III. Metode Penelitian
3.1. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data time series bulanan dari tahun 2000 sampai dengan tahun 2008. Data-data yang
digunakan pada penelitian ini adalah data nilai indeks saham gabungan dan sektoral, jumlah uang beredar, dan suku bunga. Variabel SBI menunjukan pada nilai suku
bunga dan M menunjuk pada jumlah uang yang beredar. Data tersebut diperoleh dari Badan Pusat Statistik BPS, Bank Indonesia BI, Bursa Efek Indonesia BEI, dan
instansi-instansi terkait lainnya.
3.2. Metode Analisis
Metode analisis yang akan digunakan dalam penelitian ini adalah metode analisis yang bersifat deskriptif dan kuantitatif dengan menggunakan model
ekonometrika yang merupakan hasil pengembangan model ARCH yaitu GARCH, untuk melihat pengaruh kebijakan moneter yang ditetapkan oleh bank sentral yaitu
Bank Indonesia sebagai otoritas moneter terhadap return di pasar saham.
3.2.1. Analisis model GARCH
Model ARCH memodelkan keheterogenan ragam heteroskedasticity yang tergantung pada informasi sebelumnya conditional secara autoregresif. Model
ARCH diterapkan pada data deret waktu yang tidak memenuhi asumsi kehomogenan ragam. Contoh data yang memiliki ragam heterogen adalah data yang berhubungan
dengan dunia keuangan harga saham, tingkat inflasi, tingkat suku bunga, fluktuasi harga,dll. Misalkan kita memiliki model persamaan regresi :
t t
t
y x
u
3.1 dimana
t
u adalah proses white noise :
t
E u
3.2
2
,
t j
E u u untuk t
j dan 0 untuk t
j
3.3
t
x disebut sebagai vektor fungsi rataan.
Meskipun 3.3 berakibat ragam tak bersyarat dari
t
u adalah konstan σ²,
tetapi ragam bersyarat dapat berubah-ubah menurut waktu. Salah satu pendekatan dilakukan dengan menjabarkan kuadtrat
t
u :
2 2
1 1
....
t t
m t
m t
u u
u v
3.4 dimana Vt adalah proses white noise :
t
E v dan
2 ,
t j
E v v untuk t = j dan 0 untuk t
≠ j 3.5 Sutriyati 2000 dijelaskan bahwa menurut Enders 1995 proses white noise
Ut yang memenuhi persamaan 3.4 didefinisikan sebagai proses Autoregressive Condicional Heteroscedastic ordo-m ARCHm. Bentuk
alternatif proses
ARCHm adalah : .
t t
t
u h v
3.6
dimana
2 2
2 1
1 2
2
.....
t t
t m
t m
h c
u u
u
3.7
Dalam Pasaribu 2003 menjelaskan model GARCH digunakan untuk model yang tak linier dari ragam. Model ini dikembangkan dari model ARCH oleh
Bollerslev 1986, untuk menghindari ordo ARCH yang besar. Berbeda dengan metode
umum OLS
yang menghendaki
adanya varian
yang konstan
homoskedastisitas, pada model ini asumsi tersebut tidak berlaku lagi. Untuk menguji heteroskedastisitas dilakukan dengan metode ARCH Engel, 1982 yang
kemudian digeneralisasikan menjadi model GARCH oleh Bollerslev 1986. Secara umum model GARCH q,p dapat dijelaskan dengan model berikut :
1 2
t t
t
y c
c x u
3.8
2 2
2 1
1 n
n t
p t
p q
t q
p q
h k
u h
3.9 Model GARCH terdiri dari dua persamaan. Persamaan 3.8 disebut mean
equation dan persamaan 3.9 disebut variance equation. Sejak
t
h
adalah satu periode awal ragam peramalan berdasarkan atas informasi masa lalu, yang sering disebut
sebagai conditional variance. Persamaan conditional variance yang digambarkan dalam persamaan 2 secara spesifik. Persamaan tersebut adalah fungsi dari tiga hal
yaitu : Mean : k,
Berita mengenai volatilitas dari periode sebelumnya, diukur sebagai lag dari kuadrat galat dari mean equation :
2 t p
u
ARCH term, Periode terakhir peramalan variance :
2 t
q
h
GARCH term.
Dalam Sutriyati 2004 dijelaskan bahwa model-model ARCH-GARCH yang umum digunakan adalah model yang paling sederhana, yaitu ARCH 1, ARCH 2,
GARCH 1,1, dan GARCH 2,2. GARCH 1,1 merupakan model yang paling umum digunakan, misalnya dalam memodelkan data portofolio periode 1990-2000
dalam Engel 2001, model bagi Indeks Harga Saham S P 500 periode tahun 1990 sampai dengan tahun 2000 dalam Lo 2003, model bagi data WPI periode tahun
1960 sampai dengan tahun 1990 dalam Enders 1995.
Model yang dikenalkan oleh Engel 1982 biasanya mengindikasikan sebagai Autoregressive Conditional Heteroscedasticity Model ARCH. Pengembangan
model diajukan oleh Bollerslev 1986 yang menemukan Generalized ARCH GARCH models. Model ini mempunyai kecenderungan yang sama sebagai model
ARCH, walaupun memperbolehkan varians bersyarat untuk bervariasi tidak hanya dalam fungsi dari eror sebelumnya, tetapi juga oleh lags-nya. Secara implisit restriksi
dari spesifikasi ARCH dan GARCH adalah asymetry Guidi, 2008. Dalam permodelan penelitian ini akan digunakan model GARCH. Untuk mengevaluasi
hubungan antara return dengan kebijakan moneter, model akan memasukan jumlah uang beredar dan suku bunga, kemudian akan terbentuk persamaan sebagai berikut :
t t
r c
u
3.10
2 2
1 1
1 1
1 1
... ...
t t
r t r
t m
t m
t t
h k
h h
u u
SBI M
3.11 Persamaan 3.10 disebut sebagai mean equation dan persamaan 3.11 disebut
variance equation. Dalam persamaan GARCH tersebut variabel SBI merupakan suku
bunga acuan dari bank sentral yaitu Bank Indonesia dan M merupakan jumlah uang beredar.
3.2.2. Pemilihan Model Terbaik
Kategori