3.3 Metode Pengumpulan Data
Metode pengumpulan data dalam penelitian ini dilakukan dengan metode dokumentasi dan kepustakaan, yaitu dengan menelaah bahan-bahan kepustakaan
berupa buku-buku literatur, tulisan-tulisan ilmiah, jurnal, artikel dan laporan yang berkaitan dengan topik penelitian ini.
3.4 Pengolahan Data
Penelitian ini menggunakan program Eviews 5.1 dalam melakukan perhitungan dengan metode GARCH dengan data yang sebelumnya disimpan di
Microsoft Excel. Sedangkan pada metode EWMA, penulis menggunakan software Microsoft Excel untuk melakukan perhitungan yang cepat dan akurat.
3.5 Teknik Analisis Data
Metode analisis yang digunakan dalam penelitian ini adalah metode EWMA dan metode GARCH. Langkah-langkah yang dilakukan dalam analisis data sebagai
berikut.
Langkah 1: Perhitungan Return
Langkah pertama dalam penelitian ini yaitu menghitung return dari setiap saham dengan menggunakan logaritma natural. Perhitungan return dilakukan dengan
software Microsoft Excel.
Langkah 2: Pengujian Sifat Data Return
Langkah selanjutnya adalah menguji sifat data return. Pengujian dilakukan dengan melakukan uji stasioneritas, uji normalitas, dan uji heteroskedastisitas.
Universitas Sumatera Utara
3.5.1 Uji stasioneritas
Banyaknya permasalahan yang muncul dari data runtun waktu mengharuskan analisis ekonometrika menggunakan data yang stasioner. Data yang stasioner
maksudnya adalah data yang memiliki rata-rata dan varian observasi yang konstan. Jika data yang diperoleh tidak konstan, maka dikhawatirkan regresi yang dibuat
adalah regresi palsu spurious regression. Untuk melakukan uji stasioneritas, dilakukan dengan uji akar unit unit root
test. Uji ini sangat populer dan diperkenalkan oleh David Dickey dan Wayne Fuller sehingga disebut juga Uji Augmented Dickey-Fuller ADF. Formulasi uji ADF
dalam penelitian ini adalah sebagai berikut:
∆�
�
= + � + �
�−
+
�
∑ ∆�
�− �=
+
�
.........................3.1 Dimana:
m = panjang lag yang digunakan
Dari persamaan tersebut dapat dibuat hipotesis: H0 : = 0 Data return tidak stasioner
H1 : ≠ 0 Data return stasioner Ho tidak ditolak jika ρ = 1. Artinya terdapat unit root dimana data time series
Y
t
tidak stasioner. Jika data tidak stasioner, maka dilakukan pembedaan difference.
3.5.2 Uji Normalitas
Uji normalitas bertujuan untuk menguji normal atau tidaknya suatu faktor pengganggu. Uji normalitas dilakukan dengan menggunakan Jarque-Bera Test
dengan persamaan sebagai berikut.
Universitas Sumatera Utara
JB = n
s 6
+
�−
2
4
................................................................3.2
Dengan hipotesis yang digunakan dalam pengujian yaitu: H0 : Data return berdistribusi normal
H1 : Data return tidak berdistribusi normal Jika nilai probabilitas Jarque-Bera data lebih besar dari 0,05 maka dapat
disimpulkan bahwa data return berdistribusi normal atau dapat dikatakan bahwa hipotesis tidak menolak H
. Jika data return
tidak berdistribusi normal, maka alpha α harus disesuaikan dengan pendekatan rumus Cornish Fisher Expansion yang menggunakan nilai
skewness dari data tersebut dengan persamaan sebagai berikut.
′
= −
6
− ...................................................................3.3
Dimana: α = nilai tingkat keyakinan yang telah disesuaikan
α = nilai tingkat keyakinan dalam distribusi normal
3.5.3 Uji Heteroskedastisitas
Salah satu asumsi yang penting dari penaksiran model regresi linear klasik adalah bahwa varian residual bersifat homokedastik atau konstan. Apabila terjadi
pelanggaran asumsi klasik tersebut, maka varian residual tidak lagi bersifat konstan yang disebut dengan heterokedastisitas Sarwoko, 2005.
Heterokedastisitas mengakibatkan varian koefisien regresi menjadi lebih besar, yang menyebabkan interval kepercayaan semakin lebar sehingga uji hipotesis,
Universitas Sumatera Utara
baik uji-T dan uji-F tidak akurat dan membawa dampak kepada keakuratan kesimpulan.
Dalam penelitian ini uji heterokedastisitas dilakukan melalui Uji White White’s General Heteroscedasticity Test dengan hipotesis :
H : Homokedastik
H1 : Heterokedastik Selanjutnya nilai probability F-statistic dibandingkan dengan probability
critical value sebesar 0,05. Jika nilai perhitungan lebih kecil dari nilai kritis dengan α yang dipilih, maka H0 ditolak dan diputuskan bahwa data bersifat heterokedastik.
3.6 Pengukuran Volatilitas
Dalam pengukuran volatilias, model yang digunakan bergantung pada sifat data return. Jika data return bersifat homokedastik, maka model yang digunakan
adalah model perhitungan dengan simple standard deviation. Jika data return bersifat heteroskedastik, maka digunakan model EWMA dan GARCH.
3.7 Perhitungan Value at Risk VaR
Langkah selanjutnya adalah melakukan perhitungan Value at Risk VaR. VaR ditentukan dengan volatilitas yang telah diukur berdasarkan metode Simple
Standard Deviation untuk data return saham yang bersifat homokedastik dan metode EWMA dan GARCH untuk data return saham yang bersifat heterokedastik.
Perhitungan VaR dilakukan dengan menggunakan persamaan 2.1. Penelitian ini menggunakan tingkat kepercayaan 95 dan holding period 1, 5 dan 10 hari.
Universitas Sumatera Utara
3.8 Uji Validitas
Uji validitas dilakukan untuk mengetahui apakah model sudah valid. Uji validitas dilakukan dengan uji Kupiec. Yang harus dilakukan adalah menghitung
Likelihood Ratio dengan rumus : � = − ln[ −
−� �
] + �� [ −
� −� � �
] ....................3.4 Dimana :
α = tingkat keyakinan yang digunakan T = jumlah data yang digunakan dalam uji validasi
V = angka kegagalan
Dengan hipotesis sebagai berikut: H
: Model perhitungan VaR valid H
1
: Model perhitungan VaR tidak valid Selanjutnya nilai LR hasil Uji Kupiec dibandingkan dengan nilai Chi-square
Critical Value. Dengan confidence level sebesar 95 dan degree of freedom df = 1, diperoleh nilai Chi Square Critical Value sebesar 3,84145. H0 diterima jika
Model nilai LR lebih kecil dari nilai Chi Square Critical Value CV, yaitu 3,84145 , maka model perhitungan VaR sudah valid.
Universitas Sumatera Utara
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Penentuan Data Observasi
Penelitian ini menggunakan 753 data historis harian harga penutupan indeks saham LQ 45 yang secara konsisten bertahan selama periode penelitian yang dimulai
pada Agustus 2008 hingga Januari 2012.
4.2 Statistik Deskriptif Data
Hasil analisis statistik deskriptif data dapat dilihat pada tabel 4.1. Hasil perhitungan return saham dapat dilihat pada lampiran 1.
Tabel 4.1 Statistik Deskriptif Return Indeks Saham
No Indeks
Saham
Mean Standard
Deviation
Skewness Kurtosis
Maximum Minimum
1 INCO
0.11 3.13
0.834879 9.0011
18.35 -14.47
2 BDMN
0.06 2.97
-0.453319 10.35258
11.48 -23.32
3 TINS
0.08 2.93
0.556363 6.426712
15.41 -11.60
4 ITMG
2.89 2.88
0.985660 8.934519
18.09 -12.71
5 ANTM
0.08 2.84
0.576561 7.09952
18.19 -12.28
6 LSIP
0.23 2.79
0.762355 7.781482
18.20 -11.90
7 MEDC
0.04 2.77
1.065271 11.01611
22.19 -13.06
8 UNTR
0.25 2.70
0.802565 7.977233
18.14 -9.96
9 BBRI
0.16 2.66
0.06772 5.061611
11.12 -14.06
10 ASII
0.27 2.61
0.574779 6.743089
14.53 -10.33
11 BMRI
0.17 2.60
0.043958 5.510889
10.28 -15.68
12 INDF
0.22 2.55
0.264055 5.305262
10.54 -13.93
13 AALI
0.11 2.54
0.76484 8.794686
18.15 -10.94
14 BBNI
0.23 2.54
0.225883 7.915199
14.48 -16.06
15 PTBA
0.15 2.43
0.531617 6.383326
13.69 -9.18
16 LPKR
-0.03 2.41
-0.780927 11.20425
10.01 -19.42
17 PGAS
0.09 2.38
0.019517 7.053839
12.01 -13.78
18 ISAT
0.00 2.31
-0.065411 6.966391
9.79 -15.72
19 BBCA
0.13 2.25
-0.062762 4.669236
10.92 -8.76
20 SMGR
0.14 2.23
0.265262 5.915700
14.48 -8.36
21 TLKM
0.01 1.87
0.022386 4.493124
7.00 -9.00
Sumber : www.finance.yahoo.com, diolah kembali
Universitas Sumatera Utara
Kategori