Faktor-faktor yang mempengaruhi indeks saham dengan menggunakan analisis data panel
RINGKASAN
DEWI SARTIKA. Faktor-Faktor Yang Mempengaruhi Indeks Saham Dengan Menggunakan
Analisis Data Panel. Dibimbing oleh I MADE SUMERTAJAYA dan DIAN
KUSUMANINGRUM.
Setiap negara di dunia memiliki indeks saham yang menjadi perwakilan sebagian besar
saham yang ada di negara tersebut. Banyak faktor yang mempengaruhi indeks saham, diantaranya
adalah tingkat suku bunga, inflasi, dan nilai kurs (nilai tukar mata uang suatu negara terhadap mata
uang dollar Amerika Serikat). Pada setiap negara, faktor-faktor tersebut dapat memiliki pengaruh
yang sama ataupun berbeda terhadap indeks saham. Analisis data panel digunakan untuk
mengetahui pengaruh tingkat suku bunga, inflasi, dan kurs terhadap indeks saham secara
bersamaan pada semua individu, yaitu di Negara Indonesia, Malaysia, Singapura, Jepang,
Australia, Inggris, dan Kanada. Sedangkan analisis parsial digunakan untuk mengetahui pengaruh
tingkat suku bunga, inflasi, dan kurs terhadap indeks saham secara terpisah di masing-masing
individu atau negara. Secara keseluruhan berdasarkan hasil analisis data panel indeks saham di
negara Indonesia, Malaysia, Singapura, Jepang, Australia, Inggris, dan Kanada hanya dipengaruhi
oleh nilai kurs. Namun berdasarkan analisis secara parsial, didapatkan hasil yang berbeda. Indeks
saham di Negara Inggris dan Jepang dipengaruhi oleh inflasi dan indeks saham masing-masing
negara pada satu periode waktu sebelumnya. Selanjutnya indeks saham di Negara Indonesia
dipengaruhi oleh nilai kurs dan tingkat suku bunga. Berbeda dengan Negara Malaysia, indeks
saham dinegara ini dipengaruhi oleh inflasi dan indeks saham Malaysia pada satu periode waktu
sebelumnya. Sedangkan indeks saham Negara Australia dipengaruhi oleh tingkat suku bunga,
inflasi, dan indeks saham Australia pada satu periode waktu sebelumnya. Di Singapura indeks
saham dipengaruhi oleh nilai kurs dan indeks saham Singapura pada satu periode waktu
sebelumnya. Terakhir indeks saham di Negara Kanada dipengaruhi oleh nilai kurs dan inflasi.
Kata kunci : analisis data panel, inflasi, tingkat suku bunga, kurs
1
PENDAHULUAN
Latar Belakang
Pasar modal memiliki peranan strategis
dalam penguatan ketahanan ekonomi suatu
negara. Unsur utama dari pasar modal adalah
saham yang bergabung membentuk indeks
saham. Indeks saham merupakan cerminan
dari kegiatan pasar modal. Setiap negara di
dunia memiliki indeks saham yang menjadi
perwakilan sebagian besar saham yang ada di
negara tersebut. Banyak faktor yang
mempengaruhi indeks saham, diantaranya
adalah tingkat suku bunga, inflasi, dan nilai
kurs (nilai tukar mata uang negara tersebut
terhadap mata uang dollar Amerika Serikat).
Pada setiap negara, faktor-faktor tersebut bisa
memiliki pengaruh yang sama ataupun
berbeda terhadap indeks saham. Berdasarkan
beberapa penelitian yang telah dilakukan
sebelumnya, Ocktavia (2007) menyatakan
bahwa nilai harga saham dipengaruhi oleh
fluktuasi
makroekonomi.
Peubah
makroekonomi tersebut antara lain inflasi,
tingkat suku bunga, nilai kurs, indeks produksi
industri, dan harga minyak.
Dalam Salvatore (2002), nilai tukar mata
uang suatu negara terhadap mata uang Dolar
Amerika Serikat (US$) merupakan salah satu
hal penting bagi suatu negara yang menganut
sistem perekonomian terbuka. Sampai saat ini,
mata uang terkuat yang mempengaruhi
perekonomian dunia adalah US$. Mata uang
US$ cenderung stabil sehingga mata uang ini
belum dapat tergantikan oleh mata uang
manapun. Menurunnya nilai tukar mata uang
suatu negara terhadap mata uang asing
khususnya US$ memiliki pengaruh negatif
terhadap ekonomi dan pasar modal. Begitu
juga dengan tingkat suku bunga dan inflasi,
keduanya mampu mempengaruhi ketertarikan
para investor untuk melakukan investasi di
pasar modal.
Terkait dengan hal diatas, maka diperlukan
adanya suatu analisis yang mampu
menggambarkan hubungan antara nilai kurs,
tingkat suku bunga, inflasi, dan indeks saham
pada beberapa negara dan waktu tertentu.
Analisis data panel yang merupakan analisis
gabungan antara data deret waktu (time series)
dan lintas individu (cross section) mampu
menggambarkan hubungan tersebut. Dalam
hal ini analisis data panel mampu
menggambarkan bagaimana nilai kurs, tingkat
suku bunga, dan inflasi mempengaruhi indeks
saham. Adapun negara-negara yang menjadi
objek dalam penelitian ini adalah Indonesia,
Malaysia, Singapura, Jepang, Australia,
Inggris, dan Kanada. Negara-negara tersebut
dipilih untuk dapat menggambarkan keadaan
ekonomi negara yang sudah maju dan masih
berkembang.
Selain analisis data panel, analisis secara
parsial dengan Metode Kuadrat Terkecil
(MKT) digunakan untuk mengetahui pengaruh
tingkat suku bunga, inflasi, dan kurs terhadap
indeks saham secara terpisah di setiap negara.
Analisis secara parsial bertujuan untuk
mengonfirmasi spesifikasi analisis data panel
yang digunakan dalam penelitian ini, yaitu
bahwa setiap individu memiliki konstanta
yang berbeda.
Tujuan
Tujuan dari penelitian ini adalah :
1. Menduga model terbaik yang mampu
menggambarkan hubungan pengaruh nilai
kurs, tingkat suku bunga, dan inflasi
terhadap indeks saham baik secara
simultan (analisis data panel) dan secara
parsial (metode kuadrat terkecil).
2. Mengkaji pengaruh nilai kurs, tingkat suku
bunga, dan inflasi terhadap indeks saham.
TINJAUAN PUSTAKA
Analisis Data Panel
Menurut Bruderl (2005), analisis data
panel merupakan gabungan antara data deret
waktu dan data lintas individu. Analisis data
panel adalah pengukuran yang berulang dari
satu atau lebih peubah pada satu atau lebih
individu pada suatu waktu tertentu.
Keuntungan analisis data panel:
1. Dapat
menampilkan
jumlah
pengamatan
yang
besar,
meningkatkan derajat bebas, data
memiliki variabilitas yang besar dan
mengurangi kolinearitas antar peubah
bebas,
sehingga
menghasilkan
pendugaan ekonometri yang efisien.
2. Memberikan informasi yang lebih
banyak
dibandingkan
dengan
menggunakan analisis lintas individu
atau deret waktu saja.
3. Dapat mengontrol keheterogenan
individu yang tidak teramati.
4. Memberikan penyelesaian yang lebih
baik dalam mengatasi perubahan
dinamis dibandingkan data lintas
individu.
Model analisis data panel adalah :
yit = c + X'it + uit
(1)
i = 1, … , N ; t = 1, …, T
1
PENDAHULUAN
Latar Belakang
Pasar modal memiliki peranan strategis
dalam penguatan ketahanan ekonomi suatu
negara. Unsur utama dari pasar modal adalah
saham yang bergabung membentuk indeks
saham. Indeks saham merupakan cerminan
dari kegiatan pasar modal. Setiap negara di
dunia memiliki indeks saham yang menjadi
perwakilan sebagian besar saham yang ada di
negara tersebut. Banyak faktor yang
mempengaruhi indeks saham, diantaranya
adalah tingkat suku bunga, inflasi, dan nilai
kurs (nilai tukar mata uang negara tersebut
terhadap mata uang dollar Amerika Serikat).
Pada setiap negara, faktor-faktor tersebut bisa
memiliki pengaruh yang sama ataupun
berbeda terhadap indeks saham. Berdasarkan
beberapa penelitian yang telah dilakukan
sebelumnya, Ocktavia (2007) menyatakan
bahwa nilai harga saham dipengaruhi oleh
fluktuasi
makroekonomi.
Peubah
makroekonomi tersebut antara lain inflasi,
tingkat suku bunga, nilai kurs, indeks produksi
industri, dan harga minyak.
Dalam Salvatore (2002), nilai tukar mata
uang suatu negara terhadap mata uang Dolar
Amerika Serikat (US$) merupakan salah satu
hal penting bagi suatu negara yang menganut
sistem perekonomian terbuka. Sampai saat ini,
mata uang terkuat yang mempengaruhi
perekonomian dunia adalah US$. Mata uang
US$ cenderung stabil sehingga mata uang ini
belum dapat tergantikan oleh mata uang
manapun. Menurunnya nilai tukar mata uang
suatu negara terhadap mata uang asing
khususnya US$ memiliki pengaruh negatif
terhadap ekonomi dan pasar modal. Begitu
juga dengan tingkat suku bunga dan inflasi,
keduanya mampu mempengaruhi ketertarikan
para investor untuk melakukan investasi di
pasar modal.
Terkait dengan hal diatas, maka diperlukan
adanya suatu analisis yang mampu
menggambarkan hubungan antara nilai kurs,
tingkat suku bunga, inflasi, dan indeks saham
pada beberapa negara dan waktu tertentu.
Analisis data panel yang merupakan analisis
gabungan antara data deret waktu (time series)
dan lintas individu (cross section) mampu
menggambarkan hubungan tersebut. Dalam
hal ini analisis data panel mampu
menggambarkan bagaimana nilai kurs, tingkat
suku bunga, dan inflasi mempengaruhi indeks
saham. Adapun negara-negara yang menjadi
objek dalam penelitian ini adalah Indonesia,
Malaysia, Singapura, Jepang, Australia,
Inggris, dan Kanada. Negara-negara tersebut
dipilih untuk dapat menggambarkan keadaan
ekonomi negara yang sudah maju dan masih
berkembang.
Selain analisis data panel, analisis secara
parsial dengan Metode Kuadrat Terkecil
(MKT) digunakan untuk mengetahui pengaruh
tingkat suku bunga, inflasi, dan kurs terhadap
indeks saham secara terpisah di setiap negara.
Analisis secara parsial bertujuan untuk
mengonfirmasi spesifikasi analisis data panel
yang digunakan dalam penelitian ini, yaitu
bahwa setiap individu memiliki konstanta
yang berbeda.
Tujuan
Tujuan dari penelitian ini adalah :
1. Menduga model terbaik yang mampu
menggambarkan hubungan pengaruh nilai
kurs, tingkat suku bunga, dan inflasi
terhadap indeks saham baik secara
simultan (analisis data panel) dan secara
parsial (metode kuadrat terkecil).
2. Mengkaji pengaruh nilai kurs, tingkat suku
bunga, dan inflasi terhadap indeks saham.
TINJAUAN PUSTAKA
Analisis Data Panel
Menurut Bruderl (2005), analisis data
panel merupakan gabungan antara data deret
waktu dan data lintas individu. Analisis data
panel adalah pengukuran yang berulang dari
satu atau lebih peubah pada satu atau lebih
individu pada suatu waktu tertentu.
Keuntungan analisis data panel:
1. Dapat
menampilkan
jumlah
pengamatan
yang
besar,
meningkatkan derajat bebas, data
memiliki variabilitas yang besar dan
mengurangi kolinearitas antar peubah
bebas,
sehingga
menghasilkan
pendugaan ekonometri yang efisien.
2. Memberikan informasi yang lebih
banyak
dibandingkan
dengan
menggunakan analisis lintas individu
atau deret waktu saja.
3. Dapat mengontrol keheterogenan
individu yang tidak teramati.
4. Memberikan penyelesaian yang lebih
baik dalam mengatasi perubahan
dinamis dibandingkan data lintas
individu.
Model analisis data panel adalah :
yit = c + X'it + uit
(1)
i = 1, … , N ; t = 1, …, T
2
Dimana i menyatakan objek pengamatan atau
individu, t menyatakan waktu, c menyatakan
konstanta,
menyatakan kemiringan fungsi
berukuran k x 1, Xit merupakan pengamatan
objek ke i, waktu ke t, untuk setiap peubah
penjelas k, yit dan uit menyatakan vektor
pengamatan dari peubah tak bebas dan sisaan
untuk individu ke i.
�₁
.
y= .
.
�N
�₁
.
u= .
.
�N
�111
⋮
�1T1
X=
⋮
�N11
⋮
�NT 1
�112
⋮
�1T2
⋮
�N12
⋮
�NT 2
�113
⋮
�1T3
⋮
�N13
⋮
�NT 3
…
…
…
…
�11k
⋮
�1Tk
⋮
�N1k
⋮
�NTK
Persamaan 1 dapat dinyatakan menjadi:
y = cι + X + u = Zδ + u
dimana y vektor berukuran NT x 1, X matriks
berukuran NT x k, Z = [ι , X], δ' = (c', '), dan
ι merupakan vektor satuan berukuran NT x 1.
Dalam Baltagi (2005), berdasarkan
komponen penyusun sisaannya maka analisis
data panel dibedakan menjadi dua bagian yaitu
model analisis data panel dengan komponen
sisaan satu arah (one-way error component
model) dan model analisis data panel dengan
komponen sisaan dua arah (two-way error
component model).
Analisis Data Panel dengan Komponen
Sisaan Satu Arah
Menurut Baltagi (2005), analisis data
panel dengan komponen sisaan satu arah
memiliki sisaan yang terdiri dari pengaruh
spesifik individu yang tidak terobservasi (µ i)
dan kesalahan yang terjadi pada setiap
observasi atau remainder disturbance (vit).
uit = i + it
u=Z +
u' = (u11, …, u1T, u21, …, u2T, …, uN1, ..., uNT)
Z = I⊗ ι
I sebuah matriks identitas berdimensi N
ι sebuah vektor satuan berdimensi T x 1
⊗ menyatakan perkalian Kronecker.
' = (ν11, . . . , ν1T , . . . , νN1, . . . , νNT )
analisis data panel dengan komponen
sisaan satu arah dibagi menjadi dua model,
yaitu model pengaruh tetap (fixed effect
model) dan model pengaruh acak (random
effect model). Pada model pengaruh tetap
pengaruh individu (µ i) diasumsikan tetap, vit ~
b.s.i (0,σv2), dan Xit saling bebas pada vit untuk
setiap individu (i) dan waktu (t). Asumsi pada
model pengaruh acak adalah µ i ~ b.s.i (0,σµ 2),
vit ~ b.s.i (0,σv2), dan Xit saling bebas pada µ i
dan vit untuk setiap individu (i) dan waktu (t).
Analisis Data Panel dengan Komponen
Sisaan Dua Arah
Pada Baltagi (2005), sisaan analisis data
panel dengan komponen sisaan dua arah terdiri
dari tiga hal, yaitu pengaruh spesifik individu
yang tidak terobservasi (µ i), pengaruh waktu
yang tidak terobservasi ( t), dan kesalahan
yang terjadi pada setiap observasi atau
remainder disturbance (vit).
uit = i + t + it
i = 1, . . . , N; t = 1, . . . , T
analisis data panel dengan komponen
sisaan dua arah dibagi menjadi model
pengaruh tetap dan model pengaruh acak.
Asumsi pada model pengaruh tetap adalah µ i
dan t adalah tetap, vit ~ b.s.i (0,σv2), dan Xit
saling bebas pada vit untuk setiap individu (i)
dan waktu (t). Asumsi pada model pengaruh
acak adalah µ i ~ b.s.i (0,σµ 2), t ~ b.s.i (0,σ 2),
vit ~ b.s.i (0,σv2), dan ketiganya saling bebas
satu sama lain.
Menurut Winarno (2009), model dugaan
pada analisis data panel tergantung kepada
asumsi yang digunakan peneliti terhadap
konstanta (intercept), koefisien kemiringan
(slope coefficients) dan sisaan (error term).
Asumsi inilah yang menyebabkan adanya
beberapa model dalam analisis data panel.
Secara umum model yang biasanya digunakan
dalam analisis data panel adalah model
gabungan, model pengaruh tetap, dan model
pengaruh acak.
Model Gabungan
Model gabungan merupakan salah satu
model dalam analisis data panel yang memiliki
asumsi koefisien regresi (konstanta ataupun
kemiringan) yang sama antar unit analisis dan
waktu. Untuk pendugaan parameter model
digunakan Metode Kuadrat Terkecil (MKT)
atau OLS (Ordinary Least Square).
Model Pengaruh Tetap
Model pengaruh tetap menurut Winarno
(2009) merupakan model yang dapat
menunjukkan perbedaan tetap antar objek atau
individu, meskipun dengan koefisien regresi
yang sama. Untuk membedakan satu individu
dengan individu lainnya digunakan peubah
boneka (dummy), sehingga disebut dengan
Least Square Dummy Variables (LSDV).
Model pengaruh tetap menurut Pindyck dan
Rubinfeld (1998) adalah:
yit = c + Xit + iWit + δtZit + uit
Dimana Wit = 1 untuk individu ke i (i=2,…,
N), dan 0 selainnya.
Zit = 1 untuk periode waktu ke t (t=2,…,T),
dan 0 selainnya.
3
Terdapat beberapa spesifikasi dari model
pengaruh tetap, yaitu:
1. Memiliki konstanta yang berbeda antar
individu.
2. Memiliki
konstanta
yang
berbeda
sepanjang waktu, tidak ada perbedaan
secara signifikan antar individu, dan sisaan
memiliki autokorelasi.
3. Memiliki konstanta yang berbeda antar
individu dan waktu.
4. Memiliki konstanta dan kemiringan yang
berbeda antar individu.
5. Memiliki konstanta dan kemiringan yang
berbeda antar individu dan waktu.
Spesifikasi model yang digunakan dalam
penelitian ini adalah spesifikasi pertama yang
menyatakan bahwa didalam model analisis
data panel setiap objek atau individu memiliki
konstanta yang berbeda.
Selanjutnya Uji Chow digunakan untuk
menentukan apakah terdapat pengaruh
individu didalam model analisis data panel.
Dalam Lains (2006), hipotesis awal (H0) pada
uji Chow adalah tidak terdapat pengaruh
individu terhadap model (model mengikuti
model gabungan). Statistik uji yang digunakan
adalah:
(
−
)/(�−1) H0
~ FN-1,N(T-1)-K
F0 =
/(� −�−�)
dimana RRSS adalah jumlah kuadrat galat
pada model gabungan, dan URSS adalah
jumlah kuadrat galat pada model pengaruh
tetap
Model Pengaruh Acak
Menurut Winarno (2009) model ini
merupakan perbaikan dari model pengaruh
tetap. Model ini tidak lagi menggunakan
peubah boneka seperti yang dilakukan pada
model
pengaruh
tetap,
melainkan
menggunakan sisaan yang diduga memiliki
hubungan antar waktu dan antar individu.
Asumsi pada model pengaruh acak adalah
bahwa konstanta merupakan sebuah peubah
acak. Setiap individu memiliki keragaman
konstanta dan berlaku bagi pengamatan
didalam individu tersebut.
oi = i + vi
dimana oi adalah konstanta untuk individu
ke-i, i adalah rata-rata dari konstanta ke-i, dan
vi adalah sisaan dari konstanta individu ke-i.
Metode selanjutnya dalam analisis data
panel setelah pendugaan model pengaruh acak
adalah uji Hausman. Uji ini bertujuan untuk
mengetahui apakah model mengikuti model
pengaruh tetap atau model pengaruh acak.
Hipotesis awal (H0) pada uji Hausman ini
adalah model mengikuti model pengaruh acak
dan hipotesis tandingannya (H1) adalah model
mengikuti model pengaruh tetap. Statistik uji
yang digunakan adalah:
χ2hitung = (b – )' Var(b – )-1(b – )
dimana b adalah koefisien model pengaruh
acak, dan adalah koefisien model pengaruh
tetap. Selanjutnya tolak H0 apabila nilai χ2hitung
lebih besar dari χ2(k,α), dimana k adalah jumlah
peubah bebas dan α adalah taraf nyata yang
digunakan.
Analisis Regresi Berganda
Menurut Draper dan Smith (1992), Metode
Kuadrat Terkecil (MKT) merupakan salah satu
metode yang dapat digunakan dalam analisis
regresi berganda. Model pada regresi berganda
adalah:
y=X +u
Dimana y merupakan peubah respon, X adalah
peubah penjelas, adalah vektor parameter
model, dan u adalah vektor sisaan. Terdapat
beberapa asumsi yang harus dipenuhi oleh
analisis
regresi
berganda
dengan
menggunakan MKT sehingga diperoleh
penduga parameter yang memiliki sifat BLUE
(Best Linear Unbiased Estimator). Asumsi
tersebut adalah kebebasan sisaan (sisaan tidak
memiliki
masalah
korelasi
serial),
kehomogenan ragam sisaan, kenormalan
sisaan, dan tidak terdapat multikolinearitas
antar peubah bebas pada analisis regresi
berganda.
Uji Durbin Watson (DW) digunakan untuk
menguji apakah terdapat masalah korelasi
serial dalam sisaan. Adapun perhitungan
untuk mendapatkan nilai DW adalah:
DW =
�
�=1
−
�
�=1
2
−1
2
Dimana n adalah jumlah pengamatan, ut
adalah sisaan pada waktu ke t, dan ut-1 adalah
sisaan pada waktu ke t-1.
Menurut Trihendradi (2005), data sisaan
memiliki masalah korelasi serial apabila nilai
DW yang dihasilkan kurang dari 1.210 atau
lebih dari 2.790. Selanjutnya apabila nilai DW
berada diantara nilai 1.210 sampai dengan
1.650 atau berada diantara nilai 2.350 sampai
dengan 2.790, maka tidak dapat diketahui
apakah data sisaan memiliki masalah korelasi
serial atau tidak. Data sisaan dinyatakan tidak
memiliki masalah korelasi serial apabila sisaan
tersebut memiliki nilai DW mulai dari 1.650
sampai dengan 2.350.
Menurut Myers (1990), Variance Inflation
Factors (VIF) dapat digunakan untuk menguji
apakah terdapat multikolinearitas antar peubah
bebas pada suatu model regresi berganda.
Apabila nilai VIF pada suatu peubah bebas
4
kurang dari 10, maka peubah bebas tersebut
tidak mengalami masalah multikolinearitas
dengan peubah bebas lainnya.
Selanjutnya Uji ARCH atau White
digunakan
untuk
menguji
asumsi
kehomogenan ragam sisaan. Kemudian untuk
menguji kenormalan sisaan digunakan Uji
Kolmogorov Smirnov. Untuk kedua uji asumsi
tersebut apabila nilai-p yang dihasilkan lebih
besar dari 5%, maka dapat dinyatakan bahwa
berdasarkan taraf nyata (α) sebesar 5% pada
Uji ARCH atau White sisaan memiliki ragam
yang homogen dan pada Uji Kolmogorv
Smirnov sisaan menyebar normal.
MAPE
Meant Absolute Percentage Error (MAPE)
digunakan untuk mengukur tingkat validasi
dari suatu model. Model tersebut memiliki
tingkat validasi yang baik apabila memiliki
nilai MAPE yang kecil (kurang dari 15%).
Adapun perhitungan nilai MAPE adalah:
y i −ŷi
n
i=1 y
i
x 100%
MAPE =
n
Dimana ŷi adalah nilai peubah respon dugaan
dari model yang dihasilkan, yi adalah nilai
peubah respon yang sesungguhnya, dan n
adalah banyaknya pengamatan.
DATA DAN METODE
Data
Data yang digunakan dalam penelitian ini
berupa data bulanan mulai dari Januari 2003
sampai dengan Desember 2009. Data ini
berupa data indeks saham, tingkat suku bunga,
inflasi, dan nilai kurs dari negara Indonesia,
Malaysia, Singapura, Jepang, Australia,
Inggris, dan Kanada. Periode data yang
digunakan untuk pemodelan adalah data dari
Januari 2003 sampai dengan Desember 2008,
sedangkan data Januari 2009 sampai dengan
Desember 2009 digunakan untuk validasi
model.
Metode
Secara umum Lampiran 1 menunjukkan
tahapan metode yang digunakan dalam analisis
data panel. Selanjutnya analisis yang
digunakan untuk mengetahui hubungan
pengaruh nilai kurs, tingkat suku bunga, dan
inflasi terhadap indeks saham secara
bersamaan pada beberapa negara adalah
analisis data panel dengan komponen sisaan
satu arah. Selain itu juga dilakukan analisis
secara parsial atau terpisah untuk setiap negara
menggunakan analisis regresi dengan metode
kuadrat terkecil.
Model analisis data panel yang dievaluasi
kemudian adalah model gabungan, model
pengaruh tetap, dan model pengaruh acak.
Tahapan yang dilakukan pada penelitian
ini adalah:
1. Mentransformasi data amatan dengan
menggunakan nilai logaritma untuk
menghindari masalah yang disebabkan
oleh perbedaan satuan pada setiap peubah.
2. Menduga parameter model gabungan dan
model pengaruh tetap.
3. Melakukan uji Chow untuk menguji ada
tidaknya pengaruh individu.
4. Menduga parameter model pengaruh acak.
5. Menentukan model terbaik antara model
pengaruh tetap dan model pengaruh acak
menggunakan uji Hausman.
6. Melakukan analisis secara parsial untuk
setiap negara dengan membuat persamaan
regresi bagi setiap negara.
7. Pemeriksaan dan perbaikan asumsi untuk
model terbaik hasil analisis data panel dan
analisis parsial.
a. Pelanggaran asumsi kehomogenan
ragam diatasi dengan penambahan
bobot bagi setiap individu (cross
section weight).
b. Korelasi serial pada sisaan diatasi
dengan penambahan model AR(1)
terhadap sisaan atau penambahan
peubah baru terhadap model, yaitu
indeks saham pada satu periode waktu
sebelumnya atau indeks (-1).
c. Pemeriksaan
Asumsi
kenormalan
sisaan.
d. Pemeriksaan asumsi bahwa tidak
terdapat multikolinearitas antar peubah
bebas didalam model.
8. Menduga nilai indeks saham bulan Januari
2009 sampai dengan bulan Desember
2009.
9. Validasi model menggunakan nilai MAPE.
HASIL DAN PEMBAHASAN
Analisis Data Panel
Hasil analisis data panel dengan model
gabungan dapat dilihat pada Lampiran 2.
Lampiran ini menunjukkan bahwa peubah
yang memiliki nilai-p kurang dari 5% adalah
inflasi, kurs, dan tingkat suku bunga. Sehingga
dapat dinyatakan bahwa indeks saham Negara
Indonesia, Malaysia, Singapura, Jepang,
Inggris, Australia, dan Kanada secara
keseluruhan dipengaruhi secara signifikan
4
kurang dari 10, maka peubah bebas tersebut
tidak mengalami masalah multikolinearitas
dengan peubah bebas lainnya.
Selanjutnya Uji ARCH atau White
digunakan
untuk
menguji
asumsi
kehomogenan ragam sisaan. Kemudian untuk
menguji kenormalan sisaan digunakan Uji
Kolmogorov Smirnov. Untuk kedua uji asumsi
tersebut apabila nilai-p yang dihasilkan lebih
besar dari 5%, maka dapat dinyatakan bahwa
berdasarkan taraf nyata (α) sebesar 5% pada
Uji ARCH atau White sisaan memiliki ragam
yang homogen dan pada Uji Kolmogorv
Smirnov sisaan menyebar normal.
MAPE
Meant Absolute Percentage Error (MAPE)
digunakan untuk mengukur tingkat validasi
dari suatu model. Model tersebut memiliki
tingkat validasi yang baik apabila memiliki
nilai MAPE yang kecil (kurang dari 15%).
Adapun perhitungan nilai MAPE adalah:
y i −ŷi
n
i=1 y
i
x 100%
MAPE =
n
Dimana ŷi adalah nilai peubah respon dugaan
dari model yang dihasilkan, yi adalah nilai
peubah respon yang sesungguhnya, dan n
adalah banyaknya pengamatan.
DATA DAN METODE
Data
Data yang digunakan dalam penelitian ini
berupa data bulanan mulai dari Januari 2003
sampai dengan Desember 2009. Data ini
berupa data indeks saham, tingkat suku bunga,
inflasi, dan nilai kurs dari negara Indonesia,
Malaysia, Singapura, Jepang, Australia,
Inggris, dan Kanada. Periode data yang
digunakan untuk pemodelan adalah data dari
Januari 2003 sampai dengan Desember 2008,
sedangkan data Januari 2009 sampai dengan
Desember 2009 digunakan untuk validasi
model.
Metode
Secara umum Lampiran 1 menunjukkan
tahapan metode yang digunakan dalam analisis
data panel. Selanjutnya analisis yang
digunakan untuk mengetahui hubungan
pengaruh nilai kurs, tingkat suku bunga, dan
inflasi terhadap indeks saham secara
bersamaan pada beberapa negara adalah
analisis data panel dengan komponen sisaan
satu arah. Selain itu juga dilakukan analisis
secara parsial atau terpisah untuk setiap negara
menggunakan analisis regresi dengan metode
kuadrat terkecil.
Model analisis data panel yang dievaluasi
kemudian adalah model gabungan, model
pengaruh tetap, dan model pengaruh acak.
Tahapan yang dilakukan pada penelitian
ini adalah:
1. Mentransformasi data amatan dengan
menggunakan nilai logaritma untuk
menghindari masalah yang disebabkan
oleh perbedaan satuan pada setiap peubah.
2. Menduga parameter model gabungan dan
model pengaruh tetap.
3. Melakukan uji Chow untuk menguji ada
tidaknya pengaruh individu.
4. Menduga parameter model pengaruh acak.
5. Menentukan model terbaik antara model
pengaruh tetap dan model pengaruh acak
menggunakan uji Hausman.
6. Melakukan analisis secara parsial untuk
setiap negara dengan membuat persamaan
regresi bagi setiap negara.
7. Pemeriksaan dan perbaikan asumsi untuk
model terbaik hasil analisis data panel dan
analisis parsial.
a. Pelanggaran asumsi kehomogenan
ragam diatasi dengan penambahan
bobot bagi setiap individu (cross
section weight).
b. Korelasi serial pada sisaan diatasi
dengan penambahan model AR(1)
terhadap sisaan atau penambahan
peubah baru terhadap model, yaitu
indeks saham pada satu periode waktu
sebelumnya atau indeks (-1).
c. Pemeriksaan
Asumsi
kenormalan
sisaan.
d. Pemeriksaan asumsi bahwa tidak
terdapat multikolinearitas antar peubah
bebas didalam model.
8. Menduga nilai indeks saham bulan Januari
2009 sampai dengan bulan Desember
2009.
9. Validasi model menggunakan nilai MAPE.
HASIL DAN PEMBAHASAN
Analisis Data Panel
Hasil analisis data panel dengan model
gabungan dapat dilihat pada Lampiran 2.
Lampiran ini menunjukkan bahwa peubah
yang memiliki nilai-p kurang dari 5% adalah
inflasi, kurs, dan tingkat suku bunga. Sehingga
dapat dinyatakan bahwa indeks saham Negara
Indonesia, Malaysia, Singapura, Jepang,
Inggris, Australia, dan Kanada secara
keseluruhan dipengaruhi secara signifikan
4
kurang dari 10, maka peubah bebas tersebut
tidak mengalami masalah multikolinearitas
dengan peubah bebas lainnya.
Selanjutnya Uji ARCH atau White
digunakan
untuk
menguji
asumsi
kehomogenan ragam sisaan. Kemudian untuk
menguji kenormalan sisaan digunakan Uji
Kolmogorov Smirnov. Untuk kedua uji asumsi
tersebut apabila nilai-p yang dihasilkan lebih
besar dari 5%, maka dapat dinyatakan bahwa
berdasarkan taraf nyata (α) sebesar 5% pada
Uji ARCH atau White sisaan memiliki ragam
yang homogen dan pada Uji Kolmogorv
Smirnov sisaan menyebar normal.
MAPE
Meant Absolute Percentage Error (MAPE)
digunakan untuk mengukur tingkat validasi
dari suatu model. Model tersebut memiliki
tingkat validasi yang baik apabila memiliki
nilai MAPE yang kecil (kurang dari 15%).
Adapun perhitungan nilai MAPE adalah:
y i −ŷi
n
i=1 y
i
x 100%
MAPE =
n
Dimana ŷi adalah nilai peubah respon dugaan
dari model yang dihasilkan, yi adalah nilai
peubah respon yang sesungguhnya, dan n
adalah banyaknya pengamatan.
DATA DAN METODE
Data
Data yang digunakan dalam penelitian ini
berupa data bulanan mulai dari Januari 2003
sampai dengan Desember 2009. Data ini
berupa data indeks saham, tingkat suku bunga,
inflasi, dan nilai kurs dari negara Indonesia,
Malaysia, Singapura, Jepang, Australia,
Inggris, dan Kanada. Periode data yang
digunakan untuk pemodelan adalah data dari
Januari 2003 sampai dengan Desember 2008,
sedangkan data Januari 2009 sampai dengan
Desember 2009 digunakan untuk validasi
model.
Metode
Secara umum Lampiran 1 menunjukkan
tahapan metode yang digunakan dalam analisis
data panel. Selanjutnya analisis yang
digunakan untuk mengetahui hubungan
pengaruh nilai kurs, tingkat suku bunga, dan
inflasi terhadap indeks saham secara
bersamaan pada beberapa negara adalah
analisis data panel dengan komponen sisaan
satu arah. Selain itu juga dilakukan analisis
secara parsial atau terpisah untuk setiap negara
menggunakan analisis regresi dengan metode
kuadrat terkecil.
Model analisis data panel yang dievaluasi
kemudian adalah model gabungan, model
pengaruh tetap, dan model pengaruh acak.
Tahapan yang dilakukan pada penelitian
ini adalah:
1. Mentransformasi data amatan dengan
menggunakan nilai logaritma untuk
menghindari masalah yang disebabkan
oleh perbedaan satuan pada setiap peubah.
2. Menduga parameter model gabungan dan
model pengaruh tetap.
3. Melakukan uji Chow untuk menguji ada
tidaknya pengaruh individu.
4. Menduga parameter model pengaruh acak.
5. Menentukan model terbaik antara model
pengaruh tetap dan model pengaruh acak
menggunakan uji Hausman.
6. Melakukan analisis secara parsial untuk
setiap negara dengan membuat persamaan
regresi bagi setiap negara.
7. Pemeriksaan dan perbaikan asumsi untuk
model terbaik hasil analisis data panel dan
analisis parsial.
a. Pelanggaran asumsi kehomogenan
ragam diatasi dengan penambahan
bobot bagi setiap individu (cross
section weight).
b. Korelasi serial pada sisaan diatasi
dengan penambahan model AR(1)
terhadap sisaan atau penambahan
peubah baru terhadap model, yaitu
indeks saham pada satu periode waktu
sebelumnya atau indeks (-1).
c. Pemeriksaan
Asumsi
kenormalan
sisaan.
d. Pemeriksaan asumsi bahwa tidak
terdapat multikolinearitas antar peubah
bebas didalam model.
8. Menduga nilai indeks saham bulan Januari
2009 sampai dengan bulan Desember
2009.
9. Validasi model menggunakan nilai MAPE.
HASIL DAN PEMBAHASAN
Analisis Data Panel
Hasil analisis data panel dengan model
gabungan dapat dilihat pada Lampiran 2.
Lampiran ini menunjukkan bahwa peubah
yang memiliki nilai-p kurang dari 5% adalah
inflasi, kurs, dan tingkat suku bunga. Sehingga
dapat dinyatakan bahwa indeks saham Negara
Indonesia, Malaysia, Singapura, Jepang,
Inggris, Australia, dan Kanada secara
keseluruhan dipengaruhi secara signifikan
5
oleh inflasi, nilai kurs, dan tingkat suku bunga.
Analisis data panel menggunakan model
gabungan juga menghasilkan nilai R2 sebesar
38.300%.
Sama halnya dengan hasil analisis model
gabungan, analisis data panel menggunakan
model pengaruh tetap pada Lampiran 3 pun
menunjukkan bahwa indeks saham di Negara
Indonesia, Malaysia, Singapura, Jepang,
Inggris, Australia, dan Kanada dipengaruhi
secara signifikan oleh inflasi, nilai kurs, dan
tingkat suku bunga. Hasil model pengaruh
tetap memiliki nilai R2 sebesar 93.600%, dan
nilai R2 ini lebih besar jika dibandingkan
dengan R2 hasil model gabungan.
Hasil Uji Chow pada Tabel 1
menghasilkan nilai-p sebesar 0.000. Sehingga
dapat disimpulkan bahwa terdapat pengaruh
individu di dalam model. Berdasarkan
spesifikasi analisis data panel yang digunakan,
pengaruh individu tersebut dicerminkan dalam
nilai konstanta pada setiap negara yang
berbeda. Dengan hasil tersebut, maka terdapat
perbedaan pengaruh inflasi, kurs, dan tingkat
suku bunga terhadap indeks saham pada setiap
individu atau negara.
Tabel 1 Hasil Uji Chow
Uji pengaruh
individu
Uji F
Uji χ2
Derajat
Statistik uji bebas Nilai-p
706.329
(6,494) 0.000
1138.819
6
0.000
menggambarkan pengaruh inflasi, nilai kurs,
dan tingkat suku bunga terhadap indeks saham
adalah model pengaruh tetap, yaitu:
Indeksit = C1i + 6.988 – 0.900 Inflasiit – 1.717
Kursit + 0.144 Tingkat suku bungait
+ uit
Dimana C1i menyatakan pengaruh individu
setiap negara yang dapat dilihat pada Tabel 3,
dan uit menyatakan nilai sisaan analisis data
panel model pengaruh tetap.
Tabel 3
Pengaruh spesifik individu model
pengaruh tetap
Individu
Jepang
Indonesia
Singapura
Australia
Inggris
Kanada
Malaysia
Pengaruh
2.535
4.715
-1.571
-1.285
-2.011
-1.085
-1.298
Setelah model pengaruh tetap dinyatakan
sebagai model terbaik berdasarkan Uji
Hausman, dilakukan pengujian mengenai
asumsi kebebasan sisaan, kehomogenan ragam
sisaan, kenormalan sisaan, dan tidak terdapat
multikolinearitas antar peubah bebas yang ada
di dalam model. Model pengaruh tetap hanya
memenuhi asumsi bahwa tidak terdapat
multikolinearitas antar peubah bebas. Hal ini
dapat dilihat pada Tabel 4 yang menunjukkan
nilai VIF dari setiap peubah bebas pada model
pengaruh tetap kurang dari 10.
Hasil analisis data panel dengan
menggunakan model pengaruh acak pada
Lampiran 4 menunjukkan bahwa setiap
peubah penjelas memiliki nilai-p yang kurang
dari 5%. Hasil tersebut menunjukkan bahwa
indeks saham di negara Indonesia, Malaysia,
Singapura, Jepang, Inggris, Australia, dan
Kanada dipengaruhi secara signifikan oleh
inflasi, nilai kurs, dan tingkat suku bunga. Dari
model ini dihasilkan nilai R2 sebesar 18.900%.
Nilai R2 ini jauh lebih kecil jika dibandingkan
dengan nilai R2 pada model pengaruh tetap.
Hal ini mengindikasikan bahwa analisis data
panel dengan model pengaruh tetap lebih baik
dibandingkan dengan model pengaruh acak.
Selain itu, hasil Uji Hausman pada Tabel 2
pun menunjukkan hal yang sama.
Tabel 5 menunjukkan bahwa hasil Uji
White yang digunakan untuk mengetahui
apakah data sisaan memiliki ragam yang
homogen atau tidak menghasilkan nilai nR2
lebih besar dari nilai χ10(5%), sehingga dapat
dinyatakan bahwa sisaan hasil model pengaruh
tetap memiliki ragam yang tidak homogen.
Tabel 2 Hasil uji Hausman
Tabel 5 Hasil Uji White model pengaruh tetap
Pengaruh
model acak
Uji χ2
Statistik uji
86.374
Derajat
Nilai-p
bebas
3
0.000
Nilai-p hasil Uji Hausman sebesar 0.000,
sehingga dapat dinyatakan bahwa model yang
Tabel 4 Nilai VIF peubah bebas pada model
pengaruh tetap
Peubah
Inflasi
Kurs
Tingkat suku bunga
Model
Model pengaruh tetap
VIF
1.470
1.240
1.310
nR2
208.110
χ10(5%)
18.307
Selain masalah pelanggaran asumsi
kehomogenan ragam sisaan, analisis data
panel dengan model pengaruh tetap
6
menghasilkan nilai DW sebesar 0.105
sehingga dapat dinyatakan bahwa terdapat
masalah korelasi serial pada sisaan.
Selanjutnya, hasil uji kenormalan sisaan
menggunakan Uji Kolmogorov Smirnov pada
Gambar 1 menunjukkan bahwa nilai-p yang
dihasilkan
kurang dari 0.010. Dengan
demikian dapat disimpulkan bahwa sisaan
hasil model pengaruh tetap tidak menyebar
normal.
99.9
Mean
StDev
N
KS
P-Value
99
95
-3.17460E-08
0.1080
504
0.087
0.150
90
Persen
Persen
90
tetap tanpa menggunakan bobot bagi setiap
individu dan AR(1).
Hasil analisis model pengaruh tetap
menggunakan bobot bagi setiap individu dan
AR(1) ini pun mampu mengatasi pelanggaran
asumsi yang terjadi. Nilai DW yang dihasilkan
sebesar 1.650, sehingga dapat dinyatakan
bahwa sisaan hasil model ini sudah saling
bebas. Selain itu, hasil uji White pada Tabel 6
menunjukkan bahwa ragam sisaan hasil model
pengaruh tetap menggunakan bobot bagi setiap
individu dan AR(1) sudah homogen.
80
70
60
50
40
30
20
10
5
1
0.1
-5.0
Gambar 2
-2.5
0.0
sisaan
2.5
5.0
Hasil Uji Kolmogorov Smirnov
model pengaruh
tetap
menggunakan bobot bagi setiap
individu dan AR(1).
Berdasarkan hasil analisis data panel
model pengaruh tetap menggunakan bobot
bagi setiap individu dan AR(1), maka model
analisis data panel terbaik yang dihasilkan
adalah:
Indeksit = C1i + 4.08745 – 0.03535 inflasiit
– 0.41894 kursit – 0.00166 tingkat
suku bungait + uit
uit
= µ i + 0.96201vit-1 + εit
dimana εit menyatakan sisaan dugaan satu
periode ke depan, C1i menyatakan pengaruh
spesifik individu ke-i yang ditampilkan pada
Tabel 7.
7
Pengaruh spesifik individu merupakan nilai
yang menunjukkan perbedaan rata-rata indeks
saham antar negara. Nilai ini menunjukkan
bahwa setiap individu akan memiliki nilai
konstanta yang berbeda tergantung dengan
nilai C1i dari masing-masing negara. Namun
berdasarkan spesifikasi analisis data panel
yang digunakan, konstanta yang dimiliki oleh
setiap negara tersebut nilainya tetap sepanjang
waktu.
Tabel 7
Pengaruh spesifik individu model
pengaruh tetap menggunakan
bobot bagi setiap individu dan
AR(1)
Individu
Jepang
Indonesia
Singapura
Australia
Inggris
Kanada
Malaysia
Pengaruh
0.940
0.938
-0.531
-0.288
-0.370
0.071
-0.760
Nilai pengaruh spesifik setiap individu
pada Tabel 7 menunjukkan bahwa Negara
Jepang memiliki perbedaan indeks saham yang
paling besar dibandingkan dengan negara
lainnya, yaitu sebesar 0.940. Hasil ini
menyatakan bahwa indeks saham di Negara
Jepang tersebut memiliki nilai yang jauh lebih
tinggi dibandingkan dengan nilai rata-rata
indeks saham negara lainnya. Berbeda dengan
Negara Malaysia, negara tersebut memiliki
nilai pengaruh spesifik individu yang paling
kecil diantara negara lainnya, yaitu sebesar
-0.760. Dengan hasil tersebut dapat dinyatakan
bahwa Negara Malaysia memiliki nilai indeks
saham yang jauh lebih rendah dibandingkan
dengan nilai rata-rata indeks saham negara
lainnya.
Selain itu, hasil validasi pada Lampiran 6
dengan menggunakan data Januari 2009
sampai dengan Desember 2009 menghasilkan
nilai MAPE sebesar 2.23%. Nilai MAPE
tersebut masih kurang dari 15% sehingga
dapat dinyatakan bahwa model hasil analisis
data panel menggunakan model pengaruh
tetap, bobot bagi setiap individu, dan AR(1)
mampu menggambarkan dengan baik keadaan
data pada periode waktu lain yang tidak
diikutsertakan dalam proses pemodelan.
Analisis Parsial
Analisis
parsial
digunakan
untuk
mengonfirmasi spesifikasi analisis data panel
yang digunakan, yaitu bahwa setiap individu
atau negara memiliki konstanta yang berbeda.
Lampiran 7 menunjukkan hasil analisis secara
parsial untuk setiap negara. Berdasarkan
Lampiran ini dapat dinyatakan bahwa setiap
individu memiliki nilai konstanta yang
berbeda. Namun terdapat perbedaan hasil
antara analisis data panel dengan analisis
secara parsial menggunakan MKT, yaitu
bahwa pada hasil analisis secara parsial selain
memiliki konstanta yang berbeda, setiap
individu juga memiliki nilai kemiringan yang
berbeda.
Model hasil analisis secara parsial untuk
setiap negara adalah sebagai berikut:
1. Inggris
Indekst = 0.725 – 0.427 Inflasit – 0.082
Kurst – 0.071 tingkat suku
bungat + 1.043 indekst-1 + vt
2. Indonesia
Indekst = 8.747 + 0.025 Inflasit – 1.236
Kurst – 0.625 Tingkat suku
bungat + 0.953vt-1 + εt
3. Malaysia
Indekst = 1.143 – 0.480 Inflasit – 0.063
Kurst + 0.109 Tingkat suku
bungat + 0.936 Indekst-1 + vt
4. Singapura
Indekst = 0.590 – 0.039 Kurst + 0.030
Tingkat suku bungat + 0.825
Indekst-1 + 0.332 vt-1 + εt
5. Jepang
Indekst = 7.310 – 3.639 Inflasit + 0.115
Kurst + 0.003Tingkat suku
bungat + 0.937 Indekst-1 + vt
6. Australia
Indekst = 1.226 – 0.656 Inflasit – 0.039
Kurst + 0.009 Tingkat suku
bungat + 1.056 Indekst-1 + vt
7. Kanada
Indekst = -0.459 + 2.200 Inflasit – 0.918
Kurst + 0.131 Tingkat suku
bungat + 0.895 vt-1 + εt
Dimana vt menyatakan nilai sisaan pada waktu
ke-t, vt-1 menyatakan sisaan pada satu periode
waktu sebelumnya, εt menyataakan sisaan
apabila dilakukan
pendugaan satu periode
waktu kedepan, dan indekst-1 menyatakan nilai
indeks saham pada satu periode waktu
sebelumnya.
Sebagai ilustrasi untuk model parsial diatas
adalah Negara Inggris. Berdasarkan Lampiran
7 dapat dinyatakan bahwa indeks saham di
negara ini dipengaruhi secara signifikan pada
taraf nyata 5% oleh inflasi dan nilai indeks
saham Inggris pada satu periode waktu
sebelumnya. Peubah kurs dan tingkat suku
bunga tetap memiliki pengaruh terhadap
indeks saham namun tidak signifikan. Hal ini
8
disebabkan karena resesi yang dialami oleh
Negara Inggris sejak tahun 2003. Akibat dari
resesi ini salah satunya adalah terjadi
peningkatan harga-harga secara tajam (inflasi).
Sehingga terlihat bahwa inflasi menjadi faktor
utama yang mempengaruhi keadaan ekonomi
(Regina 2008).
Model parsial untuk Negara Inggris
menghasilkan nilai R2 yang cukup besar, yaitu
95.954%. Sehingga dapat dinyatakan bahwa
sebesar 95.954% keragaman data indeks
saham Negara Inggris mampu dijelaskan oleh
model parsial yang dihasilkan untuk negara
tersebut. Selain hal itu, model parsial untuk
Negara Inggris ini memenuhi seluruh asumsi
yang disyaratkan oleh MKT, yaitu berdasarkan
nilai DW yang dihasilkan sebesar 2.163 dapat
dinyatakan bahwa sisaan tidak mengalami
korelasi serial. Selanjutnya Lampiran 8
menunjukkan hasil uji kehomogenan ragam
sisaan hasil analisis secara parsial. Pada
lampiran tersebut dapat dilihat bahwa untuk
Negara Inggris, nilai-p baik untuk F-hitung
maupun nR2 lebih besar dari 5%, sehingga
dapat disimpulkan bahwa sisaan memiliki
ragam yang homogen. Kemudian Uji
Kolmogorv Smirnov pada Lampiran 9.1
menunjukkan bahwa berdasarkan taraf nyata
5% sisaan sudah menyebar normal. Terakhir
nilai VIF setiap peubah bebas yang dapat
dilihat pada Lampiran 7 menunjukkan nilai
yang kurang dari 10, sehingga dapat
dinyatakan bahwa model parsial yang
dihasilkan untuk Negara Inggris ini tidak
memiliki masalah multikolinearitas antar
peubah bebas.
Berdasarkan nilai R2 yang cukup tinggi dan
terpenuhinya seluruh asumsi dalam MKT,
maka dapat disimpulkan bahwa model parsial
untuk Negara Inggris diatas merupakan model
terbaik. Selain itu, pada Lampiran 6 dapat
dilihat bahwa Negara Inggris juga memiliki
nilai MAPE sebesar 0.890%. Hal ini
menyatakan bahwa model parsial untuk
Negara Inggris memiliki tingkat validasi yang
cukup baik. Dengan kata lain, model parsial
ini mampu menggambarkan dengan cukup
baik keadaan indeks saham Negara inggris
pada periode waktu lainnya yang tidak
diikutsertakan dalam proses pemodelan.
Sama seperti model parsial Negara Inggris,
karakteristik model parsial untuk negara
lainnya (Indonesia, Malaysia, Australia,
Jepang, Singapura, dan Kanada) dapat dilihat
pada Lampiran 6, 7, 8, dan 9. Setiap negara
tersebut memiliki model dengan nilai
konstanta dan kemiringan yang berbeda.
Selain itu, setiap negara juga memiliki peubah
penjelas yang berpengaruh signifikan terhadap
indeks saham yang berbeda.
Di Negara Singapura, inflasi tidak
memiliki pengaruh terhadap indeks saham.
Hal ini disebabkan karena walaupun terjadi
masalah resesi dengan inflasi sebagai salah
satu indikatornya, namun terdapat faktor
penting lainnya yang mempengaruhi keadaan
ekonomi yaitu masalah menyebarnya wabah
SARS dan perang di Irak. Selain itu, Negara
Singapura merupakan negara perdagangan
yang menitikberatkan sebagian besar sumber
ekonominya dari kegiatan perdagangan
dengan negara lain. Oleh karena itu, nilai tukar
mata uang Singapura dengan mata uang
negara lain, khususnya US$ menjadi faktor
penting
yang
mempengaruhi
keadaan
ekonomi. Hal ini pun menyebabkan kurs
menjadi faktor penting yang berpengaruh
signifikan terhadap indeks saham (Nugroho
2008).
Model hasil analisis secara parsial yang
dihasilkan untuk setiap negara tersebut
merupakan model yang terbaik. Hal ini
disebabkan karena setiap model tersebut
memiliki nilai R2 yang cukup tinggi, sehingga
mampu menggambarkan keragaman indeks
saham di negara masing-masing dengan sangat
baik. Selain itu, model parsial yang dihasilkan
untuk setiap negara pun sudah memenuhi
seluruh asumsi yang disyaratkan dalam MKT.
Selanjutnya model parsial pada setiap negara
memiliki nilai MAPE yang kurang dari 15%.
Sehingga dapat dinyatakan bahwa setiap
model
parsial
tersebut
mampu
menggambarkan dengan baik keadaan indeks
saham di negara masing-masing pada periode
waktu lain yang tidak diikutsertakan dalam
proses pemodelan.
SIMPULAN DAN SARAN
Simpulan
Analisis data panel menunjukkan hasil
yang berbeda dibandingkan dengan analisis
secara parsial pada setiap negara. Analisis data
panel menyatakan bahwa indeks saham di
Negara Indonesia, Malaysia, Singapura,
Jepang, Inggris, Australia, dan Kanada hanya
dipengaruhi secara signifikan oleh nilai kurs.
Sedangkan analisis secara parsial menyatakan
bahwa setiap negara memiliki peubah yang
berbeda dalam mempengaruhi indeks saham
masing-masing secara signifikan. Selain itu,
analisis data panel juga menyatakan bahwa
perbedaan di dalam model hanya disebabkan
oleh perbedaan nilai konstanta pada setiap
8
disebabkan karena resesi yang dialami oleh
Negara Inggris sejak tahun 2003. Akibat dari
resesi ini salah satunya adalah terjadi
peningkatan harga-harga secara tajam (inflasi).
Sehingga terlihat bahwa inflasi menjadi faktor
utama yang mempengaruhi keadaan ekonomi
(Regina 2008).
Model parsial untuk Negara Inggris
menghasilkan nilai R2 yang cukup besar, yaitu
95.954%. Sehingga dapat dinyatakan bahwa
sebesar 95.954% keragaman data indeks
saham Negara Inggris mampu dijelaskan oleh
model parsial yang dihasilkan untuk negara
tersebut. Selain hal itu, model parsial untuk
Negara Inggris ini memenuhi seluruh asumsi
yang disyaratkan oleh MKT, yaitu berdasarkan
nilai DW yang dihasilkan sebesar 2.163 dapat
dinyatakan bahwa sisaan tidak mengalami
korelasi serial. Selanjutnya Lampiran 8
menunjukkan hasil uji kehomogenan ragam
sisaan hasil analisis secara parsial. Pada
lampiran tersebut dapat dilihat bahwa untuk
Negara Inggris, nilai-p baik untuk F-hitung
maupun nR2 lebih besar dari 5%, sehingga
dapat disimpulkan bahwa sisaan memiliki
ragam yang homogen. Kemudian Uji
Kolmogorv Smirnov pada Lampiran 9.1
menunjukkan bahwa berdasarkan taraf nyata
5% sisaan sudah menyebar normal. Terakhir
nilai VIF setiap peubah bebas yang dapat
dilihat pada Lampiran 7 menunjukkan nilai
yang kurang dari 10, sehingga dapat
dinyatakan bahwa model parsial yang
dihasilkan untuk Negara Inggris ini tidak
memiliki masalah multikolinearitas antar
peubah bebas.
Berdasarkan nilai R2 yang cukup tinggi dan
terpenuhinya seluruh asumsi dalam MKT,
maka dapat disimpulkan bahwa model parsial
untuk Negara Inggris diatas merupakan model
terbaik. Selain itu, pada Lampiran 6 dapat
dilihat bahwa Negara Inggris juga memiliki
nilai MAPE sebesar 0.890%. Hal ini
menyatakan bahwa model parsial untuk
Negara Inggris memiliki tingkat validasi yang
cukup baik. Dengan kata lain, model parsial
ini mampu menggambarkan dengan cukup
baik keadaan indeks saham Negara inggris
pada periode waktu lainnya yang tidak
diikutsertakan dalam proses pemodelan.
Sama seperti model parsial Negara Inggris,
karakteristik model parsial untuk negara
lainnya (Indonesia, Malaysia, Australia,
Jepang, Singapura, dan Kanada) dapat dilihat
pada Lampiran 6, 7, 8, dan 9. Setiap negara
tersebut memiliki model dengan nilai
konstanta dan kemiringan yang berbeda.
Selain itu, setiap negara juga memiliki peubah
penjelas yang berpengaruh signifikan terhadap
indeks saham yang berbeda.
Di Negara Singapura, inflasi tidak
memiliki pengaruh terhadap indeks saham.
Hal ini disebabkan karena walaupun terjadi
masalah resesi dengan inflasi sebagai salah
satu indikatornya, namun terdapat faktor
penting lainnya yang mempengaruhi keadaan
ekonomi yaitu masalah menyebarnya wabah
SARS dan perang di Irak. Selain itu, Negara
Singapura merupakan negara perdagangan
yang menitikberatkan sebagian besar sumber
ekonominya dari kegiatan perdagangan
dengan negara lain. Oleh karena itu, nilai tukar
mata uang Singapura dengan mata uang
negara lain, khususnya US$ menjadi faktor
penting
yang
mempengaruhi
keadaan
ekonomi. Hal ini pun menyebabkan kurs
menjadi faktor penting yang berpengaruh
signifikan terhadap indeks saham (Nugroho
2008).
Model hasil analisis secara parsial yang
dihasilkan untuk setiap negara tersebut
merupakan model yang terbaik. Hal ini
disebabkan karena setiap model tersebut
memiliki nilai R2 yang cukup tinggi, sehingga
mampu menggambarkan keragaman indeks
saham di negara masing-masing dengan sangat
baik. Selain itu, model parsial yang dihasilkan
untuk setiap negara pun sudah memenuhi
seluruh asumsi yang disyaratkan dalam MKT.
Selanjutnya model parsial pada setiap negara
memiliki nilai MAPE yang kurang dari 15%.
Sehingga dapat dinyatakan bahwa setiap
model
parsial
tersebut
mampu
menggambarkan dengan baik keadaan indeks
saham di negara masing-masing pada periode
waktu lain yang tidak diikutsertakan dalam
proses pemodelan.
SIMPULAN DAN SARAN
Simpulan
Analisis data panel menunjukkan hasil
yang berbeda dibandingkan dengan analisis
secara parsial pada setiap negara. Analisis data
panel menyatakan bahwa indeks saham di
Negara Indonesia, Malaysia, Singapura,
Jepang, Inggris, Australia, dan Kanada hanya
dipeng
DEWI SARTIKA. Faktor-Faktor Yang Mempengaruhi Indeks Saham Dengan Menggunakan
Analisis Data Panel. Dibimbing oleh I MADE SUMERTAJAYA dan DIAN
KUSUMANINGRUM.
Setiap negara di dunia memiliki indeks saham yang menjadi perwakilan sebagian besar
saham yang ada di negara tersebut. Banyak faktor yang mempengaruhi indeks saham, diantaranya
adalah tingkat suku bunga, inflasi, dan nilai kurs (nilai tukar mata uang suatu negara terhadap mata
uang dollar Amerika Serikat). Pada setiap negara, faktor-faktor tersebut dapat memiliki pengaruh
yang sama ataupun berbeda terhadap indeks saham. Analisis data panel digunakan untuk
mengetahui pengaruh tingkat suku bunga, inflasi, dan kurs terhadap indeks saham secara
bersamaan pada semua individu, yaitu di Negara Indonesia, Malaysia, Singapura, Jepang,
Australia, Inggris, dan Kanada. Sedangkan analisis parsial digunakan untuk mengetahui pengaruh
tingkat suku bunga, inflasi, dan kurs terhadap indeks saham secara terpisah di masing-masing
individu atau negara. Secara keseluruhan berdasarkan hasil analisis data panel indeks saham di
negara Indonesia, Malaysia, Singapura, Jepang, Australia, Inggris, dan Kanada hanya dipengaruhi
oleh nilai kurs. Namun berdasarkan analisis secara parsial, didapatkan hasil yang berbeda. Indeks
saham di Negara Inggris dan Jepang dipengaruhi oleh inflasi dan indeks saham masing-masing
negara pada satu periode waktu sebelumnya. Selanjutnya indeks saham di Negara Indonesia
dipengaruhi oleh nilai kurs dan tingkat suku bunga. Berbeda dengan Negara Malaysia, indeks
saham dinegara ini dipengaruhi oleh inflasi dan indeks saham Malaysia pada satu periode waktu
sebelumnya. Sedangkan indeks saham Negara Australia dipengaruhi oleh tingkat suku bunga,
inflasi, dan indeks saham Australia pada satu periode waktu sebelumnya. Di Singapura indeks
saham dipengaruhi oleh nilai kurs dan indeks saham Singapura pada satu periode waktu
sebelumnya. Terakhir indeks saham di Negara Kanada dipengaruhi oleh nilai kurs dan inflasi.
Kata kunci : analisis data panel, inflasi, tingkat suku bunga, kurs
1
PENDAHULUAN
Latar Belakang
Pasar modal memiliki peranan strategis
dalam penguatan ketahanan ekonomi suatu
negara. Unsur utama dari pasar modal adalah
saham yang bergabung membentuk indeks
saham. Indeks saham merupakan cerminan
dari kegiatan pasar modal. Setiap negara di
dunia memiliki indeks saham yang menjadi
perwakilan sebagian besar saham yang ada di
negara tersebut. Banyak faktor yang
mempengaruhi indeks saham, diantaranya
adalah tingkat suku bunga, inflasi, dan nilai
kurs (nilai tukar mata uang negara tersebut
terhadap mata uang dollar Amerika Serikat).
Pada setiap negara, faktor-faktor tersebut bisa
memiliki pengaruh yang sama ataupun
berbeda terhadap indeks saham. Berdasarkan
beberapa penelitian yang telah dilakukan
sebelumnya, Ocktavia (2007) menyatakan
bahwa nilai harga saham dipengaruhi oleh
fluktuasi
makroekonomi.
Peubah
makroekonomi tersebut antara lain inflasi,
tingkat suku bunga, nilai kurs, indeks produksi
industri, dan harga minyak.
Dalam Salvatore (2002), nilai tukar mata
uang suatu negara terhadap mata uang Dolar
Amerika Serikat (US$) merupakan salah satu
hal penting bagi suatu negara yang menganut
sistem perekonomian terbuka. Sampai saat ini,
mata uang terkuat yang mempengaruhi
perekonomian dunia adalah US$. Mata uang
US$ cenderung stabil sehingga mata uang ini
belum dapat tergantikan oleh mata uang
manapun. Menurunnya nilai tukar mata uang
suatu negara terhadap mata uang asing
khususnya US$ memiliki pengaruh negatif
terhadap ekonomi dan pasar modal. Begitu
juga dengan tingkat suku bunga dan inflasi,
keduanya mampu mempengaruhi ketertarikan
para investor untuk melakukan investasi di
pasar modal.
Terkait dengan hal diatas, maka diperlukan
adanya suatu analisis yang mampu
menggambarkan hubungan antara nilai kurs,
tingkat suku bunga, inflasi, dan indeks saham
pada beberapa negara dan waktu tertentu.
Analisis data panel yang merupakan analisis
gabungan antara data deret waktu (time series)
dan lintas individu (cross section) mampu
menggambarkan hubungan tersebut. Dalam
hal ini analisis data panel mampu
menggambarkan bagaimana nilai kurs, tingkat
suku bunga, dan inflasi mempengaruhi indeks
saham. Adapun negara-negara yang menjadi
objek dalam penelitian ini adalah Indonesia,
Malaysia, Singapura, Jepang, Australia,
Inggris, dan Kanada. Negara-negara tersebut
dipilih untuk dapat menggambarkan keadaan
ekonomi negara yang sudah maju dan masih
berkembang.
Selain analisis data panel, analisis secara
parsial dengan Metode Kuadrat Terkecil
(MKT) digunakan untuk mengetahui pengaruh
tingkat suku bunga, inflasi, dan kurs terhadap
indeks saham secara terpisah di setiap negara.
Analisis secara parsial bertujuan untuk
mengonfirmasi spesifikasi analisis data panel
yang digunakan dalam penelitian ini, yaitu
bahwa setiap individu memiliki konstanta
yang berbeda.
Tujuan
Tujuan dari penelitian ini adalah :
1. Menduga model terbaik yang mampu
menggambarkan hubungan pengaruh nilai
kurs, tingkat suku bunga, dan inflasi
terhadap indeks saham baik secara
simultan (analisis data panel) dan secara
parsial (metode kuadrat terkecil).
2. Mengkaji pengaruh nilai kurs, tingkat suku
bunga, dan inflasi terhadap indeks saham.
TINJAUAN PUSTAKA
Analisis Data Panel
Menurut Bruderl (2005), analisis data
panel merupakan gabungan antara data deret
waktu dan data lintas individu. Analisis data
panel adalah pengukuran yang berulang dari
satu atau lebih peubah pada satu atau lebih
individu pada suatu waktu tertentu.
Keuntungan analisis data panel:
1. Dapat
menampilkan
jumlah
pengamatan
yang
besar,
meningkatkan derajat bebas, data
memiliki variabilitas yang besar dan
mengurangi kolinearitas antar peubah
bebas,
sehingga
menghasilkan
pendugaan ekonometri yang efisien.
2. Memberikan informasi yang lebih
banyak
dibandingkan
dengan
menggunakan analisis lintas individu
atau deret waktu saja.
3. Dapat mengontrol keheterogenan
individu yang tidak teramati.
4. Memberikan penyelesaian yang lebih
baik dalam mengatasi perubahan
dinamis dibandingkan data lintas
individu.
Model analisis data panel adalah :
yit = c + X'it + uit
(1)
i = 1, … , N ; t = 1, …, T
1
PENDAHULUAN
Latar Belakang
Pasar modal memiliki peranan strategis
dalam penguatan ketahanan ekonomi suatu
negara. Unsur utama dari pasar modal adalah
saham yang bergabung membentuk indeks
saham. Indeks saham merupakan cerminan
dari kegiatan pasar modal. Setiap negara di
dunia memiliki indeks saham yang menjadi
perwakilan sebagian besar saham yang ada di
negara tersebut. Banyak faktor yang
mempengaruhi indeks saham, diantaranya
adalah tingkat suku bunga, inflasi, dan nilai
kurs (nilai tukar mata uang negara tersebut
terhadap mata uang dollar Amerika Serikat).
Pada setiap negara, faktor-faktor tersebut bisa
memiliki pengaruh yang sama ataupun
berbeda terhadap indeks saham. Berdasarkan
beberapa penelitian yang telah dilakukan
sebelumnya, Ocktavia (2007) menyatakan
bahwa nilai harga saham dipengaruhi oleh
fluktuasi
makroekonomi.
Peubah
makroekonomi tersebut antara lain inflasi,
tingkat suku bunga, nilai kurs, indeks produksi
industri, dan harga minyak.
Dalam Salvatore (2002), nilai tukar mata
uang suatu negara terhadap mata uang Dolar
Amerika Serikat (US$) merupakan salah satu
hal penting bagi suatu negara yang menganut
sistem perekonomian terbuka. Sampai saat ini,
mata uang terkuat yang mempengaruhi
perekonomian dunia adalah US$. Mata uang
US$ cenderung stabil sehingga mata uang ini
belum dapat tergantikan oleh mata uang
manapun. Menurunnya nilai tukar mata uang
suatu negara terhadap mata uang asing
khususnya US$ memiliki pengaruh negatif
terhadap ekonomi dan pasar modal. Begitu
juga dengan tingkat suku bunga dan inflasi,
keduanya mampu mempengaruhi ketertarikan
para investor untuk melakukan investasi di
pasar modal.
Terkait dengan hal diatas, maka diperlukan
adanya suatu analisis yang mampu
menggambarkan hubungan antara nilai kurs,
tingkat suku bunga, inflasi, dan indeks saham
pada beberapa negara dan waktu tertentu.
Analisis data panel yang merupakan analisis
gabungan antara data deret waktu (time series)
dan lintas individu (cross section) mampu
menggambarkan hubungan tersebut. Dalam
hal ini analisis data panel mampu
menggambarkan bagaimana nilai kurs, tingkat
suku bunga, dan inflasi mempengaruhi indeks
saham. Adapun negara-negara yang menjadi
objek dalam penelitian ini adalah Indonesia,
Malaysia, Singapura, Jepang, Australia,
Inggris, dan Kanada. Negara-negara tersebut
dipilih untuk dapat menggambarkan keadaan
ekonomi negara yang sudah maju dan masih
berkembang.
Selain analisis data panel, analisis secara
parsial dengan Metode Kuadrat Terkecil
(MKT) digunakan untuk mengetahui pengaruh
tingkat suku bunga, inflasi, dan kurs terhadap
indeks saham secara terpisah di setiap negara.
Analisis secara parsial bertujuan untuk
mengonfirmasi spesifikasi analisis data panel
yang digunakan dalam penelitian ini, yaitu
bahwa setiap individu memiliki konstanta
yang berbeda.
Tujuan
Tujuan dari penelitian ini adalah :
1. Menduga model terbaik yang mampu
menggambarkan hubungan pengaruh nilai
kurs, tingkat suku bunga, dan inflasi
terhadap indeks saham baik secara
simultan (analisis data panel) dan secara
parsial (metode kuadrat terkecil).
2. Mengkaji pengaruh nilai kurs, tingkat suku
bunga, dan inflasi terhadap indeks saham.
TINJAUAN PUSTAKA
Analisis Data Panel
Menurut Bruderl (2005), analisis data
panel merupakan gabungan antara data deret
waktu dan data lintas individu. Analisis data
panel adalah pengukuran yang berulang dari
satu atau lebih peubah pada satu atau lebih
individu pada suatu waktu tertentu.
Keuntungan analisis data panel:
1. Dapat
menampilkan
jumlah
pengamatan
yang
besar,
meningkatkan derajat bebas, data
memiliki variabilitas yang besar dan
mengurangi kolinearitas antar peubah
bebas,
sehingga
menghasilkan
pendugaan ekonometri yang efisien.
2. Memberikan informasi yang lebih
banyak
dibandingkan
dengan
menggunakan analisis lintas individu
atau deret waktu saja.
3. Dapat mengontrol keheterogenan
individu yang tidak teramati.
4. Memberikan penyelesaian yang lebih
baik dalam mengatasi perubahan
dinamis dibandingkan data lintas
individu.
Model analisis data panel adalah :
yit = c + X'it + uit
(1)
i = 1, … , N ; t = 1, …, T
2
Dimana i menyatakan objek pengamatan atau
individu, t menyatakan waktu, c menyatakan
konstanta,
menyatakan kemiringan fungsi
berukuran k x 1, Xit merupakan pengamatan
objek ke i, waktu ke t, untuk setiap peubah
penjelas k, yit dan uit menyatakan vektor
pengamatan dari peubah tak bebas dan sisaan
untuk individu ke i.
�₁
.
y= .
.
�N
�₁
.
u= .
.
�N
�111
⋮
�1T1
X=
⋮
�N11
⋮
�NT 1
�112
⋮
�1T2
⋮
�N12
⋮
�NT 2
�113
⋮
�1T3
⋮
�N13
⋮
�NT 3
…
…
…
…
�11k
⋮
�1Tk
⋮
�N1k
⋮
�NTK
Persamaan 1 dapat dinyatakan menjadi:
y = cι + X + u = Zδ + u
dimana y vektor berukuran NT x 1, X matriks
berukuran NT x k, Z = [ι , X], δ' = (c', '), dan
ι merupakan vektor satuan berukuran NT x 1.
Dalam Baltagi (2005), berdasarkan
komponen penyusun sisaannya maka analisis
data panel dibedakan menjadi dua bagian yaitu
model analisis data panel dengan komponen
sisaan satu arah (one-way error component
model) dan model analisis data panel dengan
komponen sisaan dua arah (two-way error
component model).
Analisis Data Panel dengan Komponen
Sisaan Satu Arah
Menurut Baltagi (2005), analisis data
panel dengan komponen sisaan satu arah
memiliki sisaan yang terdiri dari pengaruh
spesifik individu yang tidak terobservasi (µ i)
dan kesalahan yang terjadi pada setiap
observasi atau remainder disturbance (vit).
uit = i + it
u=Z +
u' = (u11, …, u1T, u21, …, u2T, …, uN1, ..., uNT)
Z = I⊗ ι
I sebuah matriks identitas berdimensi N
ι sebuah vektor satuan berdimensi T x 1
⊗ menyatakan perkalian Kronecker.
' = (ν11, . . . , ν1T , . . . , νN1, . . . , νNT )
analisis data panel dengan komponen
sisaan satu arah dibagi menjadi dua model,
yaitu model pengaruh tetap (fixed effect
model) dan model pengaruh acak (random
effect model). Pada model pengaruh tetap
pengaruh individu (µ i) diasumsikan tetap, vit ~
b.s.i (0,σv2), dan Xit saling bebas pada vit untuk
setiap individu (i) dan waktu (t). Asumsi pada
model pengaruh acak adalah µ i ~ b.s.i (0,σµ 2),
vit ~ b.s.i (0,σv2), dan Xit saling bebas pada µ i
dan vit untuk setiap individu (i) dan waktu (t).
Analisis Data Panel dengan Komponen
Sisaan Dua Arah
Pada Baltagi (2005), sisaan analisis data
panel dengan komponen sisaan dua arah terdiri
dari tiga hal, yaitu pengaruh spesifik individu
yang tidak terobservasi (µ i), pengaruh waktu
yang tidak terobservasi ( t), dan kesalahan
yang terjadi pada setiap observasi atau
remainder disturbance (vit).
uit = i + t + it
i = 1, . . . , N; t = 1, . . . , T
analisis data panel dengan komponen
sisaan dua arah dibagi menjadi model
pengaruh tetap dan model pengaruh acak.
Asumsi pada model pengaruh tetap adalah µ i
dan t adalah tetap, vit ~ b.s.i (0,σv2), dan Xit
saling bebas pada vit untuk setiap individu (i)
dan waktu (t). Asumsi pada model pengaruh
acak adalah µ i ~ b.s.i (0,σµ 2), t ~ b.s.i (0,σ 2),
vit ~ b.s.i (0,σv2), dan ketiganya saling bebas
satu sama lain.
Menurut Winarno (2009), model dugaan
pada analisis data panel tergantung kepada
asumsi yang digunakan peneliti terhadap
konstanta (intercept), koefisien kemiringan
(slope coefficients) dan sisaan (error term).
Asumsi inilah yang menyebabkan adanya
beberapa model dalam analisis data panel.
Secara umum model yang biasanya digunakan
dalam analisis data panel adalah model
gabungan, model pengaruh tetap, dan model
pengaruh acak.
Model Gabungan
Model gabungan merupakan salah satu
model dalam analisis data panel yang memiliki
asumsi koefisien regresi (konstanta ataupun
kemiringan) yang sama antar unit analisis dan
waktu. Untuk pendugaan parameter model
digunakan Metode Kuadrat Terkecil (MKT)
atau OLS (Ordinary Least Square).
Model Pengaruh Tetap
Model pengaruh tetap menurut Winarno
(2009) merupakan model yang dapat
menunjukkan perbedaan tetap antar objek atau
individu, meskipun dengan koefisien regresi
yang sama. Untuk membedakan satu individu
dengan individu lainnya digunakan peubah
boneka (dummy), sehingga disebut dengan
Least Square Dummy Variables (LSDV).
Model pengaruh tetap menurut Pindyck dan
Rubinfeld (1998) adalah:
yit = c + Xit + iWit + δtZit + uit
Dimana Wit = 1 untuk individu ke i (i=2,…,
N), dan 0 selainnya.
Zit = 1 untuk periode waktu ke t (t=2,…,T),
dan 0 selainnya.
3
Terdapat beberapa spesifikasi dari model
pengaruh tetap, yaitu:
1. Memiliki konstanta yang berbeda antar
individu.
2. Memiliki
konstanta
yang
berbeda
sepanjang waktu, tidak ada perbedaan
secara signifikan antar individu, dan sisaan
memiliki autokorelasi.
3. Memiliki konstanta yang berbeda antar
individu dan waktu.
4. Memiliki konstanta dan kemiringan yang
berbeda antar individu.
5. Memiliki konstanta dan kemiringan yang
berbeda antar individu dan waktu.
Spesifikasi model yang digunakan dalam
penelitian ini adalah spesifikasi pertama yang
menyatakan bahwa didalam model analisis
data panel setiap objek atau individu memiliki
konstanta yang berbeda.
Selanjutnya Uji Chow digunakan untuk
menentukan apakah terdapat pengaruh
individu didalam model analisis data panel.
Dalam Lains (2006), hipotesis awal (H0) pada
uji Chow adalah tidak terdapat pengaruh
individu terhadap model (model mengikuti
model gabungan). Statistik uji yang digunakan
adalah:
(
−
)/(�−1) H0
~ FN-1,N(T-1)-K
F0 =
/(� −�−�)
dimana RRSS adalah jumlah kuadrat galat
pada model gabungan, dan URSS adalah
jumlah kuadrat galat pada model pengaruh
tetap
Model Pengaruh Acak
Menurut Winarno (2009) model ini
merupakan perbaikan dari model pengaruh
tetap. Model ini tidak lagi menggunakan
peubah boneka seperti yang dilakukan pada
model
pengaruh
tetap,
melainkan
menggunakan sisaan yang diduga memiliki
hubungan antar waktu dan antar individu.
Asumsi pada model pengaruh acak adalah
bahwa konstanta merupakan sebuah peubah
acak. Setiap individu memiliki keragaman
konstanta dan berlaku bagi pengamatan
didalam individu tersebut.
oi = i + vi
dimana oi adalah konstanta untuk individu
ke-i, i adalah rata-rata dari konstanta ke-i, dan
vi adalah sisaan dari konstanta individu ke-i.
Metode selanjutnya dalam analisis data
panel setelah pendugaan model pengaruh acak
adalah uji Hausman. Uji ini bertujuan untuk
mengetahui apakah model mengikuti model
pengaruh tetap atau model pengaruh acak.
Hipotesis awal (H0) pada uji Hausman ini
adalah model mengikuti model pengaruh acak
dan hipotesis tandingannya (H1) adalah model
mengikuti model pengaruh tetap. Statistik uji
yang digunakan adalah:
χ2hitung = (b – )' Var(b – )-1(b – )
dimana b adalah koefisien model pengaruh
acak, dan adalah koefisien model pengaruh
tetap. Selanjutnya tolak H0 apabila nilai χ2hitung
lebih besar dari χ2(k,α), dimana k adalah jumlah
peubah bebas dan α adalah taraf nyata yang
digunakan.
Analisis Regresi Berganda
Menurut Draper dan Smith (1992), Metode
Kuadrat Terkecil (MKT) merupakan salah satu
metode yang dapat digunakan dalam analisis
regresi berganda. Model pada regresi berganda
adalah:
y=X +u
Dimana y merupakan peubah respon, X adalah
peubah penjelas, adalah vektor parameter
model, dan u adalah vektor sisaan. Terdapat
beberapa asumsi yang harus dipenuhi oleh
analisis
regresi
berganda
dengan
menggunakan MKT sehingga diperoleh
penduga parameter yang memiliki sifat BLUE
(Best Linear Unbiased Estimator). Asumsi
tersebut adalah kebebasan sisaan (sisaan tidak
memiliki
masalah
korelasi
serial),
kehomogenan ragam sisaan, kenormalan
sisaan, dan tidak terdapat multikolinearitas
antar peubah bebas pada analisis regresi
berganda.
Uji Durbin Watson (DW) digunakan untuk
menguji apakah terdapat masalah korelasi
serial dalam sisaan. Adapun perhitungan
untuk mendapatkan nilai DW adalah:
DW =
�
�=1
−
�
�=1
2
−1
2
Dimana n adalah jumlah pengamatan, ut
adalah sisaan pada waktu ke t, dan ut-1 adalah
sisaan pada waktu ke t-1.
Menurut Trihendradi (2005), data sisaan
memiliki masalah korelasi serial apabila nilai
DW yang dihasilkan kurang dari 1.210 atau
lebih dari 2.790. Selanjutnya apabila nilai DW
berada diantara nilai 1.210 sampai dengan
1.650 atau berada diantara nilai 2.350 sampai
dengan 2.790, maka tidak dapat diketahui
apakah data sisaan memiliki masalah korelasi
serial atau tidak. Data sisaan dinyatakan tidak
memiliki masalah korelasi serial apabila sisaan
tersebut memiliki nilai DW mulai dari 1.650
sampai dengan 2.350.
Menurut Myers (1990), Variance Inflation
Factors (VIF) dapat digunakan untuk menguji
apakah terdapat multikolinearitas antar peubah
bebas pada suatu model regresi berganda.
Apabila nilai VIF pada suatu peubah bebas
4
kurang dari 10, maka peubah bebas tersebut
tidak mengalami masalah multikolinearitas
dengan peubah bebas lainnya.
Selanjutnya Uji ARCH atau White
digunakan
untuk
menguji
asumsi
kehomogenan ragam sisaan. Kemudian untuk
menguji kenormalan sisaan digunakan Uji
Kolmogorov Smirnov. Untuk kedua uji asumsi
tersebut apabila nilai-p yang dihasilkan lebih
besar dari 5%, maka dapat dinyatakan bahwa
berdasarkan taraf nyata (α) sebesar 5% pada
Uji ARCH atau White sisaan memiliki ragam
yang homogen dan pada Uji Kolmogorv
Smirnov sisaan menyebar normal.
MAPE
Meant Absolute Percentage Error (MAPE)
digunakan untuk mengukur tingkat validasi
dari suatu model. Model tersebut memiliki
tingkat validasi yang baik apabila memiliki
nilai MAPE yang kecil (kurang dari 15%).
Adapun perhitungan nilai MAPE adalah:
y i −ŷi
n
i=1 y
i
x 100%
MAPE =
n
Dimana ŷi adalah nilai peubah respon dugaan
dari model yang dihasilkan, yi adalah nilai
peubah respon yang sesungguhnya, dan n
adalah banyaknya pengamatan.
DATA DAN METODE
Data
Data yang digunakan dalam penelitian ini
berupa data bulanan mulai dari Januari 2003
sampai dengan Desember 2009. Data ini
berupa data indeks saham, tingkat suku bunga,
inflasi, dan nilai kurs dari negara Indonesia,
Malaysia, Singapura, Jepang, Australia,
Inggris, dan Kanada. Periode data yang
digunakan untuk pemodelan adalah data dari
Januari 2003 sampai dengan Desember 2008,
sedangkan data Januari 2009 sampai dengan
Desember 2009 digunakan untuk validasi
model.
Metode
Secara umum Lampiran 1 menunjukkan
tahapan metode yang digunakan dalam analisis
data panel. Selanjutnya analisis yang
digunakan untuk mengetahui hubungan
pengaruh nilai kurs, tingkat suku bunga, dan
inflasi terhadap indeks saham secara
bersamaan pada beberapa negara adalah
analisis data panel dengan komponen sisaan
satu arah. Selain itu juga dilakukan analisis
secara parsial atau terpisah untuk setiap negara
menggunakan analisis regresi dengan metode
kuadrat terkecil.
Model analisis data panel yang dievaluasi
kemudian adalah model gabungan, model
pengaruh tetap, dan model pengaruh acak.
Tahapan yang dilakukan pada penelitian
ini adalah:
1. Mentransformasi data amatan dengan
menggunakan nilai logaritma untuk
menghindari masalah yang disebabkan
oleh perbedaan satuan pada setiap peubah.
2. Menduga parameter model gabungan dan
model pengaruh tetap.
3. Melakukan uji Chow untuk menguji ada
tidaknya pengaruh individu.
4. Menduga parameter model pengaruh acak.
5. Menentukan model terbaik antara model
pengaruh tetap dan model pengaruh acak
menggunakan uji Hausman.
6. Melakukan analisis secara parsial untuk
setiap negara dengan membuat persamaan
regresi bagi setiap negara.
7. Pemeriksaan dan perbaikan asumsi untuk
model terbaik hasil analisis data panel dan
analisis parsial.
a. Pelanggaran asumsi kehomogenan
ragam diatasi dengan penambahan
bobot bagi setiap individu (cross
section weight).
b. Korelasi serial pada sisaan diatasi
dengan penambahan model AR(1)
terhadap sisaan atau penambahan
peubah baru terhadap model, yaitu
indeks saham pada satu periode waktu
sebelumnya atau indeks (-1).
c. Pemeriksaan
Asumsi
kenormalan
sisaan.
d. Pemeriksaan asumsi bahwa tidak
terdapat multikolinearitas antar peubah
bebas didalam model.
8. Menduga nilai indeks saham bulan Januari
2009 sampai dengan bulan Desember
2009.
9. Validasi model menggunakan nilai MAPE.
HASIL DAN PEMBAHASAN
Analisis Data Panel
Hasil analisis data panel dengan model
gabungan dapat dilihat pada Lampiran 2.
Lampiran ini menunjukkan bahwa peubah
yang memiliki nilai-p kurang dari 5% adalah
inflasi, kurs, dan tingkat suku bunga. Sehingga
dapat dinyatakan bahwa indeks saham Negara
Indonesia, Malaysia, Singapura, Jepang,
Inggris, Australia, dan Kanada secara
keseluruhan dipengaruhi secara signifikan
4
kurang dari 10, maka peubah bebas tersebut
tidak mengalami masalah multikolinearitas
dengan peubah bebas lainnya.
Selanjutnya Uji ARCH atau White
digunakan
untuk
menguji
asumsi
kehomogenan ragam sisaan. Kemudian untuk
menguji kenormalan sisaan digunakan Uji
Kolmogorov Smirnov. Untuk kedua uji asumsi
tersebut apabila nilai-p yang dihasilkan lebih
besar dari 5%, maka dapat dinyatakan bahwa
berdasarkan taraf nyata (α) sebesar 5% pada
Uji ARCH atau White sisaan memiliki ragam
yang homogen dan pada Uji Kolmogorv
Smirnov sisaan menyebar normal.
MAPE
Meant Absolute Percentage Error (MAPE)
digunakan untuk mengukur tingkat validasi
dari suatu model. Model tersebut memiliki
tingkat validasi yang baik apabila memiliki
nilai MAPE yang kecil (kurang dari 15%).
Adapun perhitungan nilai MAPE adalah:
y i −ŷi
n
i=1 y
i
x 100%
MAPE =
n
Dimana ŷi adalah nilai peubah respon dugaan
dari model yang dihasilkan, yi adalah nilai
peubah respon yang sesungguhnya, dan n
adalah banyaknya pengamatan.
DATA DAN METODE
Data
Data yang digunakan dalam penelitian ini
berupa data bulanan mulai dari Januari 2003
sampai dengan Desember 2009. Data ini
berupa data indeks saham, tingkat suku bunga,
inflasi, dan nilai kurs dari negara Indonesia,
Malaysia, Singapura, Jepang, Australia,
Inggris, dan Kanada. Periode data yang
digunakan untuk pemodelan adalah data dari
Januari 2003 sampai dengan Desember 2008,
sedangkan data Januari 2009 sampai dengan
Desember 2009 digunakan untuk validasi
model.
Metode
Secara umum Lampiran 1 menunjukkan
tahapan metode yang digunakan dalam analisis
data panel. Selanjutnya analisis yang
digunakan untuk mengetahui hubungan
pengaruh nilai kurs, tingkat suku bunga, dan
inflasi terhadap indeks saham secara
bersamaan pada beberapa negara adalah
analisis data panel dengan komponen sisaan
satu arah. Selain itu juga dilakukan analisis
secara parsial atau terpisah untuk setiap negara
menggunakan analisis regresi dengan metode
kuadrat terkecil.
Model analisis data panel yang dievaluasi
kemudian adalah model gabungan, model
pengaruh tetap, dan model pengaruh acak.
Tahapan yang dilakukan pada penelitian
ini adalah:
1. Mentransformasi data amatan dengan
menggunakan nilai logaritma untuk
menghindari masalah yang disebabkan
oleh perbedaan satuan pada setiap peubah.
2. Menduga parameter model gabungan dan
model pengaruh tetap.
3. Melakukan uji Chow untuk menguji ada
tidaknya pengaruh individu.
4. Menduga parameter model pengaruh acak.
5. Menentukan model terbaik antara model
pengaruh tetap dan model pengaruh acak
menggunakan uji Hausman.
6. Melakukan analisis secara parsial untuk
setiap negara dengan membuat persamaan
regresi bagi setiap negara.
7. Pemeriksaan dan perbaikan asumsi untuk
model terbaik hasil analisis data panel dan
analisis parsial.
a. Pelanggaran asumsi kehomogenan
ragam diatasi dengan penambahan
bobot bagi setiap individu (cross
section weight).
b. Korelasi serial pada sisaan diatasi
dengan penambahan model AR(1)
terhadap sisaan atau penambahan
peubah baru terhadap model, yaitu
indeks saham pada satu periode waktu
sebelumnya atau indeks (-1).
c. Pemeriksaan
Asumsi
kenormalan
sisaan.
d. Pemeriksaan asumsi bahwa tidak
terdapat multikolinearitas antar peubah
bebas didalam model.
8. Menduga nilai indeks saham bulan Januari
2009 sampai dengan bulan Desember
2009.
9. Validasi model menggunakan nilai MAPE.
HASIL DAN PEMBAHASAN
Analisis Data Panel
Hasil analisis data panel dengan model
gabungan dapat dilihat pada Lampiran 2.
Lampiran ini menunjukkan bahwa peubah
yang memiliki nilai-p kurang dari 5% adalah
inflasi, kurs, dan tingkat suku bunga. Sehingga
dapat dinyatakan bahwa indeks saham Negara
Indonesia, Malaysia, Singapura, Jepang,
Inggris, Australia, dan Kanada secara
keseluruhan dipengaruhi secara signifikan
4
kurang dari 10, maka peubah bebas tersebut
tidak mengalami masalah multikolinearitas
dengan peubah bebas lainnya.
Selanjutnya Uji ARCH atau White
digunakan
untuk
menguji
asumsi
kehomogenan ragam sisaan. Kemudian untuk
menguji kenormalan sisaan digunakan Uji
Kolmogorov Smirnov. Untuk kedua uji asumsi
tersebut apabila nilai-p yang dihasilkan lebih
besar dari 5%, maka dapat dinyatakan bahwa
berdasarkan taraf nyata (α) sebesar 5% pada
Uji ARCH atau White sisaan memiliki ragam
yang homogen dan pada Uji Kolmogorv
Smirnov sisaan menyebar normal.
MAPE
Meant Absolute Percentage Error (MAPE)
digunakan untuk mengukur tingkat validasi
dari suatu model. Model tersebut memiliki
tingkat validasi yang baik apabila memiliki
nilai MAPE yang kecil (kurang dari 15%).
Adapun perhitungan nilai MAPE adalah:
y i −ŷi
n
i=1 y
i
x 100%
MAPE =
n
Dimana ŷi adalah nilai peubah respon dugaan
dari model yang dihasilkan, yi adalah nilai
peubah respon yang sesungguhnya, dan n
adalah banyaknya pengamatan.
DATA DAN METODE
Data
Data yang digunakan dalam penelitian ini
berupa data bulanan mulai dari Januari 2003
sampai dengan Desember 2009. Data ini
berupa data indeks saham, tingkat suku bunga,
inflasi, dan nilai kurs dari negara Indonesia,
Malaysia, Singapura, Jepang, Australia,
Inggris, dan Kanada. Periode data yang
digunakan untuk pemodelan adalah data dari
Januari 2003 sampai dengan Desember 2008,
sedangkan data Januari 2009 sampai dengan
Desember 2009 digunakan untuk validasi
model.
Metode
Secara umum Lampiran 1 menunjukkan
tahapan metode yang digunakan dalam analisis
data panel. Selanjutnya analisis yang
digunakan untuk mengetahui hubungan
pengaruh nilai kurs, tingkat suku bunga, dan
inflasi terhadap indeks saham secara
bersamaan pada beberapa negara adalah
analisis data panel dengan komponen sisaan
satu arah. Selain itu juga dilakukan analisis
secara parsial atau terpisah untuk setiap negara
menggunakan analisis regresi dengan metode
kuadrat terkecil.
Model analisis data panel yang dievaluasi
kemudian adalah model gabungan, model
pengaruh tetap, dan model pengaruh acak.
Tahapan yang dilakukan pada penelitian
ini adalah:
1. Mentransformasi data amatan dengan
menggunakan nilai logaritma untuk
menghindari masalah yang disebabkan
oleh perbedaan satuan pada setiap peubah.
2. Menduga parameter model gabungan dan
model pengaruh tetap.
3. Melakukan uji Chow untuk menguji ada
tidaknya pengaruh individu.
4. Menduga parameter model pengaruh acak.
5. Menentukan model terbaik antara model
pengaruh tetap dan model pengaruh acak
menggunakan uji Hausman.
6. Melakukan analisis secara parsial untuk
setiap negara dengan membuat persamaan
regresi bagi setiap negara.
7. Pemeriksaan dan perbaikan asumsi untuk
model terbaik hasil analisis data panel dan
analisis parsial.
a. Pelanggaran asumsi kehomogenan
ragam diatasi dengan penambahan
bobot bagi setiap individu (cross
section weight).
b. Korelasi serial pada sisaan diatasi
dengan penambahan model AR(1)
terhadap sisaan atau penambahan
peubah baru terhadap model, yaitu
indeks saham pada satu periode waktu
sebelumnya atau indeks (-1).
c. Pemeriksaan
Asumsi
kenormalan
sisaan.
d. Pemeriksaan asumsi bahwa tidak
terdapat multikolinearitas antar peubah
bebas didalam model.
8. Menduga nilai indeks saham bulan Januari
2009 sampai dengan bulan Desember
2009.
9. Validasi model menggunakan nilai MAPE.
HASIL DAN PEMBAHASAN
Analisis Data Panel
Hasil analisis data panel dengan model
gabungan dapat dilihat pada Lampiran 2.
Lampiran ini menunjukkan bahwa peubah
yang memiliki nilai-p kurang dari 5% adalah
inflasi, kurs, dan tingkat suku bunga. Sehingga
dapat dinyatakan bahwa indeks saham Negara
Indonesia, Malaysia, Singapura, Jepang,
Inggris, Australia, dan Kanada secara
keseluruhan dipengaruhi secara signifikan
5
oleh inflasi, nilai kurs, dan tingkat suku bunga.
Analisis data panel menggunakan model
gabungan juga menghasilkan nilai R2 sebesar
38.300%.
Sama halnya dengan hasil analisis model
gabungan, analisis data panel menggunakan
model pengaruh tetap pada Lampiran 3 pun
menunjukkan bahwa indeks saham di Negara
Indonesia, Malaysia, Singapura, Jepang,
Inggris, Australia, dan Kanada dipengaruhi
secara signifikan oleh inflasi, nilai kurs, dan
tingkat suku bunga. Hasil model pengaruh
tetap memiliki nilai R2 sebesar 93.600%, dan
nilai R2 ini lebih besar jika dibandingkan
dengan R2 hasil model gabungan.
Hasil Uji Chow pada Tabel 1
menghasilkan nilai-p sebesar 0.000. Sehingga
dapat disimpulkan bahwa terdapat pengaruh
individu di dalam model. Berdasarkan
spesifikasi analisis data panel yang digunakan,
pengaruh individu tersebut dicerminkan dalam
nilai konstanta pada setiap negara yang
berbeda. Dengan hasil tersebut, maka terdapat
perbedaan pengaruh inflasi, kurs, dan tingkat
suku bunga terhadap indeks saham pada setiap
individu atau negara.
Tabel 1 Hasil Uji Chow
Uji pengaruh
individu
Uji F
Uji χ2
Derajat
Statistik uji bebas Nilai-p
706.329
(6,494) 0.000
1138.819
6
0.000
menggambarkan pengaruh inflasi, nilai kurs,
dan tingkat suku bunga terhadap indeks saham
adalah model pengaruh tetap, yaitu:
Indeksit = C1i + 6.988 – 0.900 Inflasiit – 1.717
Kursit + 0.144 Tingkat suku bungait
+ uit
Dimana C1i menyatakan pengaruh individu
setiap negara yang dapat dilihat pada Tabel 3,
dan uit menyatakan nilai sisaan analisis data
panel model pengaruh tetap.
Tabel 3
Pengaruh spesifik individu model
pengaruh tetap
Individu
Jepang
Indonesia
Singapura
Australia
Inggris
Kanada
Malaysia
Pengaruh
2.535
4.715
-1.571
-1.285
-2.011
-1.085
-1.298
Setelah model pengaruh tetap dinyatakan
sebagai model terbaik berdasarkan Uji
Hausman, dilakukan pengujian mengenai
asumsi kebebasan sisaan, kehomogenan ragam
sisaan, kenormalan sisaan, dan tidak terdapat
multikolinearitas antar peubah bebas yang ada
di dalam model. Model pengaruh tetap hanya
memenuhi asumsi bahwa tidak terdapat
multikolinearitas antar peubah bebas. Hal ini
dapat dilihat pada Tabel 4 yang menunjukkan
nilai VIF dari setiap peubah bebas pada model
pengaruh tetap kurang dari 10.
Hasil analisis data panel dengan
menggunakan model pengaruh acak pada
Lampiran 4 menunjukkan bahwa setiap
peubah penjelas memiliki nilai-p yang kurang
dari 5%. Hasil tersebut menunjukkan bahwa
indeks saham di negara Indonesia, Malaysia,
Singapura, Jepang, Inggris, Australia, dan
Kanada dipengaruhi secara signifikan oleh
inflasi, nilai kurs, dan tingkat suku bunga. Dari
model ini dihasilkan nilai R2 sebesar 18.900%.
Nilai R2 ini jauh lebih kecil jika dibandingkan
dengan nilai R2 pada model pengaruh tetap.
Hal ini mengindikasikan bahwa analisis data
panel dengan model pengaruh tetap lebih baik
dibandingkan dengan model pengaruh acak.
Selain itu, hasil Uji Hausman pada Tabel 2
pun menunjukkan hal yang sama.
Tabel 5 menunjukkan bahwa hasil Uji
White yang digunakan untuk mengetahui
apakah data sisaan memiliki ragam yang
homogen atau tidak menghasilkan nilai nR2
lebih besar dari nilai χ10(5%), sehingga dapat
dinyatakan bahwa sisaan hasil model pengaruh
tetap memiliki ragam yang tidak homogen.
Tabel 2 Hasil uji Hausman
Tabel 5 Hasil Uji White model pengaruh tetap
Pengaruh
model acak
Uji χ2
Statistik uji
86.374
Derajat
Nilai-p
bebas
3
0.000
Nilai-p hasil Uji Hausman sebesar 0.000,
sehingga dapat dinyatakan bahwa model yang
Tabel 4 Nilai VIF peubah bebas pada model
pengaruh tetap
Peubah
Inflasi
Kurs
Tingkat suku bunga
Model
Model pengaruh tetap
VIF
1.470
1.240
1.310
nR2
208.110
χ10(5%)
18.307
Selain masalah pelanggaran asumsi
kehomogenan ragam sisaan, analisis data
panel dengan model pengaruh tetap
6
menghasilkan nilai DW sebesar 0.105
sehingga dapat dinyatakan bahwa terdapat
masalah korelasi serial pada sisaan.
Selanjutnya, hasil uji kenormalan sisaan
menggunakan Uji Kolmogorov Smirnov pada
Gambar 1 menunjukkan bahwa nilai-p yang
dihasilkan
kurang dari 0.010. Dengan
demikian dapat disimpulkan bahwa sisaan
hasil model pengaruh tetap tidak menyebar
normal.
99.9
Mean
StDev
N
KS
P-Value
99
95
-3.17460E-08
0.1080
504
0.087
0.150
90
Persen
Persen
90
tetap tanpa menggunakan bobot bagi setiap
individu dan AR(1).
Hasil analisis model pengaruh tetap
menggunakan bobot bagi setiap individu dan
AR(1) ini pun mampu mengatasi pelanggaran
asumsi yang terjadi. Nilai DW yang dihasilkan
sebesar 1.650, sehingga dapat dinyatakan
bahwa sisaan hasil model ini sudah saling
bebas. Selain itu, hasil uji White pada Tabel 6
menunjukkan bahwa ragam sisaan hasil model
pengaruh tetap menggunakan bobot bagi setiap
individu dan AR(1) sudah homogen.
80
70
60
50
40
30
20
10
5
1
0.1
-5.0
Gambar 2
-2.5
0.0
sisaan
2.5
5.0
Hasil Uji Kolmogorov Smirnov
model pengaruh
tetap
menggunakan bobot bagi setiap
individu dan AR(1).
Berdasarkan hasil analisis data panel
model pengaruh tetap menggunakan bobot
bagi setiap individu dan AR(1), maka model
analisis data panel terbaik yang dihasilkan
adalah:
Indeksit = C1i + 4.08745 – 0.03535 inflasiit
– 0.41894 kursit – 0.00166 tingkat
suku bungait + uit
uit
= µ i + 0.96201vit-1 + εit
dimana εit menyatakan sisaan dugaan satu
periode ke depan, C1i menyatakan pengaruh
spesifik individu ke-i yang ditampilkan pada
Tabel 7.
7
Pengaruh spesifik individu merupakan nilai
yang menunjukkan perbedaan rata-rata indeks
saham antar negara. Nilai ini menunjukkan
bahwa setiap individu akan memiliki nilai
konstanta yang berbeda tergantung dengan
nilai C1i dari masing-masing negara. Namun
berdasarkan spesifikasi analisis data panel
yang digunakan, konstanta yang dimiliki oleh
setiap negara tersebut nilainya tetap sepanjang
waktu.
Tabel 7
Pengaruh spesifik individu model
pengaruh tetap menggunakan
bobot bagi setiap individu dan
AR(1)
Individu
Jepang
Indonesia
Singapura
Australia
Inggris
Kanada
Malaysia
Pengaruh
0.940
0.938
-0.531
-0.288
-0.370
0.071
-0.760
Nilai pengaruh spesifik setiap individu
pada Tabel 7 menunjukkan bahwa Negara
Jepang memiliki perbedaan indeks saham yang
paling besar dibandingkan dengan negara
lainnya, yaitu sebesar 0.940. Hasil ini
menyatakan bahwa indeks saham di Negara
Jepang tersebut memiliki nilai yang jauh lebih
tinggi dibandingkan dengan nilai rata-rata
indeks saham negara lainnya. Berbeda dengan
Negara Malaysia, negara tersebut memiliki
nilai pengaruh spesifik individu yang paling
kecil diantara negara lainnya, yaitu sebesar
-0.760. Dengan hasil tersebut dapat dinyatakan
bahwa Negara Malaysia memiliki nilai indeks
saham yang jauh lebih rendah dibandingkan
dengan nilai rata-rata indeks saham negara
lainnya.
Selain itu, hasil validasi pada Lampiran 6
dengan menggunakan data Januari 2009
sampai dengan Desember 2009 menghasilkan
nilai MAPE sebesar 2.23%. Nilai MAPE
tersebut masih kurang dari 15% sehingga
dapat dinyatakan bahwa model hasil analisis
data panel menggunakan model pengaruh
tetap, bobot bagi setiap individu, dan AR(1)
mampu menggambarkan dengan baik keadaan
data pada periode waktu lain yang tidak
diikutsertakan dalam proses pemodelan.
Analisis Parsial
Analisis
parsial
digunakan
untuk
mengonfirmasi spesifikasi analisis data panel
yang digunakan, yaitu bahwa setiap individu
atau negara memiliki konstanta yang berbeda.
Lampiran 7 menunjukkan hasil analisis secara
parsial untuk setiap negara. Berdasarkan
Lampiran ini dapat dinyatakan bahwa setiap
individu memiliki nilai konstanta yang
berbeda. Namun terdapat perbedaan hasil
antara analisis data panel dengan analisis
secara parsial menggunakan MKT, yaitu
bahwa pada hasil analisis secara parsial selain
memiliki konstanta yang berbeda, setiap
individu juga memiliki nilai kemiringan yang
berbeda.
Model hasil analisis secara parsial untuk
setiap negara adalah sebagai berikut:
1. Inggris
Indekst = 0.725 – 0.427 Inflasit – 0.082
Kurst – 0.071 tingkat suku
bungat + 1.043 indekst-1 + vt
2. Indonesia
Indekst = 8.747 + 0.025 Inflasit – 1.236
Kurst – 0.625 Tingkat suku
bungat + 0.953vt-1 + εt
3. Malaysia
Indekst = 1.143 – 0.480 Inflasit – 0.063
Kurst + 0.109 Tingkat suku
bungat + 0.936 Indekst-1 + vt
4. Singapura
Indekst = 0.590 – 0.039 Kurst + 0.030
Tingkat suku bungat + 0.825
Indekst-1 + 0.332 vt-1 + εt
5. Jepang
Indekst = 7.310 – 3.639 Inflasit + 0.115
Kurst + 0.003Tingkat suku
bungat + 0.937 Indekst-1 + vt
6. Australia
Indekst = 1.226 – 0.656 Inflasit – 0.039
Kurst + 0.009 Tingkat suku
bungat + 1.056 Indekst-1 + vt
7. Kanada
Indekst = -0.459 + 2.200 Inflasit – 0.918
Kurst + 0.131 Tingkat suku
bungat + 0.895 vt-1 + εt
Dimana vt menyatakan nilai sisaan pada waktu
ke-t, vt-1 menyatakan sisaan pada satu periode
waktu sebelumnya, εt menyataakan sisaan
apabila dilakukan
pendugaan satu periode
waktu kedepan, dan indekst-1 menyatakan nilai
indeks saham pada satu periode waktu
sebelumnya.
Sebagai ilustrasi untuk model parsial diatas
adalah Negara Inggris. Berdasarkan Lampiran
7 dapat dinyatakan bahwa indeks saham di
negara ini dipengaruhi secara signifikan pada
taraf nyata 5% oleh inflasi dan nilai indeks
saham Inggris pada satu periode waktu
sebelumnya. Peubah kurs dan tingkat suku
bunga tetap memiliki pengaruh terhadap
indeks saham namun tidak signifikan. Hal ini
8
disebabkan karena resesi yang dialami oleh
Negara Inggris sejak tahun 2003. Akibat dari
resesi ini salah satunya adalah terjadi
peningkatan harga-harga secara tajam (inflasi).
Sehingga terlihat bahwa inflasi menjadi faktor
utama yang mempengaruhi keadaan ekonomi
(Regina 2008).
Model parsial untuk Negara Inggris
menghasilkan nilai R2 yang cukup besar, yaitu
95.954%. Sehingga dapat dinyatakan bahwa
sebesar 95.954% keragaman data indeks
saham Negara Inggris mampu dijelaskan oleh
model parsial yang dihasilkan untuk negara
tersebut. Selain hal itu, model parsial untuk
Negara Inggris ini memenuhi seluruh asumsi
yang disyaratkan oleh MKT, yaitu berdasarkan
nilai DW yang dihasilkan sebesar 2.163 dapat
dinyatakan bahwa sisaan tidak mengalami
korelasi serial. Selanjutnya Lampiran 8
menunjukkan hasil uji kehomogenan ragam
sisaan hasil analisis secara parsial. Pada
lampiran tersebut dapat dilihat bahwa untuk
Negara Inggris, nilai-p baik untuk F-hitung
maupun nR2 lebih besar dari 5%, sehingga
dapat disimpulkan bahwa sisaan memiliki
ragam yang homogen. Kemudian Uji
Kolmogorv Smirnov pada Lampiran 9.1
menunjukkan bahwa berdasarkan taraf nyata
5% sisaan sudah menyebar normal. Terakhir
nilai VIF setiap peubah bebas yang dapat
dilihat pada Lampiran 7 menunjukkan nilai
yang kurang dari 10, sehingga dapat
dinyatakan bahwa model parsial yang
dihasilkan untuk Negara Inggris ini tidak
memiliki masalah multikolinearitas antar
peubah bebas.
Berdasarkan nilai R2 yang cukup tinggi dan
terpenuhinya seluruh asumsi dalam MKT,
maka dapat disimpulkan bahwa model parsial
untuk Negara Inggris diatas merupakan model
terbaik. Selain itu, pada Lampiran 6 dapat
dilihat bahwa Negara Inggris juga memiliki
nilai MAPE sebesar 0.890%. Hal ini
menyatakan bahwa model parsial untuk
Negara Inggris memiliki tingkat validasi yang
cukup baik. Dengan kata lain, model parsial
ini mampu menggambarkan dengan cukup
baik keadaan indeks saham Negara inggris
pada periode waktu lainnya yang tidak
diikutsertakan dalam proses pemodelan.
Sama seperti model parsial Negara Inggris,
karakteristik model parsial untuk negara
lainnya (Indonesia, Malaysia, Australia,
Jepang, Singapura, dan Kanada) dapat dilihat
pada Lampiran 6, 7, 8, dan 9. Setiap negara
tersebut memiliki model dengan nilai
konstanta dan kemiringan yang berbeda.
Selain itu, setiap negara juga memiliki peubah
penjelas yang berpengaruh signifikan terhadap
indeks saham yang berbeda.
Di Negara Singapura, inflasi tidak
memiliki pengaruh terhadap indeks saham.
Hal ini disebabkan karena walaupun terjadi
masalah resesi dengan inflasi sebagai salah
satu indikatornya, namun terdapat faktor
penting lainnya yang mempengaruhi keadaan
ekonomi yaitu masalah menyebarnya wabah
SARS dan perang di Irak. Selain itu, Negara
Singapura merupakan negara perdagangan
yang menitikberatkan sebagian besar sumber
ekonominya dari kegiatan perdagangan
dengan negara lain. Oleh karena itu, nilai tukar
mata uang Singapura dengan mata uang
negara lain, khususnya US$ menjadi faktor
penting
yang
mempengaruhi
keadaan
ekonomi. Hal ini pun menyebabkan kurs
menjadi faktor penting yang berpengaruh
signifikan terhadap indeks saham (Nugroho
2008).
Model hasil analisis secara parsial yang
dihasilkan untuk setiap negara tersebut
merupakan model yang terbaik. Hal ini
disebabkan karena setiap model tersebut
memiliki nilai R2 yang cukup tinggi, sehingga
mampu menggambarkan keragaman indeks
saham di negara masing-masing dengan sangat
baik. Selain itu, model parsial yang dihasilkan
untuk setiap negara pun sudah memenuhi
seluruh asumsi yang disyaratkan dalam MKT.
Selanjutnya model parsial pada setiap negara
memiliki nilai MAPE yang kurang dari 15%.
Sehingga dapat dinyatakan bahwa setiap
model
parsial
tersebut
mampu
menggambarkan dengan baik keadaan indeks
saham di negara masing-masing pada periode
waktu lain yang tidak diikutsertakan dalam
proses pemodelan.
SIMPULAN DAN SARAN
Simpulan
Analisis data panel menunjukkan hasil
yang berbeda dibandingkan dengan analisis
secara parsial pada setiap negara. Analisis data
panel menyatakan bahwa indeks saham di
Negara Indonesia, Malaysia, Singapura,
Jepang, Inggris, Australia, dan Kanada hanya
dipengaruhi secara signifikan oleh nilai kurs.
Sedangkan analisis secara parsial menyatakan
bahwa setiap negara memiliki peubah yang
berbeda dalam mempengaruhi indeks saham
masing-masing secara signifikan. Selain itu,
analisis data panel juga menyatakan bahwa
perbedaan di dalam model hanya disebabkan
oleh perbedaan nilai konstanta pada setiap
8
disebabkan karena resesi yang dialami oleh
Negara Inggris sejak tahun 2003. Akibat dari
resesi ini salah satunya adalah terjadi
peningkatan harga-harga secara tajam (inflasi).
Sehingga terlihat bahwa inflasi menjadi faktor
utama yang mempengaruhi keadaan ekonomi
(Regina 2008).
Model parsial untuk Negara Inggris
menghasilkan nilai R2 yang cukup besar, yaitu
95.954%. Sehingga dapat dinyatakan bahwa
sebesar 95.954% keragaman data indeks
saham Negara Inggris mampu dijelaskan oleh
model parsial yang dihasilkan untuk negara
tersebut. Selain hal itu, model parsial untuk
Negara Inggris ini memenuhi seluruh asumsi
yang disyaratkan oleh MKT, yaitu berdasarkan
nilai DW yang dihasilkan sebesar 2.163 dapat
dinyatakan bahwa sisaan tidak mengalami
korelasi serial. Selanjutnya Lampiran 8
menunjukkan hasil uji kehomogenan ragam
sisaan hasil analisis secara parsial. Pada
lampiran tersebut dapat dilihat bahwa untuk
Negara Inggris, nilai-p baik untuk F-hitung
maupun nR2 lebih besar dari 5%, sehingga
dapat disimpulkan bahwa sisaan memiliki
ragam yang homogen. Kemudian Uji
Kolmogorv Smirnov pada Lampiran 9.1
menunjukkan bahwa berdasarkan taraf nyata
5% sisaan sudah menyebar normal. Terakhir
nilai VIF setiap peubah bebas yang dapat
dilihat pada Lampiran 7 menunjukkan nilai
yang kurang dari 10, sehingga dapat
dinyatakan bahwa model parsial yang
dihasilkan untuk Negara Inggris ini tidak
memiliki masalah multikolinearitas antar
peubah bebas.
Berdasarkan nilai R2 yang cukup tinggi dan
terpenuhinya seluruh asumsi dalam MKT,
maka dapat disimpulkan bahwa model parsial
untuk Negara Inggris diatas merupakan model
terbaik. Selain itu, pada Lampiran 6 dapat
dilihat bahwa Negara Inggris juga memiliki
nilai MAPE sebesar 0.890%. Hal ini
menyatakan bahwa model parsial untuk
Negara Inggris memiliki tingkat validasi yang
cukup baik. Dengan kata lain, model parsial
ini mampu menggambarkan dengan cukup
baik keadaan indeks saham Negara inggris
pada periode waktu lainnya yang tidak
diikutsertakan dalam proses pemodelan.
Sama seperti model parsial Negara Inggris,
karakteristik model parsial untuk negara
lainnya (Indonesia, Malaysia, Australia,
Jepang, Singapura, dan Kanada) dapat dilihat
pada Lampiran 6, 7, 8, dan 9. Setiap negara
tersebut memiliki model dengan nilai
konstanta dan kemiringan yang berbeda.
Selain itu, setiap negara juga memiliki peubah
penjelas yang berpengaruh signifikan terhadap
indeks saham yang berbeda.
Di Negara Singapura, inflasi tidak
memiliki pengaruh terhadap indeks saham.
Hal ini disebabkan karena walaupun terjadi
masalah resesi dengan inflasi sebagai salah
satu indikatornya, namun terdapat faktor
penting lainnya yang mempengaruhi keadaan
ekonomi yaitu masalah menyebarnya wabah
SARS dan perang di Irak. Selain itu, Negara
Singapura merupakan negara perdagangan
yang menitikberatkan sebagian besar sumber
ekonominya dari kegiatan perdagangan
dengan negara lain. Oleh karena itu, nilai tukar
mata uang Singapura dengan mata uang
negara lain, khususnya US$ menjadi faktor
penting
yang
mempengaruhi
keadaan
ekonomi. Hal ini pun menyebabkan kurs
menjadi faktor penting yang berpengaruh
signifikan terhadap indeks saham (Nugroho
2008).
Model hasil analisis secara parsial yang
dihasilkan untuk setiap negara tersebut
merupakan model yang terbaik. Hal ini
disebabkan karena setiap model tersebut
memiliki nilai R2 yang cukup tinggi, sehingga
mampu menggambarkan keragaman indeks
saham di negara masing-masing dengan sangat
baik. Selain itu, model parsial yang dihasilkan
untuk setiap negara pun sudah memenuhi
seluruh asumsi yang disyaratkan dalam MKT.
Selanjutnya model parsial pada setiap negara
memiliki nilai MAPE yang kurang dari 15%.
Sehingga dapat dinyatakan bahwa setiap
model
parsial
tersebut
mampu
menggambarkan dengan baik keadaan indeks
saham di negara masing-masing pada periode
waktu lain yang tidak diikutsertakan dalam
proses pemodelan.
SIMPULAN DAN SARAN
Simpulan
Analisis data panel menunjukkan hasil
yang berbeda dibandingkan dengan analisis
secara parsial pada setiap negara. Analisis data
panel menyatakan bahwa indeks saham di
Negara Indonesia, Malaysia, Singapura,
Jepang, Inggris, Australia, dan Kanada hanya
dipeng