43
BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitan
Ruang lingkup penelitian ini adalah bursa efek Indonesia dan bank sentral Bank Indonesia. Untuk menganalisis pengaruh variable indevenden
terhadap variabel dependen. Adapun variable dependen Y adalah Return pasar sedangkan variabel independennya X adalah tingkat inflasi, tingkat
suku bunga, dan nilai tukar di Indonesia. Adapun periode yang di ambil dalam penelitian ini adalah bulan pertama tahun 2006 sampai dengan bulan terakhir
tahun 2008. data yang digunakan dalam penelitian ini adalah data bulanan.
B. Metode Penentuan Sampel
Populasi dalam penelitian ini adalah seluruh aktivitas dan kondisi index IHSG, bulan pertama tahun 2006 sampai dengan bulan terakhir tahun 2008,
yang merupakan suatu wadah atau sistem dimana perusahaan, perorangan, dan Bank dapat melakukan transaksi keuangan internasional dengan jalan
melakukan pembelian atau permintaandemand dan penjualan atau penawaran supply atas saham. Sedangkan untuk variabel independent
dibatasi pada tingkat suku bunga, tingkat inflasi, dan nilai tukar yang terjadi di Indonesia.
44
C. Metode Pengumpulan Data
1. Data Sekunder Penelitan ini menggunakan data sekunder berupa data runtun waktu
time series dengan sekala bulanan yang diambil dari sumber data antara
lain Bursa efek Indonesia BEI dan Bank Indonesia BI. 2. Kepustakaan
Pengumpulan data dalam penelitian ini dilengkapi dengan membaca literatur yang bersumber dari buku, artikel dan jurnal-jurnal yang berkaitan
dengan penelitian ini.
D. Metode Analisis Data
1. Uji Stasioneritas Uji stasioneritas adalah uji yang sangat sederhana untuk melihat
stasioneritas dengan analisis grafik, yang dilakukan dengan membuat plot antara nilai observasi Y dan waktu t. berdasarkan plot tersebut kita
dapat melihat pola data. Jika diperkirakan mempunyai nilai tengah dan varian konstan, maka data tersebut dapat disimpulkan stasioner. Uji
stasioner diperlukan karena variabel makro pada umumnya tidak stasioner Gujarati,1995. Tujuan uji ini adalah agar mean nya stabil dan random
errornya = 0, sehingga model regresi yang diperoleh mempunyai kemampuan prediksi yang handal dan tidak ada spurious. Uji stasioner
dapat dilakukan dengan beberapa metode yaitu: grafik, correlogram, maupun akar unit dengan menggunakan metode Augmen Dickey Fuller
ADF test dan Phillips Perron PP test.
45 2. Uji Kausalitas Granger
Uji ini dapat mengindikasikan apakah suatu variabel mempunyai hubungan dua arah, atau hanya satu arah saja. Tetapi pada uji granger yang
dilihat adalah pengaruh masa lalu terhadap kondisi sekarang sehingga data yang digunakan adalah data time series. Menurut Gujarati 1995 maupun
Greene 2000 sebelum dilakukan analisis kointegrasi, VAR dan ECM perlu dilakukan pengujian kausalitas antara variabel-variabel penelitian.
Dalam penelitian, uji kausalitas ini menggunakan metode Granger causality
Granger, 1969. Jika terdapat hubungan kausalitas antara variabel penelitian, maka analisis regresi OLS tidak dapat dilakukan
karena hasil estimasinya akan bias. Dalam pengujian kausalitas dilakukan dengan memasukkan lag berberbeda, yaitu mulai lag dua sampai dengan
lag dua belas. Cara ini dilakukan karena Granger ini sangat peka terhadap lag-lag tersebut gujarati, 1995, Pindyk dan Rubinfeld 1998.
3. Uji Panjang Lag Setelah uji Granger, selanjutnya menentukan panjang lag dengan
persamaan VAR dan ECM. Hal ini disebabkan karena kointgrasi maupun estimasi VAR dan ECM sangat peka terhadap panjang lag Enders, 1995,
Gujarati 1995, maupun Ansari dan Gang 1999. Dalam penentuan lag ini menggunakan prosedur Johansen’s ciontegration test. Dalam penelitian
ini untuk mengetahui panjang lag yang di gunakan adalah dari lag terkecil 1,2 dan seterusnya.
46 4. Uji Kointegrasi
Jika series data variabel diketahui mempunyai unit root dan cointegrated
pada tingkat 1, maka perlu dilakukan uji kointegrasi, dengan kata lain uji kointegrasi dilakukan untuk mendeteksi stabilitas hubungan
jangka panjang dua variabel atau lebih Ajay dan Mougoue1996. 5. Metode
VAR dan ECM
Pendekatan structural atas model persamaan simultan digunakan
teori ekonomi untuk menggambarkan hubungan antara variabel-variabel yang diinginkan. Model tersebut selanjutnya dilakukan estimasi untuk
menguji empiris relevansi terhadap teori. Namun demikian, teori ekonomi seringkali tidak mampu memberikan bentuk spesifiksi yang memadai
untuk kepentingan hubungan yang dinamis antara variabel-varibel. Hal ini disebabkan karena complicated estimasi dan inference yang diakibatkan
oleh factor yang muncul yang disebabkan oleh variabel-variabel endogenous
baik sebelah kiri maupun sebelah kanan dari suatu persamaan .
Adanya masalah tersebut mendorong alternatif lain yang sering disebut model nonstructural. Pendekatan ini mencari hubungan antara
bermacam-macam variabel yang diinginkan. Model ini sering disebut VAR maupun ECM yang umumnya digunakan untuk peramalan dari hubungan
data runtut waktu timeseries. Model VAR mengikuti sebagaimana dilakukan oleh Lee 1992, Mougoue dan Bond 1991, Ajay dan
Mougoue1996, Hermanto 1998, maupun Ansari dan Gang1999. Missal, suatu variabel Y dan X dimasukkan kedalam model VAR yang
47 mempunyai konstanta dengan dua lag, maka persamaan VAR dapat
dinyatakan sebagai berikut :
X
t
= a
1
y
t-1
+a
2
x
t-1
+ b
1
y
t-2
+b
2
x
t-2
+ c
1
+ e
1,t
Y
t
= a
2
y
t-1
+a
2
x
t-1
+ b
2
y
t-2
+b
2
x
t-2
+ c
2
+ e
2,t
di mana a, b, c, adalah parameter yang akan diestimasi. Sedangkan model ECM dinyatakan sebagai berikut:
X
t
= xy
t-1
- x
t-1
+
1t
Y
t
= y
t-1
– x
t-1
+
2t
Dari perhitungan tersebut dapat dihitung masing-masing koefisien merupakan estimasi standar regresi. Dari analisis VAR dan ECM
selanjutnya ditampilkan statistic regresi yang terdiri dar : determinan of
the residual covariance, nilai log likelihood, akaike information criteria,
maupun schuarz criteria. Dari estimasi VAR dan ECM tersebut selanjutnya disajikan dalam bentuk grafik yang terdiri dari : nilai actual, nilai fitted,
maupun nlai residual yang berguna untuk melihat bagaimana keadaan data yang sebenarnya. Cara lain dapat dilakukan dengan membuat simulasi
dinamis yang sering disebut dynamic simulation yang menyajikan data aktual dan data simulasi yang berguna untuk mengetahui track pergerakan
data. Cara ini sangat bermanfaat untuk peramalan jangka pendek pindyck dan rubinfeld, 1998. Selain itu, dapat juga disajikan grafik aktual maupun
ramalan, dan cara ini merupakan cara terbaik untuk peramalan yang akan datang.
6. Uji F Uji Simultan
48 Uji F dilakukan untuk melihat kemakmuran dari hasil regresi
tersebut. Bila nilai F
hitung
lebih besar dari F
tabel
atau tingkat signifikannya lebih kecil dari 5 : 5 = 0,05 maka hal ini menunjukkan bahwa H
ditolak dan H
1
diterima yang berarti variabel independen suku bunga, inflasi, dan nilai tukar secara simultan terhadap IHSG
. 7. Uji T Uji Parsial
Uji T digunakan untuk menganalisis pengaruh variabel dependen secara parsial. Bila Z
hitung
lebih besar atau lebih kecil dari Z
tabel
ataunilain signifikan t : 5 = 0,05 maka
H0
ditolak dan H
1
diterima berarti bahwa terdapat pengaruh yang signifikan secara parsial variabel
independent terhadap variabel dependen. Pada penelitian ini berarti terdapat pengaruh signifikan secara parsial suku bunga, inflasi, dan nilai
tukar terhadap IHSG .
8. Uji Koefisien determinasi R
2
Uji koefisien determinasi ditujukan untuk melihat seberapa besar kemampuan variabel independen menjelaskan variabel dependennya
yang dilihat melalui adjusted R square karena variabel independen lebih dari dua.
E. Operasional Variabel
Kategori