analisis volatility spillover antara harga minyak …
TRANSCRIPT
ANALISIS VOLATILITY SPILLOVER ANTARA HARGA MINYAK
DUNIA DENGAN LIMA INDEKS SAHAM SEKTORAL DI INDONESIA,
SINGAPURA, KOREA, DAN HONG KONG
Muhammad Ali Ridwan
Program Studi S1 Reguler, Departmen Manajemen, Fakultas Ekonomi Universitas Indonesia
Abstrak :
Penelitian ini bertujuan untuk menganalisis ada tidaknya volatility spillover antara harga
minyak dengan lima saham sektoral, yaitu sektor basic material, sektor financial, sektor
consumer service, sektor telecommunication, dan sektor oil & gas. Penelitian ini dirancang
untuk melihat volatility spillover tersebut di Indonesia, Singapura, Korea, dan Hong Kong.
Selain itu, penelitian ini juga ingin melihat keterkaitan antar pasar saham di Indonesia,
Singapura, Korea, dan Hong Kong. Model penelitian ini menggunakan model multivariate
BEKK GARCH yang dikembangkan oleh Kroner dan Engle(1995).
Keywords :
Volatility spillover, GARCH, BEKK Model
1.Pendahuluan
Pada tahun 2008 lalu, harga minyak dunia mencapai level tertinggi sebesar $ 144 /
barrel dan masih pada tahun yang sama harga minyak dunia kemudian turun drastis hingga
mencapai level harga $ 32 / barrel. Menurut survei yang dilakukan oleh Seismic Micro
Technology pada tahun 2009, sebagian besar geolog percaya bahwa harga minyak dunia lima
tahun mendatang akan mencapai kisaran $100 - $150 / barrel (Huffman, 2009)
Kondisi harga minyak dunia yang fluktuatif sudah pasti berpengaruh terhadap
perekonomian suatu negara yang memiliki tingkat ketergantungan akan minyak dunia yang
cukup tinggi seperti Indonesia. Salah satu indikator yang dapat diamati dari fluktuatifnya
pergerakan harga minyak dunia tersebut adalah Indeks Harga Saham Gabungan (IHSG). Pada
tahun 2008 lalu IHSG menurun tajam dari level tertinggi saat itu di kisaran Rp 2.800
mengalami penurunan drastis hingga mencapai level di kisaran Rp 1.100 di akhir tahun. Hal
ini mengindikasikan bahwa pergerakan harga minyak dunia memiliki korelasi yang cukup
besar dengan pergerakan pasar modal di Indonesia.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Sejak pemulihan ekonomi global berlangsung di tahun 2009, banyak perusahaan –
perusahaan di Indonesia mendiversifikasi usahanya ke sektor komoditas. Sehingga sektor –
sektor selain pertambangan juga berpotensi terpengaruh oleh fluktuatifnya harga minyak
dunia (Sidarta, 2010). Kondisi ini menyebabkan pentingnya bagi investor untuk mengetahui
sektor – sektor mana saja terpengaruh sangat besar oleh fluktuatifnya harga minyak dunia,
serta sektor mana saja yang memiliki pengaruh yang kecil terhadap fluktuatifnya harga
minyak dunia.
Seperti negara – negara lainnya, ketergantungan Indonesia dengan minyak sebagai
sumber energi cukup besar. Berikut tabel konsumsi minyak mentah dunia di Indonesia dan
beberapa negara di Asia Pasifik dari tahun 2005 sampai tahun 2011, serta perbandingannya
dengan tingkat konsumsi di kawasan Asia dan Oceania, serta Dunia.
Tabel 1.1 Tingkat Konsumsi Minyak Mentah dalam ribuan barrel per hari
2005 2006 2007 2008 2009 2010 2011
Dunia 84.105,34 85.161,78 85.847,31 85.559,15 84.765,47 87.360,82 87.421 Asia & Oceania 23.973,52 24.646,94 25.022,79 25.345,98 26.086,58 27.513,12 27.901,71 Hong Kong 331,3004 318,4815 327,5262 306 353,2686 382,5478 366 Indonesia 1.279,15 1.256,492 1.226,943 1.290 1.300,889 1.384,363 1.119 Korea Selatan 2.191,337 2.179,904 2.240,51 2.142,309 2.188,26 2.268,353 2.230,167 Singapura 808,5758 828,9589 889,5878 1.006,518 1.169,607 1.380,063 896 Sumber : Energy Information Administration (EIA)
Pada tahun 2005 tingkat konsumsi minyak mentah di dunia sebesar 84.105,78,
sedangkan tingkat konsumsi di Asia dan Oceania pada tahun yang sama sebesar 23.973,52
atau 28,50% dari total konsumsi minyak mentah di dunia dan terbesar kedua setelah Amerika
Utara yang mengkonsumsi minyak mentah sebanyak 25.242,8 atau 30,01% dari total
konsumsi di dunia. Hal ini memperlihatkan kebutuhan negara – negara di kawasan Asia akan
minyak mentah yang sangat besar. Hal ini dimungkinkan karena mayoritas negara – negara di
kawasan Asia merupakan negara berkembang yang sedang menggiatkan aktivitas industrinya
di berbagai sektor, dimana dibutuhkan sumber energi yang cukup besar seperti minyak bumi.
Pemilihan negara Singapura, Hong Kong, dan Korea dikarenakan majunya
perekonomian ketiga negara tersebut di kawasan Asia Pasifik, selain itu bursa saham
Singapura, Hong Kong, dan Korea merupakan bursa saham yang paling aktif di Asia Pasifik
(Vrugt, 2009). Dengan demikian, peneliti dapat melihat berapa besar pengaruh perekonomian
negara maju di kawasan Asia terhadap negara berkembang seperti Indonesia.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Kling (1985) mempelajari hubungan antara harga minyak mentah dunia dengan
perilaku pasar saham Amerika Serikat dan menunjukkan hubungan yang negatif antara
keduanya. Huang et al (1996), Sadorsky (1999), Park and Ratti (2008), dan Apergis and
Miller (2009) mengacu pada Auto Regressive Model, internasional multifactor asset pricing
model, cointegration test, dan vector error correction models menyimpulkan bahwa pada
pasar berkembang (emerging market) harga minyak mentah dunia berkorealsi secara
signifikan terhadap return saham baik dalam jangka pendek maupun jangka panjang.
Dengan menggunakan metode BEKK-GARCH Malik and Hmmoudeh (2007)
menunjukkan bahwa pasar ekuitas di negara – negara teluk sangat sensitif terhadap volatilitas
pada pasar minyak mentah dunia walaupun volatility spillover antara harga minyak dan
saham hanya berlaku di Arab Saudi. Malik dan Ewing (2009) menginvestigasi volatility
spillover harga minyak mentah dengan lima sektor saham di Amerika Serikat ( financial,
industrial, consumer service, health care, and technology) dan menyimpulkan bahwa secara
signifikan terdapat volatilitas antara harga saham dan minyak mentah dunia.
Penemuan lain yang dilakukan oleh Arouri, Jouini, Nguyen (2011) menyimpulkan
bahwa terjadi volatility spillover antara harga minyak mentah dengan tujuh sektor saham
(automobile&parts, financial, industrial, basic material, technology, telecommunication,
utilities) pada pasar saham eropa dan Amerika serikat. Hasil penelitiannya menyimpulkan
bahwa terjadi volatility spillover satu arah antara harga minyak mentah terhadap saham
sektoral di eropa, dan volatility spillover dua arah di pasar saham Amerika serikat.
Beranjak dari masalah yang ada, maka penelitian ini dilakukan untuk mengetahui
volatility spillover antara harga minyak dunia dengan indeks sektoral di Indonesia, Hong
Kong, Korea, dan Singapura. Penelitian akan dilakukan pada periode Januari 2005 –
Desember 2011
2. Tinjauan Teoritis
2.1 Contagion
2.1.1 Definisi Contagion
Menurut Dombusch, Park, dan Claessens (2000), Contagion dapat didefinisikan
sebagai peningkatan yang signifikan pada hubungan antar pasar setelah terjadi guncangan
terhadap satu atau beberapa negara, yang diukur dengan tingkat harga aset atau aliran
keuangan yang bergerak secara bersama – sama pada pasar yang berbeda. Peningkatan pada
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
comovement tidak membutuhkan sikap irasional yang tercermin pada seorang investor. Saat
suatu negara terkena guncangan, hambatan likuiditas dapat memaksa investor untuk
meminjam uang dari negara lain.
2.1.2 Penyebab terjadinya contagion
Penyebab dari contagion dapat dibagi menjadi dua kategori yaitu spillover dan krisis
keuangan (Masson 1998 ; Wolf 1999 ; Forbes dan Rigobon 2000 ; Pritsker 2000) :
a. Spillover
Penyebab ini merupakan hasil dari ketergantungan normal antar pasar ekonomi.
Ketergantungan ini berarti bahwa guncangan tersebut, entah bersifat global maupun
lokal, dapat ditransmisikan antar negara karena adanya real linkage dan financial
linkage. Calvo dan Reinhart (1996), mengelompokkan krisis ini sebagai fundamental
– based contagion. Bentuk comovement ini tidak akan menegaskan contagion secara
normal, tapi jika hal ini berlangsung selama periode krisis dan efeknya merugikan, hal
ini akan dikategorikan sebagai contagion.
b. Krisis keuangan
Penyebab contagion ini tidak berhubungan dengan perubahan makroekonomi yang
diobservasi atau fundamental lainnya, namun semata – mata merupakan hasil dari
perilaku investor atau agen keuangan lainnya. Dalam definisi ini, contagion muncul
pada saat comovement terjadi, walaupun tidak ada guncangan dan ketergantungan
global. Krisis di suatu negara mungkin dapat menyebabkan investor menarik investasi
mereka dari pasar lainnya tanpa memperhatikan perbedaan fundamental ekonominya.
2.2 Risiko
Risiko dalam bidang keuangan dapat didefinisikan sebagai kemungkinan kerugian
yang ditanggung dalam berinvestasi pada suatu aset (Megginson, 1997). Aset – aset dengan
kemungkinan kerugian yang lebih besar, dikatakan lebih berisiko daripada aset – aset dengan
kemungkinan kerugian yang lebih kecil. Dalam berinvestasi, investor harus
mempertimbangkan risiko dan imbal hasil yang diterima agar tujuan investasi dapat tercapai.
Tingkat risiko dalam suatu portofolio dapat diukur dengan variance dan deviasi standar.
Variance merupakan ukuran statistik dari penyebaran imbal hasil dimana variance
yang tinggi menggambarkan penyebaran yang luas. Deviasi standar (volatilitas) yang
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
merupakan akar kuadrat dari variance, merupakan alat yang digunakan untuk mengukur
tingkat penyebaran dari imbal hasil yang diekspektasikan. Jika volatilitas dari imbal hasil
saham tinggi, maka dapat dikatakan bahwa saham tersebut memiliki risiko yang tinggi.
Dalam bidang keuangan, volatilitas dapat dinyatakan dengan deviasi standar dari
imbal hasil instrumen keuangan. Volatilitas digunakan untuk mengukur risiko dari suatu
instrumen keuangan. Pemodelan dan peramalan volatilitas pasar saham telah menjadi subjek
penelitian empiris dan teoritis penting selama beberapa dekade terakhir ini oleh para
akademisi dan praktisi, tentunya dengan tujuan dan motivasi yang berbeda beda
Volatilitas adalah salah satu konsep yang paling penting dalam dunia keuangan.
Volatilitas, yang dapat diukur dengan deviasi standar atau variance imbal hasil suatu aset,
sering digunakan sebagai ukuran dari total risiko aset keuangan. Sebagai contoh, model Value
at Risk (VaR) yang digunakan untuk mengukur risiko pasar memerlukan estimasi atau
proyeksi parameter volatilitas. Volatilitas dari harga saham juga dapat masuk langsung ke
dalam rumus Black Scholes dan digunakan untuk menghitung harga opsi.
3. Metode Penelitian
3.1 Data
Seperti yang telah dijelaskan oleh Arouri dan Nguyen (2010), penelitian ini
menggunakan data mingguan karena mampu menangkap interaksi antara harga minyak dan
saham. Selain itu, data mingguan yang digunakan dalam penelitian ini juga dapat menangkal
bias yang biasanya terjadi pada data harian (bid-ask-effect dan non-synchronous trading
days)serta data bulanan (agregat waktu dan kompensasi yang tinggi atas dampak positif atau
negatif dari guncangan)
Data indek sektoral yang dipilih merupakan Dow Jones Global Index (DJGI), indeks
ini dipilih karena pelaku pasar lebih banyak menggunakan indeks ini dibandingkan yang lain
dalam mengikuti pergerakan industri, selain itu indeks Dow Jones digunakan secara luas
dalam mengukur performa sektoral (Hasan dan Malik, 2006). Terdapat 10 sektor industri
yang di sediakan Dow Jones yaitu Basic Matrials, Consumer Goods, Consumer Services,
Financial, Healthcare, Industrial, Oil & Gas, Technology, Telecommunication, Utilities
Namun karena keterbatasan dan kelayakan data di masing – masing negara, peneliti
hanya menggunakan lima sektor dari sepuluh sektor yang tersedia, yaitu basic materials,
consumer service, financial, oil & gas, dan telecommunication.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Untuk harga minyak Dunia, peneliti menggunakan acuan harga minyak mentah Brent
yang di produksi di laut utara dan saat ini di perdagangkan di dua pertiga negara – negara di
dunia. Data harga minyak mentah diperoleh dari Energy Information Administration (EIA)
Indeks pasar yang digunakan dalam penelitian ini adalah data mingguan indeks pasar
saham di Indonesia, Singapura, Hongkong, dan Korea pada periode januari 2005 hingga
desember 2011. Berikut adalah indeks – indeks yang digunakan sebagai representasi pasar
saham negara - negara tersebut yang digunakan dalam penelitian Indeks Harga Saham
Gabungan (IHSG), Strait Times Index (STI), Hang Seng Index (HSI), Kospi Index
(KOSPI200)
3.2 Pembenrukan Model ARMA
Box dan Jenkins (1976) menemukan cara yang spesifik untuk mengestimasi model
ARMA. Cara ini merupakan cara yang praktikal dan pragmatis, yang mengikuti tiga langkah
berikut (Brooks, 2008)
1. Identifikasi
Identifikasi yang dimaksud adalah menemukan order autoregressive dan moving
average pada model yang mampu menangkap karakter – karakter pada data. Tahap ini
dilakukan dengan cara melihat hasil plot atas autocorrelation function dan partial
autocorrelation function pada correlogram.
2. Estimasi
Hal ini terkait dengan estimasi atas parameter autoregressive dan moving average
yang telah dipilih pada langkah identifikasi. Estimasi dapat dilakukan dengan
berbagai cara, seperti ordinary least square atau maximum likelihood
3. Model Checking
Tahap ini adalah tahap menentukan apakah parameter yang dipilih merupakan
parameter yang sesuai. Salah satu cara yang disarankan oleh Box dan Jenkins adalah
melakukan residual diagnostic. Residual diagnostic dilakukan dengan melihat
residual pada autocorrelation function dan partial autocorrelation function untuk
membuktikan masih adanya hubungan linier antara residual dan variabel dependen.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
3.3 Generalized Auto Regressive Conditional Heteroscedasticity (GARCH)
GARCH (Generalized Auto Regressive Conditionally Heteroscedasticity) merupakan
model ARCH yang telah di generalisasi. Model ini dikembangkan secara independen oleh
Bollerslev (1986) dan Taylor (1986). Peramalan volatilitas dengan GARCH berdasar pada
konsep bahwa volatilitas saat ini dipengaruhi oleh volatilitas ( - ) dan varians (
) pada
periode sebelumnya.
Model GARCH dapat dinyatakan dengan persamaan:
∑ -
∑
-
(3.1)
Dengan asumsi tambahan bahwa ≥ 0, persamaan di atas disebut juga model GARCH
( ). Dalam model GARCH ( ), ( ) adalah notasi standar dimana angka pertama
menunjukkan berapa banyak autoregressive lags (ARCH terms) dan angka kedua
menunjukkan berapa banyak moving average lags (GARCH terms) yang muncul dalam
persamaan.
3.4 Model Multivariate BEKK GARCH
Ada beberapa model multivariate GARCH yang tersedia, yang dapat menghasilkan
estimasi yang berbeda dari conditional correlation yang sama. Namun, penelitian ini hanya
akan membatasi penjelasan mengenai model bivariate BEKK GARCH(1,1). Model ini juga
pernah digunakan sebelumnya oleh Malik dan Ewing (2009) untuk melihat volatility spillover
antara harga minyak mentah dunia dengan lima indek saham sektoral (financial, industrial,
consumer service, health care, dan technology) di Amerika Serikat.
Dalam model bivariate BEKK GARCH, harus bernilai definit positif. Hal ini
diharuskan agar setiap parameterisasi menjadi lebih wajar. Model bivariate BEKK GARCH
dapat dilihat dengan persamaan berikut:
∑
∑
(3.2)
Dimana , , dan
adalah matriks n x n.
Dari Persamaan (3.2), kita mendapatkan persamaan model bivariate BEKK
GARCH(1,1) sebagai berikut:
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
(3.3)
merupakan matriks conditional variance, adalah matriks 2x2 dengan tiga
parameter, sedangkan adalah matriks 2x2 yang merupakan sebuah parameter yang dapat
melihat hubungan antara conditional variance masa lalu terhubung dengan conditional
variance saat ini yang mana. adalah matriks 2x2 yang dapat melihat dan mengukur
hubungan antara conditional variance masa lalu terhubung dengan error masa lalu yang
mana. juga dapat melihat efek guncangan dari sebuah volatilitas.
Perbedaan model unrestricted bivariate BEKK GARCH(1,1) dengan model bivariate
BEKK GARCH(1,1) terletak pada matriks dan yang tidak bernilai nol pada sisi
diagonalnya. Sehingga, jika Persamaan (3.3) dijabarkan ke dalam model unrestricted
bivariate BEKK GARCH(1,1), persamaannya menjadi:
[
]
[
] [
]
[
] [
]
[
]
[
] (3.4)
Bila Persamaan (3.4) kita sederhanakan, maka persamaan untuk melihat volatility spillover
antara harga minyak mentah dunia dengan indek saham sektoral adalah sebagai berikut:
(3.5)
Sedangkan untuk melihat volatility spillover antara indek pasar saham Singapura, Hong
Kong, dan Korea terhadap indek pasar saham Indonesia, persamaan (3.7) dapat
disederhanakan kedalam persamaan berikut
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
(3.6)
Untuk melihat ada tidaknya volatility spillover antara harga minyak mentah brent dan
indeks saham sektoral, koefisien yang digunakan adalah dan . Jika salah satu dari
atau memiliki nilai yang berbeda dari nol, maka dapat dikatakan bahwa volatilitas
minyak mentah brent berpengaruh terhadap volatilitas suatu indeks saham sektoral di suatu
negara. Sedangkan untuk melihat ada tidaknya volatility spillover antara indek pasar saham
Singapura, Hong Kong, dan Korea dan indek pasar saham Indonesia, koefisien yang
digunakan adalah dan . Jika salah satu dari atau memiliki nilai yang
berbeda dari nol, maka dapat dikatakan bahwa volatilitas indek pasar saham Singapura, Hong
Kong, dan Korea berpengaruh terhadap volatilitas indek pasar saham Indonesia
4.Hasil dan Pembahasan Penelitian
Dalam pemodelan dengan GARCH, ada syarat yang harus dipenuhi, yaitu semua data
harus mean stationery. Dari semua sektor yang ada, ternyata masih terdapat sektor – sektor
yang memiliki autokorelasi yang signifikan. Metode yang digunakan dalam pemodelan
ARMA adalah metode Box-Jenkins, dan berikut hasil pemodelan ARMA terhadap sektor –
sektor yang sebelumnya masih terdapat autokorelasi.
Tabel 4.1 Pemodelan ARMA
rid_finance rid_ogas rsg_basic rkr_finance rhk_finance rhk_ogas
ARMA(4,4) ARMA(1,1) ARMA(1,1) ARMA(1,1) ARMA(1,1) ARMA(1,1)
P-value AR 0,0347 0,0000 0,0000 0,0000 0,0000 0,0011
P-value MA 0,0239 0,0000 0,0000 0,0000 0,0000 0,0081
Adjusted R-squared 0,006343 0,023282 0,007613 0,013522 0,006052 0,011449
AIC -3,220702 -2,543040 -2,813690 -2,997890 -3,610980 -2,804228
SIC -3,188384 -2,510921 -2,781570 -2,965771 -3,578860 -2,772108
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Sumber : Data diolah sendiri menggunakan Eviews 6
Setelah dilakukan pemodelan ARMA terhadap sektor – sektor pada tabel 4.9, sudah
tidak ditemukan lagi autokorelasi, dan pemodelan dengan menggunakan GARCH pun dapat
dilakukan.
4.1 Analisis Volatility Spillover Antara Minyak Mentah Dunia Dengan Indeks Saham
Sektoral di indonesia
Tabel 4.2 Output Bivariate BEKK GARCH(1,1) Minyak Mentah Brent Dengan Lima Indeks
Sektoral di Indonesia
Basic - Brent Financial- Brent Tele – Brent Service – Brent
OGas –Brent
(0,301770) (0,356791) (0,140282) (0,564068) 0,930883
z-Statistic 3,370332 6,103338 3,168428 6,768479 1,095056
Prob. 0,0008 0,0000 0,0015 0,0000 0,0000
-0,079846 (-0,101111) -0,050461 0,275426 (0,649441)
z-Statistic -1,774808 -2,346858 -1,937715 1,153835 2,336220
Prob. 0,0759 0,0189 0,0527 0,2486 0,0195
Sumber : Data diolah sendiri menggunakan Eviews 6
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Basic Material
Perusahaan – perusahaan yang termasuk dalam sektor basic material merupakan
perusahaan yang bergerak dalam bidang pertambangan, pengubahan bentuk logam mulia,
hasil hutan, produk dasar kimia, serta material konstruksi seperti semen. Bisa dilihat dalam
tabel 4.2, koefisien dan berturut – turut adalah 0,3017770 dan -0,079846 . jika kita
lihat nilai dan masing – masing koefisien, dapat disimpulkan bahwa
koefisien berbeda dari nol dan tidak berbeda dari nol, sehingga dapat dikatakan
terdapat volatility spilloover antara harga minyak mentah dan sektor basic material di
Indonesia.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Financial
Dapat dilihat pada tabel 4.2, koefisien dan sebesar 0,0356791 dan -0,10111.
Jika kita lihat kedua koefisien, masing – masing memiliki nilai berbeda dari nol
yang artinya terdapat volatility spillover antara harga minyak dengan sektor keuangan di
indonesia.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Penemuan ini juga selaras dengan hasil penelitian yang dilakukan oleh Arouri et al
(2011), dimana terdapat volatility spillover dua arah antara minyak Brent dengan sektor
financial. Arouri menyebutkan bahwa kenaikan atau penurunan harga minyak dapat
mempengaruhi sentimen konsumen dan investor terhadap produk keuangan.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Telecommunication
Dapat dilihat pada tabel 4.2, koefisien dan sebesar 0,140282 dan -0,050461.
Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan nol,
sedangkan tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat
volatility spillover antara harga minyak dengan sektor telekomunikasi di indonesia.
Industri telekomunikasi merupakan salah satu industri yang memiliki performa baik
dalam sepuluh tahun terakhir, dengan tingginya penggunaan teknologi yang aplikatif dan
tepat guna baik bagi konsumen individu maupun bisnis, perusahaan – perusahaan
telekomunikasi di Indonesia terus meningkatkan pelayanan dengan dasar infrastruktur yang
terus dibangun dan diperbaiki.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Consumer Service
Dapat dilihat pada tabel 4.2, koefisien dan sebesar 0,564068 dan 0,275426.
Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan nol,
sedangkan tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat
volatility spillover antara harga minyak dengan sektor consumer service di indonesia
Hal ini selaras dengan hasil penelitian yang dilakukan oleh Malik dan Ewing (2009).
Volatilitas harga minyak berpengaruh terhadap imbal hasil sektor consumer service karena
adanya kebutuhan akan minyak dari perusahaan – perusahaan consumer service.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Oil & Gas
Dapat dilihat pada tabel 4.2, koefisien dan sebesar 0,930883 dan 0,649441.
Jika kita lihat kedua koefisien, memiliki nilai yang tidak berbeda dengan nol,
sedangkan kebalikannya, yaitu berbeda dengan nol. Dengan demikian, dapat disimpulkan
terdapat volatility spillover antara harga minyak dengan sektor oil & gas di indonesia
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Sektor oil & gas di Indonesia, merupakan sektor yang paling besar memberikan
keuntungan bagi negara, serta menempati urutan nomor satu dalam sepuluh komoditas ekspor
utama Indonesia. Jumlah produksi minyak mentah Indonesia pada tahun 2009 sebesar
2.369.000 barrel/day, sedangkan pada tahun 2010 sebesar 2.327.716 barrel/day. Data ini
dikumpulkan oleh BP Migas, yang merupakan jumlah produksi dari seluruh perusahaan –
perusahaan atau kontraktor oil & gas di Indonesia.
4.2 Analisis Volatility Spillover Antara Minyak Mentah Dunia Dengan Indeks Saham
Sektoral di Singapura
Tabel 4.3 Output Bivariate BEKK GARCH(1,1) Minyak Mnetah Brent Dengan Lima Indeks
Sektoral di Singapura
Basic – Brent
Financial- Brent
Tele – Brent Service - Brent
OGas -Brent
0,130625 (0,085242) (-0099077) (0,119309) 0,088734
z-Statistic 1,689841 2,066600 -2,071,322 4,843463 1,185967
Prob. 0,0911 0,0388 0,0383 0,0000 0,2356
-0,058040 -0,034053 (0,062781) -0,033420 -0,054756
z-Statistic -1,287911 -1,403799 2,189179 -1,920960 -1,058501
Prob. 0,1978 0,1604 0,0286 0,0547 02898
Sumber : Data diolah sendiri menggunakan Eviews 6
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Basic Material
Dapat dilihat pada tabel 4.3, koefisien dan sebesar 0,130625 dan -0,58040.
Jika kita lihat kedua koefisien, dan memiliki nilai yang tidak berbeda
dengan nol, sehingga dapat dikatakan bahwa volatility spillover tidak terjadi antara minyak
mentah dengan sektor basic material di Singapura.
Berbeda dengan hasil penelitian Arouri et al (2011) yang menyatakan bahwa di
Amerika Serikat dan Eropa, terdapat volatility spillover antara harga minyak dengan indek
saham sektor basic material. Hal ini dapat terjadi pada negara Singapura, karena untuk
pemenuhan kebutuhan dalam negeri akan produk – produk dasar kimia dan material
pertambangan lainnya, Singapura mengimpor dari negara tetangga seperti Indonesia,
Vietnam, dan Thailand. Mayoritas perusahaan – perusahaan yang bergerak di bidang hilir
sektor ini adalah perusahaan internasional, sehingga sangat mungkin tidak terjadi volatility
spillover antara harga minyak dunia dengan sektor basic material di Singapura.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Financial
Dapat dilihat pada tabel 4.3, koefisien dan sebesar 0,085242 dan -0,034053.
Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan nol,
sedangkan kebalikannya, yaitu tidak berbeda dengan nol. Dengan demikian, dapat
disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor financial di
Singapura
Singapura merupakan negara maju yang terus melakukan pembangunan di dalam
negerinya pada sektor jasa dan pariwisata, serta real estate. Sehingga diperlukan investasi
yang besar dalam sektor – sektor tersebut, perusahaan keuangan lah yang berperang penting
dalam pemenuhan kebutuhan modal dan pelayanan jasa keuangan lainnya, sehingga dalam
praktiknya, sektor keuangan di Singapura akan terpengaruh oleh pergerakan harga minyak
yang digunakan untuk pembangunan yang sedang dilaksanakan. Menurut Arouri et al (2011),
negara – negara yang memiliki tingkat ketergantungan yang tinggi terhadap minyak mentah
dunia, sektor keuangan negara – negara tersebut akan sangat sensitif terhadap volatilitas
harga minyak mentah dunia.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Telecommunication
Dapat dilihat pada tabel 4.3, koefisien dan sebesar -0,099077 dan 0,062781.
Jika kita lihat kedua koefisien, dan memiliki nilai yang berbeda dengan
nol, sehingga dapat dikatakan terjadi volatility spillover antara minyak mentah dengan sektor
telekomunikasi di Singapura.
Hal ini selaras dengan penelitian yang dilakukan oleh Arouri et al (2011) yang
menemukan adanya volatility spillover antara harga minyak dnegan sektor telekomunikasi di
Amerika Serikat dan Eropa, walaupun efeknya tidak terlalu besar.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Consumer Service
Dapat dilihat pada tabel 4.3, koefisien dan sebesar 0,119309 dan -0,033240.
Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan nol,
sedangkan kebalikannya, yaitu tidak berbeda dengan nol. Dengan demikian, dapat
disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor consumer
service di Singapura.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Oil & Gas
Dapat dilihat pada tabel 4.3, koefisien dan sebesar 0,088734 dan -0,054756.
Jika kita lihat kedua koefisien, dan memiliki nilai yang tidak berbeda
dengan nol, sehingga tidak terdapat volatility spillover antara harga minyak mnetah dengan
sektor oil & gas di Singapura.
Hasil ini bertentangan dengan penelitian yang telah dilakukan oleh Arouri dan
Nguyen (2010) yang menemukan adanya volatility spillover dua arah antara harga minyak
dengan imbal hasil sektor oil & gas di Eropa. Namun sama seperti Hong Kong dan Korea,
Singapura tidak memiliki cadangan minyak bumi dan gas alam. Dalam pemenuhan
kebutuhan akan minyak dan gas, negara tersebut mengimpor dari negara – negara penghasil
minyak dan gas di asia. Tidak terdapatnya volatility spillover antara harga minyak dunia
dengan sektor oil & gas di Singapura dikarenakan mayoritas perusahaan refinery atau
penyaringan minyak mentah merupakan perusahaan minyak internasional, dan sedikit sekali
perusahaan lokal yang berkecimpung dalam sektor ini.
4.3 Analisis Volatility Spillover Antara Minyak Mentah Dunia Dengan Indeks Saham
Sektoral di Hong Kong
Tabel 4.4 Output Bivariate BEKK GARCH(1,1) Minyak Mentah Brent Dengan Lima Indeks
Sektoral di Hong Kong
Basic – Brent
Financial- Brent
Tele - Brent Service – Brent
OGas –Brent
(0,106321) (0,090623) (0,124787) (0,120812) (0,181421)
z-Statistic 1,956433 2,386332 2,973855 3,400260 2,622150
Prob. 0,0504 0,0170 0,0029 0,0007 0,0087
-0,032514 -0,029473 -0,033400 -0,030295 -0,022777
z-Statistic -1,069382 -1,596701 -1,538928 -1,448540 -0,412179
Prob. 0,2849 0,1103 0,1238 0,1475 0,6802
Sumber : Data diolah sendiri menggunakan Eviews 6
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Basic Material
Dalam tabel 4.4, koefisien dan berturut – turut adalah 0,106321 dan -
0,032514. Jika kita lihat nilai dan masing – masing koefisien, dapat
disimpulkan bahwa koefisien berbeda dari nol dan tidak berbeda dari nol, sehingga
dapat dikatakan terdapat volatility spilloover antara harga minyak mentah terhadap sektor
basic material di Hong Kong
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Financial
Dapat dilihat pada tabel 4.4, koefisien dan sebesar 0,096023 dan -0,029473.
Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dnegan nol,
sedangkan tidak berbeda dengan nol, sehingga terjadi volatility spillover antara harga
minyak mentah dengan sektor keuangan di Hong Kong.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Telecommunication
Pada tabel 4.4, koefisien dan menunjukkan angka sebesar 0,124787 dan -
0,033400. Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan
nol, sedangkan tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat
volatility spillover antara harga minyak dengan sektor telekomunikasi di Hong Kong.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Consumer Service
Dapat dilihat pada tabel 4.4, koefisien dan sebesar 0,120812 dan -0,030295.
Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan nol,
sedangkan tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat
volatility spillover antara harga minyak dengan sektor consumer service di Hong Kong
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Oil & Gas
Dapat dilihat pada tabel 4.4, koefisien dan sebesar 0,181421 dan -0,022777.
Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan nol,
sedangkan kebalikannya, yaitu tidak berbeda dengan nol. Dengan demikian, dapat
disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor oil & gas di
Hong Kong
Walaupun tidak memiliki sumber daya minyak bumi di dalam negeri, namun banyak
perusahaan minyak dan gas baik lokal maupun internasional yang beroperasi dan
menyediakan energi minyak bumi bagi masyarakat Hong Kong, mulai dari proses impor,
penyaringan, hingga penjualan langsung kepada konsumen.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
4.4 Analisis Volatility Spillover Antara Minyak Mentah Dunia Dengan Indeks Saham
Sektoral di Korea
Tabel 4.5 Output Bivariate BEKK GARCH(1,1) Minyak Mnetah Brent Dengan Lima Indeks
Sektoral di Korea
Basic – Brent
Financial- Brent
Tele - Brent Service – Brent
OGas -Brent
0,109071 (0,195351) (0,108815) (0,166559) (0,133053)
z-Statistic 1,630893 2,802821 3,926392 3,231695 2,127538
Prob. 0,1029 0,0051 0,0001 0,0012 0,0334
0,020567 (-0,086325) -0,031670 -0,044792 -0,044761 z-Statistic 0,349607 -2,310586 -1,189237 -1,016892 -1,247898
Prob. 0,7266 0,0209 0,2343 0,3092 0,2121
Sumber : Data diolah sendiri menggunakan Eviews 6
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Basic Material
Perusahaan – perusahaan yang termasuk dalam sektor basic material merupakan
perusahaan yang bergerak dalam bidang pertambangan, pengubahan bentuk logam mulia,
hasil hutan, produk dasar kimia, serta material konstruksi seperti semen. dalam tabel 4.5,
koefisien dan berturut – turut adalah 0,109071 dan 0,020567. Jika jika lihat nilai
dan masing – masing koefisien, dapat disimpulkan bahwa koefisien dan
tidak berbeda dari nol, sehingga dapat dikatakan tidak terdapat volatility spilloover antara
harga minyak mentah dengan sektor basic material di Korea.
Berbeda dengan hasil penelitian Arouri et al (2011) yang menyatakan bahwa terdapat
volatility spillover antara harga minyak dengan indek saham sektor basic material. Hal ini
cukup mnegherankan, mengingat Korea merupakan konsumen minyak mentah terbesar di
antara Indonesia, Singapura, dan Hongkong yang menjadi objek penelitian ini. Namun,
sebagai salah satu negara maju di Asia, Korea memiliki preferensi dalam penggunaan minyak
mentah tersebut. minyak mentah yang dikonsumsi, lebih banyak digunakan pada sektor –
sektor consumer goods, industrial, utilities, atau consumer service.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Financial
Pada tabel 4.5, koefisien dan sebesar 0,195351 dan -0,086325. Jika kita lihat
kedua koefisien, dan berbeda dengan nol, sehingga terjadi volatility
spillover antara harga minyak mentah dengan sektor keuangan di Korea.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Sebagai negara dengan tingkat konsumsi minyak bumi yang besar di Asia,
perekonomian Korea ikut terpengaruh oleh volatilitas dari harga minyak bumi tersebut,
termasuk sektor keuangan, hal ini dikarenakan tingkat ketergantungan Korea terhadap
minyak mentah dalam perekonomiannya.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Telecommunication
Dapat dilihat pada tabel 4.5, koefisien dan sebesar 0,108815 dan -0,031670.
Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan nol,
sedangkan tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat
volatility spillover antara harga minyak denagn sektor telekomunikasi di Korea
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Consumer Service
Pada tabel 4.5, koefisien dan sebesar 0,166559 dan -0,044792. Jika kita
lihat kedua koefisien, memiliki nilai yang berbeda dengan nol, sedangkan
tidak berbeda dengan nol. Dengan demikian, dapat disimpulkan, terdapat volatility spillover
antara harga minyak dengan sektor consumer service di Korea
Hal ini selaras dengan hasil penelitian yang dilakukan oleh Malik dan Ewing (2009).
Volatilitas harga minyak berpengaruh terhadap imbal hasil sektor consumer service karena
adanya kebutuhan akan minyak dari perusahaan – perusahaan consumer service.
Volatility Spillover Antara Minyak Mentah Dunia dengan Sektor Oil & Gas
Dapat dilihat pada tabel 4.5, koefisien dan sebesar 0,133053 dan -0,044761.
Jika kita lihat kedua koefisien, memiliki nilai yang berbeda dengan nol,
sedangkan kebalikannya, yaitu tidak berbeda dengan nol. Dengan demikian, dapat
disimpulkan, terdapat volatility spillover antara harga minyak dengan sektor oil & gas di
Korea
Walaupun Korea merupakan konsumen minyak bumi terbesar di antara tiga negara
lainnya, namun Korea tidak memiliki sumber minyak duni di dalam negerinya. Kebutuhan
minyak bumi Korea di dapat melalui impor dari negara – negara penghassil minyak bumi
seperti negara Arab. Pada tahun 2010 jumlah minyak bumi yang di import oleh Korea sebesar
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
3.100.000 barrel/day, sekaligus menempatkan Korea sebagai negara terbesar kelima
pengimpor minyak mentah.
4.5 Analisis Pengaruh Volatilitas Indeks Saham di Singapura, Hong Kong, dan Korea
Terhadap Volatilitas Indeks Saham di Indonesia
Tabel 4.6 Output Bivariate BEKK GARCH(1,1) Indeks Saham Indonesia dengan Indeks
Saham Hong Kong, Korea, dan Singapura
Indonesia – Hongkong
Indonesia – Korea
Indonesia – Singapura
0,341692 -0,205006 0,227241
z-Statistic 5,846762 -3,702189 3,963083
Prob. 0,0000 0,0002 0,0001
-0,062721 0,021354 -0,088887
z-Statistic -1,962402 0,575510 -3,197982
Prob. 0,0497 0,5649 0,0014
Sumber : Data diolah sendiri menggunakan Eviews 6
Analisis Volatility Spillovers dan Conditional Correlation antara IHSG dan Hangseng
Tabel 4.6 memberikan penjelasan mengenai hubungan volatilitas indeks saham di
Hong Kong terhadap volatilitas indeks saham Indonesia. Koefisien dan masing-
masing bernilai 0,341692 dan -0,062721 dengan sebesar 5,846762 dan -1,962402.
Hal tersebut menunjukkan bahwa volatilitas indeks saham yang lebih maju seperti indeks
saham Hong Kong (Hangseng), memiliki pengaruh terhadap volatilitas indeks saham
Indonesia. Dengan kata lain, terjadi volatility spillovers dari indeks saham Hong Kong ke
indeks saham Indonesia.
Analisis Volatility Spillovers dan Conditional Correlation antara IHSG dan KOSPI200
indeks saham Korea dikategorikan sebagai indeks saham yang maju di kawasan Asia.
Indeks saham yang terbilang maju dalam suatu kawasan atau regional tertentu, biasanya
memiliki pengaruh terhadap indeks saham pada emerging market seperti Indonesia. Pengaruh
indeks saham Korea terhadap indeks saham Indonesia dapat dilihat pada Tabel 4.6. Dalam
tersebut, koefisien dan yang digunakan sebagai parameter ada tidaknya volatility
spillovers, masing-masing bernilai -0,205006 dan -0,062721 dengan sebesar -
3,702189 dan 0,575510. Berdasarkan hasil tersebut, dapat dikatakan bahwa koefisien
memiliki nilai yang berbeda dari nol, artinya volatilitas indeks saham Korea memiliki
pengaruh terhadap volatilitas indeks saham Indonesia. Hal ini sesuai dengan anggapan
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
bahwa indeks saham pada pasar yang telah mature memiliki pengaruh terhadap indeks saham
pada emerging market.
Analisis Volatility Spillovers dan Conditional Correlation antara IHSG dan STI
Berdasarkan Tabel 4.6, koefisien dan masing-masing bernilai 0,2227241 dan
-0,088887 dengan nilai masing-masing bernilai 3,963083 dan -3,197982. sehingga
dapat dikatakan bahwa indeks saham Singapura mempengaruhi indeks Saham Indonesia.
5. Kesimpulan
Tujuan utama dari penelitian adalah melihat volatility spillover antara harga minyak
dunia dengan indek saham sektoral di Indonesia, Singapura, Hong Kong , dan Korea. Dengan
menggunakan model BEKK-GARCH, ditemukan adanya volatility spillover tersebut.
walaupun untuk beberapa sektor di negara tertentu seperti Singapura dan Korea, tidak
ditemukan adanya volatility spillover antara harga minyak dunia dengan sektor basic material
dan sektor oil & gas
Dalam penelitian ini pula ditemukan adanya volatility spillover antara indeks pasar
saham di Hong Kong, Singapura ,dan Korea terhadap indeks pasar saham Indonesia. Hal ini
menunjukkan indek saham Indonesia belum mencapai kedewasaan karena pergerakannya
banyak dipengaruhi oleh variabel – variabel eksternal seperti fluktuasi harga minyak mnetah
dan volatilitas indek saham di negara lain.
6. Kepustakaan
Agnolucci, P., (2009). Volatility in crude oil futures: a comparison of the predictive ability of
GARCH and implied volatility models. Energy Economics ,31, 316–321.
Apergis, N., Miller, S.M., (2009). Do structural oil-market shocks affect stock prices? Energy
Economics ,31, 569–575.
Arouri, M., Dinh, T.H., Nguyen, D.K., (2010). Time-varying predictability in crude oil
markets: the case of GCC countries. Energy Policy ,38 (8), 4371–4380.
Arouri, M., Nguyen, D.K., (2010). Oil prices, stock markets and portfolio investment:
evidence from sector analysis in Europe over the last decade. Energy Policy, 38 (8),
4528–4539.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Basher, S.A., Sadorsky, P., (2006). Oil price risk and emerging stock markets. Global
Finance Journal,17, 224–251.
Boyer, M.M., Filion, D., (2007). Common and fundamental factors in stock returns of
Canadian oil and gas companies. Energy Economics ,29, 428–453.
Bodie, Kane., Kane, Alex., Marcus, Alan., (2005). Investmens. New York : McGraw Hill
Bollerslev, T., (1990). Modelling the coherence in short-run nominal exchange rates: a
multivariate generalized ARCH approach. Review of Economics and Statistics, 72,
498–505.
Cameron, K., Schulenburg, O., (2009). Oil prices, SUVs, and Iraq: an investigation of
automobile manufacturer oil price sensitivity. Energy Economics ,31, 375–381.
Elder, J., Serletis, A., (2008). Long memory in energy futures prices. Review of Financial
Economics ,17, 146–155.
El-Sharif, I., Brown, D., Burton, B., Nixon, B., Russell, A., (2005). Evidence on the nature
and extent of the relationship between oiland equity value in UK. Energy Economics
27
Engle, R.F., (1982). Autoregressive conditional heteroscedasticity with estimates of the
variance of United Kingdom inflation. Econometrica ,50, 987–1007.
Engle, R.F., (2002). Dynamic conditional correlation: a simple class of multivariate GARCH
models. Journal of Business and Economic Statistics , 20, 339–350
Geman, H., Kharoubi, C., (2008). WTI crude oil futures in portfolio diversification: the time-
to-maturity effect. Journal of Banking and Finance ,32, 2553–2559.
Hamilton, J.D., (1983). Oil and the macroeconomy since world war II. Journal of Political
Economy, 92, 228–248.
Hamilton, J.D., (2003). What is an oil shock? Journal of Econometrics ,113, 363–398.
Hammoudeh, S., Yuan, Y., McAleer, M., (2009). Shock and volatility spillovers among
equity sectors of the Gulf Arab stock markets. Quarterly Review of Economics and
Finance ,49, 829–842.
Hammoudeh, S., Yuan, Y., McAleer, M., Thompson, M.A., (2010). Precious metals–
exchange rate volatility transmissions and hedging strategies. International Review of
Economics and Finance, 19, 633–647.
Hassan, H., Malik, F., (2007). Multivariate GARCH model of sector volatility transmission.
Quarterly Review of Economics and Finance, 47, 470–480.
Engle, R.F., Kroner, K.F., (1995). Multivariate simultaneous generalized ARCH.
Econometric Theory ,11, 122–150.
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013
Analisis volatility…, Muhammad Ali Ridwan, FE UI, 2013