73
BAB III METODOLOGI PENELITIAN
III.1. Tempat dan Waktu Penelitian
Penelitian ini
dilakukan melalui
website www.econstats.com
dan www.oanda.com. Pelaksanaan penelitian dilakukan pada bulan Mei 2009 sampai
dengan Juni 2009.
III.2. Metode Penelitian
Penelitian ini menggunakan pendekatan penelitian longitudinal, yaitu: penelitian dengan melakukan pengamatan-pengamatan yang berkaitan dengan suatu
penomena dalam durasi waktu tertentu yang dilakukan lebih dari satu kali yang kemudian dikumpulkan informasi dengan tipe yang sama mengenai perubahan gejala
dari sekelompok objek dalam waktu yang berbeda. Jenis penelitian ini adalah historical analysis,yaitu: suatu analisis dengan
menggunakan data masa lalu yang telah ada, dengan tujuan untuk membuktikan hipotesis.
Adapun sifat dari pada penelitian ini adalah eksplanasi explanatory, yaitu: menjelaskan bagaimana sebuah fenomena terjadi untuk mendukung sebuah
penjelasan atau prediksi.
Universitas Sumatera Utara
74
III.3. Populasi dan Sampel
Populasi dalam penelitian ini adalah seluruh data runtun waktu time series dalam bentuk mingguan atas Indeks Harga Saham Gabungan dari setiap variabel yang
masuk dalam penelitian ini dan terdaftar di website www.econstats.com dan www.oanda.com yang dimulai dari tanggal 07 Januari 2005 sampai dengan 13 Maret
2009. Dari perhitungan diperoleh populasi sebanyak 219 minggu. Selanjutnya total data time series pada populasi tersebut di atas akan dijadikan
sebagai sampel, sehingga jumlah sampel dalam penelitian ini adalah sebanyak 219 minggu yang dirinci menjadi tiga periode pengamatan, yaitu:
1. Seluruh periode penelitian mencakup periode sebelum krisis finansial 2008
dan periode selama krisis finansial 2008 berlangsung, jumlah data sampel sebanyak 219 minggu, dimulai dari tanggal 07 Januari 2005 sampai dengan 13
Maret 2009. 2.
Periode sebelum krisis finansial 2008, jumlah data sampel sebanyak 148 minggu, dimulai dari tanggal 07 Januari 2005 sampai dengan 02 November
2007. 3.
Periode selama krisis finansial 2008, jumlah data sampel sebanyak 71 minggu, dimulai dari tanggal 09 November 2007 - 13 Maret 2009.
Seluruh data populasi dan sampel setiap variabel Indeks Harga Saham Gabungan dan kurs Dolar Amerika Serikat yang masuk dalam penelitian ini diamati
pada data level dan return first difference. Adapun yang dimaksud dengan data level pada penelitian ini adalah nilai dari indeks harga saham gabungan pada saat
Universitas Sumatera Utara
75
penutupan bursa yang telah diolah dalam bentuk data mingguan. Sedangkan yang di maksud dengan data return pada penelitian ini adalah selisih antara nilai indeks harga
saham gabungan pada saat penutupan terhadap pembukaan dalam satu periode bursa yang telah diolah dalam bentuk data mingguan.
III.4. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder dan bersumber dari website www.econstats.com untuk Indeks Harga Saham Gabungan
dan www.oanda.com untuk kurs Dolar Amerika Serikat terhadap Rupiah.
III.5. Teknik Pengumpulan Data
Teknik pengumpulan data pada penelitian ini melalui studi dokumentasi yang dilakukan dengan cara mengakses website resmi www.econstats.com dan
www.oanda.com.
III.6. Identifikasi dan Definisi Operasional Variabel Indeks Bursa Saham Internasional X
1
Indentifikasi variabel indeks bursa saham internasional X
1
yang berfungsi
sebagai variabel bebas pada hipotesis pertama ditabulasikan pada Tabel III.1. sebagai berikut:
Universitas Sumatera Utara
76
Tabel III.1. Variabel-variabel Indeks Bursa Saham Internasional X
1
Kode IHSG Nama Lengkap IHSG
Negara SP 500
Standard Poor500 Index Amerika Serikat
FTSE 100 FTI FTSE 100 Financial Times Index
Inggris DAX 30-DA
DAX 30-Deutscher Aktienindex Jerman
Hang Seng Hang Seng Price Index
Hong Kong Nikkei-225
Nikei225 Index Jepang
SCI Shanghai Composite Index
Cina
Definisi operasional variabel indeks bursa saham internasional adalah suatu indikator yang menunjukkan pergerakan harga-harga saham di bursa saham
internasional yang mendeskripsikan kondisi pasar internasional pada suatu saat, apakah pasar sedang bearish market atau bullish market.
III.7. Identifikasi dan Definisi Operasional Variabel Indeks Bursa Saham Regional X
2
Indentifikasi variabel indeks bursa saham regional X
2
yang berfungsi sebagai variabel bebas pada hipotesis kedua ditabulasikan pada Tabel III.2. sebagai
berikut:
Tabel III.2. Variabel-variabel Indeks Bursa Saham Regional X
2
Kode IHSG Nama Lengkap IHSG
Negara KLCI
Kuala Lumpur Composite Index Malaysia
STI Straits Times Indeks
Singapura PCP
Philipine Composite Price Philipina
Definisi operasional variabel indeks bursa saham regional adalah suatu indikator yang menunjukkan pergerakan harga-harga saham di bursa saham regional
yang mendeskripsikan kondisi pasar regional pada suatu saat, apakah pasar sedang bearish market atau bullish market.
Universitas Sumatera Utara
77
III.8. Identifikasi dan Definisi Operasional Variabel Kurs Dolar Amerika Serikat X
3
Identifikasi variabel yang berfungsi sebagai variabel bebas X
3
pada hipotesis ketiga adalah: kurs Dolar Amerika Serikat, dengan kode: US.
Definisi operasional variabel kurs Dolar Amerika Serikat adalah Harga dari 1 satu Dolar Amerika Serikat US yang dinyatakan dalam Rupiah di pasar uang
Indonesia.
III.9. Identifikasi dan Definisi Operasional Variabel Indeks Bursa Efek Indonesia Y
Identifikasi variabel yang berfungsi sebagai variabel terikat Y pada hipotesis pertama, kedua dan ketiga adalah Indeks Harga Saham Gabungan-Bursa Efek
Indonesia, dengan kode: IHSG-BEI. Definisi operasional variabel indeks Bursa Efek Indonesia adalah suatu
indikator yang menunjukkan pergerakan harga saham secara menyeluruh di Bursa Efek Indonesia yang mendeskripsikan kondisi pasar di Bursa Efek Indonesia pada
suatu saat, apakah pasar sedang bearish market atau bullish market.
III.10. Model Analisis Data
Adapun alat bantu yang digunakan untuk mengolah dan menganalisis data pada penelitian ini adalah program Eviews4 dan SPSS13.0.
III.10.1. Analisis Statistik Deskriptif
Untuk memperoleh trend statistik indeks bursa saham internasional, bursa saham regional, kurs Dolar Amerika Serikat US dan IHSG Bursa Efek Indonesia
Universitas Sumatera Utara
78
baik dalam data level dan data return first diffrence, maka dilakukan pengujian analisis statistik deskriptif. Hasil dari langkah ini berupa ikhtisar statistik yang antara
lain mencakup: nilai rata-rata mean, nilai standar deviasi, nilai skewness, dan nilai kurtosis.
III.10.1.1. Uji nilai rata-rata dan nilai standar deviasi Perhitungan dan perbandingan statistik deskriptif nilai rata-rata dan nilai
standar deviasi indeks bursa saham dan kurs Dolar Amerika Serikat pada penelitian ini bertujuan untuk menjelaskan seberapa besar risiko berinvestasi di suatu Negara.
Untuk memperoleh trend risiko berinvestasi di setiap negara maka perhitungan nilai rata-rata dan standar deviasi difokuskan pada dua periode pengamatan, yaitu: periode
sebelum krisis finansial 2008 dan pada periode selama krisis finansial 2008 berlangsung.
III.10.1.2. Nilai Skewness dan nilai Kurtosis Nilai skewnes pada penelitian ini akan menjelaskan derajat kecondongan
yang dikenal dengan koefisien kecondongan koefficient of skewness = sk. Nilai sk akan berkisar -3 sampai +3, apabila sk nilainya sama dengan 0 nol maka kurvanya
simetris normal. Kurva dengan nilai sk yang semakin mendekati nol, akan semakin mendekati kurva berbentuk normal. Jika nilai sk negatif, hal ini mengindikasikan
adanya data indeks harga saham yang nilainya ekstrim kecil sehingga menurunkan nilai rata-rata indeks harga saham, sedangkan jika nilai sk positif hal ini menunjuk
Universitas Sumatera Utara
79
adanya data indeks harga saham yang nilainya ekstrim besar sehingga menaikkan nilai rata-rata indeks harga saham.
Nilai kurtosis merupakan ukuran keruncingan kurva. Melalui koefisien keruncingan kurva
α
4
maka bursa saham dapat dinyatakan apakah sedang mengalami bearish market atau bullish market. Keruncingan kurva indeks harga
saham dimungkinkan dapat berbentuk: 1.
Kurva normal atau mesokurtic, jika α
4
= 3 transaksi bursa berjalan normal. 2.
Kurva platykurtic, jika α
4
3 transaksi bursa sedang bullish market. 3.
Kurva leptokurtic, jika α
4
3 transaksi bursa sedang bearish market.
III.10.2. Analisis Korelasi Correlation Analysis
Analisis korelasi pada penelitian ini dimanfaatkan untuk melihat tingkat integrasi atau keseimbangan bursa saham asing dan kurs Dolar Amerika Serikat
terhadap indeks BEI dalam jangka pendek. Daly 2003: 78 menyatakan bahwa: Analisis terhadap koefisien korelasi merupakan upaya awal untuk melihat hubungan
jangka pendek yang terjadi diantara dua bursa secara statis. Kemudian Gujarati 2007: 53 menyatakan bahwa: Korelasi tidak harus menyiratkan hubungan kausal
atau sebab-akibat. Analisis korelasi dilakukan secara berpasangan bivariat terhadap masing-
masing variabel indeks bursa saham asing dan kurs Dolar Amerika Serikat terhadap Indeks BEI. Oleh karena analisis korelasi pada penelitian ini dimanfaatkan untuk
Universitas Sumatera Utara
80
melihat hubungan jangka pendek, maka fokus penelitian hanya dilakukan pada dua waktu periode pengamatan, yaitu: periode sebelum krisis finansial 2008 dan periode
selama krisis finansial 2008 berlangsung baik pada data level maupun return first difference.
Rumus korelasi bivariat yang digunakan pada penelitian ini adalah sebagai berikut, Nachrowi 2006:133:
=
∑ ∑
∑ {[
∑ ∑
] ⌈ ∑
∑ ⌉
}
III.10.3. Uji Akar Unit Unit Root Test
Uji akar unit dilakukan untuk memastikan stasionaritas data pada data level dan return first difference setiap variabel indeks bursa saham asing, kurs Dolar
Amerika Serikat dan IHSG-BEI pada ketiga waktu periode pengamatan. Jika dari hasil pengujian menunjukkan bahwa data mengalami unit root maka data tidak
stasioner, oleh karena itu data tersebut tidak dapat digunakan untuk menguji pengaruh variabel-variabel X terhadap variabel Y, namun dapat digunakan untuk uji kointegrasi
antara variabel-variabel X terhadap variabel Y. Selanjutnya, jika dari hasil pengujian menunjukkan bahwa data tidak mengalami unit root maka data stasioner, oleh karena
itu data tersebut dapat digunakan untuk menguji pengaruh variabel-variabel X terhadap variabel Y dengan menggunakan Granger causality test.
Universitas Sumatera Utara
81
Pengujian akar unit dilakukan dengan prosedur Augmented Dikey Fuller Test ADF Test sebagai berikut, Nachrowi 2006: 155:
1. Model dengan intercep
β
1
dan trend β
2
, yaitu: ∆
= +
+ +
∆
+
2. Model dengan
intercep β
1
, yaitu: ∆
= +
+
∆
+
3. Model tanpa intercep
β
1
dan trend β
2
, yaitu: ∆
= +
∆
+
Keterangan: ADF Test lebih besar dari test critical values maka data tidak stasioner.
ADF Test lebih kecil dari test critical values maka data stasioner.
III.10.4. Uji Kointegrasi Cointegration Test
Uji kointegrasi pada penelitian ini dimanfaatkan untuk melihat tingkat integrasi bursa saham asing dan kurs Dolar Amerika Serikat terhadap indeks BEI
dalam jangka panjang. Dalam ekonometrika, variabel yang saling terkointegrasi dikatakan dalam kondisi keseimbangan jangka panjang long-run equilbrium
Nachrowi 2006: 367.
Universitas Sumatera Utara
82
Meskipun uji Kointegrasi dapat dilakukan pada tiga periode pengamatan, yaitu: seluruh periode penelitian, periode sebelum krisis finansial 2008 dan periode
selama krisis finansial 2008 berlangsung, namun karena uji kointegrasi dilakukan untuk melihat tingkat integrasi jangka panjang atau keseimbangan jangka panjang
maka fokus pengamatan dan penelitian hanya akan dilakukan terhadap waktu seluruh periode penelitian.
Uji kointegrasi dilakukan secara bivariat. Pengujian dilakukan dengan menggunakan VAR-based cointegration test sebagai berikut, Eviews4 User’s Guide
2002: 552: 1.
Model trace statistic:
| =
−
log 1
− Dimana λ
1
adalah eigenvalue terbesar ke-i dari matriks ∏
2. Model max-eigen statistic
| + 1 =
−
log 1
− =
|
−
+ 1|
Dimana: r = 0,1,….k-1
Trace statistic dan max-eigen statistic lebih besar dari critical value 1 atau 5 maka indicates cointegration.
Trace statistic dan max-eigen statistic lebih kecil dari critical value 1 atau 5 maka indicates no cointegration.
Universitas Sumatera Utara
83
III.10.5. Variabel Lag
Variabel lag adalah variabel bebas yang mempengaruhi variabel terikat secara tidak langsung atau ada jeda waktu lag. Variabel bebas pada penelitian ini
merupakan variabel lag. Yang dimaksud dengan jeda waktu lag pada penelitian ini adalah suatu penyebab baru menimbulkan pengaruh atau akibat setelah jangka waktu
atau jarak waktu tertentu. Suharyadi dan Purwanto 2004: 560 menyatakan bahwa, ada tiga hal yang
menjadi penyebab variabel lag: 1.
Penyebab yang bersifat teknis. Contoh: pada kelapa sawit, harga pada saat ini akan mendorong perluasan areal, namun demikian dari sejak menanam
sampai panen membutuhkan waktu 4 empat tahun, sehingga pengaruh harga akan di respons produksi dengan jarak waktu 4 empat tahun.
2. Penyebab yang bersifat kelembagaan. Contoh: keterikatan perjanjian
dengan pihak lain yang mempunyai kekuatan hukum untuk tidak di langgar. Perusahaan akan menjual banyak pada harga tinggi, namun
apabila ada kontrak penjualan, maka perusahaan tersebut harus taat.
3. Penyebab yang bersifat sikolaogis. Contoh: banyak perilaku masyarakat
yang lamban merespon perubahan karena alasan kebiasaan. Seseorang yang menjadi kaya, misalnya tidak serta merta mengubah gaya hidupnya
yang sederhana, karena sudah terbiasa dengan gaya hidupnya.
Untuk menemukan lag yang paling tepat dalam ekonometrik Nachrowi 2006: 264 menyatakan bahwa: gunakan dari lag yang terkecil, yaitu lag = 1, yang
berarti kita hanya menggunakan variabel bebas Y
t-1
dan X
t-1
. Hal ini dianjurkan karena pada umumnya pengaruh lag yang berdekatan lebih tinggi
dibandingkan lag yang lebih jauh. Bila uji F memberi hasil yang signifikan, dapat diuji kembali dengan menggunakan lag = 2. Proses tersebut dapat terus
dilanjutkan hingga uji F menghasilkan nilai yang tidak signifikan.
Dengan memperhatikan teori Suharyadi dan Purwanto 2004: 560 dan Nachrowi 2006: 264 tersebut diatas, maka pada program Eviews 4 dalam tools
Granger Causality Test, pada tahap awal akan dimasukkan lag terkecil, yaitu lag = 1, hasilnya kemudian dicatat. Selanjutnya dilakukan hal yang sama dengan
Universitas Sumatera Utara
84
memasukkan lag = 2 dan seterusnya sesuai dengan deret hitung sampai lag memberikan hasil F statistik yang tidak signifikan atau F statistik lebih kecil dari F
tabel. Dari setiap lag yang hasil uji F-nya signifikan dilakukan judgment dari teori yang ada. Lag yang terpilih dengan judgment teori yang akan digunakan pada uji
kausalitas granger dan analisis selanjutnya. Untuk kepraktisan penelitian dengan memperhatikan output uji kausalitas
granger yang antara lain terdiri dari jumlah observasi, F statistik dan probabilitas, maka pada penelitian ini peneliti akan lebih utama menggunakan nilai probabilitas
sebagai alat analisa dan lebih lanjut akan dijelaskan pada sub bab III.10.6. berikut ini.
III.10.6. Uji Kausalitas Granger Granger Causality Test
Pada uji kausalitas Granger yang dilihat adalah pengaruh masa lalu terhadap kondisi sekarang, Nuchrowi, 2006: 262-263 dan pada intinya uji kausalitas Granger
dapat mengindikasikan hubungan dua arah secara parsial variabel-variabel bebas indeks bursa saham internasional, indek bursa saham regional dan kurs Dolar
Amerika Serikat terhadap variabel terikat indeks BEI atau dengan kata lain, uji kausalitas Granger dapat membuktikan apakah secara parsial variable-variabel X
mempengaruhi Granger Cause by variabel Y dan atau variabel Y yang berpengaruh secara parsial terhadap variabel-variabel X. Pengujian tersebut dilakukan pada tiga
periode pengamatan, yaitu: seluruh periode penelitian, periode sebelum krisis finansial 2008 dan periode selama krisis finansial 2008 berlangsung.
Universitas Sumatera Utara
85
Pada penelitian ini, uji kausalitas Granger dilakukan secara bivariat. Secara matematis, untuk melihat apakah X mempengaruhi Y dan atau sebaliknya, dapat
dilakukan dengan beberapa tahapan sebagai berikut, Nachrowi 2006: 263: 1.
Model regresi penuh untuk mendapatkan Sum Square Of Error SSE
= +
+
2. Model regresi terbatas untuk mendapatkan Sum Square Of Error SSE
= +
3. Formula uji F berdasarkan SSE yang didapat sebelumnya
=
− −
Pada program Eviews4 uji kausalitas Granger selain menghasilkan perhitungan uji F juga dihasilkan nilai probabilitas pengujian, kemudian nilai
probabilitas tersebut dibandingkan dengan nilai kritis α = 5 0,05:
Dimana: Probabilitas lebih besar dari
α = 5 maka X ungranger cause by Y Probabilitas lebih kecil dari
α = 5 maka X Granger cause by Y
Universitas Sumatera Utara
86
III.10.7. Analisis Regresi
Bertolak dari latar belakang, kerangka berfikir dan tinjauan pustaka, maka untuk mengetahui pengaruh indeks bursa saham internasional, indeks bursa saham
regional dan kurs Dolar Amerika Serikat terhadap indeks bursa efek indonesia digunakan analisis regresi linier sederhana regresi linier bivariat, dengan persamaan
sebagai berikut:
= +
+
Dimana: Y
= IHSG-BEI X
1
= f SP500, FTSE100, DAX30, Hang Seng, Nikkei225 dan SCI B
= Konstanta B
1
= Koefisien Variabel X
1
ϵ = Eplison atau variabel yang tidak di teliti
Pengaruh variabel bebas terhadap variabel terikat diuji dengan tingkat kepercayaan 95 atau α = 5. Kriteria pengujian hipotesis secara parsial adalah:
1. H
: B
1
= 0 fSP500, FTSE100, DAX30, Hang Seng, Nikkei225 dan SCI tidak berpengaruh terhadap IHSG-BEI.
2. H
1
: B
1
≠ 0 fSP500, FTSE100, DAX30, Hang Seng, Nikkei225 dan SCI berpengaruh terhadap IHSG-BEI.
Kriteria pengambilan keputusan adalah: jika t
hitung
t
tabel
maka H
1
di terima. Namun jika t
hitung
t
tabel
maka H di terima.
Universitas Sumatera Utara
87
III.10.8. Uji Asumsi Klasik
Berdasarkan model analisis regresi yang dilakukan yaitu regresi linier sederhana regresi linier bivariat dan oleh kemungkinan akan munculnya masalah
dalam analisis regresi maka dilakukanlah uji asumsi kelasik berupa uji normalitas data dan uji heteroskedastisitas.
III.10.8.1. Uji Normalitas Data Untuk menguji normalitas data dalam penelitian ini, maka alat utama yang
akan digunakan adalah alat uji non parametrik Kolmogorov – Smirnov K-S. Namun jika dianggap perlu maka uji selanjutnya akan dilakukan dengan menggunakan
analisis grafik yaitu: histogram dan plot. III.10.8.2. Uji Multikolinieritas
Uji multikolinieritas dilakukan bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar variabel bebas independent. Jika variabel-variabel
bebas saling berkolerasi maka variabel-variabel bebas tersebut dinyatakan tidak ortogonal. Pada penelian ini untuk mendeteksi multikolinieritas diamati melalui
output collinearity diagnostics, yaitu dengan mengamati nilai eigenvalue dan condition index. Jika nilai eigenvalue mendekati 0 nol maka deteksi awal menduga
bahwa variabel-variabel bebas adalah ortogonal, untuk lebih meyakinkan maka diamati nilai condition index, jika nilai condition index dibawah 10 sepuluh maka
variabel-variabel bebas adalah ortogonal.
Universitas Sumatera Utara
88
III.10.8.3. Uji Heteroskedastisitas Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heteroskedastisitas. Untuk mendeteksi apakah telah terjadi heteroskedastisitas pada data maka pada penelitian ini akan dilakukan uji white heteroscedasticity, jika dari
hasil pengujian menunjukkan probilitas lebih kecil dari α = 5 maka disimpulkan telah terjadi heteroskedastisitas, namun sebaliknya jika probabilitas lebih besar dari
α = 5 maka dapat disimpulkan data telah homoskedastisitas.
Universitas Sumatera Utara
89
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
Kategori