III. METODOLOGI PENELITIAN 3.1 Sumber Data
Penelitian ini menggunakan data sekunder yang diperoleh dari BEI. Data yang digunakan dalam penelitian ini merupakan data harian yang dimulai dari 3
Januari 2007 sampai dengan 31 Mei 2012. Peubah yang digunakan dalam penelitian adalah sebagai berikut: return Indeks Saham Sektoral yang terdiri dari
3 sektor yaitu sektor keuangan, sektor industri barang konsumsi dan sektor pertambangan; total pembelian asing bersih di pasar modal Indonesia Foreign
Net PurchaseFNP serta volume perdagangan saham.
3.2 Definisi Operasional Peubah
Berikut ini definisi operasional peubah yang digunakan dalam penelitian: a.
Return Indeks Harga Saham Gabungan IHSG Tingkat pengembalian dari perubahan harga saham setiap hari. Tingkat
pengembalian dihitung dari pembedaan logarithma natural dari harga penutupan saham hari ini dan hari sebelumnya. Secara matematis, tingkat
pengembalian dapat dituliskan sebagai berikut: ln
3.1 Dimana r
t
merupakan return dari harga saham pada hari ke-t. b.
Foreign Net Purchase FNP FNP merupakan nilai pembelian bersih pembelian dikurangi pejualan
pemodal asing di pasar modal Indonesia. Dalam studi ini transaksi investor asing pada host country seperti Indonesia dianggap merupakan tujuan akhir
investasi untuk menghindari measurement error. Hal ini dikarenakan aliran modal investor asing ke negara emerging markets seperti Indonesia, umumnya
datang dari negara antara intermediary source dimana kantor regional atau pusat dari Perusahaan Efek cabang yang menjadi anggota bursa di PT Bursa
Efek Indonesia seperti Hong Kong dan Singapura. Untuk memperkecil kesalahan maka data yang terpenting dalam penelitian ini adalah data dimana
pemodal asing tersebut melakukan transaksi dan dianggap menjadi final investment destination
dan tidak menggunakan data asal usul pemodal asing
tersebut sehingga dapat dilakukan penelitian dampak transaksi pemodal asing terhadap pasar domestik seperti pasar modal Indonesia.
c. Volume perdagangan saham
Volume perdagangan saham merupakan volume saham yang ditransaksikan di pasar modal Indonesia baik yang dilakukan oleh investor domestik maupun
investor asing.
3.3 Metode Analisis 3.3.1 Analisis Deskriptif
Analisis deskriptif menyajikan analisis mengenai deskripsi data return saham gabungan, return saham sektor keuangan, return saham sektor industri
barang konsumsi dan return saham sektor pertambangan selama periode penelitian.
3.3.2 Analisis Kuantitatif
Berdasarkan tujuan penelitian yang telah dijelaskan sebelumnnya, yaitu ingin mengetahui dampak dari pembelian bersih investor asing di pasar saham
Indonesia terhadap volatilitas Indeks Harga Saham Gabungan IHSG, termasuk didalamnya persistensi dari dampak tersebut, maka digunakan metode Component
GARCH CGARCH yang merupakan perluasan dari model GARCH. Tahapan dalam identifikasi pemodelan volatilitas yaitu sebagai berikut:
1. Uji Normalitas
Uji normalitas untuk melihat apakah data time series terdistribusi normal atau tidak, dilakukan dengan menggunakan Jarque-Bera JB test. Nilai JB
diformulasikan sebagai berikut: 3.2
Dimana: N : jumlah observasi
k : jumlah parameter estimasi S : skewness
K : kurtosis
Semakin besar nilai JB, maka semakin kecil kemungkinan series terdistribusi normal. Uji JB adalah distribusi
dengan derajat bebas 2. Prosedur dalam JB Test adalah sebagai berikut:
H : Distribusi return saham normal
H
1
: Distribusi return saham tidak normal Jika nilai JB lebih besar dari nilai distribusi
dengan derajat kepercayaan 5, maka null hypothesis ditolak, hal ini berarti series return saham tidak terdistribusi
normal. 2.
Uji Kestasioneran Data Dalam melakukan analisis time series, data harus berada dalam keadaan
stationer. Data yang sudah stasioner tidak mengandung unsur tren, artimya data memiliki mean yang konstan. Dengan demikian data cenderung bergerak atau
berfluktuasi di sekitar nilai mean yang konstan. Menurut Enders 2004, time series y
t
adalah stasioner jika: 3.3
3.4 3.5
3.6 ,
, 3.7
Dimana , , adalah konstan.
Untuk mengamati data time series stationer atau tidak, dapat dilakukan secara grafis melalui pola autokorelasi correlogram data tersebut. Nilai fungsi
autokorelasi yang turun dengan lambat seiring dengan bertambah besarnya lag mengindikasikan bahwa data tidak stasioner. Pemeriksaan kestationeran melalui
pengamatan pola grafik data runtun waktu maupun melalui pola autokorelasi data awal adalah pemeriksaan yang bersifat informal.
Pemeriksaan formal dilakukan melalui uji yang lebih baik, yaitu Unit Root Test
dengan menggunakan statistik uji Augmented Dickey Fuller ADF. Apabila terdeteksi adanya unit root pada tahap pengujian awal maka harus dilakukan
diferensi terhadap data awal. Jika diferensi orde pertama data masih belum keadaan stasioner, dilakuan diferensi orde kedua. Selain diferensi terhadap data
Kategori