Adapun periode yang di ambil dalam penelitian ini adalah mulai triwulan pertama tahun 1990 sampai dengan triwulan ke dua tahun 1997 dan triwulan ke
empat tahun 1997 sampai dengan ke pertama tahun 2005. Data yang digunakan dalam penelitian ini adalah data triwulanan.
Alasan pemilihan tahun pada penelitian ini adalah karena pada tahun 1990 Indonesia masih menggunakan sistem nilai tukar mengambang terkendali
managed floating exchange rate system dan pada triwulan ke tiga tahun 1997
Indonesia mulai memberlakukan sistem nilai tukar mengambang bebas. Periode dalam penelitian ini dibagi ke dalam dua periode, yaitu triwulan pertama tahun
1990 sampai dengan triwulan ke dua 1997 dan periode triwulan ke empat tahun 1997 sampai dengan triwulan ke pertama tahun 2005. Perhitungan dan
pengelolaan data dalam penelitian ini menggunakan alat bantu software statistik dan ekonometrik dalam komputer yang sesuai, yaitu Eviews.
B. Metode Penentuan Sampel
Populasi dalam penelitian ini adalah seluruh aktivitas dan kondisi nilai tukar rupiah terhadap dolar Amerika di pasar valuta asing mulai tahun 1990
sampai dengan triwulan ke dua tahun 1997 dan periode triwulan ke empat tahun 1997 sampai dengan triwulan pertama tahun 2005 yang merupakan suatu wadah
atau sistem dimana perusahaan, perorangan dan Bank dapat melakukan transaksi keuangan internasional dengan jalan melakukan pembelian atau permintaan
demand dan penjualan atau penawaran supply atas valas. Sedangkan untuk
variabel independen dibatasi pada Ekspor dan Impor Indonesia, Tingkat inflasi
Indonesia, Tingkat suku bunga Indonesia, Pendapatan nasional GDP serta Jumlah Uang Beredar yang ada di Indonesia.
C. Metode Pengumpulan Data
1. Data Sekunder Penelitian ini menggunakan data sekunder berupa data runtun
waktu time series dengan skala triwulanan yang diambil dari sumber data antara lain Bank Indonesia BI, International Financial Statistic IFS
yang dipublikasikan International Monetary Fund IMF, buku statistik Indonesia yang diterbitkan oleh Badan Pusat Statistik.
2. Kepustakaan Pengumpulan data dalam penelitian ini dilengkapi pula dengan
membaca dan mempelajari serta menganalisis literatur yang bersumber dari buku, artikel dan jurnal-jurnal yang berkaitan dengan penelitian ini.
D. Metode Analisis
1. Metode ARCH dan GARCH Untuk mengetahui pengaruh variabel independen terhadap
variabel dependen maka menggunakan model Regresi majemuk dengan persamaan sebagai berikut :
Kurs = b + b
1
Ekspor + b
2
Impor + b
3
Inflasi + b
4
SBI + b
5
GDP + b
6
M1 + Error term
Persamaan tersebut diteliti dan dianalisis dengan menggunakan metode ARCH Auto Regressive Conditional heteroscedasticity dan
GARCH Generalized Auto Regressive Conditional Heteroscedasticity. Menurut Nachrowi Djalal dan Hardius Usman 2006 alasan yang
mendasari untuk menggunakan metode tersebut adalah : 1.
Data yang digunakan dalam penelitian ini adalah data keuangan yang bersifat time series yaitu Ekspor, Impor, tingkat inflasi, tingkat suku
bunga, tingkat pendapatan nasional GDP dan jumlah uang beredar M1.
2. Data dalam penelitian ini mempunyai varian error
e
t
yang tidak konstan.
3. Dalam metode ARCH dan GARCH varian error
e
t
yang tidak konstan dapat dimanfaatkan untuk membuat model.
4. Agar hasil penelitian ini dapat dijadikan pembanding dengan
penelitian sebelumnya yang menggunakan teknik ananlisis lain.
Berdasarkan alasan-alasan di atas maka sangatlah tepat untuk menggunakan metode ARCH dan GARCH sebagai metode analisis dalam
penelitian ini. Dalam metode ARCH dan GARCH tidak memandang
heteroskedastisitas sebagai permasalahan, tetapi justru dapat dimanfaatkan untuk membuat model. Bahkan dengan memanfaatkan heteroskedastisitas
dalam error dengan tepat, maka akan diperoleh estimator yang lebih efisien. Biasanya dalam sebuah model varian dari error tidak tergantung
pada variabel bebas melainkan berubah-ubah seiring dengan perubahan waktu. Pada model seperti ini, ada suatu periode dimana volatilitas sangat
tinggi dan ada periode lain yang volatilitasnya sangat rendah. Pola volatilitas yang seperti ini menunjukan adanya heteroskedastisitas karena
terdapat varian error yang besarnya tergantung pada volatilitas error di masa lalu. Data yang mempunyai sifat heteroskedastisitas seperti ini dapat
di modelkan dengan ARCH Auto Regressive Conditional heteroscedasticity
dan GARCH Generalized Auto Regressive Conditional Heteroscedasticity
yang dikenalkan oleh Robert Engle. Pada intinya model ARCH dapat dijelaskan sebagai berikut :
Dengan menggunakan model penelitian yaitu : Y =b
+ b
1
X
1t
+ b
2
X
2t
+
e
t
σ
t
² atau
e
t
varian heteroskedastisitas dan mengikuti persamaan berikut : σ
t
² = αo + α
1
e²
t
-
1 ;
σ
t
² = var
e
t
Dapat dilihat bahwa var
e
t
dijelaskan oleh dua komponen : αo
: Komponen konstanta : αo
α
1
e²
t
-
1 :
Komponen variabel, disebut komponen ARCH Pada model ini,
e
t
heteroskedastisitas, conditional pada e²
t
-
1.
dengan menambahkan informasi “conditional” ini estimator dari b , b
1,
b
2,
b
3,
b
4,
b
5
dan b
6
menjadi lebih efisien.
Model ARCH di atas, dimana var
e
t
tergantung hanya pada volalitas satu periode lalu, seperti pada
σ
t
² = αo + α
1
e²
t
-
1,
disebut model ARCH 1. Sedangkan secara umum, bila var
e
t
tergantung pada volalitas beberapa periode lalu seperti
σ
t
² = αo + α
1
e²
t
-
1
+ α
2
e²
t
-
2
+ …… α
p
e²
t
–p disebut model ARCH p. atau dituliskan dengan :
σ
t
² = αo + ∑ α
1
e²
t
-
i i=1
Pada model ini, agar varian menjadi positif var e² 0, maka harus dapat dibuat pembatasan, yaitu :
αo 0 dan 0 α
1
1
.
Untuk mengestimasi b
, b
1,
b
2,
b
3,
b
4,
b
5
dan b
6
serta αo dan α
1
teknik yang digunakan biasanya teknik maximum likelihood, dalam penelitian ini
proses estimasi model tersebut dilakukan dengan menggunakan program EViews.
Pada model ARCH p tersebut, dengan jumlah p yang relatif besar akan mengakibatkan banyaknya parameter yang harus diestimasi, agar
parameter yang diestimasi tidak terlalu banyak, var
e
t
dapat dijadikan model berikut :
σ
t
² = αo + α
1
e²
t
-
1
+ λ
1
σ²
t
-
1
Model ini disebut model GARCH 1 karena σ
t
² tergantung pada e²
t
-
1
dan σ²
t
-
1
yang masing-masing mempunyai lag waktu satu. Sama
halnya dengan model ARCH, agar varian menjadi positif var e² 0, maka pada model ini juga dibuat pembatasan, yaitu:
αo 0 dan λ
1
≥ 0; dan α
1
+ λ
1
1.
2. Pengujian Persyaratan Analisisis Uji Asumsi Klasik a. Normalitas
Menurut Singgih Santoso 2000: 213, normalitas bertujuan untuk menguji apakah sebuah model regresi, variable dependen, variable
independen atau keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah distribusi data normal atau mendekati
normal. Untuk mengetahui kenormalan suatu model, maka dapat
dibuktikan dengan melekukan Uji Jarque-Bera. Menurut Nachrowi Djalal dan Hardius Usman 2006: 438, Uji Jarque-Bera digunakan untuk
mengetahui apakah residual dalam model estimasi berdistribusi normal atau tidak seperti yang diisyaratkan dalam model maximum Likelihood.
Residual terdistribusi normal jika kurva mengikuti bentuk lonceng dan nilai statistik Jarque-Bera memiliki probabilitas lebih besar dari 5 atau
0,05.
b. Multikoliniearitas Istilah kolinearitas ganda multicolinearity diciptakan oleh Ranger
frish didalam bukunya “Statistical confluense Analysis by Means of
complete regression system” istilah tersebut berarti adaya hubungan linier
yang sempurna atau eksak perfect of exact di antara variabel-variabel bebas dalam model regresi.
Uji multikolinieritas digunakan untuk mendeteksi ada tidaknya hubungan antara beberapa variabel independen atau semua variabel
independen dalam model regresi. Multikolinieritas merupakan keadaan dimana satu atau lebih variabel independen dapat dinyatakan sebagai
kondisi linier dengan variabel lainnya. Artinya bahwa jika di antara peubah-peubah bebas yang digunakan sama sekali tidak berkorelasi satu
dengan yang lain maka bisa dikatakan bahwa tidak terjadi multikolinearitas.
Untuk menguji asumsi multikolinearitas dapat dideteksi dengan menghitung koefisien korelasi antar variabel independen. Menurut
Nachrowi Djalal dan Hardius Usman 2006:247, korelasi tergolong kuat jika besarnya koefisien korelasi mencapai 0,8 atau lebih.
c. Autokorelasi
Istilah autokorelasi autocorrelation menurut Maurice G. Kendal dan William R. Buckland, A Dictionari Of Statistical Term : “Correlation
between member’s of series of observations ordered in time as in time- series or space as cross-sectional data”
. Jadi autokorelasi merupakan korelasi antara anggota seri observasi yang disusun menurut urutan waktu
seperti data time series atau menurut urutan tempat seperti data cross section
atau korelasi pada dirinya sendiri. Autokorelasi dapat didefinisikan pula sebagai terjadinya korelasi
diantara data pengamatan sebelumnya. Dengan kata lain, dapat dikatakan bahwa munculnya suatu data dipengaruhi oleh data sebelumnya. Menurut
Nachrowi Djalal dan Hardius Usman 2006:433, uji korelasi dengan menggunakan Durbin-Watson sudah tidak relevan lagi dalam model
ARCH GARCH. Maka untuk mendeteksi ada tidaknya autokorelasi dapat dilihat dengan Uji autokorelasi data yang dilakukan dengan Correlogram
statistic. Korelasi antar data dapat diketahui dengan melihat nilai
probabilitas dari Correlogram statistic yang secara statistik memiliki signifikansi, jika nilai probabilitas lebih besar dari 5 atau 0,05 maka data
dapat dikatakan tidak mengandung masalah autokorelasi.
3. Uji F Uji Secara Simultan
Uji F dilakukan untuk melihat kemaknaan dari hasil model regresi tersebut. Bila nilai F
hitung
lebih besar dari F
tabel
atau tingkat signifikannya lebih kecil dari 5
α: 5 = 0.05 maka hal ini menunjukan bahwa H ditolak dan H
1
diterima yang berarti variabel independen secara simultan ekspor, impor, inflasi, suku bunga SBI, pendapatan nasional GDP dan
jumlah uang beredar M1 berpengaruh signifikan terhadap nilai tukar rupiah di pasar valuta asing terhadap dolar Amerika Serikat sebelum dan
setelah diterapkannya free ploating exchange rate system di Indonesia.
4. Uji t Uji Secara Parsial
Uji t digunakan untuk menganalisis pengaruh variabel independen terhadap variabel dependen secara parsial. Bila Z
hitung
lebih besar atau lebih kecil dari Z
tabel
atau nilai signifikan t α: 5 = 0.05 maka H
ditolak dan H
1
diterima yang berarti bahwa terdapat pengaruh yang signifikan secara parsial variabel independen terhadap variabel dependen. Dalam
penelitian ini berarti terdapat pengaruh signifikan secara parsial ekspor, impor, inflasi, suku bunga SBI, pendapatan nasional GDP dan jumlah
uang beredar M1 terhadap nilai tukar rupiah di pasar valuta asing terhadap dolar Amerika sebelum dan setelah diterapkannya free ploating
exchange rate system di Indonesia.
5. Uji Koefisien Determinasi R²
Uji koefisien determinasi ditujukan untuk melihat seberapa besar kemampuan variabel independen menjelaskan variabel dependennya yang
dilihat melalui adjusted R square karena variabel independen dalam penelitian ini lebih dari dua.
E. Operasional Variabel
