Mengapa Tidak Selalu Bergerak Searah?

Pendahuluan

Dalam analisis pasar keuangan global, US Treasury (UST) sering dipandang sebagai risk-free benchmark, sementara Surat Berharga Negara (SBN) Indonesia merupakan obligasi emerging market dengan risk premium lebih tinggi.

Banyak investor berasumsi sederhana:

Jika yield US Treasury naik, maka yield SBN Indonesia pasti ikut naik.

Kenyataannya, hubungan keduanya jauh lebih kompleks. Artikel ini membahas:

• Peran UST dan SBN dalam sistem keuangan

• Hubungan struktural antara keduanya

• Interpretasi dua grafik empiris: time series dan scatter plot

---

Apa Itu US Treasury 10 Tahun (UST 10Y)

US Treasury 10Y adalah surat utang pemerintah Amerika Serikat dengan tenor 10 tahun dan berfungsi sebagai:

• Acuan suku bunga global

• Instrumen bebas risiko secara internasional

• Dasar penilaian obligasi dan saham global

Faktor utama yang memengaruhi yield UST 10Y:

• Kebijakan The Fed

• Inflasi dan ekspektasi inflasi AS

• Data tenaga kerja

• Sentimen risiko global (risk-on / risk-off)

• Defisit fiskal AS

---

Apa Itu SBN Indonesia 10 Tahun

SBN 10Y adalah obligasi pemerintah Indonesia dengan tenor 10 tahun yang mencerminkan:

• Ekspektasi inflasi domestik

• Kebijakan moneter Bank Indonesia

• Risiko fiskal dan nilai tukar

• Persepsi investor terhadap Indonesia

Dibanding UST, SBN memiliki:

• Yield lebih tinggi

• Likuiditas lebih rendah

• Sensitivitas kuat terhadap faktor domestik

---

Hubungan Konseptual UST dan SBN

Secara sederhana:

Yield SBN = Yield UST + Risk Premium Indonesia

Risk premium tersebut mencakup:

• Risiko nilai tukar (USD/IDR)

• Risiko fiskal

• Risiko kebijakan

• Risiko likuiditas

Namun hubungan ini tidak bekerja secara mekanis dari hari ke hari.

---

Analisis Grafik 1

Time Series Yield UST 10Y vs SBN 10Y (2015–2025)

Temuan Utama

1. Perbedaan level yield

   • UST 10Y: ±0,5%–5%

   • SBN 10Y: ±6%–9%

2. Arah jangka panjang sejalan

   • Keduanya turun saat krisis COVID-19

   • Keduanya naik saat inflasi global melonjak

3. Volatilitas berbeda

   • UST lebih reaktif terhadap data makro

   • SBN lebih stabil karena peran Bank Indonesia dan investor domestik

4. Divergensi penting

   • Tahun 2020: UST jatuh tajam

   • SBN turun terbatas → efek penyangga kebijakan domestik

Kesimpulan:
UST bertindak sebagai leading indicator, sedangkan SBN mencerminkan respons akhir Indonesia.

---

Analisis Grafik 2

Scatter Plot Hubungan Yield UST 10Y dan SBN 10Y

Temuan yang Terlihat

Garis regresi menunjukkan hubungan negatif:

Saat UST lebih tinggi, SBN justru cenderung lebih rendah.

Ini sering disalahartikan sebagai hubungan sebab-akibat langsung, padahal bukan demikian.

---

Penjelasan Kunci: Regime Effect & Simpson’s Paradox

Hubungan negatif muncul karena pergeseran rezim waktu.

Pembagian rezim kasar:

• 2015–2019: UST rendah, SBN tinggi

• 2020: UST sangat rendah, SBN turun terbatas

• 2022–2024: UST tinggi, SBN lebih rendah dan stabil

Jika semua periode digabung:

• Masa lama: UST rendah ↔ SBN tinggi

• Masa baru: UST tinggi ↔ SBN lebih rendah

Hasilnya adalah slope negatif secara statistik, contoh klasik Simpson’s Paradox dalam data makro.

---

Implikasi untuk Analisis dan Investasi

Yang Perlu Dihindari

• Regresi statis sederhana tanpa konteks waktu:

     lm(sbn10 ~ ust10)
  

Pendekatan yang Lebih Tepat

• • Analisis perubahan yield (Δ)

    • Rolling correlation / rolling beta

    • Model VAR dan impulse response

    • Menambahkan variabel kontrol:

      • BI Rate

      • USD/IDR

      • Inflasi

      • Dummy krisis

Kesimpulan

1. UST 10Y adalah jangkar suku bunga global

2. SBN 10Y mencerminkan interaksi global dan domestik

3. Hubungan keduanya tidak linear dan bergantung pada rezim

4. Grafik time series dan scatter harus dibaca bersama

UST memberi sinyal awal, SBN menunjukkan hasil akhir.

Materi Tambahan

• Data yield SBN dan UST diperoleh dari website investing.com

• Berikut ini adalah luaran R console untuk memvisualisasikan grafik 1 dan 2 pada pembahasan ini.

> library(quantmod)
> library(tidyverse)
> library(lubridate)
> library(readxl)
> 
> setwd("D:\\Invest\\UST dan SBN")
> 
> ust10 <- read_excel("ust10.xlsx")%>%
+   rename(date = Date2,
+        ust10 = Price) %>%
+   mutate(date = as.Date(date))%>%
+   select(date,ust10)
> head(ust10)                                                                      
# A tibble: 6 × 2
  date       ust10
  <date>     <dbl>
1 2025-12-24  4.13
2 2025-12-23  4.17
3 2025-12-22  4.17
4 2025-12-19  4.15
5 2025-12-18  4.12
6 2025-12-17  4.15
> 
> sbn10 <- read_excel("sbn10.xlsx") %>%
+   rename(date = Tanggal,
+          sbn10 = Terakhir) %>%
+   mutate(date = as.Date(date)) %>%
+   select(date,sbn10) %>%
+   mutate(sbn10 = sbn10/1000)
>                                                                                  
> head(sbn10)
# A tibble: 6 × 2
  date       sbn10
  <date>     <dbl>
1 2025-12-24  6.12
2 2025-12-23  6.14
3 2025-12-22  6.14
4 2025-12-19  6.13
5 2025-12-18  6.12
6 2025-12-17  6.13
> 
> bond_df <- ust10 %>%
+   inner_join(sbn10, by = "date") %>%
+   drop_na()
> 
> bond_df %>%
+   pivot_longer(cols = c(ust10, sbn10),
+                names_to = "yield_type",
+                values_to = "yield") %>%
+   ggplot(aes(x = date, y = yield, color = yield_type)) +
+   geom_line() +
+   labs(
+     title = "Yield US Treasury 10Y vs SBN Indonesia 10Y",
+     x = "Tanggal",
+     y = "Yield (%)",
+     color = ""
+   ) +
+   theme_minimal()
> 
> cor(bond_df$ust10, bond_df$sbn10, use = "complete.obs")
[1] -0.1703575
> 
> ggplot(bond_df, aes(x = ust10, y = sbn10)) +
+   geom_point(alpha = 0.5) +
+   geom_smooth(method = "lm", se = FALSE) +
+   labs(
+     title = "Hubungan Yield UST 10Y dan SBN 10Y",
+     x = "UST 10Y (%)",
+     y = "SBN 10Y (%)"
+   ) +
+   theme_minimal()