3533
(33.0258)[ 5.15818]
D(NILAI_TUKAR(-1),2) -0.001861
(0.00033)[-5.57565]
D(PDB(-1),2) -1.06E-05 (2.2E-06)[-4.89272]
D(CDS_5YR(-1),2) 0.014565
(0.00409)[ 3.56517]
C -0.001305
Error Correction:D(GTIDR_15YR,3) D(CPI,3)
D(BI_RATE,3)
D(NILAI_TUKAR,3) D(PDB,3)
D(CDS_5YR,3)
CointEq1 -1.378600-0.137242-0.003798 -156.4699 80322.98-70.25996
(0.27597) (0.57139) (0.00162) (227.802)
(29106.1) (16.9939)
[-4.99556][-0.24019] [-2.33826] [-0.68687] [ 2.75966][-4.13442]
D(GTIDR_15YR(-1),3) -0.361131
0.130264 0.003799 -20.65954
-58409.80 49.25942
(0.23235) (0.48108) (0.00137) (191.799)
(24505.9) (14.3081)
[-1.55426][ 0.27077] [ 2.77736] [-0.10771]
[-2.38350] [ 3.44277]
138
D(GTIDR_15YR(-2),3) -0.311076
0.389156 0.002368 -34.95236
-7635.938 47.53838
(0.20978) (0.43434) (0.00123) (173.165)
(22125.1) (12.9180)
[-1.48290][ 0.89596] [ 1.91739] [-0.20184]
[-0.34513] [ 3.68001]
D(GTIDR_15YR(-3),3) -0.013989
0.179297 0.000787 53.22395 8378.527 30.36906
(0.14615) (0.30261) (0.00086) (120.643)
(15414.5) (8.99991)
[-0.09572][ 0.59251] [ 0.91485] [ 0.44117] [ 0.54355][ 3.37437]
D(CPI(-1),3) -0.103880-0.946587 6.19E-05 -12.47348 3044.691 2.836207
(0.06540) (0.13542) (0.00038) (53.9901)
(6898.26) (4.02762)
[-1.58825][-6.98992] [ 0.16089] [-0.23103] [ 0.44137][ 0.70419]
D(CPI(-2),3) -0.097037-0.883365 0.000356 49.62732
-3941.259 1.155415
(0.07507) (0.15543) (0.00044) (61.9658)
(7917.30) (4.62260)
[-1.29267][-5.68348] [ 0.80539] [ 0.80088]
[-0.49780] [ 0.24995]
D(CPI(-3),3) -0.162132-0.426595 0.000139 7.025664
-8572.333 -3.458293
(0.06675) (0.13821) (0.00039) (55.1002)
(7040.10) (4.11044)
[-2.42895][-3.08666] [ 0.35327] [ 0.12751]
[-1.21764] [-0.84134]
D(BI_RATE(-1),3) 249.3808
-4.525659-0.483615 76841.52
-13248871 12120.62
(48.8603) (101.166) (0.28760) (40333.0)
(5153302) (3008.81)
[ 5.10395][-0.04473] [-1.68153] [ 1.90518]
[-2.57095] [ 4.02837]
D(BI_RATE(-2),3) 161.7978
-29.38526-0.162747 48779.84
-6821105. 8262.293
(46.6514) (96.5925) (0.27460) (38509.6)
(4920330) (2872.79)
[ 3.46823][-0.30422] [-0.59267] [ 1.26669]
[-1.38631] [ 2.87605]
D(BI_RATE(-3),3) 31.19673
-56.88189 0.008488 -10018.48
-2168618. 1746.503
(29.1434) (60.3418) (0.17155) (24057.1)
(3073753) (1794.65)
[ 1.07046][-0.94266] [ 0.04948] [-0.41645]
[-0.70553] [ 0.97317]
D(NILAI_TUKAR(-1),3) -0.002004
-0.000391-7.10E-06 -1.331104 103.1114-0.093865
(0.00045) (0.00092) (2.6E-06) (0.36811)
(47.0326) (0.02746)
139
[-4.49401][-0.42359] [-2.70448] [-3.61608] [ 2.19234][-3.41819]
D(NILAI_TUKAR(-2),3) -0.001339
-0.000749-4.15E-06 -0.934085 39.92980-0.063507
(0.00033) (0.00068) (1.9E-06) (0.27121)
(34.6526) (0.02023)
[-4.07398][-1.10102] [-2.14668] [-3.44410] [ 1.15229][-3.13890]
D(NILAI_TUKAR(-3),3) -0.000752
-0.000159-1.98E-06 -0.692537 11.41633-0.036926
(0.00019) (0.00040) (1.1E-06) (0.15761)
(20.1372) (0.01176)
[-3.93770][-0.40284] [-1.76529] [-4.39409] [ 0.56693][-3.14067]
D(PDB(-1),3) -9.18E-06 2.68E-07 -3.78E-08 0.000390
-0.581348 -0.000496
(2.6E-06) (5.4E-06) (1.5E-08) (0.00215)
(0.27435) (0.00016)
[-3.52831][ 0.04977] [-2.46764] [ 0.18143]
[-2.11903] [-3.09914]
D(PDB(-2),3) -3.17E-06-1.52E-07 -2.41E-08 0.002436
-0.624092 -0.000106
(1.9E-06) (4.0E-06) (1.1E-08) (0.00160)
(0.20481) (0.00012)
[-1.63372][-0.03771] [-2.11097] [ 1.51991]
[-3.04712] [-0.88886]
D(PDB(-3),3) -3.21E-07 4.91E-07 -6.10E-09 0.001292
-0.285529 -7.69E-05
(1.2E-06) (2.5E-06) (7.0E-09) (0.00099)
(0.12589) (7.4E-05)
[-0.26876][ 0.19856] [-0.86863] [ 1.31093]
[-2.26800] [-1.04598]
D(CDS_5YR(-1),3) 0.017092
0.007316 4.43E-05 1.027883
-782.2318 -0.466432
(0.00371) (0.00769) (2.2E-05) (3.06435)
(391.529) (0.22860)
[ 4.60430][ 0.95182] [ 2.02689] [ 0.33543]
[-1.99789] [-2.04040]
D(CDS_5YR(-2),3) 0.009742
0.008129 2.21E-05 -0.419622
-655.0852 -0.651372
(0.00318) (0.00659) (1.9E-05) (2.62757)
(335.722) (0.19601)
[ 3.06058][ 1.23342] [ 1.18190] [-0.15970]
[-1.95128] [-3.32308]
D(CDS_5YR(-3),3) 0.005005
0.003737 1.48E-05 1.004515
-327.8404 -0.289733
(0.00203) (0.00421) (1.2E-05) (1.67771)
(214.359) (0.12516)
[ 2.46267][ 0.88810] [ 1.23756] [ 0.59874]
[-1.52940] [-2.31498]
C 0.010595 0.002765 -4.75E-06 -4.256811
-361.4401 0.571531
140
(0.05032) (0.10418) (0.00030) (41.5339)
(5306.74) (3.09840)
[ 0.21058][ 0.02654] [-0.01604] [-0.10249]
[-0.06811] [ 0.18446]
R-squared 0.851238 0.585926 0.688461 0.809144 0.765878 0.862717
Adj. R-squared 0.802506 0.450282 0.586406 0.746622 0.689183 0.817745
Sum sq. resids 11.40726 48.90333 0.000395 7773026.
1.27E+11 43257.32
S.E. equation 0.443483 0.918238 0.002610 366.0843 46774.18 27.30963
F-statistic 17.46763 4.319564 6.745935 12.94177 9.986001 19.18345
Log likelihood -35.70133-92.46953 364.8392 -559.5462
-937.8636 -357.0875
Akaike AIC 1.428239 2.883834 -8.842030 14.86016 24.56061 9.668911
Schwarz SC 2.032523 3.488118 -8.237745 15.46444 25.16489 10.27319
Mean dependent 0.020141
-0.002821-3.21E-05 15.00000 -2.09E-11 1.638359
S.D. dependent 0.997929 1.238469 0.004059 727.2713 83898.40 63.97000
Determinant resid covariance (dof adj.)
4.42E+10
Determinant resid covariance 7.46E+09
Log likelihood-1550.668
Akaike information criterion 42.99148
Schwarz criterion 46.79847
Vector Error Correction Estimates Date: 07/05/19 Time: 10:14 Sample (adjusted): 2012M07 2018M12 Included observations: 78 after adjustments Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
D(GTIDR_20YR(-1),2) 1.000000
D(CPI(-1),2) 0.014495 (0.00969)[ 1.49641]
D(BI_RATE(- -0.883290
141
1),2) (3.01647)[-0.29282]
D(NILAI_TUKAR(-1),2) -0.000106
(3.1E-05)[-3.39010]
D(PDB(-1),2) 1.70E-07 (2.1E-07)[ 0.82331]
D(CDS_5YR(-1),2) 0.001536
(0.00041)[ 3.73258]
C 0.001146
Error Correction:D(GTIDR_20YR,3) D(CPI,3)
D(BI_RATE,3)
D(NILAI_TUKAR,3) D(PDB,3)
D(CDS_5YR,3)
CointEq1 -2.309634-11.83610-0.044963 2980.723 172725.8-265.8296
(0.34477) (6.18735) (0.01809) (2477.97)
(350058.) (207.495)
[-6.69903][-1.91295] [-2.48618] [ 1.20289] [ 0.49342][-1.28114]
D(GTIDR_20YR(-1),3) 0.849184
11.02512 0.039549 -1755.242
-115371.7 325.2717
(0.26665) (4.78530) (0.01399) (1916.46)
(270735.) (160.477)
[ 3.18468][ 2.30396] [ 2.82753] [-0.91588]
[-0.42614] [ 2.02691]
D(GTIDR_20YR(-2),3) 0.645869
6.976374 0.027130 -2501.981
-85290.72 124.7145
(0.20354) (3.65274) (0.01068) (1462.88)
(206659.) (122.496)
[ 3.17320][ 1.90990] [ 2.54106] [-1.71031]
[-0.41271] [ 1.01811]
D(GTIDR_20YR(-3),3) 0.256689
3.080236 0.011030 -1365.593 19501.31-16.79475
(0.12369) (2.21980) (0.00649) (889.005)
(125588.) (74.4418)
[ 2.07524][ 1.38762] [ 1.69992] [-1.53609] [ 0.15528][-0.22561]
D(CPI(-1),3) 0.021522-0.826325 0.000856 -33.73680
-2625.515 11.11530
(0.00695) (0.12471) (0.00036) (49.9439)
(7055.50) (4.18211)
[ 3.09721][-6.62612] [ 2.34880] [-0.67549]
[-0.37212] [ 2.65782]
D(CPI(-2),3) 0.036297-0.731204 0.000768 17.73491
-534.5712 7.741759
142
(0.00823) (0.14761) (0.00043) (59.1174)
(8351.42) (4.95026)
[ 4.41290][-4.95352] [ 1.77980] [ 0.29999]
[-0.06401] [ 1.56391]
D(CPI(-3),3) 0.024519-0.389218 0.000263 -29.61455
-5326.896 -3.458650
(0.00714) (0.12818) (0.00037) (51.3340)
(7251.88) (4.29851)
[ 3.43294][-3.03653] [ 0.70253] [-0.57690]
[-0.73455] [-0.80462]
D(BI_RATE(-1),3) 1.430020
-32.78047-1.126862 52315.40
-257876.4 1022.106
(2.56499) (46.0319) (0.13455) (18435.3)
(2604322) (1543.70)
[ 0.55751][-0.71213] [-8.37522] [ 2.83779]
[-0.09902] [ 0.66212]
D(BI_RATE(-2),3) -0.923600
-40.27502-0.661661 38167.59 3687775. 676.1843
(3.66861) (65.8376) (0.19244) (26367.3)
(3724861) (2207.89)
[-0.25176][-0.61173] [-3.43831] [ 1.44754] [ 0.99004][ 0.30626]
D(BI_RATE(-3),3) -2.151649
-49.21724-0.223821 -12071.36 3069761.-1454.882
(2.67763) (48.0533) (0.14046) (19244.8)
(2718685) (1611.49)
[-0.80357][-1.02422] [-1.59354] [-0.62725] [ 1.12913][-0.90282]
D(NILAI_TUKAR(-1),3) -0.000206
-0.001149-4.59E-06 -0.886527
-3.875112 -0.010958
(3.4E-05) (0.00062) (1.8E-06) (0.24787)
(35.0167) (0.02076)
[-5.97626][-1.85655] [-2.53655] [-3.57653]
[-0.11066] [-0.52796]
D(NILAI_TUKAR(-2),3) -0.000127
-0.001041-2.43E-06 -0.645575
-15.20678 0.002587
(3.0E-05) (0.00054) (1.6E-06) (0.21690)
(30.6410) (0.01816)
[-4.21110][-1.92193] [-1.53484] [-2.97638]
[-0.49629] [ 0.14242]
D(NILAI_TUKAR(-3),3) -5.00E-05
-0.000260-1.39E-06 -0.528936
-3.337162 -0.004306
(1.9E-05) (0.00035) (1.0E-06) (0.14003)
(19.7812) (0.01173)
[-2.56544][-0.74282] [-1.36419] [-3.77742]
[-0.16870] [-0.36721]
D(PDB(-1),3) 1.44E-07 3.68E-06 2.75E-09 0.001621
-1.303329 0.000194
(1.3E-07) (2.3E-06) (6.8E-09) (0.00093)
(0.13080) (7.8E-05)
[ 1.11929][ 1.59099] [ 0.40628] [ 1.75077]
[-9.96402] [ 2.49702]
143
D(PDB(-2),3) 1.37E-07 2.38E-06 1.10E-09 0.003148
-1.062390 0.000329
(1.6E-07) (2.9E-06) (8.4E-09) (0.00115)
(0.16270) (9.6E-05)
[ 0.85668][ 0.82917] [ 0.13130] [ 2.73341]
[-6.52984] [ 3.41310]
D(PDB(-3),3) 2.14E-07 2.01E-06 3.38E-09 0.001321
-0.422981 9.32E-05
(1.3E-07) (2.4E-06) (6.9E-09) (0.00094)
(0.13327) (7.9E-05)
[ 1.62714][ 0.85295] [ 0.49139] [ 1.40001]
[-3.17387] [ 1.18043]
D(CDS_5YR(-1),3) 0.002752
0.017919 5.58E-05 -4.602178
-63.44406 -1.014132
(0.00044) (0.00794) (2.3E-05) (3.18058)
(449.316) (0.26633)
[ 6.21935][ 2.25625] [ 2.40265] [-1.44696]
[-0.14120] [-3.80781]
D(CDS_5YR(-2),3) 0.001565
0.015018 2.79E-05 -4.128345
-119.9625 -0.933076
(0.00037) (0.00655) (1.9E-05) (2.62404)
(370.695) (0.21973)
[ 4.28662][ 2.29203] [ 1.45613] [-1.57328]
[-0.32362] [-4.24652]
D(CDS_5YR(-3),3) 0.000374
0.006284 1.64E-05 0.318372
-81.17645 -0.305382
(0.00024) (0.00431) (1.3E-05) (1.72745)
(244.034) (0.14465)
[ 1.55625][ 1.45689] [ 1.30282] [ 0.18430]
[-0.33264] [-2.11118]
C 0.000540 0.010334 -3.94E-06 -5.182196 139.8399 0.585582
(0.00559) (0.10024) (0.00029) (40.1441)
(5671.09) (3.36151)
[ 0.09670][ 0.10309] [-0.01346] [-0.12909] [ 0.02466][ 0.17420]
R-squared 0.802225 0.616372 0.694892 0.821569 0.732425 0.838291
Adj. R-squared 0.737437 0.490700 0.594942 0.763118 0.644771 0.785317
Sum sq. resids 0.140678 45.30766 0.000387 7266971.
1.45E+11 50954.01
S.E. equation 0.049249 0.883836 0.002583 353.9670 50004.35 29.63980
F-statistic 12.38227 4.904629 6.952437 14.05558 8.355879 15.82465
Log likelihood 135.7245-89.49113 365.6525 -556.9207
-943.0723 -363.4740
Akaike AIC -2.967295 2.807465 -8.862885 14.79284 24.69416 9.832668
Schwarz SC -2.363010 3.411749 -8.258601 15.39712 25.29845 10.43695
Mean dependent -7.69E-05
-0.002821-3.21E-05 15.00000 -2.09E-11 1.638359
S.D. dependent 0.096113 1.23846 0.004059 727.2713 83898.40 63.97000
144
9
Determinant resid covariance (dof adj.)
1.47E+09
Determinant resid covariance 2.48E+08
Log likelihood-1417.859
Akaike information criterion 39.58612
Schwarz criterion 43.39312
Lampiran 8 Hasil IRF
145
146
Lampiran 9 Hasil Tabel IRF
Response of D(GTIDR_5YR,2):
PeriodD(GTIDR_5YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 0.474209 0.000000 0.000000 0.000000
0.000000 0.000000
2 -0.101606
-0.075382 0.016832 0.057308
0.195345 -0.066083
3 0.175728
-0.055942 -0.159647 -0.082657
0.068842 -0.023591
4 0.104377
-0.138937 -0.114757 0.096520
0.019729 0.043486
5 0.134024 0.108445 0.138208 0.072873
0.106212 -0.110781
6 0.121442
-0.128389 -0.111037 -0.140623
0.035151 0.033643
7 0.130284 0.009403 -0.088411 0.092794
0.039226 -0.009227
8 0.122233
-0.099427 0.024069 0.017468
0.145807 -0.047959
9 0.104283 - -0.079211 0.024047 0.03569 -0.026404
147
0.039653 8
10 0.138617
-0.010765 -0.056262 -0.030064
0.055372 -0.004827
Response of D(CPI,2):
PeriodD(GTIDR_5YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 0.327407 0.856505 0.000000 0.000000
0.000000 0.000000
2 0.106205 0.015857 -0.061569 -0.020296
0.021179 0.073176
3 0.045731 0.093009 -0.087781 -0.057485
0.011588 0.040442
4 0.176922 0.284174 -0.116080 0.061350
0.109436 -0.088220
5 0.059432 0.370279 0.079602 0.001776
-0.038661 0.075098
6 0.178235 0.176994 -0.137410 -0.058837
-0.036571 0.050791
7 0.114226 0.218105 -0.027467 0.009496
0.092799 -0.013401
8 0.123086 0.287497 -0.016411 -0.007422
0.001373 -0.003611
9 0.084648 0.210460 -0.105782 -0.004772
0.010071 0.055677
10 0.170917 0.260156 -0.038379 0.009740
0.035942 0.001917
Response of D(BI_RATE,2):
PeriodD(GTIDR_5YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 0.000479 0.000176 0.002403 0.000000
0.000000 0.000000
2 0.000259 6.07E-05 -0.000311 -0.000413
-2.09E-06 -0.000274
3 0.000305
-0.000143 0.000761 0.000519
0.000691 -7.97E-05
4 6.73E-05
-0.000335 0.000607 -0.000298
9.53E-05 5.30E-05
5 0.000207 0.000197 0.000421 0.000330
0.000135 -0.000355
6 0.000367 5.46E-05 0.001014 -0.000411
7.89E-05 2.83E-05
7 0.000140-9.70E-05 0.000523 0.000280
0.000164 2.14E-06
8 0.000250-2.90E-05 0.000550 -0.000174
0.000379 -0.000250
9 0.000340
-0.000173 0.000623 0.000181
0.000109 -7.59E-05
10 -1.45E-05 0.00013 0.000733 -0.000121 0.00016 -6.96E-05
148
2 7
Response of D(NILAI_TUKAR,2):
PeriodD(GTIDR_5YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 229.9103
-23.64710 -23.76813 277.2020
0.000000 0.000000
2 -42.79118
-5.132670 122.4859 -35.16827
66.40764 -26.24340
3 145.1080 27.79880 -112.6169 7.092002
-25.26361 -8.178452
4 5.344920
-40.22129 22.94507 86.13441
-20.85731 50.44241
5 122.9419
-8.581011 61.63435 165.4940
64.52824 -61.36790
6 33.52967
-30.24511 -41.98326 -33.13624
27.94279 5.074396
7 112.3685 61.21535 -5.596946 102.1893
-51.34856 5.784479
8 24.09932
-62.62656 49.74010 38.66024
40.89998 12.38252
9 109.2532
-1.561375 -24.24373 118.4503
22.77237 -37.64282
10 52.61129
-5.922735 2.950757 16.27306
13.71362 11.40992
Response of D(PDB,2):
PeriodD(GTIDR_5YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 19105.13
-9843.789 -201.2629 -4189.758
37931.28 0.000000
2 -2449.522 2655.548 -2212.946 -11382.35
-22655.94 4826.279
3 7156.930
-3143.217 10673.71 -7171.358
10945.43 -4366.587
4 6005.892
-10437.37 -2220.936 -886.8496
17494.79 3454.625
5 5858.137 3725.071 -1676.165 -3110.055
2359.797 1363.245
6 8206.287
-7628.171 1100.657 -9042.118
6173.769 -3202.969
149
7 1428.251
-3291.746 6556.113 -5157.787
7398.098 3774.146
8 7784.933
-909.2559 -2790.961 -5349.583
6112.891 798.4409
9 7356.712
-5711.537 1692.890 -2689.890
9251.660 -893.4620
10 4559.038
-3632.949 3262.852 -7170.087
6232.916 544.2450
Response of D(CDS_5YR,2):
PeriodD(GTIDR_5YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 16.91978
-0.211975 0.657969 10.63183
-2.423836 20.85072
2 1.153661 3.790323 -0.505958 2.728708
9.989030 -9.209209
3 10.25235
-7.972393 -5.590025 -3.067180
4.489737 5.783762
4 -2.422522
-1.047853 -4.415717 7.824946
-6.248033 10.99253
5 10.69080 3.103987 2.948017 8.124087
12.34294 -0.957403
6 6.756908
-3.823846 -3.427940 -2.749610
-1.757671 5.115901
7 3.950963 2.276531 -2.376019 5.243104
-0.277858 6.308128
8 5.502963
-4.231656 -0.937728 3.173955
7.370711 3.913820
9 6.890416
-0.546264 -3.278602 6.089432
1.933647 3.875829
10 5.495834 0.207982 -1.768286 1.698210
1.420538 4.101252
Cholesky Ordering: D(GTIDR_5YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2)
Sumber : Eviews 8
Response of D(GTIDR_10YR,2):
PeriodD(GTIDR_10YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
150
1 0.472681 0.000000 0.000000 0.000000
0.000000 0.000000
2 -0.131151
-0.067551 0.057610 0.078678
0.212023 -0.098726
3 0.214808
-0.039408 -0.164490 -0.075970
0.037071 -0.078110
4 0.064599
-0.106641 -0.093009 0.074253
0.008036 0.050001
5 0.193461 0.086975 0.094370 0.090430
0.118089 -0.112703
6 0.064976
-0.132358 -0.042236 -0.118446
0.044519 0.026132
7 0.155372 0.052644 -0.091764 0.075092
0.013889 -0.069143
8 0.113049
-0.113130 0.006937 0.028251
0.149276 -0.024104
9 0.127019
-0.021922 -0.041847 0.025191
0.017033 -0.068165
10 0.106928
-0.010909 -0.056828 -0.014968
0.086217 -0.012548
Response of D(CPI,2):
PeriodD(GTIDR_10YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 0.298400 0.854468 0.000000 0.000000
0.000000 0.000000
2 0.118835 0.014597 -0.054706 -0.016386
0.042987 0.099283
3 0.068016 0.074058 -0.071352 -0.116926
-0.005189 -0.018610
4 0.158486 0.295499 -0.123627 0.133899
0.117085 -0.078803
5 0.078047 0.351761 0.070663 -0.045251
-0.047003 0.067083
6 0.164134 0.166630 -0.128028 -0.054258
-0.002055 0.066056
7 0.123531 0.246219 -0.022159 -0.002490
0.065078 -0.029553
8 0.133173 0.231016 -0.012062 0.005248
0.011685 -0.002734
9 0.074519 0.240097 -0.098275 -0.014909
0.015320 0.022313
10 0.177882 0.253092 -0.047987 -0.007121
0.042939 0.020161
Response of D(BI_RATE,2):
PeriodD(GTIDR_10YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
151
1 2.17E-05 0.000453 0.002470 0.000000
0.000000 0.000000
2 -4.50E-05 0.000178 -0.000351 -0.000257
0.000126 -0.000399
3 0.000172 0.000166 0.000688 0.000482
0.000460 -0.000220
4 -0.000112
-0.000253 0.000597 -0.000292
0.000232 -7.83E-05
5 -7.63E-05 0.000455 0.000450 0.000430
2.22E-05 -0.000338
6 0.000141 0.000205 0.000939 -0.000432
0.000101 3.24E-05
7 -4.95E-05 5.10E-05 0.000525 0.000348
0.000185 -0.000173
8 2.35E-05 0.000201 0.000575 -0.000121
0.000330 -0.000316
9 3.90E-05 1.93E-05 0.000613 0.000117
4.49E-05 -0.000137
10 -0.000120 0.000287 0.000586 1.74E-05
0.000249 -0.000147
Response of D(NILAI_TUKAR,2):
PeriodD(GTIDR_10YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 252.2796
-21.60751 -3.097430 270.4858
0.000000 0.000000
2 -56.63101
-4.283070 133.4191 -40.82204
93.25636 -33.14788
3 135.2900 30.77671 -92.58243 42.02595
1.195072 -11.54841
4 24.56287
-38.82897 4.594166 85.25117
-27.34751 53.48121
5 137.0775
-11.89946 86.51792 146.3934
64.45357 -72.36094
6 17.46903
-16.93959 -14.41424 -22.83616
56.34971 4.115267
7 107.8966 58.25401 -10.98091 113.3429
-48.21077 10.09028
8 48.19981
-67.43947 43.33955 50.39862
60.06865 9.090233
9 111.6687
-0.158612 13.43006 104.0339
24.11391 -53.49608
10 33.58869 10.17606 8.558844 26.34420
29.81521 20.28420
Response of D(PDB,2):
PeriodD(GTIDR_10YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
152
1 17148.97
-7403.952 5808.889 -559.3967
43362.12 0.000000
2 -3476.268
-354.6790 1069.382 -10119.18
-18655.70 5588.274
3 3897.754 1643.696 10936.06 -2129.334
11745.79 -2332.965
4 8257.351
-11906.87 1316.124 -2073.627
19997.79 811.0809
5 2516.990 3860.562 2502.265 310.4447
6240.280 1518.161
6 4931.239
-2987.481 3313.616 -8238.643
7261.041 -1938.174
7 3991.696
-6613.685 6308.905 -1937.319
11302.85 4441.730
8 4795.509 276.8009 2838.930 -1174.773
9395.498 -281.3685
9 4937.682
-2420.614 5483.888 -4660.023
10198.74 -919.3685
10 4522.398
-4376.108 2308.642 -4550.033
9157.109 1856.367
Response of D(CDS_5YR,2):
PeriodD(GTIDR_10YR,2) D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 15.70649
-0.394397 2.150475 9.900392
0.277499 19.48420
2 -0.221422 4.324009 0.252997 3.034658
10.15587 -10.58829
3 11.03003
-6.665036 -5.340450 -3.374180
5.948293 3.088644
4 -2.639726
-3.141504 -5.495563 8.860992
-5.098805 9.587869
5 9.584806 5.185970 3.816691 8.288684
12.22888 -1.177204
6 7.212659
-4.360267 -1.899832 -5.462768
-0.159242 3.833719
7 2.650035 2.778723 -3.017311 7.823041
1.355340 4.860806
8 5.570512
-4.504637 -0.277872 3.350737
7.338710 2.513908
9 6.943266
-0.669956 -2.676669 4.056460
3.162991 1.600661
10 4.512630 1.903723 -2.030407 3.033811
3.111431 3.632940
153
Cholesky Ordering: D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2)
Sumber : Eviews 8
Response of D(GTIDR_15YR,2):
PeriodD(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.443483 0.000000 0.000000 0.000000 0.000000 0.000000 2 -0.152046 -0.044640 0.067470 0.122934 0.233404 -0.057368 3 0.210527 -0.055495 -0.188459 -0.054611 0.008169 -0.046567 4 0.083728 -0.114623 -0.036310 0.064991 0.036317 0.015157 5 0.118302 0.109171 0.080743 0.078261 0.088275 -0.075283 6 0.115076 -0.135241 -0.061357 -0.076586 0.067330 0.041179 7 0.105291 0.027018 -0.071291 0.082786 0.023268 -0.067844 8 0.116474 -0.082140 0.011936 0.047008 0.139667 -0.019890 9 0.104528 -0.037119 -0.043650 0.014925 0.013968 -0.024460 10 0.106389 0.003318 -0.040897 0.014307 0.088310 -0.024716
Response of D(CPI,2):
PeriodD(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.342513 0.851966 0.000000 0.000000 0.000000 0.000000 2 0.100419 0.029689 -0.041353 0.007581 0.070831 0.102119 3 0.055906 0.078470 -0.075585 -0.067231 -0.005034 -0.005467 4 0.184563 0.297426 -0.124194 0.125418 0.115654 -0.070104 5 0.102254 0.361235 0.086385 -0.056569 -0.047624 0.066425 6 0.153964 0.164022 -0.112667 -0.031901 0.015098 0.071020 7 0.118317 0.246671 -0.041269 0.019194 0.066378 -0.038848 8 0.156902 0.244582 -0.010713 0.031798 0.032578 0.017391 9 0.086563 0.238799 -0.082939 -0.023033 0.005316 0.026148 10 0.166936 0.258083 -0.035645 0.006178 0.049061 0.020264
Response of D(BI_RATE,2):
PeriodD(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 7.67E-05 0.000449 0.002570 0.000000 0.000000 0.000000 2 -4.81E-05 0.000243 -0.000357 -9.74E-05 0.000107 -0.000212 3 0.000122 0.000148 0.000875 0.000525 0.000445 -0.000239 4 -0.000153 -0.000121 0.000657 -9.38E-05 0.000167 0.000115 5 9.82E-05 0.000420 0.000537 0.000236 -3.01E-05 -0.000406 6 -2.40E-05 0.000233 0.001040 -0.000250 0.000151 0.000140 7 4.39E-05 0.000131 0.000533 0.000394 0.000107 -0.000121 8 -3.02E-05 0.000124 0.000692 -7.46E-06 0.000363 -0.000227 9 9.12E-05 0.000180 0.000688 0.000168 -2.58E-07 -0.000119
154
10 -0.000168 0.000246 0.000703 -1.52E-05 0.000168 -1.53E-05
Response of D(NILAI_TUKAR,2):
PeriodD(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 253.5487 -32.89337 3.279226 261.9886 0.000000 0.000000 2 -75.23860 9.795489 139.1790 -20.58464 88.55681 -24.02865 3 143.2992 30.93709 -98.91426 40.92636 -2.462844 -0.346511 4 28.32353 -44.45354 17.54002 66.13311 -34.47982 40.84879 5 120.4522 -5.249579 94.46480 169.5184 69.74893 -55.25073 6 24.16538 -17.86181 -19.90157 -26.47994 47.76677 7.550231 7 103.0617 55.04833 -5.352372 107.9986 -45.40760 7.007606 8 47.51469 -60.81162 47.82733 54.35118 50.47305 11.73941 9 103.3884 -5.356597 21.35726 111.9334 27.67558 -37.70828 10 35.08658 18.70606 6.094192 22.14732 23.72010 13.83031
Response of D(PDB,2):
PeriodD(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 15283.24 -7333.179 7175.723 9.531253 42999.77 0.000000 2 -3016.237 1736.358 -772.8165 -9007.890 -18713.05 7445.550 3 6553.979 -1168.147 12011.39 -5860.148 11165.57 -4978.781 4 4370.937 -9795.453 2216.319 2322.133 21005.19 3913.970 5 4499.870 4776.105 2223.871 -1528.150 4813.062 1572.058 6 4875.762 -5577.966 3332.462 -6960.797 8355.296 -2096.353 7 3370.050 -3703.134 7290.452 -3333.565 10030.65 3545.654 8 4387.492 -594.3152 2865.589 -383.4789 9780.806 2732.748 9 6124.068 -2338.459 4823.219 -4058.870 10136.39 -2346.707 10 3407.610 -4339.547 3937.771 -4112.718 9590.031 2361.737
Response of D(CDS_5YR,2):
PeriodD(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 17.26428 -0.828782 3.478031 8.109490 -0.573140 19.20637 2 -1.772203 4.605556 0.571968 5.694366 10.85565 -9.406464 3 10.21099 -7.112936 -4.816458 -1.838921 5.938107 4.029080 4 -1.153441 -2.847034 -4.921630 6.487657 -6.896816 9.290621 5 9.397687 4.591122 5.509146 8.745378 12.80095 -1.020096 6 6.804094 -4.239461 -1.969134 -3.996851 0.092298 4.727088 7 2.062750 2.307207 -2.614241 6.680470 0.588995 4.364432 8 6.421818 -4.481675 -0.348576 4.869425 7.431290 3.314934 9 6.887645 -0.985429 -0.479030 4.277817 3.084002 2.358813 10 3.373356 2.206541 -1.828644 2.141039 2.104783 3.521004
155
Cholesky Ordering: D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2)
Sumber : Eviews 8
Response of D(GTIDR_20YR,2):
PeriodD(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.049249 0.000000 0.000000 0.000000 0.000000 0.000000 2 -0.012169 -0.007871 0.004073 -0.002458 -0.011263 -0.017829 3 -0.005998 0.013179 -0.009303 0.006893 0.005395 -0.012965 4 0.001271 -0.015703 0.002431 0.002399 0.000711 -0.009568 5 0.014910 -0.008247 0.008314 -0.002413 -0.014358 0.004278 6 0.014069 0.009933 -0.006018 0.000764 0.007937 -0.011416 7 0.003649 -0.001912 0.002587 0.002331 -0.004524 -0.007109 8 0.001958 -0.004710 -0.002463 -0.001411 -0.005419 -0.009388 9 0.001654 -0.004029 1.72E-05 0.005808 0.001755 -0.013016 10 0.007868 -0.003721 0.002371 -0.000390 -0.004315 -0.001886
Response of D(CPI,2):
PeriodD(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 -0.269285 0.841815 0.000000 0.000000 0.000000 0.000000 2 -0.070164 -0.004235 -0.048064 0.045917 0.080926 -0.005904 3 -0.172761 0.082320 -0.024640 -0.032434 -0.059613 -0.033914 4 -0.236930 0.320163 -0.070589 0.133328 0.069075 -0.092711 5 -0.080249 0.308083 0.117786 -0.061952 -0.017584 0.066465 6 -0.063527 0.164986 -0.089108 -0.000904 0.023146 0.068780 7 -0.120328 0.248293 -0.054707 0.032587 0.015905 -0.079647 8 -0.233285 0.265429 0.020646 0.069332 0.024763 -0.072019 9 -0.158758 0.207123 -0.012511 -0.030234 -0.003299 0.025885 10 -0.100815 0.222978 -0.040277 0.028156 0.030244 0.022346
Response of D(BI_RATE,2):
PeriodD(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.000508 0.000343 0.002509 0.000000 0.000000 0.000000 2 -0.000228 0.000138 -0.000311 -0.000209 -0.000224 -0.000298 3 -0.000254 9.56E-05 0.001055 0.000326 2.47E-05 -0.000400
156
4 -0.000121 -0.000236 0.000993 -0.000116 3.42E-05 0.000137 5 -6.53E-05 0.000368 0.000770 8.02E-05 -0.000253 -0.000431 6 0.000292 -1.22E-05 0.000885 -0.000148 0.000126 0.000238 7 -0.000106 0.000116 0.000811 0.000133 -0.000257 -0.000287 8 -9.84E-05 0.000193 0.000819 -6.37E-05 0.000156 -0.000240 9 -0.000231 -2.78E-05 0.000807 0.000128 -0.000198 -0.000255 10 6.83E-05 2.67E-05 0.000929 -0.000121 -5.43E-05 8.94E-05
Response of D(NILAI_TUKAR,2):
PeriodD(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 -85.00055 45.79593 24.67974 339.6486 0.000000 0.000000 2 85.06270 12.45401 128.4587 -48.52482 102.8796 -0.522692 3 -127.4780 41.16327 -60.63743 86.36932 -0.241966 -16.14178 4 48.43809 -14.20615 -5.919110 87.61105 -31.62107 74.93058 5 -9.477716 35.26425 120.2062 186.2571 73.09580 -73.36119 6 -36.43125 8.037824 -5.009717 5.340502 44.28767 31.50947 7 -45.03747 68.68364 -13.99347 108.0009 -21.68630 -0.935627 8 33.74175 -44.40620 65.82071 102.3772 40.91375 34.81127 9 -34.25261 42.71138 28.51698 123.9939 29.23497 -48.41421 10 -26.80202 37.31443 16.08720 45.64152 38.22013 32.02000
Response of D(PDB,2):
PeriodD(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 -7201.898 -1560.822 4176.297 9516.667 48354.14 0.000000 2 4737.835 -545.3112 -1570.070 -6834.670 -13433.62 4523.699 3 -568.0086 2819.739 8623.456 480.4705 14070.84 -5305.114 4 -978.0951 -7047.657 -3247.979 8091.814 21997.23 3020.754 5 -5307.162 4626.616 3037.327 -1618.605 8151.471 -1207.724 6 2093.325 -301.6077 5604.111 -1097.606 10838.26 -269.7696 7 -1432.779 -5215.014 -1844.971 3313.873 14102.45 1121.369 8 152.3749 1859.124 3930.545 3262.972 12852.88 1160.579 9 -1776.189 1767.497 3710.075 -1626.466 12759.83 -2656.473 10 -2219.905 -2995.867 -212.1897 1813.154 11444.01 1442.485
Response of D(CDS_5YR,2):
PeriodD(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 -8.739165 1.403936 5.696746 16.27328 -0.914149 22.40681 2 2.778813 6.503939 1.789897 0.351932 7.565103 -9.466596 3 -12.51482 -5.376293 1.206091 5.140825 2.687307 5.001218 4 -2.371446 -2.163557 -1.475978 4.445155 -8.863249 12.90575 5 0.251017 7.442981 9.290027 10.04399 11.87422 0.590206
157
6 -3.440132 -3.985782 -1.150571 1.527274 -0.416203 6.665574 7 -5.887951 4.205586 0.608264 3.985081 -2.628102 5.768235 8 -3.479381 -1.633837 3.022931 8.727917 5.879813 3.688355 9 -5.096395 -0.092607 3.153784 5.781841 0.261103 4.247934 10 -2.368840 1.966504 1.857039 2.715126 1.470736 7.671927
Cholesky Ordering: D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2)
Sumber : Eviews 8
Lampiran 10 Hasil Variance Decomposition
Variance Decomposition of D(GTIDR_5YR,2):
Period S.E.D(GTIDR_5YR,2)
D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 0.474209 100.0000
0.000000 0.000000 0.000000
0.000000 0.000000
2 0.535700 81.95782
1.980147 0.098723 1.144421
13.29719 1.521704
3 0.598832 74.19934
2.457330 7.186436 2.821074
11.96286 1.372957
4 0.643089 66.97237
6.798362 9.415658 4.698801
10.46708 1.647732
5 0.700893 60.03758
8.117216 11.81496 5.036713
11.10817 3.885350
6 0.746294 55.60302
10.11927 12.63483 7.993046
10.01960 3.630219
7 0.769459 55.17230
9.534073 13.20571 8.973348
9.685264 3.429305
8 0.800836 53.26332
10.34304 12.28151 8.331550
12.25610 3.524479
9 0.814009 53.19465
10.24830 12.83417 8.151353
12.05498 3.516552
10 0.830120 53.93820
9.871175 12.80017 7.969180
12.03651 3.384757
Variance Decomposition of D(CPI,2):
Period S.E.D(GTIDR_5YR,2)
D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 0.916949 12.74930
87.25070 0.000000 0.000000
0.000000 0.000000
2 0.928619 13.73891
85.10076 0.439591 0.047771
0.052016 0.620961
3 0.9411 13.61018 83.817 1.297761 0.419535 0.0657 0.789107
158
98 63 92
4 1.017304 14.67452
79.54879 2.412861 0.722804
1.213547 1.427480
5 1.090423 13.06957
80.76927 2.633038 0.629384
1.181964 1.716775
6 1.130653 14.64104
77.57425 3.925984 0.856188
1.203966 1.798576
7 1.161305 14.84582
77.06050 3.777409 0.818273
1.779797 1.718199
8 1.202819 14.88590
77.54602 3.539778 0.766572
1.659192 1.602543
9 1.229897 14.71134
77.09725 4.125377 0.734694
1.593643 1.737691
10 1.269805 15.61292
76.52489 3.961498 0.695123
1.575164 1.630411
Variance Decomposition of D(BI_RATE,2):
Period S.E.D(GTIDR_5YR,2)
D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 0.002457 3.806046
0.515614 95.67834 0.000000
0.000000 0.000000
2 0.002540 4.602729
0.539751 91.04929 2.645308
6.80E-05 1.162855
3 0.002810 4.938918
0.700416 81.71116 5.567976
6.051325 1.030203
4 0.002913 4.651249
1.972651 80.41303 6.230574
5.740380 0.992114
5 0.002999 4.860874
2.292580 77.80707 7.085576
5.616472 2.337433
6 0.003215 5.531147
2.024000 77.65474 7.799975
4.948154 2.041980
7 0.003278 5.504401
2.034808 77.25248 8.232666
5.011088 1.964555
8 0.003368 5.764747
1.934231 75.81680 8.061388
6.009848 2.412988
9 0.003454 6.450943
2.091173 75.35995 7.939923
5.814907 2.343102
10 0.003540 6.142378
2.129756 76.02433 7.675584
5.758841 2.269109
Variance Decomposition of D(NILAI_TUKAR,2):
Period S.E.D(GTIDR_5YR,2)
D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 361.6958 40.40454
0.427434 0.431820 58.73621
0.000000 0.000000
2 392.4533 35.50838
0.380166 10.10763 50.69341
2.863256 0.447161
3 435.0709 40.01664
0.717590 14.92461 41.27500
2.666973 0.399185
4 449.2862 37.53862
1.474331 14.25594 42.37988
2.716390 1.634832
5 506.12 35.48105 1.1905 12.71671 44.08728 3.7660 2.758419
159
58 25 13
6 511.7319 35.13722
1.513905 13.11270 43.54591
3.982115 2.708146
7 539.8033 35.91105
2.646569 11.79511 42.71840
4.483588 2.445289
8 549.2589 34.87778
3.856290 12.21258 41.75568
4.885033 2.412645
9 574.6110 35.48312
3.524252 11.33672 42.40176
4.620544 2.633605
10 577.5574 35.95180
3.498902 11.22395 42.04962
4.629899 2.645830
Variance Decomposition of D(PDB,2):
Period S.E.D(GTIDR_5YR,2)
D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 43798.20 19.02775
5.051403 0.002112 0.915093
75.00364 0.000000
2 51013.47 14.25645
3.994511 0.189736 5.652989
75.01125 0.895066
3 54476.62 14.22744
3.835693 4.005315 6.690035
69.81415 1.427369
4 58621.09 13.33647
6.482614 3.602526 5.800399
69.19803 1.579967
5 59199.12 14.05654
6.752587 3.612687 5.963679
68.01222 1.602293
6 61330.36 14.88694
7.838431 3.398173 7.730050
64.38079 1.765611
7 62552.78 14.36292
7.811988 4.365154 8.110760
63.28787 2.061313
8 63629.35 15.37791
7.570295 4.411086 8.545469
62.08734 2.007897
9 65053.29 15.99095
8.013359 4.287814 8.346438
61.42162 1.939821
10 66084.15 15.97189
8.067525 4.398865 9.265283
60.40989 1.886556
Variance Decomposition of D(CDS_5YR,2):
Period S.E.D(GTIDR_5YR,2)
D(CPI,2)
D(BI_RATE,2)
D(NILAI_TUKAR,2)
D(PDB,2)
D(CDS_5YR,2)
1 28.99000 34.06379
0.005347 0.051513 13.44992
0.699053 51.73037
2 32.37915 27.43297
1.374604 0.065711 11.49185
10.07771 49.55715
3 36.21250 29.94792
5.945845 2.435461 9.905042
9.594231 42.17150
4 39.48308 25.56839
5.072028 3.299468 12.25976
10.57476 43.22559
5 43.71267 26.84127
4.642211 3.146678 13.45615
16.60037 35.31332
6 44.94050 27.65522
5.115992 3.558908 13.10526
15.85865 34.70597
7 45.97223 27.16645
5.134157 3.668080 13.82436
15.15847 35.04849
8 47.35224 26.95663
5.637883 3.496611 13.47960
16.71072 33.71855
9 48.544 27.66308 5.3769 3.783051 14.39893 16.058 32.71961
160
85 35 39
10 49.10905 28.28351
5.255890 3.826278 14.18956
15.77520 32.66956
Cholesky Ordering: D(GTIDR_5YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2)
Sumber : Eviews 8
Variance Decomposition of D(GTIDR_10YR,2):
Period S.E.D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.472681 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.556238 77.77217 1.474837 1.072674 2.000698 14.52937 3.150256 3 0.630397 72.16154 1.539031 7.643682 3.009981 11.65784 3.987928 4 0.655495 67.71246 4.070169 9.082844 4.067080 10.79721 4.270237 5 0.719997 63.34342 4.832813 9.246279 4.948490 11.63933 5.989659 6 0.747406 59.53865 7.620954 8.899909 7.103702 11.15612 5.680667 7 0.777535 59.00694 7.500195 9.616387 7.496545 10.34020 6.039732 8 0.808609 56.51341 8.892204 8.898836 7.053503 12.96875 5.673299 9 0.823278 56.89796 8.649071 8.842934 6.898024 12.55354 6.158472 10 0.836889 56.69470 8.387014 9.018726 6.707459 13.20984 5.982259
Variance Decomposition of D(CPI,2):
Period S.E.D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.905074 10.87003 89.12997 0.000000 0.000000 0.000000 0.000000 2 0.921119 12.15904 86.07703 0.352730 0.031647 0.217793 1.161761 3 0.936860 12.28095 83.83366 0.921022 1.588257 0.213604 1.162506 4 1.021408 12.73954 78.89894 2.239819 3.054732 1.493725 1.573241 5 1.089428 11.71163 79.77982 2.389575 2.857722 1.499169 1.762084 6 1.124838 13.11507 77.03031 3.536974 2.913299 1.406599 1.997746 7 1.160496 13.45459 76.87083 3.359418 2.737480 1.635962 1.941718 8 1.190870 14.02757 76.76272 3.200493 2.601560 1.563200 1.844457 9 1.221468 13.70578 76.82882 3.689483 2.487752 1.501596 1.786578 10 1.261858 14.82962 76.01209 3.601696 2.334228 1.522800 1.699564
Variance Decomposition of D(BI_RATE,2):
Period S.E.D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.002512 0.007467 3.256481 96.73605 0.000000 0.000000 0.000000 2 0.002590 0.037241 3.537429 92.83605 0.983230 0.237840 2.368212 3 0.002780 0.415152 3.423965 86.68089 3.861832 2.939337 2.678823 4 0.002882 0.537616 3.957049 84.93628 4.621387 3.381523 2.566149 5 0.003004 0.559550 5.938091 80.45495 6.301798 3.119161 3.626450 6 0.003188 0.692516 5.682920 80.09922 7.426252 2.869671 3.229424
161
7 0.003260 0.685205 5.458103 79.18359 8.237025 3.066438 3.369643 8 0.003350 0.653827 5.528740 77.93049 7.930526 3.872973 4.083447 9 0.003411 0.643709 5.335998 78.39971 7.766554 3.752992 4.101040 10 0.003487 0.734986 5.782596 77.84531 7.433989 4.101576 4.101545
Variance Decomposition of D(NILAI_TUKAR,2):
Period S.E.D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 370.5186 46.36008 0.340086 0.006988 53.29284 0.000000 0.000000 2 412.0341 39.37754 0.285812 10.49068 44.07615 5.122602 0.647210 3 446.6488 42.68547 0.718030 13.22426 38.39451 4.360094 0.617633 4 460.9807 40.35647 1.383567 12.42469 39.46433 4.445140 1.925801 5 519.3667 38.75894 1.142471 12.56321 39.03510 5.041980 3.458305 6 523.6940 38.23233 1.228297 12.43220 38.58282 6.116787 3.407565 7 551.9818 38.23500 2.219415 11.23019 38.94597 6.268758 3.100671 8 565.3887 37.16995 3.538174 11.29149 37.91542 7.103743 2.981213 9 588.7113 37.88119 3.263395 10.46660 38.09359 6.719819 3.575414 10 591.5069 37.84642 3.262217 10.38883 37.93272 6.910521 3.659294
Variance Decomposition of D(PDB,2): PeriodS.E.
D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 47573.47 12.99410 2.422131 1.490928 0.013826 83.07901 0.000000 2 52519.05 11.10021 1.991998 1.264815 3.723764 80.78702 1.132196 3 55169.58 10.55839 1.893957 5.075566 3.523521 77.74372 1.204841 4 60499.93 10.64268 5.448265 4.267923 3.047469 75.57380 1.019861 5 61066.23 10.61609 5.747352 4.357038 2.993794 75.22288 1.062840 6 62431.25 10.78083 5.727759 4.450302 4.605745 73.32211 1.113250 7 64407.87 10.51337 6.436003 5.140808 4.417864 71.97041 1.521552 8 65339.43 10.75439 6.255586 5.184046 4.325115 72.00054 1.480330 9 66754.25 10.85048 6.124719 5.641498 4.631046 71.31505 1.437213 10 67890.09 10.93418 6.336987 5.569945 4.926559 70.76803 1.464293
Variance Decomposition of D(CDS_5YR,2):
Period S.E.D(GTIDR_10YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 27.00376 33.83063 0.021331 0.634192 13.44177 0.010560 52.06152 2 31.18454 25.37266 1.938620 0.482125 11.02618 10.61401 50.56641 3 34.97695 30.11348 5.172141 2.714509 9.695376 11.32927 40.97523 4 38.29971 25.59007 4.986431 4.322828 13.43878 11.22110 40.44079 5 42.65948 25.67497 5.497138 4.284865 14.60748 17.26226 32.67329 6 44.03453 26.77942 6.139667 4.207581 15.24844 16.20232 31.42257 7 45.27198 25.67811 6.185345 4.424910 17.41226 15.41831 30.88107 8 46.60854 25.65495 6.769777 4.178324 16.94477 17.02590 29.42627 9 47.50999 26.82642 6.535199 4.338678 17.03684 16.82915 28.43371 10 48.13931 27.00835 6.521838 4.403878 16.99149 16.80977 28.26468
Cholesky Ordering: D(GTIDR_10YR,2) D(CPI,2)
162
D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2)
Sumber : Eviews 8
Variance Decomposition of D(GTIDR_15YR,2):
Period S.E.D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.443483 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.547011 73.45563 0.665969 1.521366 5.050723 18.20644 1.099872 3 0.622380 68.18423 1.309506 10.34425 4.671454 14.08114 1.409424 4 0.643892 65.39532 4.392418 9.982615 5.383308 13.47410 1.372237 5 0.683092 61.10443 6.456964 10.26693 6.095781 13.64204 2.433862 6 0.716942 58.04688 9.419972 10.05273 6.674875 13.26619 2.539356 7 0.736819 56.99931 9.053041 10.45382 7.581997 12.65981 3.252018 8 0.765160 55.17221 9.547221 9.718088 7.408164 15.07117 3.083147 9 0.775046 55.59271 9.534603 9.788951 7.257479 14.72165 3.104604 10 0.788868 55.48046 9.205181 9.717688 7.038278 15.46347 3.094925
Variance Decomposition of D(CPI,2):
Period S.E.D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.918238 13.91373 86.08627 0.000000 0.000000 0.000000 0.000000 2 0.933455 14.62105 83.40348 0.196262 0.006596 0.575785 1.196822 3 0.943880 14.65068 82.26244 0.833208 0.513803 0.565981 1.173886 4 1.030961 15.48509 77.27556 2.149561 1.910592 1.732864 1.446332 5 1.105065 14.33411 77.94475 2.482021 1.924983 1.693972 1.620172 6 1.136117 15.39779 75.82663 3.331647 1.900039 1.620302 1.923590 7 1.172004 15.48840 75.68377 3.254727 1.812282 1.843364 1.917459 8 1.208520 16.25214 75.27499 3.068868 1.773648 1.806317 1.824043 9 1.238209 15.97086 75.42798 3.372138 1.724218 1.722579 1.782217 10 1.277405 16.71363 74.95207 3.246237 1.622369 1.766000 1.699691
Variance Decomposition of D(BI_RATE,2):
Period S.E.D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.002610 0.086400 2.953351 96.96025 0.000000 0.000000 0.000000 2 0.002659 0.116056 3.681326 95.27039 0.134255 0.162972 0.634997 3 0.002899 0.274010 3.356947 89.27038 3.391898 2.494431 1.212330 4 0.002987 0.520558 3.324103 88.91152 3.292915 2.660057 1.290851 5 0.003101 0.583237 4.921345 85.47542 3.633909 2.476972 2.909120 6 0.003295 0.521879 4.857356 85.66723 3.792044 2.404047 2.757441 7 0.003368 0.516581 4.801415 84.51302 4.997848 2.402478 2.768655 8 0.003467 0.495024 4.658379 83.72372 4.716210 3.365365 3.041301 9 0.003547 0.539260 4.709307 83.78234 4.732412 3.216589 3.020091 10 0.003632 0.728594 4.951609 83.64118 4.514766 3.281993 2.881857
163
Variance Decomposition of D(NILAI_TUKAR,2):
Period S.E.D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 366.0843 47.96899 0.807337 0.008024 51.21565 0.000000 0.000000 2 409.8643 41.63838 0.701193 11.53742 41.11095 4.668354 0.343699 3 448.2696 45.02832 1.062491 14.51417 35.20192 3.905719 0.287389 4 459.6333 43.20908 1.945988 13.95099 35.55304 4.277722 1.063188 5 520.9382 38.98397 1.525078 14.14891 38.26666 5.122823 1.952549 6 525.0863 38.58228 1.616792 14.06990 37.91878 5.869748 1.942498 7 550.6096 38.59179 2.469916 12.80517 38.33206 6.018274 1.782782 8 563.0750 37.61408 3.528149 12.96596 37.58537 6.558259 1.748187 9 585.6146 37.89124 3.270155 12.12008 38.40122 6.286478 2.030826 10 588.0535 37.93358 3.344273 12.03049 38.22518 6.397144 2.069328
Variance Decomposition of D(PDB,2):
Period S.E.D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 46774.18 10.67625 2.457945 2.353525 4.15E-06 84.51228 0.000000 2 51839.08 9.030479 2.113298 1.938318 3.019479 81.83552 2.062904 3 55314.40 9.335276 1.900688 6.417715 3.774362 75.94997 2.621987 4 60345.51 8.368206 4.231842 5.527100 3.319323 75.92984 2.623686 5 60971.78 8.741861 4.758960 5.547173 3.314301 75.00116 2.636543 6 62499.67 8.928269 5.325645 5.563571 4.394639 73.16616 2.621716 7 64099.36 8.764612 5.396902 6.582947 4.448491 72.00858 2.798466 8 65113.91 8.947643 5.238362 6.573082 4.314414 72.03842 2.888076 9 66564.15 9.408452 5.136010 6.814828 4.500283 71.25253 2.887892 10 67758.37 9.332648 5.366734 6.914461 4.711459 70.76622 2.908482
Variance Decomposition of D(CDS_5YR,2):
Period S.E.D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 27.30963 39.96366 0.092098 1.621941 8.817701 0.044044 49.46055 2 31.76866 29.84363 2.169738 1.231001 9.728994 11.70909 45.31755 3 35.24458 32.64103 5.835858 2.867709 8.176854 12.35206 38.12649 4 38.10263 28.01957 5.551517 4.122065 9.895299 13.84485 38.56671 5 42.81288 27.01162 5.547140 4.920790 12.01034 19.90599 30.60412 6 44.03882 27.91576 6.169323 4.850567 12.17466 18.81358 30.07611 7 44.94278 27.01473 6.187187 4.995758 13.89933 18.08154 29.82145 8 46.59640 27.03073 6.680909 4.653066 14.02238 19.36441 28.24850 9 47.46830 28.15224 6.480829 4.493884 14.32414 19.08168 27.46723 10 47.89826 28.14510 6.577220 4.559321 14.26794 18.93374 27.51669
Cholesky Ordering: D(GTIDR_15YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2)
164
Sumber : Eviews 8
Variance Decomposition of D(GTIDR_20YR,2):
Period S.E.D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.049249 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.055704 82.94114 1.996487 0.534736 0.194688 4.088214 10.24473 3 0.060364 71.61620 6.466971 2.830338 1.469697 4.280101 13.33670 4 0.063212 65.34881 12.06893 2.728978 1.484256 3.915769 14.45326 5 0.067716 61.79259 12.00008 3.885439 1.420330 7.907963 12.99360 6 0.071499 59.29778 12.69363 4.193482 1.285407 8.325627 14.20407 7 0.072196 58.41443 12.51997 4.241312 1.364931 8.558368 14.90099 8 0.073238 56.83508 12.57966 4.234570 1.363498 8.864070 16.12312 9 0.074760 54.59392 12.36324 4.063949 1.912112 8.562036 18.50474 10 0.075450 54.68689 12.38124 4.088669 1.879954 8.733150 18.23010
Variance Decomposition of D(CPI,2):
Period S.E.D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.883836 9.282842 90.71716 0.000000 0.000000 0.000000 0.000000 2 0.892810 9.714779 88.90493 0.289817 0.264507 0.821594 0.004373 3 0.916567 12.77044 85.16249 0.347258 0.376194 1.202564 0.141059 4 1.017282 15.79148 79.03960 0.763397 2.023140 1.437296 0.945084 5 1.076408 14.66009 78.78667 1.879213 2.138231 1.310419 1.225384 6 1.096868 14.45373 78.13745 2.469727 2.059277 1.306521 1.573299 7 1.135737 14.60382 77.66004 2.535592 2.003062 1.238235 1.959250 8 1.194071 17.02871 75.19874 2.323797 2.149269 1.163215 2.136274 9 1.222972 17.91852 74.55484 2.225728 2.110004 1.109614 2.081295 10 1.248749 17.83820 74.69713 2.238821 2.074631 1.122938 2.028283
Variance Decomposition of D(BI_RATE,2):
Period S.E.D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 0.002583 3.873186 1.766109 94.36070 0.000000 0.000000 0.000000 2 0.002650 4.421273 1.950936 91.02926 0.618917 0.715882 1.263730 3 0.002912 4.426978 1.724356 88.55020 1.764593 0.600409 2.933467 4 0.003093 4.075680 2.111959 88.76834 1.704651 0.544241 2.795129 5 0.003249 3.734281 3.194604 86.06874 1.605858 1.101234 4.295287 6 0.003394 4.161625 2.928954 85.67234 1.662882 1.147891 4.426311 7 0.003517 3.967879 2.837521 85.11238 1.692274 1.603251 4.786697 8 0.003629 3.799313 2.945946 85.01106 1.619829 1.690943 4.932905 9 0.003741 3.956773 2.777418 84.64537 1.641617 1.872198 5.106628
165
10 0.003859 3.750742 2.615583 85.35850 1.641565 1.779692 4.853916
Variance Decomposition of D(NILAI_TUKAR,2):
Period S.E.D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 353.9670 5.766577 1.673895 0.486134 92.07339 0.000000 0.000000 2 402.6464 8.919558 1.389287 10.55410 72.60844 6.528455 0.000169 3 437.5687 16.04010 2.061346 10.85707 65.37726 5.528000 0.136228 4 456.4424 15.86718 1.991267 9.994579 63.76663 5.560225 2.820117 5 519.1716 12.29783 2.000513 13.08612 62.15901 6.280034 4.176494 6 523.3917 12.58482 1.991967 12.88510 61.17110 6.895169 4.471849 7 541.3094 12.45771 3.472240 12.11304 61.16925 6.606756 4.181005 8 560.2013 11.99443 3.870344 12.69033 60.45292 6.702062 4.289911 9 579.8356 11.54484 4.155265 12.08732 61.00104 6.510070 4.701467 10 585.7884 11.52073 4.477005 11.91833 60.37462 6.804130 4.905186
Variance Decomposition of D(PDB,2):
Period S.E.D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 50004.35 2.074333 0.097430 0.697537 3.622049 93.50865 0.000000 2 52661.97 2.679655 0.098567 0.717798 4.950078 90.81601 0.737893 3 55518.32 2.421485 0.346641 3.058465 4.461319 88.13507 1.577015 4 60843.57 2.042003 1.630333 2.831487 5.483286 86.45336 1.559535 5 61897.19 2.708238 2.134010 2.976703 5.366583 85.26950 1.544965 6 63133.87 2.713115 2.053508 3.649160 5.188623 84.90874 1.486857 7 65035.82 2.605283 2.578148 3.519322 5.149219 84.71713 1.430893 8 66526.51 2.490360 2.541999 3.712443 5.161610 84.69567 1.397920 9 67958.34 2.454837 2.503656 3.855699 5.003679 84.68969 1.492435 10 69055.18 2.480815 2.612968 3.735131 4.914931 84.76712 1.489036
Variance Decomposition of D(CDS_5YR,2):
Period S.E.D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2)
D(NILAI_TUKAR,2) D(PDB,2)
D(CDS_5YR,2)
1 29.63980 8.693397 0.224359 3.694055 30.14392 0.095123 57.14915 2 32.84380 7.795830 4.104165 3.305473 24.56102 5.382927 54.85059 3 36.39172 18.17603 5.525457 2.802213 22.00098 4.929794 46.56553 4 40.02144 15.37971 4.860899 2.452984 19.42486 8.980701 48.90084 5 44.56129 12.40878 6.710741 6.324918 20.74891 14.34463 39.46202 6 45.40582 12.52550 7.233982 6.156033 20.09738 13.82438 40.16273 7 46.58835 13.49497 7.686300 5.864536 19.82176 13.44972 39.68272 8 48.15330 13.15416 7.309942 5.883640 21.83956 14.08070 37.73200 9 49.05315 13.75540 7.044566 6.083119 22.43496 13.57167 37.11029 10 49.87516 13.53130 6.969731 6.022889 21.99788 13.21495 38.26325
Cholesky Ordering: D(GTIDR_20YR,2) D(CPI,2) D(BI_RATE,2) D(NILAI_TUKAR,2) D(PDB,2) D(CDS_5YR,2)
166
Sumber : Eviews 8
Lampiran 11 t-tabel
Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001df 0.50 0.20 0.10 0.050 0.02 0.010 0.002
1 1.00000 3.07768 6.31375 12.70620 31.82052 63.65674 318.308842 0.81650 1.88562 2.91999 4.30265 6.96456 9.92484 22.327123 0.76489 1.63774 2.35336 3.18245 4.54070 5.84091 10.214534 0.74070 1.53321 2.13185 2.77645 3.74695 4.60409 7.173185 0.72669 1.47588 2.01505 2.57058 3.36493 4.03214 5.893436 0.71756 1.43976 1.94318 2.44691 3.14267 3.70743 5.207637 0.71114 1.41492 1.89458 2.36462 2.99795 3.49948 4.785298 0.70639 1.39682 1.85955 2.30600 2.89646 3.35539 4.500799 0.70272 1.38303 1.83311 2.26216 2.82144 3.24984 4.2968110 0.69981 1.37218 1.81246 2.22814 2.76377 3.16927 4.1437011 0.69745 1.36343 1.79588 2.20099 2.71808 3.10581 4.0247012 0.69548 1.35622 1.78229 2.17881 2.68100 3.05454 3.9296313 0.69383 1.35017 1.77093 2.16037 2.65031 3.01228 3.8519814 0.69242 1.34503 1.76131 2.14479 2.62449 2.97684 3.7873915 0.69120 1.34061 1.75305 2.13145 2.60248 2.94671 3.7328316 0.69013 1.33676 1.74588 2.11991 2.58349 2.92078 3.6861517 0.68920 1.33338 1.73961 2.10982 2.56693 2.89823 3.6457718 0.68836 1.33039 1.73406 2.10092 2.55238 2.87844 3.6104819 0.68762 1.32773 1.72913 2.09302 2.53948 2.86093 3.5794020 0.68695 1.32534 1.72472 2.08596 2.52798 2.84534 3.5518121 0.68635 1.32319 1.72074 2.07961 2.51765 2.83136 3.5271522 0.68581 1.32124 1.71714 2.07387 2.50832 2.81876 3.5049923 0.68531 1.31946 1.71387 2.06866 2.49987 2.80734 3.4849624 0.68485 1.31784 1.71088 2.06390 2.49216 2.79694 3.4667825 0.68443 1.31635 1.70814 2.05954 2.48511 2.78744 3.4501926 0.68404 1.31497 1.70562 2.05553 2.47863 2.77871 3.4350027 0.68368 1.31370 1.70329 2.05183 2.47266 2.77068 3.4210328 0.68335 1.31253 1.70113 2.04841 2.46714 2.76326 3.4081629 0.68304 1.31143 1.69913 2.04523 2.46202 2.75639 3.3962430 0.68276 1.31042 1.69726 2.04227 2.45726 2.75000 3.3851831 0.68249 1.30946 1.69552 2.03951 2.45282 2.74404 3.3749032 0.68223 1.30857 1.69389 2.03693 2.44868 2.73848 3.3653133 0.68200 1.30774 1.69236 2.03452 2.44479 2.73328 3.3563434 0.68177 1.30695 1.69092 2.03224 2.44115 2.72839 3.3479335 0.68156 1.30621 1.68957 2.03011 2.43772 2.72381 3.3400536 0.68137 1.30551 1.68830 2.02809 2.43449 2.71948 3.3326237 0.68118 1.30485 1.68709 2.02619 2.43145 2.71541 3.3256338 0.68100 1.30423 1.68595 2.02439 2.42857 2.71156 3.3190339 0.68083 1.30364 1.68488 2.02269 2.42584 2.70791 3.3127940 0.68067 1.30308 1.68385 2.02108 2.42326 2.70446 3.30688
Sumber : (http://junaidichaniago.wordpress.com),
Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001
167
df 0.50 0.20 0.10 0.050 0.02 0.010 0.00241 0.68052 1.30254 1.68288 2.01954 2.42080 2.70118 3.3012742 0.68038 1.30204 1.68195 2.01808 2.41847 2.69807 3.2959543 0.68024 1.30155 1.68107 2.01669 2.41625 2.69510 3.2908944 0.68011 1.30109 1.68023 2.01537 2.41413 2.69228 3.2860745 0.67998 1.30065 1.67943 2.01410 2.41212 2.68959 3.2814846 0.67986 1.30023 1.67866 2.01290 2.41019 2.68701 3.2771047 0.67975 1.29982 1.67793 2.01174 2.40835 2.68456 3.2729148 0.67964 1.29944 1.67722 2.01063 2.40658 2.68220 3.2689149 0.67953 1.29907 1.67655 2.00958 2.40489 2.67995 3.2650850 0.67943 1.29871 1.67591 2.00856 2.40327 2.67779 3.2614151 0.67933 1.29837 1.67528 2.00758 2.40172 2.67572 3.2578952 0.67924 1.29805 1.67469 2.00665 2.40022 2.67373 3.2545153 0.67915 1.29773 1.67412 2.00575 2.39879 2.67182 3.2512754 0.67906 1.29743 1.67356 2.00488 2.39741 2.66998 3.2481555 0.67898 1.29713 1.67303 2.00404 2.39608 2.66822 3.2451556 0.67890 1.29685 1.67252 2.00324 2.39480 2.66651 3.2422657 0.67882 1.29658 1.67203 2.00247 2.39357 2.66487 3.2394858 0.67874 1.29632 1.67155 2.00172 2.39238 2.66329 3.2368059 0.67867 1.29607 1.67109 2.00100 2.39123 2.66176 3.2342160 0.67860 1.29582 1.67065 2.00030 2.39012 2.66028 3.2317161 0.67853 1.29558 1.67022 1.99962 2.38905 2.65886 3.2293062 0.67847 1.29536 1.66980 1.99897 2.38801 2.65748 3.2269663 0.67840 1.29513 1.66940 1.99834 2.38701 2.65615 3.2247164 0.67834 1.29492 1.66901 1.99773 2.38604 2.65485 3.2225365 0.67828 1.29471 1.66864 1.99714 2.38510 2.65360 3.2204166 0.67823 1.29451 1.66827 1.99656 2.38419 2.65239 3.2183767 0.67817 1.29432 1.66792 1.99601 2.38330 2.65122 3.2163968 0.67811 1.29413 1.66757 1.99547 2.38245 2.65008 3.2144669 0.67806 1.29394 1.66724 1.99495 2.38161 2.64898 3.2126070 0.67801 1.29376 1.66691 1.99444 2.38081 2.64790 3.2107971 0.67796 1.29359 1.66660 1.99394 2.38002 2.64686 3.2090372 0.67791 1.29342 1.66629 1.99346 2.37926 2.64585 3.2073373 0.67787 1.29326 1.66600 1.99300 2.37852 2.64487 3.2056774 0.67782 1.29310 1.66571 1.99254 2.37780 2.64391 3.2040675 0.67778 1.29294 1.66543 1.99210 2.37710 2.64298 3.2024976 0.67773 1.29279 1.66515 1.99167 2.37642 2.64208 3.2009677 0.67769 1.29264 1.66488 1.99125 2.37576 2.64120 3.1994878 0.67765 1.29250 1.66462 1.99085 2.37511 2.64034 3.1980479 0.67761 1.29236 1.66437 1.99045 2.37448 2.63950 3.1966380 0.67757 1.29222 1.66412 1.99006 2.37387 2.63869 3.19526
Sumber : (http://junaidichaniago.wordpress.com),
Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001df 0.50 0.20 0.10 0.050 0.02 0.010 0.002
81 0.67753 1.29209 1.66388 1.98969 2.37327 2.63790 3.1939282 0.67749 1.29196 1.66365 1.98932 2.37269 2.63712 3.1926283 0.67746 1.29183 1.66342 1.98896 2.37212 2.63637 3.1913584 0.67742 1.29171 1.66320 1.98861 2.37156 2.63563 3.1901185 0.67739 1.29159 1.66298 1.98827 2.37102 2.63491 3.18890
168
86 0.67735 1.29147 1.66277 1.98793 2.37049 2.63421 3.1877287 0.67732 1.29136 1.66256 1.98761 2.36998 2.63353 3.1865788 0.67729 1.29125 1.66235 1.98729 2.36947 2.63286 3.1854489 0.67726 1.29114 1.66216 1.98698 2.36898 2.63220 3.1843490 0.67723 1.29103 1.66196 1.98667 2.36850 2.63157 3.1832791 0.67720 1.29092 1.66177 1.98638 2.36803 2.63094 3.1822292 0.67717 1.29082 1.66159 1.98609 2.36757 2.63033 3.1811993 0.67714 1.29072 1.66140 1.98580 2.36712 2.62973 3.1801994 0.67711 1.29062 1.66123 1.98552 2.36667 2.62915 3.1792195 0.67708 1.29053 1.66105 1.98525 2.36624 2.62858 3.1782596 0.67705 1.29043 1.66088 1.98498 2.36582 2.62802 3.1773197 0.67703 1.29034 1.66071 1.98472 2.36541 2.62747 3.1763998 0.67700 1.29025 1.66055 1.98447 2.36500 2.62693 3.1754999 0.67698 1.29016 1.66039 1.98422 2.36461 2.62641 3.17460100 0.67695 1.29007 1.66023 1.98397 2.36422 2.62589 3.17374101 0.67693 1.28999 1.66008 1.98373 2.36384 2.62539 3.17289102 0.67690 1.28991 1.65993 1.98350 2.36346 2.62489 3.17206103 0.67688 1.28982 1.65978 1.98326 2.36310 2.62441 3.17125104 0.67686 1.28974 1.65964 1.98304 2.36274 2.62393 3.17045105 0.67683 1.28967 1.65950 1.98282 2.36239 2.62347 3.16967106 0.67681 1.28959 1.65936 1.98260 2.36204 2.62301 3.16890107 0.67679 1.28951 1.65922 1.98238 2.36170 2.62256 3.16815108 0.67677 1.28944 1.65909 1.98217 2.36137 2.62212 3.16741109 0.67675 1.28937 1.65895 1.98197 2.36105 2.62169 3.16669110 0.67673 1.28930 1.65882 1.98177 2.36073 2.62126 3.16598111 0.67671 1.28922 1.65870 1.98157 2.36041 2.62085 3.16528112 0.67669 1.28916 1.65857 1.98137 2.36010 2.62044 3.16460113 0.67667 1.28909 1.65845 1.98118 2.35980 2.62004 3.16392114 0.67665 1.28902 1.65833 1.98099 2.35950 2.61964 3.16326115 0.67663 1.28896 1.65821 1.98081 2.35921 2.61926 3.16262116 0.67661 1.28889 1.65810 1.98063 2.35892 2.61888 3.16198117 0.67659 1.28883 1.65798 1.98045 2.35864 2.61850 3.16135118 0.67657 1.28877 1.65787 1.98027 2.35837 2.61814 3.16074119 0.67656 1.28871 1.65776 1.98010 2.35809 2.61778 3.16013120 0.67654 1.28865 1.65765 1.97993 2.35782 2.61742 3.15954
Sumber : (http://junaidichaniago.wordpress.com),
169
Top Related