Evaluasi Model HASIL DAN PEMBAHASAN

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 Model ini menunjukkan bahwa pergerakan return saham mingguan dipengaruhi oleh besarnya volatilitas residual pada satu periode sebelumnya, volatilitas residual asimetri satu periode sebelumnya, dan varian residual periode sebelumnya. Jika pada return saham mingguan hari ini dan hari kemarin terdapat nilai residual harga ε 2 t yang relatif besar, maka nilai residual mingguan esok hari akan cenderung besar Reider, 2009. Berdasarkan persamaan ini dapat dilihat bahwa nilai probabilitas pada parameter estimasi suku ARCH ε 2 t-1 lebih kecil dari0.01 P 0.01, artinya parameter estimasi sudah signifikan pada taraf nyata 1 persen. Parameter estimasi suku GARCH 2 t-1 memiliki nilai probabilitas lebih kecil dari 0.01 P 0.01, sehingga variabel ini sudah signifikan pada taraf nyata 1 persen. Jumlah parameter ARCH-GARCH pada model ini memiliki nilai yang tidak lebih dari 1 dan tidak bernilai negatif sehingga memenuhi syarat model ARCH-GARCH Junaidi, 2013. Nilai probabilitas pada parameter asimetri e t-1 d t-1 kecil dari 0.01 P 0.01, artinya probabilitas parameter estimasi sudah signifikan pada taraf nyata 1 persen. Artinya volatilitas return saham mingguan dipengaruhi adanya symmetric shock. Probabilitas parameter estimasi dummy D t 0,0003 lebih kecil dari 0.01 P 0.01, artinya parameter estimasi sudah signifikan pada taraf nyata 1 persen signifikan. Dengan demikian residual asimetri dipengaruhi pada periode dummy BMRI Lampiran 6, gambar dummy BMRI. Model ragam return saham mingguan ini terdiri dari suku ARCH dan suku GARCH. Nilai koefisien ARCH pada model ini dapat menunjukkan tinggi rendahnya volatilitas. Jumlah nilai koefisien ARCH pada model adalah 0.055299. Nilai ini kurang dari 1 dan relatif kecil tidak mendekati 1 sehingga mengindikasikan bahwa volatilitasnya rendah. Sementara itu, nilai koefisien GARCH adalah 0.877496. Nilai ini relatif tinggi mendekati angka 1 sehingga mengidikasikan bahwa guncangan shocks pada varian return akan terjadi dalam waktu yang lama persistence. Berdasarkan nilai koefisien ARCH-GARCH dapat diestimasi bahwa volatilitas return saham mingguan dimasa datang relatif kecil dan berlangsung dalam waktu yang lama. Jumlah nilai koefisien TGARCH pada model adalah 0.073534, mengindikasikan bahwa berita buruk menimbulkan guncangan simetris symmetric shock dengan meningkatkan volatilitas sebesar 0.073534. Kondisi ini disebut juga sebagai leverage effect. Model BBNI : GARCH 2.1 Hasil analisis ARCH-GARCH terhadap return saham mingguan BBNI menghasilkan model terbaik untuk estimasi volatilitas return saham mingguan yaitu model GARCH 2.1. 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: 2 t = 7,53E-06+0,179329e 2 t-1 -0,107378e 2 t-2 +0,916306 2 t-1 +6,62E-06D t 0.0000 0.0000 0.0000 0.0000 0.0003 Model ini menunjukkan bahwa pergerakan return saham mingguan dipengaruhi oleh besarnya volatilitas residual pada dua periode sebelumnya dan varian residual satu periode sebelumnya. Jika pada return saham mingguan hari ini dan hari kemaren terdapat nilai residual harga ε 2 t dan varian residual 2 t- 1 yang relatif besar, maka nilai residual saham mingguan esok hari akan cenderung besar. Berdasarkan persamaan ini dapat dilihat bahwa nilai probabilitas pada parameter estimasi suku ARCH-1 dan ARCH-2 ε 2 t-1 dan ε 2 t-2 lebih kecil dari 0.01 P 0.01, artinya parameter estimasi sudah signifikan pada taraf nyata 1 persen. Parameter estimasi suku GARCH-1 2 t-1 memiliki nilai probabilitas lebih kecil dari 0.01 P 0.01, sehingga variabel ini sudah signifikan pada taraf nyata 1 persen. Jumlah parameter ARCH-GARCH pada model ini memiliki nilai yang tidak lebih dari 1 sekalipun nilai ARCH-2 bernilai negatif. Probabilitas parameter estimasi dummy D t lebih kecil dari 0.01 P 0.01, artinya parameter estimasi sudah signifikan pada taraf nyata 1 persen. Sekalipun parameter dummy signifikan namun ternyata model tidak mengandung efek asimetri. Hal ini dimungkingkan terjadi karena adanya signifikansi dummy yang terlalu panjang dan tidak tersebar sehingga efek asimetri menjadi normal lihat Lampiran 6, gambar dummy BBNI. Dari gambar pada Lampiran 6 tersebut dummy signifikan dari tahun 2006 sampai awal tahun 2012. Dalam analisis ini tidak dibahas pengaruh dummy diluar krisis global tahun 2008. Pengaruh signifikasi dummy dapat terjadi dari kebijakan dividen, IPO, perubahan manajemen, atau merger dan akuisisi. Model ragam return saham mingguan ini terdiri dari suku ARCH dan suku GARCH. Nilai koefisien ARCH pada model ini dapat menunjukkan tinggi rendahnya volatilitas. Jumlah nilai koefisien ARCH pada model adalah 0,071951. Nilai ini kurang dari 1 dan relatif kecil tidak mendekati 1 sehingga mengindikasikan bahwa volatilitasnya rendah. Sementara itu, nilai koefisien GARCH adalah 0,916306. Nilai ini relatif tinggi mendekati angka 1 sehingga mengidikasikan bahwa guncangan shocks pada varian return akan terjadi dalam waktu yang lama persistence. Berdasarkan nilai koefisienARCH-GARCH dapat diestimasi bahwa volatilitas return saham mingguan dimasa datang relatif rendah dan berlangsung dalam waktu yang lama. Model BBKP : TGARCH 2.1 Hasil analisis ARCH-GARCH terhadap return saham mingguan BBKP menghasilkan model terbaik untuk estimasi volatilitas return saham mingguan yaitu model TGARCH 2.1. 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 = 2.91E-05+0,23353e 2 t-1 -0,123146e 2 t-2 +0,048215e t-1 d t-1 +0,826691 2 t-1 +1,43E-05D t 0,0000 0,0000 0,0000 0,01190 0,0000 0,0000 Model ini menunjukkan bahwa pergerakan return saham mingguan dipengaruhi oleh besarnya volatilitas residual pada dua periode sebelumnya, volatilitas residual asimetri satu periode sebelumnya, dan varian residual periode sebelumnya. Jika pada return saham mingguan hari ini dan hari kemarin terdapat nilai residual harga ε 2 t yang relatif besar, maka nilai residual saham mingguan esok hari akan cenderung besar. Berdasarkan persamaan ini dapat dilihat bahwa nilai probabilitas pada parameter estimasi suku ARCH-1 ε 2 t-1 dan ARCH-2 ε 2 t-2 lebih kecil dari 0.01 P 0.01, artinya parameter estimasi sudah signifikan pada taraf nyata 1 persen. Parameter estimasi suku GARCH 2 t-1 memiliki nilai probabilitas lebih kecil dari 0.01 P 0.01, sehingga variabel ini sudah signifikan pada taraf nyata 1 persen. Jumlah parameter ARCH-GARCH pada model ini memiliki nilai yang tidak lebih dari 1 dan sekalipun ARCH-2 bernilai negatif, telah memenuhi syarat model ARCH-GARCH. Nilai probabilitas pada parameter asimetri e t-1 d t-1 lebih kecil dari 0.05 P 0.05, artinya probabilitas parameter estimasi sudah signifikan pada taraf nyata 5 persen. Artinya volatilitas return saham mingguan dipengaruhi adanya symmetric shock. Probabilitas parameter estimasi dummy D t 0,0000 lebih kecil dari 0.01 P 0.01, artinya parameter estimasi sudah signifikan pada taraf nyata 1 persen signifikan. Dengan demikian residual asimetri dipengaruhi pada periode dummy BBKP Lampiran 6, gambar dummy BBKP. Model ragam return saham mingguan ini terdiri dari suku ARCH dan suku GARCH. Nilai koefisien ARCH pada model ini dapat menunjukkan tinggi rendahnya volatilitas. Jumlah nilai koefisien ARCH pada model adalah 0,110384. Nilai ini kurang dari 1 dan relatif kecil tidak mendekati 1 sehingga mengindikasikan bahwa volatilitasnya rendah. Sementara itu, nilai koefisien GARCH adalah 0,826691. Nilai ini relatif tinggi mendekati angka 1 sehingga mengidikasikan bahwa guncangan shocks pada varian return akan terjadi dalam waktu yang lama persistence. Berdasarkan nilai koefisien ARCH-GARCH dapat diestimasi bahwa volatilitas return saham mingguan dimasa datang relatif kecil dan berlangsung dalam waktu yang lama. Jumlah nilai koefisien TGARCH pada model adalah 0,048215, mengindikasikan bahwa berita buruk menimbulkan guncangan simetris symmetric shock dengan meningkatkan volatilitas sebesar 0,048215. Kondisi ini disebut juga sebagai leverage effect. Model BNII : GARCH 1.1 Hasil analisis ARCH-GARCH terhadap return saham mingguan BNII menghasilkan model terbaik untuk estimasi volatilitas return saham mingguan yaitu model GARCH 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: 2 t = 3,75E-05+0,273534e 2 t-1 +0,696703 2 t-1 +4,56E-05D t 0.0000 0.0000 0.0000 0.0000 Model ini menunjukkan bahwa pergerakan return saham mingguan dipengaruhi oleh besarnya volatilitas residual pada satu periode sebelumnya dan varian residual satu periode sebelumnya. Jika pada return saham mingguan hari ini dan hari kemaren terdapat nilai residual harga ε 2 t dan varian residual 2 t- 1 yang relatif besar, maka nilai residual saham mingguan esok hari akan cenderung besar. Berdasarkan persamaan ini dapat dilihat bahwa nilai probabilitas pada parameter estimasi baik suku ARCH-1 ε 2 t-1 maupun suku GARCH-1 2 t-1 lebih kecil dari 0.01 P 0.01, artinya parameter estimasi sudah signifikan pada taraf nyata 1 persen. Jumlah parameter ARCH-GARCH pada model ini memiliki nilai yang tidak lebih dari 1 dan tidak bernilai negatif, telah memenuhi syarat model ARCH-GARCH. Probabilitas parameter estimasi dummy D t lebih kecil dari 0.01 P 0.01, artinya parameter estimasi sudah signifikan pada taraf nyata 1 persen. Sekalipun parameter dummy signifikan namun ternyata model tidak mengandung efek asimetri. Hal ini dimungkingkan terjadi karena adanya kestabilan deviasi return dari tahun 2011 sampai tahun 2014 sehingga bisa menormalkan efek asimetri dummy Lampiran 6, gambar dummy BNII. Model ragam return saham mingguan ini terdiri dari suku ARCH dan suku GARCH. Nilai koefisien ARCH pada model ini dapat menunjukkan tinggi rendahnya volatilitas. Jumlah nilai koefisien ARCH pada model adalah 0,273534. Nilai ini kurang dari 1 dan relatif kecil tidak mendekati 1 sehingga mengindikasikan bahwa volatilitasnya rendah. Sementara itu, nilai koefisien GARCH adalah 0,696703. Nilai ini relatif tinggi mendekati angka 1 sehingga mengidikasikan bahwa guncangan shocks pada varian returnakan terjadi dalam waktu yang lama persistence. Berdasarkan nilai koefisien ARCH-GARCH dapat diestimasi bahwa volatilitas return saham mingguan dimasa datang relatif rendah dan berlangsung dalam waktu yang lama. Model BNLI : TGARCH 2.2 Hasil analisis ARCH-GARCH terhadap return saham mingguan BNLI menghasilkan model terbaik untuk estimasi volatilitas return saham mingguan yaitu model TGARCH 2.2. 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 = 1.64E-06+0.220758e 2 t-1 -0.219184e 2 t-2 +0.023477e t-1 d t-1 +1.364.183 2 t-1 -0.383082 2 t-2 +1.27E-05D t 0,0000 0,0000 0,0000 0,01190 0,0000 0,0000 0,0000 Model ini menunjukkan bahwa pergerakan return saham mingguan dipengaruhi oleh besarnya volatilitas residual pada dua periode sebelumnya, volatilitas residual asimetri satu periode sebelumnya, dan varian residual dua periode sebelumnya. Jika pada return saham mingguan hari ini dan hari kemarin terdapat nilai residual harga ε 2 t yang relatif besar, maka nilai residual saham mingguan esok hari akan cenderung besar. Berdasarkan persamaan ini dapat dilihat bahwa nilai probabilitas pada semua parameter estimasi suku ARCH ε 2 t dan GARCH 2 t lebih kecil dari 0.01 P 0.01, artinya parameter estimasi sudah signifikan pada taraf nyata 1 persen. Jumlah parameter ARCH-GARCH pada model ini memiliki nilai yang tidak lebih dari 1 dan sekalipun ARCH-2 dan GARCH-2 bernilai negatif, telah memenuhi syarat model ARCH-GARCH. Nilai probabilitas pada parameter asimetri e t-1 d t-1 lebih kecil dari 0.01 P 0.01, artinya probabilitas parameter estimasi sudah signifikan pada taraf nyata 1 persen. Artinya volatilitas return saham mingguan dipengaruhi adanya symmetric shock. Probabilitas parameter estimasi dummy D t 0,0000 lebih kecil dari 0.01 P 0.01, artinya parameter estimasi sudah signifikan pada taraf nyata 1 persen signifikan. Dengan demikian residual asimetri dipengaruhi pada periode dummy BNLI Lampiran 6, gambar dummy BNLI. Model ragam return saham mingguan ini terdiri dari suku ARCH dan suku GARCH. Nilai koefisien ARCH pada model ini dapat menunjukkan tinggi rendahnya volatilitas. Jumlah nilai koefisien ARCH pada model adalah 0,001574. Nilai ini kurang dari 1 dan relatif kecil tidak mendekati 1 sehingga mengindikasikan bahwa volatilitasnya rendah. Sementaraitu, nilai koefisien GARCH adalah 0,981101. Nilai ini relatif tinggi mendekati angka 1 sehingga mengidikasikan bahwa guncangan shocks pada varian return akan terjadi dalam waktu yang lama persistence. Berdasarkan nilai koefisienARCH-GARCH dapat diestimasi bahwa volatilitas return saham mingguan dimasa datang relatif kecil dan berlangsung dalam waktu yang lama. Jumlah nilai koefisien TGARCH pada model adalah 0.023477, mengindikasikan bahwa berita buruk menimbulkan guncangan simetris symmetric shock dengan meningkatkan volatilitas sebesar 0.023477. Kondisi ini disebut juga sebagai leverage effect. Analisis Tren Return dan Risiko Sejalan dengan pergerakan harga saham, pergerakan return juga mengalami fluktuasi yang tinggi. Semua bank mengindikasikan fluktuasi yang tinggi pada periode krisis keuangan global 2008 namun dengan sebaran yang berbeda. Demikian halnya pada BMRI fluktuasi terlihat tajam secara nyata pada periode krisis global. Walaupun pada periode di luar krisis keuangan global 2008 fluktuasi terlihat tinggi seperti tahun 2011 dan 2013, namun tidak setajam pada periode krisis keuangan global. Pola pergerakan return BMRI mirip dengan BBNI fluktuasi return periode krisis keuangan global 2008 terlihat lebih tinggi dibanding diluar periode tersebut. Pola pergerakan return BBKP lebih tersebar merata antara periode maupun diluar periode krisis keuangan global 2008. Sekalipun pada periode krisis volatilitas return terlihat nyata, hal yang sama juga terjadi pada periode sebelum dan sesudah krisis global. Pada BNII pola pergerakan return paling tajam terlihat di dua periode yaitu periode krisis keuagan global 2008 dan di akhir 2010 dan awal 2011. Volatilitas return diluar periode itu cenderung stabil. Sedangkan pola pergerakan return BNLI terlihat nyata tajam hanya periode krisis keuangan global 2008. Volatilitas return diluar periode itu pada rentang waktu pengamatan terlihat stabil. Pola pergerakan return saham mingguan pada semua kategori bank selengkapnya dapat dilihat pada Lampiran 2. Volatilitas return tersebut juga sejalan dengan standar deviasi masing- masing bank, menunjukkan pola yang tinggi pada periode tahun 2008. Dengan demikian krisis keuangan global 2008 mempunyai dampak langsung terhadap pergerakan return saham perbankan dan tentunya memengaruhi tingkat risikonya. Hubungan return dengan risiko yang digambarkan dari standar deviasi dapat dilihat pada gambar berikut. Gambar 4 Pergerakan return dan risiko standar deviasi emiten perbankan 33 Volatilitas Return Saham Mingguan BMRI Return saham mingguan BMRI terlihat berfluktuasi tajam secara nyata pada periode krisis global. Walaupun pada periode di luar krisis keuangan global 2008 fluktuasi terlihat tinggi seperti tahun 2011 dan 2013, namun tidak setajam pada periode krisis keuangan global. Puncak Return terendah terjadi pada tanggal 28 oktober 2008 sedangkan puncak Return tertinggi pada tanggal 5 November 2008. Adanya fluktuasi yang sangat tajam di periode tahun yang sama menunjukkan adanya pengaruh kuat dari dampak krisis keuangan global 2008. Hasil estimasi volatilitas Return saham harian dapat dilihat dari conditional standard deviation standar deviasi bersyarat periode 8 Agustus 2006 – 29 Agustus 2014 disajikan dalam bentuk grafik Gambar 4. Ukuran volatilitas harga tersebut adalah berdasarkan nilai standar deviasi bersyarat conditional standard deviation yang merupakan akar kuadrat dari varian model ARCH-GARCH. Volatilitas harga yang tinggi ditunjukkan oleh standar deviasi bersyarat yang jauh lebih besar dibanding yang lainnya dengan puncak-puncak grafik yang meninggi atau besar nilainya.Volatilitas Return saham mingguan pada periode 8 Agustus 2006 – 29 Agustus 2014 menunjukkan variasi antar waktu. Hingga awal tahun 2008 terlihat return saham mingguan relatif stabil. Volatilitas yang tajam mulai terlihat pada periode pertengahan tahun 2008 sampai awal tahun 2009, kemudian kembali terlihat relatif stabil sampai pertengahan tahun 2011. Namun volatilitas meningkat lagi sampai memasuki akhir tahun 2011, stabil sepanjang tahun 2012 sampai pertengahan tahun 2013. Semester dua tahun 2013 volatilitas kembali terlihan dan cenderung menurun sampai akhir periode analisis. Adanya fluktuasi yang cukup besar pada tahun 2008 sampai 2009 dimungkinkan berpengaruh terhadap signifikansi dummy. Volatilitas Return Saham Mingguan BBNI Return saham mingguan BBNI terlihat berfluktuasi tajam secara nyata pada periode krisis global. Walaupun pada periode di luar krisis keuangan global 2008 fluktuasi terlihat tinggi seperti tahun 2010, 2011 dan 2013, namun tidak setajam pada periode krisis keuangan global. Puncak return terendah terjadi pada tanggal 8-10 oktober 2008 sedangkan puncak return tertinggi pada tanggal 28 September 2006. Puncak tertinggi pada tahun 2006 dimungkinkan karena adanya faktor lain yang memicu guncangan positif, namun tidak dikaji lebih jauh di analisis ini. Fluktuasi yang tajam pada periode 2008 menunjukkan adanya pengaruh kuat dari dampak krisis keuangan global 2008 namun secara umum tidak memengaruhi model volatilitas pada periode pengamatan. Hasil estimasi volatilitas return saham harian dapat dilihat dari conditional standard deviation standar deviasi bersyarat periode 8 Agustus 2006 – 29 Agustus 2014 disajikan dalam bentuk grafik Gambar 4. Ukuran volatilitas harga tersebut adalah berdasarkan nilai standar deviasi bersyarat conditional standard deviation yang merupakan akar kuadrat dari varian model ARCH-GARCH. Volatilitas harga yang tinggi ditunjukkan oleh standar deviasi bersyarat yang jauh lebih besar dibanding yang lainnya dengan puncak-puncak grafik yang meninggi atau besar nilainya. Volatilitas return saham mingguan pada periode 8 Agustus 2006 – 29 Agustus 2014 menunjukkan variasi antar waktu. Volatilitas yang tajam sudah terlihat pada periode pertengahan tahun 2006 sampai awal tahun 2009. Tren fluktuasi ini berlanjut sampai tahun 2011 dan di tahun 2013. Adanya fluktuasi yang cukup besar pada tahun 2006 sampai 2011 dimungkinkan berpengaruh terhadap signifikansi dummy. Volatilitas Return Saham Mingguan BBKP Return saham mingguan BBKP terlihat berfluktuasi tajam secara nyata pada periode krisis global. Namun demikian fluktuasi juga terlihat secara nyata pada periode setelah krisis keuangan global 2008 yaitu tahun 2010, 2011 dan 2013. Seperti pada BBNI, puncak return terendah terjadi pada tanggal 8-10 oktober 2008 sedangkan puncak return tertinggi pada tanggal 26 April 2010. Rentang volatilitas tajam yang cukup panjang mengindikasikan pengaruh guncangan akibat krisis terjadi dalam waktu yang lama. Hasil estimasi volatilitas return saham harian dapat dilihat dari conditional standard deviation standar deviasi bersyarat periode 8 Agustus 2006 – 29 Agustus 2014 disajikan dalam bentuk grafik Gambar 4. Ukuran volatilitas harga tersebut adalah berdasarkan nilai standar deviasi bersyarat conditional standard deviation yang merupakan akar kuadrat dari varian model ARCH-GARCH. Volatilitas harga yang tinggi ditunjukkan oleh standar deviasi bersyarat yang jauh lebih besar dibanding yang lainnya dengan puncak-puncak grafik yang meninggi atau besar nilainya. Volatilitas return saham mingguan pada periode 8 Agustus 2006 – 29 Agustus 2014 menunjukkan variasi antar waktu. Volatilitas yang tajam mulai terlihat sejak periode pertengahan tahun 2006 sampai tahun 2009, kemudian kembali terlihat relatif stabil sampai tahun 2011. Sempat stabil sepanjang tahun 2012 namun volatilitas meningkat lagi pada tahun 2011. Adanya fluktuasi yang cukup besar pada tahun 2006 sampai 2011 dan tahun 2013 dimungkinkan berpengaruh terhadap signifikansi dummy. Dalam analisis ini tidak dibahas pengaruh dummy diluar krisis global tahun 2008. Pengaruh signifikasi dummy dapat terjadi dari faktor makro ekonomi seperti krisis keuangan benua eropa tahun 2011 atau adanya aksi korporasi seperti kebijakan dividen, IPO, perubahan manajemen, atau merger dan akuisisi. Volatilitas Return Saham Mingguan BNII Return saham mingguan BNII terlihat berfluktuasi tajam secara nyata pada periode krisis global. Namun demikian fluktuasi yang tinggi juga terjadi di akhir tahun 2010 sampai triwulan pertama 2011. Puncak return terendah terjadi pada tanggal 2 oktober 2008 sedangkan puncak return tertinggi pada tanggal 10 November 2010. Fluktuasi yang tajam pada rentang periode yang sama ini menunjukkan BNII rentan terhadap guncangan krisis dari luarfaktor eksternal. Hasil estimasi volatilitas return saham harian dapat dilihat dari conditional standard deviation standar deviasi bersyarat periode 8 Agustus 2006 – 29 Agustus 2014 disajikan dalam bentuk grafik Gambar 4. Ukuran volatilitas harga tersebut adalah berdasarkan nilai standar deviasi bersyarat conditional standard deviation yang merupakan akar kuadrat dari varian model ARCH-GARCH. Volatilitas harga yang tinggi ditunjukkan oleh standar deviasi bersyarat yang jauh lebih besar dibanding yang lainnya dengan puncak-puncak grafik yang meninggi atau besar nilainya. Volatilitas return saham mingguan pada periode 8 Agustus 2006 – 29 Agustus 2014 menunjukkan variasi antar waktu. Volatilitas yang tajam sudah terlihat pada periode akhir tahun 2007 sampai pertengahan tahun 2009. Tren fluktuasi ini berlanjut pada triwulan dua 2010 sampai awal tahun 2011. Adanya fluktuasi yang cukup besar akhir tahun 2006 sampai awal 2011 dimungkinkan berpengaruh terhadap signifikansi dummy. Volatilitas Return Saham Mingguan BNLI Return saham mingguan BBKP terlihat berfluktuasi tajam secara nyata pada periode krisis global. Hal ini terjadi pada rentang waktu 2008-2010 yang mana merupakan periode krisis global 2008. Puncak return terendah terjadi pada tanggal 12 Desember 2009 sedangkan puncak return tertinggi pada tanggal 24 Maret 2010. Puncak terendah yang terjadi lama setelah terjadi krisis di tahun 2008 menunjukkan BNLI relatif mempunyai ketahanan dan resistensi terhadap krisis sekalipun guncangan negatif berpengaruh terhadap model volatilitas. Hasil estimasi volatilitas return saham harian dapat dilihat dari conditional standard deviation standar deviasi bersyarat periode 8 Agustus 2006 – 29 Agustus 2014 disajikan dalam bentuk grafik Gambar 4. Ukuran volatilitas harga tersebut adalah berdasarkan nilai standar deviasi bersyarat conditional standard deviation yang merupakan akar kuadrat dari varian model ARCH-GARCH. Volatilitas harga yang tinggi ditunjukkan oleh standar deviasi bersyarat yang jauh lebih besar dibanding yang lainnya dengan puncak-puncak grafik yang meninggi atau besar nilainya. Volatilitas return saham mingguan pada periode 8 Agustus 2006 – 29 Agustus 2014 menunjukkan variasi antar waktu. Volatilitas yang tajam nyata terlihat sejak triwulan tiga tahun 2008 sampai akhir tahun 2010, kemudian kembali terlihat relatif stabil. Volatilitas kemudian terlihat lagi pada akhit tahun 2011 dan 2013. Adanya fluktuasi yang cukup besar ini khususnya triwulan tiga tahun 2008 sampai akhir tahun 2010 cukup berpengaruh terhadap signifikansi dummy. Dengan demikian pengaruh krisis global 2008 berpengaruh signifikan terhadap dummy BNLI yang mengindikasikan adanya guncangan asimetrik sehingga diprediksi persamaan asimetrik TGARCH2.2 BNLI dipengaruhi krisis global 2008. Risiko Sistematik : Beta Risiko sistematis dari volatilitas return saham tak bisa dilepaskan kaitanya dengan pergerakan risiko pasar. Seperti telah dijelaskan di pendahuluan, risiko pasar ini akan bergerak tajam akibat dampak krisis global 2008 berakibat penurunan index harga saham yang mencapai pada ambang batas tolelir dalam satu hari yaitu 10.. Dengan memperhatikan kovarian antara return saham mingguan dengan return saham di pasar bursa, dalam hal ini indeks harga saham gabungan ISHG dan dibandingkan dengan varians, dapat diperhitungkan risiko sistematis beta. Hasil perhitungan risiko sistematis disajikan dari tabel berikut. Tabel 10 Hasil perhitungan risiko sistematik:beta Bank Nilai Beta BMRI 1,4159 BBNI 1,309672 BBKP 1,00337 BNII 0,404565 BNLI 0,547958 Beta dapat digunakan untuk mengukur volatilitas return saham terhadap return pasar. Dengan diketahui beta, kita dapat menghitung return yang diharapkan dengan melihat return pasar. Jika fluktuasi return saham secara statistik mengikuti fluktuasi return pasar, maka beta saham tersebut bernilai 1. Begitu pula jika fluktuasi return saham lebih tinggi dari fluktuasi return pasar, maka beta saham tersebut bernilai diatas 1 dan sebaliknya jika fluktuasi return saham lebih rendah dari fluktuasi return pasar, maka nilai beta saham dibawah 1. Berdasarkan tabel diatas, terlihat return saham BMRI dan BBNI memiliki nilai beta 1. Artinya fluktuasi return kedua saham melebihi fluktuasi return pasar. Dengan demikian saham BMRI dan BBNI termasuk jenis saham berisiko meskipun ekspektasi return lebih tinggi dibanding return saham pasar. Return saham BBKP memiliki nilai beta ekuivalen dengan 1. Artinya fluktuasi return saham BBKP bergerak mengikuti fluktuasi return pasar. Dengan demikian fluktuasi return saham BBKP dapat diamati dengan melihat fluktuasi return pasar. Return saham BNII dan BNLI memiliki nilai beta 1. Artinya fluktuasi return kedua saham lebih rendah dari fluktuasi return pasar. Dengan demikian saham BMRI dan BBNI termasuk jenis saham kurang berisiko meskipun ekspektasi return lebih rendah dibanding return saham pasar. Pergerakan tingkat risiko sistematis, dapat bergerak bervariasi sepanjang waktu. Pergerakan yang baik adalah yang stabil dimana nilai risiko dari waktu- kewaktu tidak bergerak dengan signifikan sehingga ekspektasi retun dapat diprediksi. Namunk khusus periode tahun 2008, risiko saham masing-masing bank memiliki pola yang tidak menentu. Adanya krisis global berdampak pada tingkat risiko return saham yang fluktuatif dan sukar diprediksi. Pergerakan tingkat risiko sistematis return saham dapat dilihat pada gambar berikut: Gambar 5 Pergerakan risiko sistematik emiten perbankan Ket : Nilai beta pada gambar dilihat mulai periode akhir tahun 2007 mengingat tahun sebelum itu rentang data relatif sedikit sehingga tidak bisa menggambarkan nilai beta dengan akurat . Dari gambar diatas terlihat tingkat risiko masing-masing perbankan berfluktuasi dan tidak menentu akibat krisis global 2008. Hampir semua tingkat risiko meningkat di periode 2008 dan kemudian bergerak menuju kestabilan. BMRI dan BBNI memasuki tahun 2009 telah mencapai kestabilan, BBKP tahun 2009 sudah mulai stabil namun bergerak lagi di tahun 2011 dan 2013. BNII cenderung bergerak naik turun sepanjang waktu pengamatan dan BNLI cukup stabil setelah periode krisis global. Hal ini ditarik makna bahwa bank yang konsisten di LQ45 khususnya setelah periode krisis global BMRI dan BBNI memiliki tingkat risiko yang cenderung stabil. Sedangkan bank yang tidak konsisten di LQ 45 setelah periode krisis global ditandai dengan nilai beta yang cenderung tidak stabil. Hal yang menarik adalah dari BNLI, sebagai bank yang tidak masuk katagori LQ45 tetapi memiliki nilai beta yang stabil setelah periode krisis global 2008. Hal ini perlu dianalisa lebih jauh, kemungkinan kinerja keuangan perusahaan yang stabil turut member andil terhadap hal tersebut. Peramalan Forcasting Model terpilih hasil estimasi, kemudian dilakukan peramalan. Untuk dilakukan peramalan, terlebih dulu dilakukan perpanjangan range pengamatan. Dalam analisis ini pengamatan diperpanjang sampai satu bulan ke depan sehingga range pengamatan menjadi 8 Agustus 2006 – 4Oktober 2014. Sebelum dilakukan peramalan, model terpilih dilakukan penanganan dengan quasi maximum likelihood mengacu pada metode Bollerslev-Wooldridge. Hal ini dilakukan karena error model tidak bertrisdibusi dengan normal dan quasi maximum likelihood bertujuan agar kesimpulan yang dihasilkan masih valid secara asimtotik dan parameter yang diduga tetap konsisten. Peramalan dilakukan dengan peramalan static, yaitu peramalan dilakukan untuk memprediksi satu hari ke depan. Peramalan dilakukan terhadap harga saham harian berdasarkan model terpilih setelah disesuaikan dengan metode Bollerslev-Wooldridge. Indikator kelaikan peramalan dilihat dari nilai Mean Absolud Percent Error MAPE. Hal ini dikarenakan pengujian hanya dilakukan untuk satu model sehingga besar kecilnya tidak dapat ditentukan dari Root Mean Squared Error RMSE dan Mean Absolud Error MAE karena besar kecilnya RMSE dan MAE tergantung pada skala dari peubahnya. Dalam kasus pengujian dengan satu model, besar kecilnya kesalahan peramalan lebih tepat dideteksi melalui ukuran MAPE Juanda Junaidi, 2012. Peramalan harga saham harian dilakukan dengan peramalan static, yaitu peramalan dilakukan untuk memprediksi harga satu hari ke depan t+1. Hasil peramalan harga t+1 kemudian dijadikan tambahan data untuk memprediksi harga satu hari ke depan t+2 dan begitu seterusnya sampai selang pengamatan terpenuhi. Hasil peramalan untuk setiap model time series, didapatkan Mean Absolud Percent Error MAPE setiap katagori perbankan masing-masing adalah: 1,776864 BMRI, 1,713789 BBNI, 1,597451 BBKP, 1,607219 BNII dan 1,354668 BNLI. Hal ini berarti error peramalan masing-masing katagori perbankan relatif kecil yaitu dari terendah 1,354668 sampai tertinggi 1,776864. Hasil peramalan selengkapnua dapat dilihat pada Lampiran 9. Sedangakan Harga Aktual vs Peramalan t+1 sampai dengan t+5 disajikan pada tabel berikut. Tabel 11 Harga aktual vs peramalan t+1 sampai dengan t+5 Tanggal Nilai Aktual Peramalan Keakuratan Tanggal Nilai Aktual Peramalan Keakuratan Harga Rp Harga Rp Harga Rp Harga Rp BMRI BBNI 01092014 10500 10.529 99,724 01092014 5375 5.350 99,534 02092014 10500 10.537 99,648 02092014 5525 5.343 96,650 03092014 10550 10.546 99,962 03092014 5650 5.346 94,469 04092014 10550 10.555 99,953 04092014 5625 5.346 94,913 05092014 10475 10.562 99,173 05092014 5725 5.346 93,151 BBKP BNII 01092014 740 739,591 99,945 01092014 292 291,7828 99,926 02092014 740 740,063 99,991 02092014 291 291,974 99,666 03092014 740 739,87 99,982 03092014 291 292,2104 99,585 04092014 735 739,875 99,339 04092014 292 292,2823 99,903 05092014 740 739,896 99,986 05092014 292 292,2823 99,903 BNLI 01092014 1400 1.400,16 99,988 02092014 1400 1.400,60 99,957 03092014 1400 1.399,15 99,940 04092014 1410 1.399,41 99,246 05092014 1430 1.399,43 97,839 Hasil peramalan pada t+1 1 September 2014 sampai dengan t+5 5 September 2014 dibandingkan dengan nilai actual pada periode tersebut didapatkan keakuratan yang cukup baik. BNLI memiliki tingkat keakuratan tertinggi yaitu antara 99,246 s.d 99,998. Kemudian disusul BBKP, BNII, BMRI dan BBNI. Nilai MAPE sejalan dengan keakuratan peramalan terlihat dari nilai MAPE BNLI yang terkecil, ternyata keakuratan juga paling tinggi. Implikasi Manajerial Manajemen perbankan penting melihat volatilitas atau pergerakan harga saham di pasar untuk melakukan perencanaan dan mengevaluasi kinerja perseroan. Perencanaan dalam kaitannya dengan volatilitas return saham adalah untuk memprediksi tingkat risiko sistematis dari pergerakan risiko pasar sehingga dampak-dampak yang mungkin terjadi akibat risiko tersebut, diantaranya akibat pengaruh krisis krisis global 2008 atau terkait makro ekonomi eksternal dapat diantisipasi. Trend volatilitas return saham juga dapat digunakan sebagai acuan dalam mengevaluasi atau menilai kinerja keuangan internal. Nilai saham yang memiliki trend atau kecenderungan naik akan meningkatkan Price to Book Value PBV dan Price Earning Ratio PER. PER itu sendiri adalah rasio yang menggambarkan apresiasi pasar terhadap kemampuan perusahaan dalam menghasilkan laba sehingga semakin tinggi perusahaan menghasilkan laba, maka semakin tinggi apresiasi pasar terhadap nilai saham. Sedangkan PBV menggambarkan seberapa besar pasar menghargai book value BV suatu perusahaan. Semakin tinggi nilai saham maka PBV juga akan meningkat yang berarti nilai asset juga akan terangkat.

5. SIMPULAN DAN SARAN

Simpulan 1. Krisis keuangan global 2008 memberi dampakmemengaruhi tingkat volatilitas return saham mingguan dari waktu ke waktu time varying volatility dan mengindikasikan adanya efek keteroskedastisitas sehingga model deret waktu membutuhkan persamaan ARCH-GARCH. Time varying volatility cukup signifikan pada periode krisis keuangan global 2008 ditunjukkan dari signifikasi dummy dan standar deviasi yang tinggi pada periode tersebut, menimbulkan asimetric shock yang signifikan pada tiga bank yaitu BMRI, BBKP dan BNLI. Hal ini menunjukkan bahwa bank yang konsisten di LQ45 dicontohkan BMRI belum tentu terbebas atau resistant terhadap guncangan asimetri. Begitu pula bank yang tidak konsisten di LQ45 dicontohkan BNII ternyata guncangan asimetri tidak berpengaruh signifikan pada volatilitas return saham pada bank tersebut. Kekonsistenan suatu bank di index LQ45 juga tidak menjamin bank tersebut segera stabil dari guncangan asimetri. Hal ini ditunjukkan oleh BNLI yang masuk katagori 5 lima justru paling cepat stabil terhadap guncangan asimetri dibandingkan bank dengan katagori yang lain kecuali BMRI. 2. Dilihat dari risiko sistematis, periode krisis global 2008 berdampak kepada pergerakan risiko pasar terhadap risiko Bank. Bank yang konsisten di index LQ45 setelah periode krisis cenderung memiliki tingkat risiko yang tinggi dibandingkan dengan katagori diluar LQ45 sekalipun tingkat risiko tersebut diimbangi dengan tingkat Return yang melebihi ekspektasi pasar. 3. Model yang dipilih sudah cukup baik, dilihat dari hasil peramalan, didapatkan MAPE setiap katagori perbankan yang menunjukkan tingkat kesalahan dibawah 2. Hal ini juga dibuktikan dari tingkat keakuratan peramalan pada t+1 sampai dengan t+5 yang cukup tinggi diatas 90. Saran 1. Seperti dijelaskan pada batasan penelitian, sampel pada setiap katagori bank hanya berlaku untuk bank tersebut sehingga belum tentu berlaku untuk bank- bank lain yang masuk katagori sama. Untuk itu perlu dibuat suatu index harga saham pada semua bank dengan katagori yang sama sehingga hasilnya dapat mewakili semua bank pada katagori tersebut. 2. Berdasarkan analisis, semua dummy signifikan pada setiap katagori perbankan, namun dengan rantang waktu yang panjang sampai di luar periode krisis global kecuali BNLI. Untuk itu bagi peneliti lain yang berminat terhadap tema sejenis, perlu dikaji faktor asimetric shock lain yang signifikan terhadap model yang disebabkan isu-isu baik internal maupun eksternal. 3. Pada BBNI dan BBNI terdapat dummy signifikan namun tidak memiliki pengaruh asimetri terhadap model. Untuk itu bagi peneliti lain yang berminat terhadap tema sejenis, dapat dikaji faktor-faktor apa yang menyebabkan signifikansi dummy tersebut tidak memengaruhi efek asimetri terhadap model. 4. Pemilihan model terbaik, selain untuk peramalan, dapat juga dikembangkan untuk analisis tambahan seperti menghitung Value at Risk VAR. DAFTAR PUSTAKA Abraham B Ledolter J . 1983. Statistical Methods for Forecasting. New York ID: John Wiley and Sons Angle, RF. 1982. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 504 : 987–1007 Anton. 2006. Analisis Model Volatilitas Return Saham Studi Kasus pada Saham LQ 45 di Bursa Efek Jakarta [tesis]. Semarang ID: Unversitas Diponegoro. Bodie Z, Kane A Marcus AJ.

2009. Investments. Eight Edition. Singapore ID :

Mc Grow Hill International Edition Bollerslev T. 1986. Generalized Autorregressive Conditional Heteroskedasticity. Journal of Econometrics, 31, 307-327 Bollerslev T Wooldridge JM. 1992. Quasi-maximum likelihood estimation and inference in dynamic models with time-varying covariances. Journal of Econometrics Reviews, vol. 11, no. 2 Box GEP Jenkins GM. 1976. Time Series Analysis Forecasting and Control. San Fransisco ID: Holden-Day Brooks C. 2002. Introductory Econometrics For Finance. United Kingdom ID: Cambridge University Press. Copeland TE. 1992. Financial Theory and Corporate Policy. Third Edition. United States of America ID: Addison-Wesley Publishing Company Glosten LR, Jagannathan R Runkle DE. 1993. On the relation between the expected value and the volatility of the nominal excess return on stocks. Journal of Finance, 485:1779–1801 Gujarati DN. 2003. Basic Econometrics. Fourth Edition. United States of America ID: McGrow-Hill Companies, Inc. Jogiyanto. 2003. Teori Portofolio dan Analisis Sekuritas. Yogyakarta ID: BPFE. Jones CP. 2004. Investments, Analysis and Management. Ninth Edition. United States of America ID: John Wiley Sons, Inc. Juanda B Junaidi. 2012. Ekonometrika Deret Waktu, Teori dan Aplikasi. Bogor ID: IPB Press Junaidi E. 2013. Analisis Volatilitas Harga Minyak Sawit dan Harga Minyak Goreng [tesis]. Bogor ID: Institut Pertanian Bogor. Karlsson L. 2002. GARCH-Modelling: Theoretical Survey, Model Implementation and Robustness Analysis. Swedia ID: Royal Institute of Technology Makridakis SG. 1990. Forcasting, Planning and Strategy for The 21 st Century. New York ID: The Free Press Nastiti KLA Suharsono A. 2012. Analisis Volatilitas Saham Perusahaan Go Publik dengan Metode ARCH-GARCH. Jurnal Sains dan Seni ITS Volume 1, Nomor 1.