Model ARCH-GARCH untuk Risiko Harga Bunga Krisan Cipanas

48 VI. HASIL DAN PEMBAHASAN

6.1. Model ARCH-GARCH untuk Risiko Harga Bunga Krisan Cipanas

dan Krisan Pt Model ARCH-GARCH digunakan untuk meramalkan varian dan volatilitas pada suatu data. Pada penelitian ini, ARCH-GARCH digunakan untuk mengetahui model pada bunga krisan cipanas dan krisan pt. Selain itu, model ARCH-GARCH akan digunakan untuk mengetahui besarnya risiko harga yang akan dihadapi pedagang krisan dengan perhitungan VaR. Analisis model ARCH- GARCH menggunakan empat variabel, yaitu variabel harga P t sebagai variabel dependen variabel terikat dan variabel independennya variabel bebas adalah variabel harga pada periode sebelumnya P t-1 , variabel jumlah permintaan D t serta variabel pasokan Q t . Dari keempat variabel tersebut kemudian dibuat suatu model persamaan harga untuk bunga krisan cipanas dan krisan pt. Analisis dengan metode ARCH-GARCH dilakukan dengan terlebih dahulu melakukan uji normalitas untuk mengetahui ada atau tidaknya heteroskedastisitas. Berdasarkan hasil Uji Normalitas yang terlihat pada Gambar 8, bunga krisan cipanas memiliki nilai kurtosis sebesar 15.13132. Nilai kurtosis tersebut menunjukkan bahwa data mengandung heteroskedastisitas, yang ditunjukkan dari nilai kurtosis yang lebih besar dari tiga. Hasil uji normalitas juga menunjukkan bahwa nilai koefisien kemunjuluran skewness adalah sebesar 2.524832 yang lebih besar dari nol. Hal tersebut menunjukkan bahwa model persamaan untuk bunga krisan cipanas memiliki distribusi yang miring ke kanan yang berarti bahwa harga bunga krisan cipanas cenderung menumpuk pada tingkat fluktuasi yang rendah Gambar 8. 49 40 80 120 160 200 -5000 5000 10000 Series: Residuals Sample 2 729 Observations 728 Mean 4.88e-13 Median -395.9463 Maximum 11584.35 Minimum -6775.783 Std. Dev. 1976.442 Skewness 2.524832 Kurtosis 15.13132 Jarque-Bera 5237.598 Probability 0.000000 Gambar 8. Hasil Uji Normalitas Bunga Krisan Cipanas Hasil Uji Normalitas yang dilakukan pada bunga krisan pt juga menunjukkan bahwa data mengandung heteroskedastisitas. Hal tersebut terlihat pada nilai kurtosis yang lebih dari tiga, yaitu 11.26006. Nilai dari koefisien kemenjuluran skewness yang dimiliki bunga krisan pt juga memiliki nilai yang lebih besar dari nol, yaitu 1.047382. Nilai yang lebih besar dari nol tersebut menunjukkan bahwa model persamaan untuk bunga krisan pt memiliki distribusi yang miring ke kanan yang berarti bahwa harga bunga krisan pt cenderung menumpuk pada tingkat fluktuasi yang rendah Gambar 9. 40 80 120 160 200 -5000 -2500 2500 5000 7500 Series: Residuals Sample 2 729 Observations 728 Mean 1.85e-12 Median -188.2030 Maximum 9222.371 Minimum -6569.192 Std. Dev. 1548.326 Skewness 1.047382 Kurtosis 11.26006 Jarque-Bera 2202.704 Probability 0.000000 Gambar 9. Hasil Uji Normalitas Bunga Krisan Pt 50 Koefisien kemunjuluran skewness yang dimiliki bunga krisan cipanas dan pt sama-sama memiliki nilai yang positif. Namun, terdapat perbedaan nilai skewness antara bunga krisan cipanas dan pt. Nilai skewness yang semakin kecil menunjukkan bahwa tingkat fluktuasi yang semakin tinggi. Berdasarkan hasil uji normalitas, terlihat bahwa nilai skewness pada bunga krisan cipanas memiliki besaran nilai positif yang lebih besar dibandingkan bunga krisan pt. Sedangkan nilai skewness pada bunga krisan pt memiliki nilai yang lebih rendah dibandingkan krisan cipanas. Hal tersebut berarti bahwa harga bunga krisan cipanas memiliki kecenderungan fluktuasi yang lebih rendah dibandingkan harga bunga krisan pt. Selain melalui uji normalitas, heteroskedastisitas juga dapat diketahui dengan melakukan Uji White Heteroskedasticity. Uji White Heteroskedasticity didasarkan pada hipotesis nol, yaitu tidak terdapatnya ARCH error. Berdasarkan Tabel 4, terlihat bahwa probalitas statistik Prob. F untuk model persamaan harga krisan cipanas dan krisan Pt lebih kecil dibandingkan dengan α yang biasanya digunakan yaitu lima persen. Dengan demikian dapat disimpulkan bahwa residual model persamaan harga krisan cipanas dan krisan pt mengandung heteroskedastisitas. Tabel 3. Ringkasan Hasil Uji White Heteroskedasticity Jenis Bunga Krisan ObsR- Squared Prob. F F-statistic Prob. F Cipanas 29.27312 0.0006 3.342285 0.0005 Pt 101.5011 0.0000 12.92506 0.0000 Autokorelasi dalam model dapat dilakukan dengan cara menguji nilai auto korelasi kuadrat residual, yaitu dengan melakukan Uji LM. Fungsi autokorelasi kuadrat residual digunakan untuk mendeteksi keberadaan efek ARCH. Jika pada kuadrat residual terdapat autokorelasi, maka hal ini dapat mengindikasikan bahwa terdapat unsur ARCH error. Berdasarkan hasil uji ARCH LM pada bunga krisan cipanas dan pt dapat diketahui bahwa nilai probability ObsR-Squared memiliki nilai yang lebih kecil dari α, yaitu lima persen. Nilai probability ObsR-Squared yang lebih kecil dari α tersebut menggambarkan bahwa data tidak mengandung auto korelasi, sehingga dalam data tidak terdapat ARCH error Tabel 4. 51 Tabel 4. Ringkasan Hasil Uji LM Test Jenis Bunga Krisan ObsR- Squared Prob.F F-statistic Prob. F 11.715 Cipanas 146.3034 0.0000 14.92302 0.0000 Pt 136.1042 0.0000 13.64347 0.0000 Model ARCH GARCH diperoleh dengan menambahkan model ARCH GARCH ke dalam model regresi. Pemilihan model terbaik pada ARCH GARCH dilihat dari nilai Schwarz Criterion SC dan Akaike Info Criterion AIC yang terkecil. Dengan melihat nilai SC dan AIC yang terkecil dari hasil analisis ARCH- GARCH, maka diperoleh model terbaik untuk bunga krisan cipanas dan krisan pt. Bunga krisan cipanas memiliki model terbaik pada GARCH 1. Hal tersebut berarti menggambarkan pola pergerakan harga bunga krisan cipanas yang hanya dipengaruhi oleh varian harga bunga krisan cipanas pada satu hari sebelumnya, tetapi tidak dipengaruhi oleh volatilitas harga bunga krisan cipanas pada satu hari sebelumnya. Berdasarkan hasil, terlihat bahwa varian harga bunga krisan pada satu hari sebelumnya memiliki nilai yang positif yang berarti bahwa varian harga satu hari sebelumnya pada krisan cipanas merupakan salah satu faktor yang mempengaruhi risiko harga pada periode berikutnya. Tabel 5. Hasil Pendugaan Parameter Fungsi Harga Bunga Krisan Cipanas dengan Model GARCH Variabel GARCH 1 Coeffisient Std, error Z-statistic Probability C Konstanta 5063.876 435.2489 11.63444 0.0000 P t-1 Harga Satu Hari Sebelumnya 0.490036 0.026146 18.74256 0.0000 Q t Jumlah Pasokan Krisan Cipanas 1.315190 0.461369 2.850623 0.0044 D t Jumlah Permintaan Krisan Cipanas -1.413263 0.501703 -2.816929 0.0048 Variance Equation C Konstanta 2340004.0 5219964.0 0.448280 0.6540 β 1 Varian Periode 1 Hari Sebelumnya 0.401767 1.335340 0.300873 0.7635 AIC 18.03024 SC 18.06808 R-Squared 27.6368 52 Berdasalkan analisis ARCH-GARCH diperoleh bahwa harga bunga krisan cipanas pada periode sebelumnya signifikan pada taraf nyata lima persen. Nilai R- Squared sebesar 27.6368 persen berarti bahwa pada persamaan model bunga krisan cipanas variabel independen harga satu hari sebelumnya, jumlah pasokan, dan jumlah permintaan dapat menjelaskan harga krisan cipanas, sedangkan sisanya dijelaskan oleh variabel lain diluar model. Nilai parameter ketiga variabel independen menggambarkan korelasi masing-masing terhadap harga krisan cipanas. Nilai parameter harga periode satu hari sebelumnya yang bernilai positif sebesar 0.490036 menunjukkan bahwa harga periode satu hari sebelumnya memiliki korelasi yang positif terhadap harga periode sekarang. Jika harga pada periode sebelumnya meningkat, maka harga krisan cipanas pada periode sekarang akan meningkat. Nilai parameter yang terjadi pada jumlah pasokan krisan cipanas memiliki korelasi yang positif sebesar 1.315190. Hal tersebut berarti bahwa jumlah pasokan bunga krisan akan mempengaruhi peningkatan harga krisan cipanas. Jika jumlah pasokan krisan cipanas di Pasar Bunga Rawabelong sedang dalam jumlah yang banyak, maka harga krisan cipanas pun akan meningkat. Sedangkan nilai parameter untuk jumlah permintaan krisan cipanas memiliki nilai yang negatif sebesar 1.413263 yang berarti bahwa menurunnya jumlah permintaan krisan cipanas akan meningkatkan harga bunga krisan. Jika permintaan konsumen menurun, maka harga krisan cipanas akan meningkat Tabel 5. Hasil analisis ARCH-GARCH pada bunga krisan jenis pt juga memiliki hasil yang tidak berbeda jauh dengan krisan cipanas. Pada model bunga krisan pt, model ARCH-GARCH yang terbaik juga terdapat pada GARCH 1. Hal tersebut berarti bahwa pola pergerakan harga bunga krisan pt hanya dipengaruhi oleh varian pada satu hari sebelumnya. Pada Tabel 6 menunjukkan bahwa harga bunga krisan pt pada periode sebelumnya, jumlah pasokan, serta jumlah permintaan krisan pt signifikan pada taraf nyata lima persen. Nilai R-Squared sebesar 50.3386 persen menunjukkan bahwa variabel independen harga satu hari sebelumnya, jumlah pasokan, dan jumlah permintaan dapat menjelaskan harga bunga krisan pt dan sisanya dijelaskan oleh variabel lain diluar model. 53 Tabel 6. Hasil Pendugaan Parameter Fungsi Harga Bunga Krisan Pt dengan Model GARCH Variabel GARCH 1 Coeffisient Std, error Z-statistic Probability C Konstanta 8411.828 472.1326 17.81666 0.0000 P t-1 Harga Satu Hari Sebelumnya 0.584771 0.019158 30.52348 0.0000 Q t Jumlah Pasokan Krisan Cipanas 3.271902 0.760952 4.299745 0.0000 D t Jumlah Permintaan Krisan Cipanas -6.582860 0.651225 -10.10843 0.0000 Variance Equation C Konstanta 13241.79 1002.178 13.21301 0.0000 β 1 Varian Periode 1 hari Sebelumnya 0.996154 0.000529 1883.957 0.0000 AIC 17.45490 SC 17.49273 R-Squared 50.3386 Hasil pendugaan pada ketiga variabel independen krisan pt juga memiliki interpretasi masing-masing. Berdasarkan hasil, nilai parameter harga periode satu hari sebelumnya memiliki nilai positif yang berarti bahwa harga pada periode satu hari sebelumnya akan mempengaruhi harga pada periode sakarang. Nilai parameter yang positif sebesar 3.271902 pada jumlah pasokan krisan pt menunjukkan bahwa jumlah pasokan memiliki korelasi yang positif dengan harga pada periode sekarang. Hal tersebut berarti bahwa ketika jumlah pasokan bunga krisan pt dalam kondisi yang tinggi atau dalam jumlah yang banyak, maka harga krisan pt akan meningkat. Namun, hal tersebut disesuaikan dengan kondisi pasar jika jumlah permintaannya meningkat. Sedangkan, nilai parameter pada jumlah permintaan krisan pt memiliki korelasi yang negatif yaitu sebesar 6.582860 dengan harga periode sekarang. Nilai tersebut menunjukkan bahwa permintaan krisan pt yang meningkat akan mempengaruhi harga bunga krisan pt untuk menurun Tabel 6. Berdasarkan hasil analisis dengan ARCH GARCH tersebut, maka diperoleh model peramalan ragam untuk bunga krisan cipanas adalah : h t = 2340004 + 0.401767 h t-1 54 Sedangkan, untuk model peramalan ragam bunga krisan pt adalah : h t = 13241.79 + 0.996154 h t-1 Berdasarkan model ARCH-GARCH terbaik tersebut maka dapat dilakukan perhitungan besarnya risiko yang dihadapi oleh petani bunga krisan dengan adanya fluktuasi harga bunga krisan cipanas dan krisan pt melalui perhitungan selanjutnya yaitu dengan perhitungan VAR Value at Risk.

6.2. Tingkat Risiko Harga Bunga Krisan Cipanas dan Krisan Pt