Metode Analisis METODOLOGI PENELITIAN
45 menganalisis adanya masalah heteroskedasitas dari varian residual dalam
data time series. Untuk mengetahui pengaruh variabel dependen terhadap variabel dependen digunakan estimasi persamaan regresi sebagai berikut:
Y = a + b
1
x
1
+ b
2
x
2
+ b
3
x
3
+ b
4
x
4
+ b
5
x
5
+ e
t
Keterangan : Y = IHSG
a = intercept variabel yang tidak dipengaruhi oleh variabel dependen dan independen.
b = Koefisien dari X x
1
= Perubahan harga emas dunia x
2
= Perubahan inflasi x
3
= Perubahan kurs rupiah terhadap USD x
4
= Perubahan BI rate x
5
= perubahan Indeks Dow Jones Setelah dilakukan uji stasioner data pada seluruh variabel dan diyakini
bahwa variabel sudah stasioner maka langkah selanjutnya melakukan Uji GARCH untuk menjelaskan pengaruh variabel yang digunakan dan
seberapa besar pengaruhnya. Data time series dianggap lebih baik terutama dibidang finansial atau keuangan, sangat tinggi tingkat
volatilitasnya, volatilitas di ikuti oleh relatif tingginya fase fluktuasi kemudian rendah dan kembali tinggi, data kata lain data ini mempunyai
rata dan varian yang tidak konstan Agus Widarjono,2009:297.
46 Model GARCH merupakan model perkembangan dari model ARCH.
Model ARCH Autoregressive Conditional Heteroscedasticity di kembangkan oleh Robert Engle 1982 dan di modifikasi oleh Mills
1999, selanjutnya oleh Tim Bollerslev 1986 dan 1994 juga memperkenalkan model generelisasi ARCH di sebut GARCH. GARCH
ini di maksudkan untuk memperbaiki ARCH Wing Wahyu Winarno, 2007:8.1. Penulis akan mencari model ARCHGARCH yang paling layak
untuk menjelaskan pengaruh variabel Harga Emas Dunia, variabel Makroekonomi Kurs, Inflasi, dan Suku bunga BI, indeks Dow Jones
Terhadap IHSG dan berapa besar pengaruhnya, dan menganalisis variabel mana yang paling besar pengaruhnya terhadap Indeks Harga Saham
Gabungan. 3. Pengujian Best Fit Model
Dalam melakukan penelitian, peneliti tidak hanya menggunakan satu model saja untuk menguji hipotesisnya, ada beberapa kriteria untuk
menilai dan membandingkan model, yaitu: a.
R
2
Adjusted R
2
sangat berguna untuk mengukur kedekatan antara nilai prediksi dan nilai sesungguhnya dari variabel terikat. Semakin besar R
2
maka semakin kuat pula hubungan antara variabel terikat dengan satu atau banyak variabel bebas.
Formulasinya untuk menghitung R
2
, yaitu:
47 Berdasarkan rumusan di atas, terlihat bahwa SST tidak dipengaruhi
oleh variabel bebas, karena formulasinya hanya memperhitungkan variabel terikat dalam arti, berapapun jumlah variabel bebas yang
digunakan dalam membentuk regresi, tidak akan mempengaruhi SST Nachrowi dan Usman, 2006:126.
Bila kita berpatokan pada R
2
tentu kita akan selalu memutuskan bahwa variabel terbaik adalah model dengan variabel bebas yang
banyak, padahal kenyataan tidaklah demikian terkadang satu variabel dalam regresi sederhana dapat menerangkan variabel
terikat dengan yang lebih baik dibandingkan beberapa variabel bebas dalam regresi majemuk. Oleh karena itu, agar keputusan
lebih tepat, untuk membandingkan regresi dengan variabel terikat yang sama akan digunakan R
2
yang disesuaikan atau yang dikenal dengan sebutan R
2
Adjusted yang dinotasikan dengan R
2
, adapun formulasi perhitungan adalah sebagai berikut:
Dimana: K = banyaknya parameter model regresi termasuk intercept
Nachrowi dan Usman,2006:130. b. Aikake Information Criterion AIC
Profesor Hirotugu Aikake, seorang ahli statistik dari Jepang, pada tahun 1974 mengusulkan metode untuk menguji ketepatan suatu
=
48 model, dengan suatu metode yang kemudian disebut dengan AIC
Wing Wahyu, 2007:4.21, selain melihat R
2
pemilihan model juga dapat dilakukan dengan menggunakan AIC, adapun formulasinya
adalah sebagai berikut:
Atau dapat ditulis sebagai berikut:
Keterangan : K = jumlah parameter dalam model termasuk Intercept
n = jumah observasi atau sampel Bila kita membandingkan regresi dengan dua buah regresi atau
lebih, maka model yang mempunyai nilai AIC terkecil merupakan model yang lebih baik Nachrowi dan Usman,2006:130.
c. Schwarz Information Criterion SIC Kegunaan SIC pada prinsipnya tidak berbeda dengan AIC
formulasinya di tuliskan sebagai berikut:
Atau dapat ditulis sebagai:
49 Sama dengan AIC, pada SIC juga berlaku untuk memilih model
yang mempunyai nilai SIC terendah Nachrowi dan Usman, 2006:131.
Ada beberapa cara yang digunakan untuk memilih model yang terbaik Wing Wahyu, 2007:8.21:
a. Melihat nilai R
2
. Model yang paling tinggi nilai R
2
berarti model paling baik, karena dapat menjelaskan adanya hubungan antara
variabel independen dengan dependen lebih baik di bandingkan model lain yang R
2
lebih rendah. b. Melihat koefisien AIC Aikake Info Criterion dan SIC schwarz
Info Criterion. Model yang paling rendah nilai AIC dan SIC adalah model yang baik.
c. Masukkan nilai data kedalam persamaan. Model yang paling baik adalah model yang angka prediksinya mendekati kenyataan.
Software ekonometri yang digunakan sebagai perangkat penelitian ini adalah Eviews 5.