BAB III METODE PENELITIAN
3.1. Ruang Lingkup Penelitian
Penelitian ini untuk melihat hubungan timbal balik antara volatilitas saham dengan variabel makroekonomi Indonesia selama periode
2008:01-2012:12. Sementara variabel yang digunakan adalah IHSG, inflasi dan suku bunga BI.
3.2. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data time series bulanan dari Januari 2008 sampai dengan
Desember 2012. Data-data yang digunakan pada penelitian ini antara lain data indeks harga saham gabungan volatilitas saham, inflasi dan suku bungan Bank
Indonesia makroekonomi Indonesia. Data tersebut diperoleh dari Bank Indonesia dan Bursa Efek Indonesia BEI.
3.3. Metode Analisis Data
Metode penelitian yang digunakan dalam penyusunan tugas akhir ini adalah metode analisa deskriptif melalui studi kepustakaan yang didukung oleh
analisa kuantitatif yaitu dengan menggunakan model ekonometrika, yaitu VAR Vector Autoregression. Perangkat lunak yang digunakan dalam penelitian ini
adalah program Eviews 5.1.
3.3.1. Uji Stasioneritas Data Unit Root Test
Uji akar unit dari Dickey Fuller maupun Phillips-Perron adalah untuk melihat stasionaritas data time series yang diteliti dengan program Eviews
5.1. Adapun formula dari uji Augmented Dickey Fuller ADF dapat dinyatakan sebagai berikut :
= .....................................................................3.1
Dimana: = bentuk dari first difference
= intercept Y = variabel yang diuji stasioneritasnya
β = panjang lag ε = error term
Uji dilakukan dengan hipotesis null ᵧ=0 untuk ADF. Stasioner tidaknya
data didasarkan pada nilai statistik ADF yang diperoleh dari nilai t hitung koefisien
ᵧ dengan nilai kritis statistik dari Mackinnon. Jika nilai statistik ADF lebih besar dari nilai kritis Mackinnon, maka data stasioner dan jika sebaliknya
maka data tidak stasioner.
3.3.2 Penentuan
Lag Length
Salah satu
permasalahan yang terjadi dalam uji stasioneritas
adalah penentuan lag optimal. Haris dalam Ajijah et al., 2011 menjelaskan bahwa jika lag yang digunakan dalam uji stasioneritas terlalu sedikit, maka
residual dari regresi tidak akan menampilkan proses white noise,sehingga model tidak dapat mengestimasi actual error secara tepat. Akibatnya,
ɣ dan error term tidak diestimasi dengan baik. Namun jika memasukkan terlalu banyak lag, maka
dapat mengurangi kemampuan menolak Ho karena tambahan parameter yang terlalu banyak akan mengurangi derajat bebas.
Selanjutnya, berikut adalah kriteria yang digunakan untuk mengetahui jumlah lag optimal yang digunakan dalam uji stasioneritas.
Akaike Information Criterion AIC : -2 1T + 2k+T
Schwarz Criterion SC :
-2 1T + k log TT
Hannan Quinn Information Criterion : -2 1T + 2k log TT
dimana : 1
= Nilai fungsi
log likelihood yang sama jumlahnya dengan[ –T21+log 2
+ log ” ’T]; ” ’ merupakan sum of squared residual. T = Jumlah observasi
k = Parameter yang diestimasi
Dalam penentuan lag optimal dengan menggunakan kriteria informasi tersebut, kita tentukan kriteria yang mempunyai final prediction error corection
FPE atau jumlah dari AIC, SIC, dan HG yang paling kecil diantara lag yang diajukan.
3.4. Uji Kointegrasi