Variabel Buatan Dummy HASIL DAN PEMBAHASAN

Penggambaran signifikansi periode dummy dan hubungannya dengan standar deviasi selengkapnya dapat dilihat pada Lampiran 6. Setelah diketahui periode dummy signifikan, kemudian diuji signifikansi dummy tersebut pada model terpilih. Hasil analisis persamaan dengan variabel dummy adalah sebagai berikut. Tabel 7 Hasil analisis varian dummy BANK Model Dummy Koefisien Signifikansi BMRI TGARCH 1.1 2,02E-05 0,00030 BBNI GARCH 2.1 6,62E-06 0,00030 BBKP TGARCH 2.1 1,43E-05 0,00000 BNII GARCH 1.1 4,56E-05 0,00000 BNLI TGARCH 2.2 1,27E-05 0,00000 Berdasarkan tabel diatas, semua model terpilih memiliki dummy yang signifikan. Hal ini berarti dummy berpengaruh signifikan terhadap varian return saham harian sebesar nilai koefisiennya. Pada BMRI dengan probabilitas 0,00030, dammy berpengaruh signifikan sebesar 2,02E-05 pada setiap kenaikan satu satuan ragam residual. Analisis yang sama juga berlaku untuk katagori perbankan yang lain.

f. Evaluasi Model

Evaluasi model dilakukan dengan memeriksa kelaikan model sehingga model yang diperoleh cukup layak atau baik. Model yang baik adalah yang bersifat random white noise. Diagnosis model dilakukan dengan menganalisis residual yang telah distandardisasi. Diagnosis meliputi: 1 kenormalan residual menggunakani uji statistik Jarque-Bera, 2 kebebasan residual dengan uji Ljung- Box, dan 3 pengujian efek ARCH-GARCH residual dengan uji ARCH LM. Jika model tidak memadai atau tidak bersifat random, maka kembali ke tahap identifikasi untuk mendapatkan model yang lebih baik. Evaluasi untuk model ARCH-GARCH disajikan pada Tabel 8 berikut. Tabel 8 Hasil uji kecukupan model ARCH-GARCH terbaik Uraian Uji Jarque Bera Uji Ljung-Box Uji ARCH-LM Nilai JB Prob. Prob. lag1-36 F-statistik Prob. BMRI 305,7786 0,0000 Tidak Signifikan 0,876188 0,3494 BBNI 1514,033 0,0000 Tidak Signifikan 1,054188 0,3047 BBKP 3553,352 0,0000 Tidak Signifikan 0,049400 0,8241 BNII 6233,423 0,0000 Tidak Signifikan 1,905864 0,1676 BNLI 3318,415 0,0000 Tidak Signifikan 0,017342 0,8952 Berdasarkan hasil uji normalitas terlihat bahwa pada semua model ragam yang terbentuk menunjukkan residual tidak menyebar normal yang dapat dilihat dari uji Jaque-Bera dengan nilai probabilitas 0.0000 P 0.05. Menurut Brooks 2002, sekalipun asumsi kenormalan tidak dipenuhi, parameter yang diestimasi akan tetap konsisten jika persamaan atau model dapat dipilih dengan tepat. Akan tetapi, dalam kondisi ketidak normalan, estimasi standar error menjadi kurang tepat. Untuk itu estimasi matrik varian-covarian khusus perlu dilakukan merujuk pada Bollerslev-Wooldridge 1992. Prosedur maksimum likelihood dengan standar error Bollerslev-Wooldridge ini disebut dengan quasi maximum likelihood. Hal ini dilakukan dengan mengaplikasikan metode Heterocedasticity Consistent Covariance Bollerslev-Wooldridge pada software Eviews 7, yang bertujuan agar asumsi kenormalan residual tetap terjaga sehingga residual baku dan parameter tetap konsisten. Selanjutnya dari uji kebebasan residual menggunakan uji Ljung-Box dengan mengamati pola Autocorrelation Function ACF residual kadrat pada 36 lag pertama menunjukkan tidak terdapat autokorelasi pada residual kudrat untuk semua model ragam yang didapatkan. Hal ini menunjukkan bahwa pada semua model tersebut residual sudah saling bebas atau bersifat random. Pengujian efek ARCH-GARCH residual pada masing-masing model ragam yang didapat menunjukkan nilai probabilitas yang lebih besar dari alfa 0.05 P 0.05. Hal ini mengindikasikan memang sudah tidak terdapat lagi efek ARCH atau heteroskedastisitas pada semua model ragam. Oleh karena hasil evaluasi model telah terpenuhi, maka semua model yang diperoleh dapat dikatakan sudah tepat. Pengujian efek ARCH-GARCH residual selengkapnya dapat dilihat pada Lampiran 7. Berdasarkan pemilihan model terbaik diatas, didapatkan persamaan dan parameter-parameter estimasi seperti dijelaskan pada Tabel 9 berikut. Sedangkan ringkasan hasil secara keseluruhan dapat dilihat pada Lampiran 8. Tabel 9 Parameter estimasi dari model terpilih Parameter BMRI BBNI BBKP BNII BNLI Nilai Prob Nilai Prob Nilai Prob Nilai Prob Nilai Prob Konstanta α 1.92E-05 0,0000 7,53E-06 0,0000 2.91E-05 0,0000 3,75E-05 0,0000 1.64E-06 0,0000 ARCH-1 α 1 0.055299 0,0000 0,179329 0,0000 0,23353 0,0000 0,273534 0,0000 0.220758 0,0000 ARCH-2 α 2 -0,10738 0,0000 -0,12314 0,0000 -0.219184 0,0000 Asimetric 0.073534 0,0000 0,048215 0,0119 0.023477 0,0119 GARCH-1 1 0.877496 0,0000 0,916306 0,0000 0,826691 0,0000 0,696703 0,0000 1.364.183 0,0000 GARCH-2 1 -0.383082 0,0000 Dummy D t 2.02E-05 0,0003 6,62E-06 0,0003 1,43E-05 0,0003 4,56E-05 0,0000 1.27E-05 0,0003 Intepretasi dan penjelasan dari model parameter diatas adalah sebagai berikut: Model BMRI : TGARCH 1.1 Hasil analisis ARCH-GARCH terhadap return saham mingguan BMRI menghasilkan model terbaik untuk estimasi volatilitas return saham mingguan yaitu model TGARCH 1.1. Model tersebut memberikan informasi tentang tingkat pergerakan return saham mingguan pada periode 8 Agustus 2006 – 29 Agustus 2014. Persamaan model ragam return saham mingguan dituliskan sebagai berikut angka dalam kurung menunjukkan nilai probabilitas: 2 t = 1.92E-05+0.055299e 2 t-1 +0.073534e t-1 d t-1 +0.877496 2 t-1 +2.02E-05D t 0,0000 0,0000 0,0000 0,0000 0,0003