b. Jika terjadi akar unit, maka dilakukan tes yang kedua tes derajat
integrasi: 1 st Difference – Trend Intercept.
c. Dari hasil uji stasioneritas tes pertama, nilai probabilitas IHSG = 0,3185,
Kurs = 0,8654, SBI = 0,2474. Nilai lebih besar dari pada 0,1 = 10.
Artinya, variabel IHSG, Kurs, SBI belum stasioner. Dengan demikian, pengujian dilanjutkan kembali dengan tes derajat integrasi tes kedua.
Tabel 3.3 Uji Derajat Integrasi dengan Uji Augmented Dickey-Fuller Series
First Difference t-Stat
Prob IHSG
−16,40533 0,0000
Kurs
−18,30786 0,0000
SBI −15,56278
0,0000
Dari hasil uji derajat integrasi diketahui bahwa nilai probabilitas = 0,0000. Nilai ini adalah lebih kecil dari pada 0,01
= 1. Artinya, variabel IHSG, Kurs, SBI telah stasioner di tingkat first difference pada
= 1.
Berdasarkan hasil uji stasioneritas data pada tabel 3.2 dapat terlihat bahwa tidak ada data yang telah stasioner pada tingkat level. Hal ini terlihat dari nilai
probabilitas yang lebih besar dari alpha = 10
0,1 . Data yang belum
stasioner kemudian dilakukan uji derajat integrasi 1 first diffrence pada tabel 3.3. Hasil uji derajat integrasi menunjukkan bahwa semua data telah stasioner pada
derajat integrasi 1 first diffrence, maka data mempunyai akar unit dan stasioner pada first difference.
3.3.2 Hasil Uji Asumsi Klasik
Data yang terbentuk merupakan bentuk regresi linear berganda dengan dua variabel bebas sehingga bentuk umumnya dinyatakan sebagai berikut:
Universitas Sumatera Utara
= +
1 1
+
2 2
+ =
+
1 1
+
2 2
+
Untuk menentukan penduga parameter ,
1
,
2
digunakan metode kuadarat terkecil dengan cara meminimumkan jumlah kuadarat sisaan selisih
antara data yang sebenarnya dengan data dugaan. Dari hasil perhitungan diperoleh nilai penduga parameter regresi
,
1
,
2
data bangkitan tabel 3.1 yaitu sebagai berikut:
1 246
=1
= 2.307.547
1 2
246 =1
= 21.656.978.029
1 246
=1
= 9.468.894.063
2 246
=1
= 1.106,90
2 2
246 =1
= 5.017,317
2 246
=1
= 4.543.917,27
246 =1
= 1.008.931,62
1 246
=1 2
= 10.392.367,58 = 246
Masukkan nilai diatas pada persamaan dibawah ini, maka diperoleh :
246 + 2.307.547
1
+ 1.106,90
2
= 1.008.931,62 2.307.547
+ 21.656.978.029
1
+ 10.392.367,58
2
= 9.468.894.063 1.106,90
+ 10.392.367,58
1
+ 5.017,317
2
= 4.543.917,27
Dari ketiga persamaan diatas diperoleh tiga taksiran yang masing-masing bernilai:
= −3.546,16
1
= 0,81513
2
= 0,30458
Universitas Sumatera Utara
Jadi persamaan estimasi regresi linear berganda data bangkitan adalah = −3.546,16 + 0,81513
1
+ 0,30458
2
.
3.3.2.1 Uji Autokorelasi
Dari hasil persamaan regresi estimasi yang diperoleh maka dapat dihitung nilai Uji Durbin-Watson DW adalah sebagai berikut:
=
−
−1 2
2
=
528.376,7 5.979.992,714
= 0,0884
Dari hasil Uji DW = 0.0884 dan berdasarkan tabel otokorelasi, dapat disimpulkan bahwa pada persamaan regresi tersebut terdapat autokorelasi.
Perhitungan nilai tersebut dapat dilihat pada lamipran.
3.3.2.2 Uji Heteroskedastisitas
Untuk menguji ada tidaknya heteroskedastisitas dilakukan uji koefisien korelasi Spearman, maka hasil uji statistik yang diperoleh adalah sebagai berikut:
Untuk
1
: = 1
− 6
2 3
−
= 1 − 6
3.591.152 246
3
−246
= 1 − 6
3.591.152 14.886.936
−246
= 1 − 6
3.591.152 14.886.690
= 1 − 1,4474
= −0,4474
Universitas Sumatera Utara
=
−2 1−
2
=
−0,4474 246−2 1− −0,4474
2
=
−0,4474 244 1−0,2002
=
−6,9886 0.7998
=
−6,9886 0.8943
= −7,8146
Untuk
2
: = 1
− 6
2 3
−
= 1 − 6
2.925.348 246
3
−246
= 1 − 6
2.925.348 14.886.936
−246
= 1 − 6
2.925.348 14.886.690
= 1 − 1,1790
= −0,1790
=
−2 1−
2
=
−0,1790 246−2 1− −0,1790
2
=
−0,1790 244 1−0,0320
=
−2,7961 0,9680
=
−2,7961 0,9839
= − 2,8419
Dari hasil Uji korelasi Spearman Untuk
1
dimana =
−7,8146
0,05: ∞
= 1,645, maka diterima. Jadi tidak terdapat heteroskedastisitas dalam
1
. sedangkan untuk
2
dimana =
−2,8419
0,05: ∞
= 1,645, maka
Universitas Sumatera Utara
diterima. Jadi tidak terdapat heteroskedastisitas dalam
2
. Perhitungan nilai diatas dapat dilihat pada lampiran .
3.4 Hasil Estimasi Model ARCH-GARCH
Ada enam model ARCH-GARCH yang diajukan dalam penelitian sebagai hasil dari kombinasi ARCH- GARCH dan lag residual dan varian residual tertentu.
Dengan adanya enam model alternatif diharapkan dapat memberi alternatif model yang lebih banyak sehingga dapat lebih baik dan tepat memilih model terbaik.
Keenam model yang dimaksud adalah sebagai berikut: Tabel Model ARCH-GARCH
Arch 1 =
+
1
+
2
�
�
2
= +
1 −1
2
Arch 2 =
+
1
+
2
�
�
2
= +
1 −1
2
+
2 −2
2
Garch 1,1 =
+
1
+
2
�
�
2
= +
1 −1
2
+
1
�
−1 2
Garch 1,2 =
+
1
+
2
�
�
2
= +
1 −1
2
+
1
�
−1 2
+
2
�
−2 2
Garch 2,1 =
+
1
+
2
�
�
2
= +
1 −1
2
+
2 −2
2
+
1
�
−1 2
Garch 2,2 =
+
1
+
2
�
�
2
= +
1 −1
2
+
2 −2
2
+
1
�
−1 2
+
2
�
−2 2
Model ARCH-GARCH diestimasi dengan menggunakan program Eviews dan hasilnya tersaji pada Tabel 3.4.
Universitas Sumatera Utara
Universitas Sumatera Utara
Hasil Estimasi semua alternatif model ARCH-GARCH seperti pada Tabel 3.4 kemudian dibandingkan satu dengan lainnya. Dengan melihat nilai R
2
, nilai AIC SIC,dan terakhir keakuratan prediksinya untuk dipilih satu model terbaik.
Hasil programnya dapat dilihat pada lampiran.
3.4.1 Pemilihan Model terbaik