Model Analisis Data .1 Uji Kausalitas

3.4 Pengolahan Data

Dalam melakukan pengolahan data, digunakan bantuan software utama pengolah data statistik yaitu Eviews 5. Disamping itu juga digunakan software aplikasi Microsoft Excel 2007 sebagai software pembantu dalam mengolah data dan mengkonversi data dalam bentuk baku kedalam bentuk yang lebih representatif untuk digunakan pada software utama di atas.

3.5 Metode Analisis Data

Metode analisis dalam penelitian ini adalah Granger Causality Test dan Cointegration Test. Analisis Granger Causality Test adalah untuk melihat hubungan timbal balik kausal antara nilai tukar mata uang KURS dan IHSG, sedangkan Analisis Cointegration Test Johansen Test bertujuan untuk melihat hubungan nilai tukar mata uang dan IHSG dalam jangka panjang. 3.6 Model Analisis Data 3.6.1 Uji Kausalitas Menurut Granger Newbold, penekanan dari Granger Causality Test adalah: 1 menjelaskan bahwa ada bagian dari peubah tertentu yang dapat dijelaskan oleh nilai lampaunya sendiri, dan 2 mengembangkan suatu model dari variabilitas yang tersisa melalui penggunaan peubah-peubah lain yang memiliki hubungan kausalitas dengan peubah bersangkutan. Dengan demikian, kausalitas Granger dapat memberikan dukungan empiris untuk penyusunan model serta verifikasi hipotesis hubungan teoritis Adiyoga, 2001. 29 Universitas Sumatera Utara Dalam penelitian ini, pengujian dilakukan untuk melihat hubungan kausalitas antara nilai tukar mata uang dan IHSG di Indonesia. Untuk itu, model analisis yang digunakan adalah sebagai berikut : KURS t = IHSG t-i + KURS t-j + µ 1t …………….1 IHSG t = IHSG t-i + KURS t-j + µ 1t …………….2 dimana : KURS = Nilai tukar mata uang rupiahdolar AS IHSG = Indeks Harga Saham Gabungan poin µ = term of error ai, bj, ci, dj = koefisien regresi Berdasarkan hasil regresi dari kedua bentuk model regresi linier di atas, maka akan dihasilkan empat kemungkinan nilai-nilai koefisien sebagai berikut : 1. Jika ≠ 0 dan = 0, maka terdapat kausalitas searah antara IHSG ke KURS, 2. Jika ≠ 0 dan = 0, maka terdapat kausalitas searah antara KURS ke IHSG, 3. Jika ≠ 0 dan ≠ 0, maka terdapat kausalitas dua arah antara KURS dan IHSG, 4. Jika = 0 dan = 0, maka tidak saling berhubungan 30 Universitas Sumatera Utara Untuk memperkuat indikasi keberadaan berbagai bentuk kausalitas seperti yang disebutkan di atas, maka dilakukan F-test untuk masing-masing regresi. Pada regresi untuk model dalam persamaan 1, bila nilai F hitung F tabel berarti variabel IHSG mempengaruhi KURS. Begitu juga dengan regresi pada persamaan 2, bila nilai F hitung F tabel berarti variabel KURS mempengaruhi IHSG. Pratomo dan Hidayat, 2007

3.6.2 Uji Kointegrasi

Uji kointegrasi bertujuan untuk mengetahui hubungan keseimbangan dalam jangka panjang antara nilai tukar mata uang dan IHSG dengan menggunakan Johansen Test. Untuk menentukan jumlah dari arah kointegrasi tersebut maka Johansen menyarankan untuk melakukan dua uji statistik Uji statistik pertama adalah uji trace Trace test, λ trace yaitu menguji hipotesis nol null hyphothesis yang mensyaratkan bahwa jumlah dari arah kointegrasi adalah kurang dari atau sama dengan p dan uji ini dapat dilakukan sebagai berikut : p λ trace r = - T Σ in 1-λi ……………….3 i = r+i dimana : λ r+1 , … λ n = nilai eigenvectors terkecil p-r. r = 0,1,2 dan seterusnya T = trend waktu 31 Universitas Sumatera Utara Null hyphothesis yang disepakati adalah jumlah dari arah kointegrasi sama dengan banyaknya r. Dengan kata lain, jumlah vektor kointegrasi lebih kecil atau sama dengan ≤ r. Uji statistik yang kedua adalah uji maksimum eigenvalue λ maks yang dilakukan dengan formula sebagai berikut : λ maks r, r + 1 = - T in 1- λ T-1 ……….4 Uji ini berdasarkan pada uji null hyphotesis bahwa terdapat r dari vektor kointegrasi yang berlawanan r+1 dengan vektor kointegrasi. Untuk melihat hubungan kointegrasi tersebut maka dapat dilihat dari besarnya nilai Trace statistic dan Max-Eigen statistic dibandingkan dengan critical value pada tingkat kepercayaan 5 persen. Jika nilai Trace statistic lebih besar dari nilai critical value pada tingkat kepercayaan 5 persen, maka terdapat hubungan kointegrasi antara kedua variabel. Hidayat, 2007 Sebelum melakukan estimasi terhadap model Granger Causality Test dan Cointegration Test Johansen Test di atas, maka terlebih dahulu melakukan uji stasioneritas data.

3.6.3 Uji Stasioneritas

Data time series yang dikumpulkan haruslah merupakan data yang stasioner. Hal ini bertujuan agar hasil estimasi yang diperoleh nantinya adalah hasil yang baik karena telah terhindar dari masalah autokorelasi dan heteroskedastisitas. Untuk melakukan uji stasioneritas, dilakukan uji akar unit. Uji ini sangat pouler dan dikenalkan oleh David Dickey dan Wayne Fuller. 32 Universitas Sumatera Utara Untuk memahami metode ini, pertama sekali kita memulainya dari model random walk yang tidak stasioner yaitu pada tingkat level : Y t = Y t-1 + µ t …………… 1 Stasioneritas tidaknya data, dilihat dari nilai statistik ADF dan nilai kritis MacKinnon. Jika nilai statistik ADF secara absolut lebih kecil dibandingkan nilai kritis MacKinnon, maka data tidak stasioner. Selanjutnya persamaan 1 tersebut diubah sedikit menjadi : Y t - Y t-1 = µ t ∆Y t = µ t Keterangan : Y t = variabel yang diamati KURS dan IHSG ∆ = menunjukkan simbol pembedaan pertama first difference µ t = error term t = trend waktu Sehingga nilai rata-rata dari pembedaan pertama first difference Yt bernilai nol atau E ∆Y t dan Var ∆Y t = σ 2 maka model tersebut menjadi stationer. Proses inilah yang disebut dengan metode stationary difference pembedaan stasioner. Berdasarkan metode tersebut, dapat disimpulkan bahwa apabila data time series yang diperoleh tidak stasioner, maka untuk mengubahnya menjdi stasioner, lakukan pembedaan tahap pertama first difference. Kemudian lakukan pengujian akar unit dengan kembali melihat ADF statistiknya. Pratomo dan Hidayat, 2007 33 Universitas Sumatera Utara

3.7 Definisi Operasional Variabel