47
4.3 Identifikasi Model ARCH-GARCH
4.3.1 Pengujian Keheterogenan Ragam Bersyarat
Proses ARCH dapat diketahui dari sisaan data yang diperoleh dengan menguji keheterogenan ragam sisaannya dengan uji Lagrange Multiplier.
Table 4.8
Hasil Uji ARCH LM F-Statistic
50.49670 Prob. F1,87
0.00000 ObsR-Squared
32.68592 Prob. Chi –Square 1
0.00000 Adanya ARCH effect dapat dilihat pada nilai probabilitas p-value pada F
statistic, apabila nilai probabilitas p-value pada F statistic lebih kecil dari tingkat signifikansi =5 maka terdapat ARCH effect, begitu pula sebaliknya. Hasil
Tabel 4.8 menunjukkan bahwa untuk data IHSG memiliki nilai LM yang signifikan lebih kecil dari tingkat signifikansi 0.05. Hal ini mengindikasikan
bahwa ragam sisaan tidak homogen dan adanya proses ARCH.
4.3.2 Pendugaan Parameter Model ARCH-GARCH
Pendugaan parameter dilakukan dengan mengurangi atau menambah ordo p dan q secara iteratif dengan Algoritma Marquardt. Ordo yang dipilih hanya
sampai ordo 2, karena parameter yang diduga sudah kurang signifikan ketika ordo yang digunakan lebih dari 2.
48
Tabel 4.9
Ringkasan hasil pendugaan parameter ARCH-GARCH Koefisien ARCH 1 ARCH 2
GARCH 1,1
GARCH 2,1
GARCH 1,2
GARCH 2,2
C 221.48
201.22 200.16
1264.21 320.67
920.15
1
1.24 1.07
1.15 1.09
0.874 0.977
2
0.13 0.65
0.997
1
0.05 -0.84
0.382 -0.867
2
-0.213 0.067
Dari beberapa model yang dicobakan, yang dipilih hanya model yang memiliki dugaan parameter yang signifikan dan nilai AIC dan BIC yang minimum.
Setelah itu dipilih model yang memiliki koefisien yang positif pada model ragamnya.
4.3.3 Pemilihan Model Terbaik
Untuk memilih model ragam yang terbaik dilakukan dengan melihat nilai AIC dan BIC yang paling rendah dan memiliki koefisien yang signifikan.
Tabel 4.10 Nilai AIC dan BIC
Nilai ARCH 1
ARCH 2 GARCH
1,1 GARCH
2,1 GARCH
1,2 GARCH
2,2 AIC
10.62214 10.64060
10.64243 10.73254
10.60947 10.67112
BIC 10.78880
10.83503 10.83686
10.95474 10.83168
10.92110 Nilai AIC paling rendah dimiliki oleh model GARCH 1,2, yaitu sebesar
10.60947. Namun, untuk nilai BIC paling rendah dimiliki oleh Model ARCH 1 sebesar 10.62214. Jika ada kontradiksi antara nilai AIC dan BIC maka yang
49
digunakan adalah kriteria dari BIC [10]. Oleh karena itu, model ARCH 1 akan menjadi model untuk menjelaskan volatilitas IHSG selama periode pengamatan.
4.3.4 Diagnostik Model