41257.pdf UNIVERSITAS TERBUKA. Koleksi Perpustakaan Universitas Terbuka

U

N IV

ER

SI TA

S

TE

R

BU

KA

14/41257.pdf

Koleksi Perpustakaan Universitas Terbuka

U

N IV

ER

SI TA

S

TE

R

BU

KA

14/41257.pdf


U

N IV

ER

SI TA

S

TE

R

BU

KA

14/41257.pdf


U

N IV

ER

SI TA

S

TE

R

BU

KA

14/41257.pdf


U

N IV

ER

SI TA

S

TE

R

BU

KA

14/41257.pdf


U

N IV

ER

SI TA

S

TE

R

BU

KA

14/41257.pdf


U

N IV

ER

SI TA

S

TE

R

BU

KA

14/41257.pdf


U

N IV

ER

SI TA

S

TE

R

BU

KA

14/41257.pdf


U

N IV

ER

SI TA

S

TE

R

BU

KA

14/41257.pdf


14/41257.pdf IX

Definisi Operasiona1 I. Batasan Masa1ah

C.

,

BAB ill METODE PENEL1TIAN

32

33

35

A.

Desain P.nelitian

35

B.

Populasi dan Sampel

37

C.

lnstrumen Penelitian

37

D.

Prosedur Pengumpu1an Data

38

E.

Metode Analisis Data

38

F.

Pengolahan Data

4()

BAB IV TEMUAN DAN PEMBAHASAN

44

I.

KA

Temuan Dan Pembahasan Kurun Waktu Agustus 2007 - Oktober 2009

A.

PENGUJIAN DATA

TE R

BU

.. un UNGKAT KENORMALAN DATA b. un HElEROSKEDASllSITAS 2. un GARCH (1.1) 3. un GARCH MEAN (I.I)VAR1ANCE 4. un GARCH MEAN (1.1) - STANDARD DEVlAllON 5. un TIIRESHOLD GARCH (1.1)

44

45

46

47

49

50

52

.53

TA

S

B. Temuan Dan Pembah""""KIIIUD Waktu I Agustus 2007 - 15 September 2008

(S.belum KKG) 56

IV E

R

SI

C. Temuan Dan Pembahasan Kurun Waktu 15 Seplember 2008 - 30 Oklober

2009 (Sesudah KKG) 59

D. Temuan Dan Pembahasan PerbandingllD S.belum Dan Sesudah KKG 2008 61

BAB V KESIMPULAN DAN SARAN

B.

K.simpu1an. ..........•..............................................••......•....•.............................. 66

U N

A.

66

Saran••....•...•••....••..••...........•.....••.....•....••..•....••............................•................•... 67

DAFTAR PUSTAKA


69

14/41257.pdf x

DAFTAR GAMBAR

Halaman

Gombar 2. ! Grafik homoskedastisitas (kiri) dan heteroskedastisitas (kanan)

20

Gombar 2. 2 Tabe! Perhandingan penguIruran Linear dan Nonlinear

28

Gambar 2. 3. Gambar perbedaan sifa! homoskedastisitas dan heteroskedastisitas dari

29

Gombar 2. 4 Diagram Alir Kenmgka Berpikir

32

Gombar 3. ! Diagram Alir !".,gkah-langkah Penelitian.

36

KA

vo1ati1itas.

Gombar 4. I. Grafik lndeks LQ 45 kurun waktu penelitian dan saat KKG 2008

R BU

Gombar 4. 2 Grafik Return Harian LQ45 dan titik KKG 2008

44

.45

TE

Gombar 4. 3.Grafik uji Nonna1itas Return harian berikut basil pengukuran parameter.

U

N

IV

ER

SI

TA

S

..


46

14/41257.pdf xi

DAFTAR TABEL

HalllJDllI1 rabel3. 1. ConlOh kelll8l'llll EViews yang aken dianalisa.

39

rahel4. I. Vji Heteroskesdalisitas

47

.48

rahel4. 3. HasH uji datadengan metode GARCH (1,1)

49

rahel4. 4 HasH Vji dengan Metode GARCH-M(I,I) Variance

51

rahel4. 5 HasH uji GARCH-M(I,1) SttmdardDeviation

53

rahel4. 6 HasHperhitungan r-GARCH(I,I)

55

rahel4. 7 Perbandingan hasH uji berbagai model.

55

KA

rahel4. 2 Vji Heteroskedastisitas (ARCH(6))

BU

rahel4.8 HasH Perbitungan Model rGARCH(I,I) sehelum KKG 2008

TE R

rahe14.9 HasH PerbitunganModel TGARCH(I,I) sesudah KKG 2008

U

N

IV

ER

SI

TA

S

rahel4. 10 Perhandingan sehelum dan setelah krisis


58

60

62

14/41257.pdf xii

DAFrAR LAMPIRAN

hal8JDSD

U

N

IV

ER

SI

TA S

TE

R

BU

KA

Lampiran J. Surat Keputusan Keanggotaan Saham LQ 45 tangga131 Juli 2009


71

U

N

IV ER

SI

TA

S

TE

R

BU

KA

14/41257.pdf


U

N

IV

ER SI

TA

S

TE R

BU

KA

14/41257.pdf


U

N

IV ER

SI

TA

S

TE

R

BU

KA

14/41257.pdf


U

N

IV

ER

SI

TA

S

TE

R

BU

KA

14/41257.pdf


U

N

IV

ER

SI

TA

S

TE

R

BU

KA

14/41257.pdf


U

N IV ER

SI T

AS

TE

R

BU KA

14/41257.pdf


U

N IV

ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N IV ER

SI T

AS

TE

R

BU KA

14/41257.pdf


U

N IV

ER SI

TA S

TE R

BU

KA

14/41257.pdf


U N

IV

ER SI

TA

S

TE R

BU

KA

14/41257.pdf


U

N

IV

ER SI

TA

S

TE R

BU

KA

14/41257.pdf


14/41257.pdf

12

BABD TINJAUAN PUSTAKA A. Kajian Teori

1. Krisis KeD.apD

Seperti yang telah dijelaskan pada Bah 1, diketahui secara wnwn ada !
KA

(2009) yang mengutip dari Kaminsky, Limndo dan Reinhart (1998), ada IS indikator

BU

dini dori krisis keuangan, dengan perineian dan penjelasan sebagai berikut:

TE R

I. Output Riil.

Perkembangan output sektor riil diamati dengan frekuensi data bulanan

ER SI

2. Harga Saham.

TA

teljadi krisis keuangan.

S

dibandingkan dengan data taboo lalu, apahila ada penUlUnan make dianggap

Perkembangan indeb harge saham, diamati dengan frekuensi data bulanan

IV

dibandingkan dengan data taboo Ialu, apabila ada ponwunan secara drastis

N

make dianggap teljadi krisis keuangan.

U

3. Cadangan Devise.

Nilai cadangan devisa negara, diamati dengan frekuensi data bulanan

dibandingkan dengan data taboo laiu, apabila ada ponunman make dianggap teljadi krisi. keuangan.


14/41257.pdf

13

4. Perbedaan bunga riB domestik dan bunga riil asing. Bempe perbandingan level domestik dan asing, biasanya diambil spread bunga tabungan domestik dengan The Fed, diamati dengan fiekoensi data bulanan dibandingkan dengan level sebelumnya.

S. Kelebihan dana riiI balanC4i!s Apabila dana kelebiban dana riil balances ini ditarik, maka dapat dianggap akan teljadi krisis keuangan, biasanya gejala ini mengikuti gejaJa tunmnya

indeks harllll saham.

6. Cadangan devisa lUang Kuasi.

KA

Penurunan cadangan devisa merupakan faktor yang dapat diandalkan bahwa

R BU

mata uang domestik mendapat tekanan.

7. Bank Deposit>

TE

Penurunan tingkat Bank Deposits dopa! diinterpretasikan sebagai pertanda

S

krisis karena mernpakan penurunan kePercayaan deposan terbadap lernbaga

TA

keuangan. Dengan penuruan ini, banlc akan mengalami kesulitan tikuiditas

SI

yang akan memperlambat pertumbuhan. ekonomi.

ER

8. Uang Kuasi multiplier

IV

Dikenal juga dengan nama M2. indikator ini berkenaan dengan liberaJisasi

N

perdagangan. Peningkatan daJam M2 menunjukkan penurunan daJam

U

cadangan minimum perbankan.

9. Kredit Domestik I GDP Apabila

rosio

pertumbuhan

Kredit

Domestik

dibanding

dengan

pertumbuhan GDP lebib besar, menunjukkan potensi krisis perbankan.


14/41257.pdf

14

JO. Tingkat bungs riil simpanan

Tingginya tingkat bungo riil simpanan menunjulckan adanya kesulitan Iikuiditas. II. Rasio tingkat bungs pinjaman dan simponan. Kenaikan l1ISio tingkat bungs pinjaman dibandingkan dengan simpanan

menunjukkan infonnasi dini akan krisis keuangan. 12. Kurs riil Mengukur perubaban daya saing inlmlasional dan sebsgai proxy untuk mer

(under) .
KA

potensi krisis.

BU

13. Eksport

akan terjadinya krisis keuangan

TA S

14. Import

TE R

Perlambatan pertumbuhan eksport dapat dijadikan salah solo indilcator dini

Pertumbuhan import yang tinggi akan memperburuk neraca transaksi

SI

betjalan dan biasanya menumbulkan indikasi krisis keuangan

ER

15. Nilai tukar perdagangan.

N IV

PenlD1lllan nilai tukar penlagangan juga merupakan indikasi terjadinya

krisis.

U

Terlihat pads indilcator nomor 2 di alas, yailo harga saham, disebutkan apabila terjadi perubahan !largo saham (penurunan) dopat berkaitan dengan terjadinya krisis keuangan. Perubahan dari harga saham yang cepat dapat menyebahkan perubahan


14/41257.pdf

15

retunr atan volatilitas. Hanya perIn diperhatikan Wltuk terjadinya krisis di suatu negars ke 15 faklor di alas horus dipenuhi. Krisis Keuangan Global 200& atall yang dikenal dengan Global FiNmcial Crisis

2008 disehul-sebut sebagai satu krisis terparah melanda dunia sejak Krisis Keuangan Asia 199&. Pengaruh Krisis Keuangan Globa' (KKG) sebenamya sudab dimulai dari bulan Juli 2007 di Amerika Serika~ pada waktu lerjadi krisis likuidilas kan:na kehilangan kepercayaan investor di Amerika terhadap pinjaman Kredil Pemilikan

Rumah yang dijadikan derivatif di pasar saham (securitized morgaged), yang mengakibatkan Bank Sentral Amerika (CIS Federal Reserve) horus menyunlikkan

BU KA

modal yang signifikan ke Bank of England dan European Central Market (Wall Street Jouma1,2()()7), (New Yark Times,2007), (The Guardian,2009). Krisis

R

Keuangan Global mulai menjadi parah dan menjadi perbalian dunia pada Kuartal Ire

TE

3 (Q3) tabun 200&, 1epalnya pada tanggaJ 15 September 200&. Pada hari ilU Lehman

AS

Brothers mengejukan permohonan pailil (bangkrul). Keesokan harinya perisliwa ilU

SI T

berpengaruh kepadajatuhnya hatga-barga saham di seluruh pasar saham dunia secara omuto ( M - h , 200S), lermasulc di bursa saham Indonesia yailU Indonesia

1.

N IV ER

Stock ExchangellSX atall Bursa Efek Indonesia! BEl.

Volalilitas

Yolatilitas merupakan ukuran sejauh mana barga saham dapal nm dan turon

U

dengan cep8l daJam rentang waktu lertenlU, biasanya dalam rentang waktu yang pendek. Sehingga dapal dikatakan ukoran volalilitas berkaitan dengan rentang waktu yang dipihb, misalnya: harlan, bulanan, tabunan, kuartal dan lain sehagainya


14/41257.pdf 16

Volatilitas yang umum digunakan adalah volatilitas tahunan. Dlllam penelitian ini penulis membahas volatilitas dalam jangka waktu yang pendek yoilu harlan.

Volatilitas

sebagai

instrumen

finansial

awalnya

dianggap

mengikuti

karakteristik random walk Gaussian atau proses Wiener atau dianggap volatilitas sebagoi

terdistribusi

normal,

dimona

volatilitas

OOrtambah

sejalan

dengon

bertambahnya waktu. Akan telspi, perubahon borga sebenamya tidak mengilwti distribusi Gauss. Distribusi yang lebib bail< dalam menggambarlcan volatilitas secara

aktuaI mempunyoi "fal lailS" dibandinglcan dengon distribusi Gauss walauPUD varions-nya telsp terbatas. Sehingga cara pengukuran yang lain dapat digunalcan mengukut

tingkat

penyebaron

dati

variabel.

Sehingga

KA

unluk

volotilitas

BU

menggambatkan demjat dati resiko yang dihadapi oleh pelaku ekonomi yang Ietpapat

R

dengon variabeltetsebut.

TE

SaIab satu faktol yang pe/lu diperlJatilcan dalam penilaian kinClja suatu pasar

S

saham adaIah dengon melihat perubahon faktol volatilitas hatga saham terbadap waktu. Volatilitas relJlnr sabam menunjuklcan variabilitas perubahan harga sabam

TA

In_.

pialang, dealer dan regulator peduli aIcan

SI

pads periode waktu tenentu.

ER

volatilitas relJlnr saham bulcan banya katana hal ini dipersepsillcan sebagai sebuah

IV

ukuran resiko, telspi katana mereka khawatir uIcan volatilitas yang OOrlebihan yang

N

mona lIuktuasi yang ditunjuklcan pads barga saham tidak kelihatan diikuti oleh OOri"'

U

beri'" pentiog tentang perosahaan &tau pasar ""'am keseluruhan, sehingga volatilitas in! lebib merupakan gongguan atau noise terhadap maksud awal dati presentasi borga saham sebapi sebuah pertaoda atBu sinyal aIcan niloi inlrinsik dati suatu perusabaan.

Konsep

bahWB

nilai intrinsik dari suatu perosahaan tercennin dari harga sahamnya


14/41257.pdf 17

padahal merupakan paragdigma inti dari efisiensi informasi sebuah pasar modal. (Karolyi, 2(01). Volatilitas penling diperhatikan oleh para pelaku ekooomi seperti pialang,jimd

manager, investor, anaIis. pialang dan pemerintah. antara lain, karena kembali menuml Karolyi, (2001): Volatilitas dapat menyebabkan terganggunya lcinelja sistem keoangan dan mempengaruhi lcinelja ekooomi. Peningkatan volatilitas menunjukkan peningka"'n rosiko bisnis yang akan

mempengaruhi keputusan investasi bisnis.

KA

Volatilitaa yang berlebihan merupakan "gangguan" terIladap lcinelja saham

BU

di luar faIdor lcinelja perusahaan yang sesungguhnya.

R

Volari1itaa juga penling diperhatikan terlebih lagi untuk negara berkembang

TE

yang lebib dilcenal dengan emerging ecoooney, dengan fundamental eItonomi yang

S

dangkal. Karena volatilitas merupakan salah saIu faIrtor utama untuk menarik invealor

TA

terntama negara berkembang. SemalUn volari1 sU81U pasar saham di suatu negara,

Metode Peagajiaa DaIB deagaa SIBtislik Deskriplif

N

3.

IV

ER

(Mala dan ROOdi, 2007).

SI

semal
U

Salah saIu parameter Statsistik Deslniplif untuk mengetahui apalcah sU81U data terdistribusi normal aIau tidal<, lazim digunakan tes normalitaa yang dikembangkan oleh Jacque-Bora (Eviews Manual, 2(02).


14/41257.pdf 18

les nonnalitas Jacque-Bera dirumuskan sebagai berikut.

-{S'- 6 + =;:-?'-(K 24-3)'J

JB -

Untuk " adalah banyalrnya nilai

atau

....................•........(2.1 )

observasi dalam sebuah data; S adalah knefisien

kemiringan (skewness); dan K adalah. koefisien kurtosis. Dimana, .............................(2.2)

dimana md adalah modus kelas-kelas distribusi frekuensi. Distribusi data normal memiliki nilai S = 0, nilai S yang negalif untuk kurv. diSlribusi yang miring Ice kiri,

(7'

BU

I • ~:<m. -II)' Jr, K=ni-I

KA

dan nilai S yang positif ketika kurv. distribusi miring Ice kanan. Sedangkan,

...•..••....•.......(2.3)

TE

R

dimon. m. adalah interval lcelas dan fr. adalah jumlah frekuensi dalam suatu kelas.

S

Data yang normal memiliki nilai K = 3, sedangkan data yang Ieptokurtik memiliki

TA

nilai K> 3, dan K < 3 untuk data memiliki kurva distribusi platilrurtik. Perhilungan

SI

normalitas Jacque-Bela sudah menjadi operasi mtin yang ada dalam software daIam

ER

operasi stastistik deskriptif. OIeh karena itu perhitungan manual yang kompleks tidak

IV

lagi harus diJa\rukan. Dalam les nonnalitas Jarque-Bera, hipotesis mdl adalah tidak

N

dapat menolak hipotesis bahwa data tersebut ad.1ah normal, dan menerima untuk

U

menolak bahwa data normal adalah hipotesis alrtematifuya. Tes Jarque-Bera mengikuti distribusi chi-squme dengan derajat kebebasan (degrees of freedom) sebesar 2. Ketika sebuah data terbukti secara statiml< signifikan tidak normal maka metode yang diteliti tidak mengikuti kaidah OLS (Ordinory Leost Squore), dengan


14/41257.pdf

19

kata lain data tipe ini mempunyai sifat heteroskedast.isitas yang akan dibahas di bab berikutny•.

4.

Sifat Heteroskedastisitu SHitt Heteroskedastisitas dapal terjadi pada dam cross secll01lOl maupun pada

data time series. Pads penelitian ini, dibicarakan data time series. Data lime series deDgao distribusi lidalc nonnaI yang mempunyai sHilt H-...kedastisitas mempunyai nilai variance yang tidak tetap, akan tetapi berubah sepanjang waktu. Kebalikan

dengan data time series yang mempwlyai nilai variBll!J tetap sepanj811g waktu. Secara

KA

persamaan dinyatakan sebagai berikut.

BU

Y,=o+pX,+&,

Pada1ah vektor k xl

R

dengao Xl adalah vektor k x I dari variabel yang dijelaskan dan

(2.4)

TE

dari koefisien. Jib pada proses homoskedastisitas .. terdistribusi independen (is

S

indepentkntly distributed) dengao nilai rata........ Dol (zero MCDIl) dan vari811S yang

SI

.. - iid N(O."')

TA

knDstan terhadap waktu, alau dalam benluk persamaan matematis: (2.5 )

IV ER

Sementara varians pada proses heteroskedastisitas berubah terhadap waktu atau tergantllJlg pad. waktu sebelumnya, maka persamaan untuk satu periode logged

U

N

dinyatakan dengan persamaan:

o} = Yo + rlB':1

(2.6)

Pada pembahasan berikutnya persamaan di alas dikenal juga deDgao persamaan

ARCH(I).


14/41257.pdf

20

Penjelasan secara gratik perbedaan anlara sifat homoskedastisitas dan sifat heteroskedastisitas dopa< dilihBl pads Gambar 2.\ berikut ini.

. '

.' .. .. .' . '..'."0··.· . .' .'

•• •

•

a

0

•

•

•

•

••

'.

o' - - - - - - x

0 " " " - - - - - - X

ARCHIGARCH

BU

5.

KA

Gambar 2. I Grafik homoskedastisitas (kiri) ciao heteroskedastisitas (kBnan)

TE R

Wajib penulis sebutkan bahwa jumaJ-jumal yang menjadi referensi merupakan

pengembangan metode AuJoregressive Conditional HeterosbdasticiJy (ARCH) ciao Conditional HeteTOsbdasticity (GARCH)

yang

S

Ge""relazid AuJoregressive

ER SI

bentukjumaJ scbagai berilrut:

TA

dipelopori oleh Engle ciao Boll...lev daIam penelitBn mereka yang diterbitkan daIam

• R.F. Engle,(\982) Auto_ive Couditioual Heterosbdastieity wil1l

N

Bollerslev,(l986),

Generalized

Aotoregressive

Conditioaal

U

• T.

IV

Estimates oftbe Variance oftbe U.K. IDDation, &orJOmetrica.

Heteroskedasticity. Journal ofEconometrics.

Engle memperkenalkan metode Autoregressive Conditional Heteroskedaticity stau disingkat ARCH sebagai solusi untuk memecahkan persamaan yang mempunyai


14/41257.pdf

21

sifat Heteroskedastisitas. Untuk fonnalnya persamaan ARCH(q) dinyatakan sebagai berikut:

a} =rQ + trJe'~j

-

(2.7)

J~

dengan q adalah lag dari persamaan ARCH.

Lag di BIBS mempakan lag dari volatilitas ala. variance masa yang Ial. yang dipakai sebagai parameter perhitungan. Kelemahan metode ARCH ini adaIah sulit untuk menentukan parameter lagged yang tepBl. Untuk mengatasi masaiah itu, Bollerslev mengembangkan metode

o weighted aver(JgJ! mean,

R BU

OJ

varian. yang diramalkan untuk periode ini (GARCH),

'fPJa:-J J-'

TE

o

KA

Goneralized ARCH atau di.ingkat dengan nama GARCH yang rnemasukkan un.or:

o volatilitas yang laIu (ARCH),

t al--lej~

AS

H

SI T

Untuk fonnalnya disebut GARCH (P,q) yg dinyatakan dengan persamaan: (1) Conditional Mean a:tau mean equah'on: ..•.....••••••••......••.•••(2.8)

E,

IV

ER

y, = x/1 +

U

N

(2) Conditional variance atau vuriance equation:

cd = OJ +

12 aj-t£,:. +"tPlf7l1-1

)-1


j

••••••••••••• _ ••••••••• _••••

(2.9)

14/41257.pdf

22

Secara ringkas dengan metode GARCH(p,q), mencoba menutupi kekul3llgan dari metode ARCH(q), dengan menambahkan komponen varians dari periode sebelumnya

terhadap varians. Dalam persoaIan ekonometri. varians ini menJpakan voJatilitas dari parameter pada conditional mean. Parameter pada conditional mean dapat berupa harga saham. re/llm dan lain sebagainya. Jadi tingkat volatilitas dari persamaan varians 1ni, jib ada

tingkat volatililas yang tinggi yang ditentukan dari varians sebelumnya maka hal ini ditunjukkan oleh nilai koefisien GARCH(p) aI8U

p.

Dalam perkembanganoya metode GARCH menl!l'lami berbagai penunman

KA

yang bertujuan mengurangi kelemahan metode ini dan disesuaikan dengan tujuan

BU

penelitian. Dalam penelitian ini digunakan twunan metode GARCH yairu GARCH

GARCH Mean (p,q)

AS

6.

TE R

Mean dan Threshold GARCH.

SI T

Salah satu tunman GARCH (p,q) adalah GARCH Mean (p,q). GARCH Mean (p,q) atau disingkat sehagal GARCH-M(p,q) pads dasamya membolehkan untuk

IV ER

memaaukkan faktor varians ke dalam persamaan

me"". Sehingga untuk pads kasu..

kasus tertentu misalnya pada kondisi seorang trade,. yang menyenangi resiko,

U N

sehingga yang bersangkutan ingin medapat hasil yang premium alaS saham yang

dini1ai beresiko tinggi, roaka yang bersangkutan dapat menggunakBn metode ioi. Metode ini GARCH-M(p,q), jika dilihal dari faktor varians yang dimasukkan ke dalam persaman mean dapat dibedakan alaS Standard Deviation dan Variance,


14/41257.pdf

23

Untuk GARCH-M(p,q) dengan Variance dapat dinyatakandengan pe"'amaan fonnal sebagai berikut:

(I) Meon Equation:

y, = rx< + oaf + 6,

......................••......•............••.........•.•..•........(2.10)

(2) Varionc. Equation: (I, 2

p 2 ::::lO+La,_I6'i_l

+ L•

i==l

2 ....................................... jJj{T,-j

(2 • 11 )

';=1

Sedanglean untuk GARCH-M(p,q) dengan Standard Deviation dapaI dinyatakan dengan pelllamaan sebagai berilwt:

···· .. ·····

j",1

7.

Threshold GARCH

EP af.r ·······

1""1

J

·· ..··

(2.13)

S

=m+flli.'6j'.' +

(2.12)

TA

0-.'

TE R

(2) Variance Equation:

BU

1'; = '}'X, + Out + 6,

KA

(I) Mean Equawn:

ER SI

Kelemaban dari metode ARCHIGARCH(p,q) adalah, model telllebut adaIah

model yang naif brena mengasumsikan bahwa data adalah simettis, yang

IV

ditunjukkan residual dikuadratkan, sehingga meniadakan efek amh positif alau

N

negatif (Ekananda, 2008 dan Asteria & Hall, 2(07). Sehingga dalam model

U

ARCHIGARCH sebuah kejutan positif yang besar akan mempunyai efek yang sarna pada volatilitas return seperti kejutan negatif yang mempunyai besar yang sama. Telah diamati bahwa pelaku ekonomi dalam kenyalllan mempunyai perilaku sebagai berikut: kejutan negatif (berita buruk) di pasar mempunyai dampak yang lebib besar


14/41257.pdf 24

terhadap vol81ilitas return dibandingkan dengan kejutan positif (borila baik). (Asteriou & Hall, 2007) Model Threshold GARCH peI1lUnll kali dikenalkan oleh Zakoian (1990) dan Glosren, Jagnathan dan Runkle (1993), tepatnya disebut dengao T-ARCH atau Model GJR. (Astl:riou & Hall, 2007). Target utama dari model ini ada1ab Wltuk menangkap

asimetri untuk kejutan negatif dan positif. Untuk mencapai hal ini, ditambahkan pada variance equation sebuah variable multiplicaliw dummy untuk memeriksa apakah. ada perbedaan yang signifikan secara statistik keIika kejutan negatif.

=atr +U,

R

.•.......•.•.................. (2.14)

2. Cmrditionolll
TE

y,

BU

1. ConditionoJ Mean Btau mean equation:

KA

T-GARCH (p,q) dopat dinyatakao dalam persamaan:

TA

S

u,z : ; ro + r
...•....(2.15)

j=1

VariabelJ>_

IV

8.

ER

SI

do ~ 1 jiks u, < 0, dan d. = 0 jika "' lainnya.

U

N

Dapat dimengerti bahwa ada banyak variable yang dopat memainkan peraoan yang sangat peoling dalam menjel...kan suatu model ekonometrik yang bukan merupakan variahel numerik alau variahel yang mudah Wltuk di kuaolilikasi (Asteriou & Hall, 2007). Untuk kasus time series contoll yang relevan bagi penelitian


14/41257.pdf

25

ini adalah sebuah kejadian yaitu Krisis Keuangan Global 2008 yang mempunyai impak terhadap aspek yang direliti. Karena variabel yang di!eliti ada1ah volatilitas yang diulrur pads variance eqwJtion (persamaan varians~ maka variabel dummy dimasukkan ke dalam persamaan varians. Variabel dummy ini dapat berupa variabel lunggal maupoo lebih dari satu. Contoh variable dummy dapat dilihat pads persamman (2.15) di alas, yaitu pads perubahan nilai dL Pada persamaan ini nilai
9.

lode'" LQ4S

KA

Seperti juga !elah dijeIaskan di Bab I, penulis akan mengguoakan indeks LQ45

TE R

karena (Baku Panduan Bu,,", Efek Indonesia, 2008):

BU

sebagai acuan, ootuk memodelkan suatu porlDfulio saham yang dikelola 0100 pialang,

Likuiditasnya tinggi

•

Kapitalisasi pasar cukup besar

•

Relatif stahil dengan fundamental ekonnmi yang relatiflebih balk

•

Keangotaannya teros dievaluasi setiap enam bulan dengan periooe

SI T

AS

•

IV ER

Agustus (taboo ini) - Januari (tahuo berilrutnya) dan petiode Februari _ Juli (di taboo yang sama).

U N

Sehingga diharapkan akan memberikan basil penelilian yang lebib baik. Contob dari saham-saham yang tergahoog pads indeks LQ45 dapat dilihat di Lampiran I.


14/41257.pdf

26

10. InfonDasi Nilai Kriteria u.Dtuk Pemiliban Model Nilai kriteria dibutuhkan untuk membandingkan model mana yang terbaik dalam memodelkan sebuah data. Kelika seseorang memiliki bebe"'Pa model maka oilai kriteria dapat membantu orang tersebot untuk memilih model yang terbaik. Semakin keeH oilai kriteria, maka semakin baik model tersebut dibandingkan dengan model yang sedang diperbandingkan. Dalam peoelilian ini, penulis menggunakan infonnasi oilai kriteria yaitu nHai kriteria Akaike (AIC) (Asteriou & Hall, 2007 dan

KA

Eviews Manual, 2002).

(RSS}21 •

TE R

AIC= - n

BU

AIC diperoleh dari rumus sebagai berikot:

..

(2.16)

TA S

Dimana Ie adalah jumlah parameter dalam suatu model, n adalah jumlah data atau

(2:)

pada

ER SI

observasi, dan RSS adaIah jumlah residual kuadr3t dari liap model.

rumus AlC disebot dengan faktor penalti. Sebingga semakin banyak nilai parameter

N IV

dalam seliap model akan memberikan penalti bempa oilai AIC yang lebili besar dibandingkan dengan model yang memiliki parameter lehih sedikit (dengan asumsi

U

model memiliki oilai RSS yang sama).

Kelemahan dari nilai kriteria adalah bahWB nilai kriteria yang disebutbn diatas lidak memiliki properti-properti teori yang kuaI dan sangBI deskriptif. Sehingga

seseorang tidak bisa hanya menggunakan niJai kriteria sebagai satu-satunya basis


14/41257.pdf

27

dalam menentukan modeJ yang terbaik. Cars yang dapat: dilakukan URtuk menentukan model yang terbaik adalah dengan menggunakan diagnostic checking. Dengan menggunakan diagnostic checking se,eorong dapal menentukan apakah

,uaw model

adalah model yang robust (baik). Sedangkan nilai kriteria bonya dapal digunakan uowk membandingkan antar model. Tapi tidak biss menentukan apakah ,uatu model adalah model yang robus'.

11. PenelitiaD Sebelumnya Dengan terjadinya Kri,i, Keuangan Global 2008 yang melanda dunia p8S1II"-pasar

saham di dunia. Menunrt Karolyi (200 I),

KA

mengakibatkan dampak ke

volalililas saham ito perlu diperludikan terutama pada saaI krisi,. Salah satu contoh

BU

.

TE R

adalah penelilian yang dilakukan oleh Rajni Mala dan Rajendra Reddi (2007) di pasar

saham Fiji. Negzn Fiji mempunyai kesamaan eiri sesama negara bertcembang antara

SI TA S

Fiji dan Indonesia.

Ada berbagai metodc mengukur volatilitas. baik metode linear maupun non linOlll". Berdasarl
IV ER

(2007) di Fiji, Raahid dan Ahmad (2008) di Pakistan, dan Benhlll"d, Siegert dan Wallie (2005), disebutkan pengukuran dengan melDde non-linOlll" ysitu metode

U N

AUloregr=ive Conditional Heteroscedasticity (ARCH) dan Generalized ARCH (GARCH) hemt melDde turunannya adaJah metode-metode yang paling se,UBi, karena ,ifat heteroskedali,itas dari perubaban hIII"ga saham.

DaJam penelilian yang dilakukan olch Abdul Rashid dan Sbabir Abmad di Pakistan yang herjudul "/'rod/cting Stock Returns Volatility: An Evaluation ofLinea'


14/41257.pdf 28

vs Nonlinear Methods". dibandingkan basil penguk1.lBn dengan metode Nonlinear lebih beik dibandingkan dengan metode Linear. Seperti gamber label 2.2 herikut: Gamber 2. 2 Tabel Perbendingan pengukuran Linear dan Nonlinear.

T.... 5::

OII.g('·S&mpIc FlRcutins ofLincar and NonIio&l' Modell of the VoIlItility of Slid: RCblmlI !til tlbIc pl'CIClIlJ the leNal error IlI.tilties l'or cadi linear and IDlliDclr IlOi:I fDr ruro linl;:altins periodl.. The ftftl::Utins perfonl'llUlCC ill judged by ll!iiftB RMSE. The (
.....

£4I.......

~_

~~

....r

:Ii ....

a,

IlIIIl40nI W.... AI: (I) MA(l)

:~~m

.,.,

<1'1lCH.M(I.l) IIlARCH H,I) PAICf{f1 I

U31

Ul2 IJ..

(of)

~~a.

S-iot

""

(3)

.....

..

1.211 1.213

1J80

1;!04

1.303

Ul7

1.217

1.174 1.198

I'" 1322

U87

BU

KA

to

R

Dati gamber label 2.2. di alas terlihat dari hasil pengukuran Rool Akans

TE

Squared Error (RMSE) untuk 100 periode di depan model non linear menghasillcan

S

nilai yang lebib kecil dibendingkan dengan model linear, yang berarti model non

TA

linear lehib cocok digunalcan untuk meramalkan volatilitas.

SI

Volatilitas mcrupakan ukwan sejauh mana harga saham dapal naik a1JIU tunm

ER

dengan cepa! dalam rentang waIctu yang pendek. Semakin tinggi volatilitas semakin

IV

besar pula perubaan harga saham ler.iehut dati hati ke hari. Volatilitas juga ten!apat

N

pada return dati saham teraebut. Dalam penelilian ini aIcan dihahas volatilitas

U

dianggap sebegai suatu proses stokastik, dan aIcan dihandingkan penghitungan

volatilitas dengan menggunakan metode non liniear. Meeode nonlinear meqjadi tepat diganalcan karena sifat dati volatilitas adalah Ii".,

series dan heteroskedastis, sedangkan pada metode lini.. mengan8gap volatilitas


14/41257.pdf

29

adalah proses time series bomoskedastis. Jika dibuat dalam hentuk grafik dapat

TE R

BU

KA

dilih81 pada Gambar 2.3. di bawah ini. (Lanwk, Siegert dan Walle, 2005).

TA

S

Gambar 2. 3. Gambar pcrbedaan sifat homoskedastisitas dan beteroskedastisitas dari volatilitas.

Conditional

ER SI

Untuk: pendekatan. non-linear

Heuroakedosticity dan

akan

digunakan

model

Au'oregressive

Generalized Autoregressive

Conditional

IV

Heleroskedosticity (ARCHIGARCH). Model ini menl!llIlggap variance yaog tidak

N

koostan (beteroskedastisitas) bukao sebagai masalah, letapi justro dapat digunakao

U

untuk modelling dan peramalan (Forecasting) (Mala dan ROOdi, 2007) (Rashid dan Ahmad, 2008).

Pada jumal yaog ditulis oleb Bernhard Lamarl< did. (2oo5),yaog membahas tentBng pemodelan Volatilitas malai dari ARMA ke ARCH, didapBl pemhandinl!llIl


14/41257.pdf

30

penggunaan pendekatan

regresi

linear tungaJ

dan

non-linear

sampai

ke

ARCHJGARCH.

Beberapa kesimpulan penting dati jumal ini antara lain: I. Karena ada sifat Heteroskedastisitas dari Volatilitas, metode yang cocok untuk pengokuran Volatilitas adalah dengan Auto Regressive Model, yaitu ARMA (Auto Regressive Moving Average), ARCH dan tutunannya. 2. Kelemahan metod< ARCH adalah sulit untuk menentukan panuneter lagged yang tepa!.

3. Untuk mengatasi masalah itu, dikernbangkan metode Generalized ARCH

KA

(GARCH) yang memasukkan uosur:

BU

o weighted average mean,

TE R

o varians yang dirmnalkan untuk periode ini (GARCH),

S

o vo1atilitas yang lalu (ARCH)

TA

Untuk tepatnya disebut GARCH (p,q) yg dinyatakan dengan persamaan:

ER SI

(3) Conditional Mean atau mean equation:

y, =

x,r

+

6,

...........•................(2.17)

N

IV

(4) Conditionall'ariance atau "Variance equotion:

,

U

U 2

•

="'+L

a

2 1_1& J-I

i-1


+

......(2.18)

14/41257.pdf

31

4. Kelentahan metode GARCH (l,I): hanya memperhitungkan be,amya return tidal< memperhitungtcan arab dari pergerakan, unruk mengatasi

masalah itu dikemhangkan metode Threshold GARCH (f-GARCH).

T-GARCH (p,q) dapat dinyataJcan dalam persamaan: 3. Conditional Mean a:tau mean equation:

y, = ax, +U,

..............................(2.\9)

4. Conditional variance:

tTl = yr +

t

(y, + vfdH )ul-I +

t

OjutJ

....••..(2.20)

lei

R BU KA

1=1

d, ~ \ jika '" < 0, dan d, = 0 jika ",lainny..

TE

Salah satu perangkallunak yang sering digunakan untuk melakukan pongnlaban

data dan pengbitungan ARCHIGARCH adaIah perangkat hmak EViews. (LamarI<

SI TA S

dkk.,2005), ( Asterinu dan Hall,2007). Perangkat lunak Eview' adaIah perangkat lunak produksi dari peruaahaan Quantitative Micro Snftware, LLC, yang beralamal di 452\ Campus Drive, #336, Irvine CA, 92612-2699, U.S.A. (Amerika Serikat). Pada

U

N

IV E

R

penelitian ini diguoakan EViews versi 4.1.


14/41257.pdf

32

B.

K.raDgka BerpilUr

BU

Gambar 2. 4 Diagram Alir KeI1Il1gka Berpikir.

KA

Untuk menj.lasItan kerangka berpildr digunalcan diagram alir berilrut:

TE R

HasH yang mungkin bi.. dioapa; dari pen.litian ini adalah: • Mendapatke.n tingkat signifikansi pengaruh KKG 2008 terbadap volatilitas

TA

S

return harlan LQ45 sebelwn KKG dan sesudah KKG.

N

DeCmisi Operuionl

U

C.

IV

ER

KKG2008.

SI

• Memperoleh dampDk tingkat perubahan volatilitas sebelum dan sesudah

Beberapa definisi operasioo.1 yang aIcan digunalcan dalam pen.litian ini, anlDra

lain sebagai berilrut.


14/41257.pdf

33

Volatilitas yang dimaksud dalam penelitian ini adaIah semata volatilitas yang ditunjukkan oleh return indeks LQ 45.

Return indeks LQ 45: adalab return harlan yang dihitung dari perbandingan harga penutupan LQ45 harl ini dibandingl
Nilai return yang digunakan adalab nila; logarltma dari harga penutupan LQ45 hari ini dikurangi dengan nilai logaritma harga penutupan harl sebelumnya. Alau dapat dihitung dengan logaritma dari harga penutupan LQ45 harl ini dibagi dengan harga penutupan hari sebelumnya. Titik Krisis Keuangan Global 2008 yang dipilih adaIab tangsal 15 September

KA

2008, seperti yang telah dijelaskan di Jatar belakang masalab.

BU

Hubungan an",", varlahel di alas dapat dijelasksn sebagai berikut:

TE R

I. Krisis Keuangan Global 2008 menyebabksn penurunan indeks LQ45.

2. Penurunan indeks LQ45 ini menyebabkan volatilitas retf0"7t terutama

ini

re1Jlnl

harian.

TA S

return jangka pendek dalam hal

3. Keberadaan volatilitas pada LQ 45 akan diteliti dengan metode

IV ER

SI

ARCHIGARCH.

1. Batasan M...lah

U

N

Untuk memperoleh basil penelitian yang lebih folcus mob perlu diadakan pembatasan masslab. Adapun batasan-baJasan tersebut an",", lain:

J. Penelitian ini hanya mempedlituogl

14/41257.pdf

34

2.

•

Sebelum KKG: I Agustos 2007 - IS September 2008,

•

Sesudab KKG: 16 September 2008 - 30 Oktober 2009.

Pengaruh semata hanya ditunjukan oleh return harlan dari penutupan harga

saham indeks LQ 45. 3.

Penulis tidak meneliti lebib detH penyebab volatilitas selain yang berKaitml dengan KKG. Penulis juga tidak meneliti lebib jauh kaillln antanl fiIktor fundamental rnasing-masing perosahaan yang sabanmya letgabung di LQ45, parameter maJcro.ekonomi dan lain-lain.

4.

Penulis hanya menggunakan bantuan perangkat lunak EViews dalam

KA

analisis data berilrut dengan segala keterharasan dari perangkat lunak ini,

BU

antanl lain penghitungan GARCH dan turunannya hanya meneakup

U

N IV

ER

SI

TA S

TE R

GARCH-M, dan T-GARCH.


14/41257.pdf

35

BABID

METODEPENELITIAN

A. Desain Peoelitian

Penelitian ini adalah penelitian kuantitaIif dimana penelitian ini akan mengolah data dan J>lII1lIlleter-J>lII1lIlleter yang besifat kuantitatif. Data yang diperoleh akan diolah dengan perbitungan-perhitungan dengan kaidah yang herlaku dibidang statistik

ekonomi dan. keuangan atau dikenal dengan nama Ekonometrika. HasH perh.itungan

KA

yang diperoleh akan diolah dengan menggooakan metode stastistika baik deskriptif

BU

maupun inferensi.

TE R

Penuli. juga akan membandingkan hasil pengolahan data dengan metode uji ARCHIGARCH herikul tunmanoya yaitu GARCH Mean (GARCH-M), dan Treslro/d

TA

Langkah-Iangkah penelitian:

S

GARCH(f~ARCH).

ER SI

I. Mengubah data indeks harlan menjadi data return harlan. 2. Melakukan uji data dengan urotan uji: Uji Nonna!, Uji Forma! dan Non Uji Heteroskedasti.itas, GARCH, GARCH-M baik Standard

IV

Forma~

N

Deviation maupun Mean dan T-GARCH. Tujuan dati langkah ini adaIah

U

melihat .iguifikansi pengaruh KKG terhadap volatilitas return harlan indeks LQ45 dan menghasilkan kelU8nlll un10k pemilihan metode

pengukuran.


U

N IV

ER

SI TA

S

TE

R

BU

KA

14/41257.pdf


14/41257.pdf

37

3. Melolrukan analisi, kellJ81llJl dari langkah 2 di atas, dan melakukan pemilihan metode yang akan dipakai kemudian, pada saat dam uji return dipecah menjadi dua ysitu sebelwn dan sesudab KKG 200S. Kemudian d i l _ ujL dengan metode yang dipilih terIuuIap kedua kurun waktu

tersebut. 4. Melolrukan anali,i, kellJ81llJl dari langkah 3 di alas untuk mengambil ke:simpulan besar dampak KKG sebelum dan sesudab KKG 200S.

Untuk lebih jelas, desain penelilian ini digmnbarlaln daJam dignun alir Gambar 2.3. di

BU

KA

aw. B. Popalasi daD Sampel

TE R

Populasi penelilian adalah sernua 45 Baham peru,ahaan go publik di BEl, yang lermasuk daJam LQ 45 sesuai densan kepetuSBD BEl.

TA

S

Semua dam yang dipergunakan adalah data harian mulai dari data harga indeks

ER SI

LQ45 tanggaJ I Agustu' 2007 sampai dengan 30 Olctober 2009.

IV

C. lostrumeo PeoelitiaD

N

Instrumen yang digunakan daJam penelilian ini adaIah perangkat lunak

U

pengolahan data yang dijalankan di kompufer PC yang mencakup antara lain: • Microsoft@ Office Excell 2003, produk dari Microsoft Corporation. Perangkat lunak spread sheet ini digunakan untuk mengolahan data mentah


14/41257.pdf 38

yang berupa angka yang dimasukkan ke dalam labeL dan diolab darl data harga indeks LQ 45 moojadi return harlan.

•

Eviews 4.1®, produk dari Quantitative Microsoftware. Perangkat lunak ini yang akan moogolab data yang dihaca dari return harlan dari spread sheet di alas.

D. Prosednr Pengumpnlan Data

Dari segi swnemya ada dua jenis swnber data., yaitu data primer dan data

KA

sekunder. Data primer adaIab data yang diperoleh melalui obscrvasi Iangsung.

BU

Sedangkan data sekunder adaIab data yang diperoJeh ,uatu Jembagu dan teluh dipublikasikan kepada masyarakat. Dalum memndelkan volatilitas return sabum,

TE R

penuli, mooggunakan data sekunder indeks hargu sabum LQ 45 yang dikeJuarl
ER

E. Metode Aaalisls Data

SI T

AS

yang diumbiJ adaIab data harga harlan penutupan sabum LQ 45.

IV

Metode Analisis yang akan digunakan adalah pendekatan Regresi Non-Linier

U

N

doogan metode Autoregression Conditional Heteroskedaeity dan Generalized Autoregression Conditional Heteroskedacity (ARCHIGARCH) berikut turunannya. Anali,i, dilskukan terhadap data doogan impertasi basil keluaran dari pengolaban


14/41257.pdf

39

data yang dilaJrukan perangkat lunak EViews. Contoh output dari EViews yang akan di anali.is adaIah seperti beriIrut:

Tabel 3. 1. Contoh keluaran EViews yang akan dianalisa.

C RETURN(-I)

Coefficient

Std. Error

z-Statistic

Prob.

0.lD!l6ll O.l:1l6844

0.()()()419 0.046392

0.878618 2.087521

0.3796 0.1I36ll

17.74487 5.271569 31.3711;7 -17.41585 -17.45252

O.IIXD O.IIXD O.IIXD O.IIXD O.IIXD

R-equilired Adjusted R-equlIIl'9d SE of regression Sum equlIIl'9d resid Log likelihood

Durbin-Watson elm

0.017108 0.00596D 0.010729 0.llire99 1741.080 1.911010

7.84E-05 0.02ll978 0.025799 7.96E-05 7.94E-05

Mean dependent wr S.D. dependent wr Akeika info criterion Schwarz criterion F-B1iliatic Prob(F-slatistic)

2.45E.Q5 0.010752 -6.470449 -6.414499 1.534852 0.164610

BU

0.001392 0.152781 O.lIJ9329 -0.001387 -0.001387

TE R

C ARCH(I) GAACH(I) DBC Me

KA

Variance Equation

SI T

AS

,.

Sebagai catalan penulisan angka keluanm EViews mengikuti fonnal desimal

ER

angka bahasa Inggris, yang menunjukkan koma desimal sebagai "titik" (.), yang sama

IV

dengan "koma" (,) dalam fonnat penulisan bahllS8. Indonesia. Dalam analisis

U

N

penelitian. ini. fonnat yang digunakan mengikuti kaidah penulisan bahasa Indonesia Dari setiap output dilibat tingkat signifdtansi dari koefisien yang dihasilkan, yaitu

dan nilai dati koefisien itu sendiri dan )X)bahilitasnya. Koefisien yang dianggap


14/41257.pdf

40

signifikan adalah koefisien yang mempunyai nilai lebih besar dari 0 dan probabilitasnya mendekati o.

Sedangkan infonnasi ketepatan dan model uji yang dipilih diJihat dari niJai Sum Squared Residue (SSR), Log Likelihood dan Akaike Information Criteria (AlC). Model uji yang paling tepat adalab model dengao nilai SSR yang paling kedl, Log Likelihood yang sebesar mungkin dan AIC yang sekeeil mungkin.

F. Pengolahan Data

Return ~ Log

BU

Dilakukan pengbituogan return barian dengan rumus sbb:

[~;:,] ...•.............••.........•.........•....••.••.••••••......•.•...(3.1)

t

: hari ini

Pengbitungan dengao fungsi ARCHIGARCH (p,q) dituliskan sebagai berikut:

IV E

2.

R

SI T

t-I : bari sebelumnya

AS

CPo Closing Price LQ4S

TE R

I.

KA

Metode pengolaban dala dibagi dalam tabap, yaitu:

(I)Conditional Mean atau mean equation: I

=

a + rRE1VRN

U

N

RETURN


(,-I)

+ &,

(3.2)

14/41257.pdf 41

(2)Conditional variance:

u?

= OJ

+

L•

ai-IC?-I

+

L•

i-I

P,U.'_I + pDb< + 9D~

j-I

•••••••.(3.3)

Dbc{

o untuk (16 8ep 2006 - 30 0 _ 2009)

o untuk (1 Aug 2007 -15 8ep 2008) 1 untuk (16 8ep 2006 - 30 0 _ 2009)

KA

Dac{

1 untuk (1 Aug 2007 - 15 8ep 2008)

BU

Data dummy ini dituJiskan pads satu file spread sh£et bersamaan dengan data log

R

Return di atas.

TE

Persamaan mean (3.2) di atas diambil berdasarkan asUDlsi dari penulis untuk

TA S

penelilian ini, nilai prediksi reIw7l harlan poda saat ini diambil dari "'/run harlan satu

periode (lag) yang sebelumnya tapi tetapi tidak mengambil 8Cuan return dari periode

SI

periode setelah itu.

ER

Langkah selanjumya dilakukan pengolahan data dengan penblgkat lunak

IV

EViews, dengan memasukkan persamaan seperti di alas, berikut dengan pembuatan

U

N

workingfile dengan jalan import data di atas ke dalam EViews untuk diolah.

3. Uji sifat Nonnalitas dan Heteroskedastisitas terbadap data Pilih nilai lag yang paiing sesuai.


14/41257.pdf

42

. 4. Analisis untuk mengetahui pengaroh krisis dilakukan pada data dari tanggal 1 Iuli 2007 sampai dengan 30 Oktober 2009, dengan ditambahkan dummy dengan nO!asi Db< untuk sebelum KKG (I Agustus 2007 - 15 September 2008) dan Dbc untuk sesudab KKG (16 September 2008 - 30 Okrober 2009).

5. Dilakukan cek signifikansi dengan metode: a. GARCH(p,q) b. GARCH-M (p,q) c. T-GARCH(p,q)

KA

Dengan nilai p dan q yang dipilih. Untuk pemilihan nilai p dan q dilakukan

BU

dengan trial tmd error untuk berbagai kombinasi nilai IFI,2,3,... dan

q~I,2,3,....

TE R

Dalam tulisan ini tidak ditampilkan semUB nHoi trial yang dilakukan, hanya

TA S

ditampilkan nilai terbaik.

6. Setelab dipilib p dan q yang paling signifikan, kernudian dilakukan perbandingan

SI

antara metode uj~ yaitu GARCH,GARCM-M dan T-GARCH, metode mana yang

IV ER

lebih tepat digunakan. Pemilihan dengan membandingkan nilai Sum Squared Residue (SSR) dan Log Likelihood. Dipilih metode SSR yang paling kecil dan

N

Log Likelihood yang paling besar.

U

7. Kemudian dengan pemilihan metode uji terpilih, akan dilakukan analisis pada data di kurun waktu sebclum KKG, yaitu 1 Iuli 2007 - 15 September 2008 dengan tidak menggunakan dummy pada Persamaan (3.1), dengan melakukan cek

signifikansi dan nilai Akaike Infonnation Kriteria (Ekananda, 2008).


14/41257.pdf

43

8. Melakukan uji .eperti langkah 7 di alas dengan kurun waktu .etelah KKG. yaitu 16 September 2008 - 30 Oktober 2009.

U

N IV

ER

SI

TA S

TE R

BU

KA

9. Membandingkan hasillangkah 7 dan 8 dan melakukan anali.is.


U

N IV

ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N

IV ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N IV

ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N IV

ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N

IV

ER

SI T

AS

TE R

BU

KA

14/41257.pdf


U

N

IV

ER

SI

TA

S

TE

R

BU

KA

14/41257.pdf


U

N

IV

ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N

IV ER

SI

TA S

TE

R

BU

KA

14/41257.pdf


U

N IV

ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N

IV ER

SI

TA S

TE

R

BU

KA

14/41257.pdf


U

N IV

ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N IV

ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N

IV

ER

SI

TA

S

TE R

BU

KA

14/41257.pdf


U

N

IV

ER

SI

TA

S

TE

R

BU

KA

14/41257.pdf


U

N IV

ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N

IV ER

SI

TA S

TE R

BU

KA

14/41257.pdf


U

N

IV

ER

SI

TA

S

TE

R

BU

KA

14/41257.pdf


U

N

IV

ER

SI T

AS

TE R

BU

KA

14/41257.pdf


U

N

IV

ER

SI

TA

S

TE R

BU

KA

14/41257.pdf


U

N

IV

ER

SI T

AS

TE

R

BU

KA

14/41257.pdf


U

N

IV

ER

SI T

AS

TE R

BU

KA

14/41257.pdf


U

N IV

ER

SI

TA S

TE R

BU

KA

14/41257.pdf


14/41257.pdf 66

BABV

KESIMPULAN DAN SARAN

A. Kesimpulan

KesirnpuJan dan basil penelitian ini: I. Ada pengaruh Krisis Keuangan Global 2008 terhadap perubahan vola'i1itas

return-harian indeks LQ 45. 2. Volatilitas-retum-harian indeks LQ 45 sesudab Krisis Keuangan Global 2008

lebih besar dari pada sebelum krisis.

KA

3. Pada metode pengukuran volatilitas-re/urn-harian dengan GARCH Mean

BU

Standard Deviation (1,1) terbukti sufit untuk mendapat kompensasi premium

R

jiks digunakan pada salah satu atau beberapa saharn yang tergabung di indeks

TE

kompasit LQ 45 yang beresiko akan tetapi disnkai oleh seorang investor yang

TA S

menyukai tantangan.

4. Ada perbedaan pengaruh negative shocks (atau kejutan negatif atau "berita

SI

buruk") dan positive shocks (ataua kejutan positif atau "berita baik") terhadap

IV ER

volatilitas-return-harian LQ 45 sebelum dan sesudah Krisis Keuangan Global 2008. Pada kondisi sebelum KKG dar! hasil penelilian in! pengaruhnya

U

N

signifikan sedangkan se'elab KKG pengaruhnya lidak signifikan. Atau dapat juga diartikan pengaruh "berita buruk" lebih dominan pengaruhnya dibandingkan dengan "berita baik" pada sebelum KKG dibandingkan dengan sesudab KKG.


14/41257.pdf

67

B. Saran SlIllII1-58ll1D dati penelitian ini yang d""at digunakan sebagai sanm prnktis ba,gi

para pelaku ekonomi atau bagi penelitian selanjumya diperinci sebagai berikut: \. !'lira pelalru ekonomi w_jib mencermati portofolio sahanmya setelah KKG 2008 karen_ efek krisis terhad"" volatilitas belwn kembali seperti setelab krisis, waJaupun indeb LQ 45 sudah hampir pulih mendekati kepada indeks sebelwn KKG. 2. PIIlll pelalru ekonomi jangan terpengarub terhadap kepanikan pasar setelab

KA

KKG dalam mengambil keputusan Wltuk melepas satu investasi, karena dad penelitian ini volatilitas sehelwnnya tidak mempuny_i pengaroh yong

TE R

ARCH sehelwn dan sesudah krisis).

BU

signifikan terltadap volatilitas yong akan datang (Iihat signifikansi koefisien

3. Tindakan investasi beNpa jual alau beli Iuuus berdasarl
TA S

sahlIIn ksrena seti"" saham memb
SI

Pemilihan portofolio yang terdiri dati sahlIIn-saham yong lilruid lebih 1ahan

IV ER

terhadap krisis seperti yang diharapkan, terltukti untuk indeb LQ45 setelab

krisis pengBNb negative schock atau "berila hUNk" juslnl tidak signifikan

U

N

dihandingkan dengan sebelwn krisis (lihat signifikansi koefisien pad_ nji TGARCH sehelwn dan sesudah krisis).

4. Untuk mengambil tindalcan strategis, model penelitian volatilitas return ini dapal digunakan untuk meneliti indeks atau saIuun yang lain, yang ada di


14/41257.pdf

68

fonofolio alBu dapat juga berdasarkan kelumpok saham misalnya kelompuk saham: manufaktur, agroindustri, saham syari'ah atau kelompok saham yang tergahuog di dalam dll. Dari basil penguJruran dengan pemodelan ini pelaku ekonomi dapat mengambil langkah strategis dengan memilih kombinasi saham dengan volatilitas yang relatif stabi!.

5. Perlu diteliti lebih lanjut model uji lUI1D1an ARCHIGARCH di luar dari keterbatasan model yang ada poda paket program EViews, seperti misalnya metnde Switching Regime GARCH (p,q) atau yang Icbih dilccDaI dengon SWARCH (P,q), karen. efek clustering dari re"'rn yang dapat dilihat dari

KA

grafik relJJrn, selalu ada kelompok-kelompok perobahan return dalam rentang

BU

waktu tertentu.

R

6. Terbuka kemungkinan dari masaJah yang diteliti UDtuk pengembangan teori

TE

tunman lain selain dari GARCH(p,q), yang belum pemah dileliti atau

S

dipublikasikan oleb peneliti sebelumnya uotuk menutupi kelemahan dari

SI

U

N

IV ER

diteliti.

TA

model turunan yang sudab ada disesuaikan dengon karakteristik dari data yang


14/41257.pdf 69

DAFTAR PUSTAKA

Asteriou, Dimitrios dan Stephen G. Hall (2007). Applied Econometrics -A Modem Approach Using EViews and Microfit. Pa/grave Macmillan.

Ekananda, Mahyus (2003). Ketidakpastian Pengaruh Volatilitas Nilai Tukar Terhadap Ekspor Komoditi Manufaktur di Indonesia Suatu Kajian Pendistribusian Pengaruh Volatilitas dengan Menggunakan Distribusi Lag Poissons pada Persamaan Sistem Non Linear Seemingly Unrelated Regression", Desertasi, Fakultas Ekonomi Universitas Indonesia.

Elliott, Larry (August 5, 200S), "Credit crisis - how it all began", The Guardian, http://www.guardian.co.uklbusiness!200S/augl05/northemrock·hanking, retrieved on 2009-03-0S. hnansyah, Muhanunad Handry (2009). Krisis Keuangan di Indonesia: Dapatkah Diramalkan? £lexmcdia Komputindo.

BU

KA

Indonesia Stock Exchange, (2OOS). "Buku Panduan Indeks Harga Saham BEl", Bursa Efek Indonesia.

R

Kmninsky,G.L., Lizondo dan C.M.Reinhart (199S), Leading [ndicator of Currency Crisis,IMF StaffPapers 45/1, International Monetary Fund.

S

TE

Karolyi.(200I). Why Stock Return Volatility Really Matters. Institutional I""estor Journals Series.

TA

Lamark, Bernhard, Phillip Jan Siegert dan John Walle. (2005). Volatility Modelling - From ARMA to ARCH. Global Finance.

ER

SI

Mala, Rl\ini dan Rajendm Reddi.(2007).Measuring Market Volatility in Emerging Economy. EuroJurnal Publishing Inc.

IV

Marketwatch.(200S-9-l5)."Lehman Folds with Record $613 Billion Debt ".

U

N

Norris, Floyd (August 10,2007), "A New Kind of Bank Run Tests Old Safeguards", The New YorkTimes.http://www.nytimes.coml2007/0SI1 Olbusinessll Oli~uidity.html, retrieved on 2009-03-0S

Quantitative Micro Software (2002). Eviews 4 User's Guide. Quantitative Micro

Software. LLe.


14/41257.pdf

70

Rashid, Abdul dan Shahir Ahmad.(2008). Predicting Stock Returns Volatility: An

Evaluation of Linear vs. Nonlinear Methods. EuroJurna/ Publishing Inc. Tryfino. (2009). Cara Cerdas Berinvestasi Sahom. TnmsMedia.

U

N

IV E

R

SI TA

S

TE

R

BU

KA

Wan Street Journal. "TED Spread Spikes in July 2007". Wall Slree' Journal. ht!p:/lwww.princeton.edul:;pkrugmanited-spread-wsj.gif.


14/41257.pdf

71

LAMPmANl Daftar Indeks LQ 4S tanggal31 Juli 2009

•

lOX

,,,.. ,,,,.... ;,'c,~ c:x'-"'<\~~ 0'.'.' 1',.(

I,~'","";.,

PENGUMUMAN S.Mm Emiten \'1lDI Mauk. n.lfIm PcagldtaDgBn Indeks LQ4S No. PeBt-00283IBEI.PS1It'O'7-1OO9 McnIIIIi_ '............- YT hili £let Jabrla No. ......1I41BEJ.1IUI19'J7 1MDIlPl 6 PeIWari 1991 pcI'iMIlnddlI L.iDDdi~ hili Eta ~ (bIcb LQII5) ... badaarbn hulJ e¥IIIlIIlIi bmi. I*!a "!lID. .hili 100II _ -.0-. . . ~ atM di..-un dall1D1 pcrhitllDpn ~ UJ4', Ierilmpir bmi. ....... ddtm" IlIbam ,.... _ _ darI kdulIr dalll1D pcrIlilllllpll1nl\l!b LQI' UDIlIt pmock ~ ApImI 2_ _pal dear-

BU

KA

JII.Q.rUOIt.

TE

R

Ju.n." J I Juli 2009

T_

N

U

•

IV ER

SI

TA S

I. K..lIluIl8ldlla Pa!pwas ...... ~ daIll.cllillp KcuBapa; 2. K".Biron.E,~QmUL; 3. K.-, Biro PIR, fbpepam dan LIt.; 4. ,.... lWaaui ...... Modal; S. Din:bi A.n&ItIb B""" Efc': ~ 6. DiRbi p ~ TClI'ClIt8l: yana teri::ait; 7. Dimai PTXlirmtl""'~F..&:t1Ddoncsia.: 8. Dird

14/41257.pdf

DAFfAR SAJIAM PERUSAlIAAN TERCATAT

YANG MASUK DALAM PENGHITUNGAN INDEKS LQ 45

Periode Agultuli 2009 sid JaDuari 2010

(Iampiran Pengumwnan BEl No. Peng-00283fBEI.PSHl07-2009 langgal 31 Juli 2009)

-

Babie Telecom Tbk Bum; Reava..... 1bk

MalH Masak

Danna H~pw. Tbk

MlIs.k

Elnusa Thk.

TelaP

BU

Maluk Maluk

SI T

AS

TE R

Thk Bakriclaad Eaerol M .... Penada 1bk Gudsal: Guam Tbk International Nickel IndonesiaThk lndofood Sukses Makmur Thk lndika Thk Indah Kiat Pul" & Paper TbIc Indoeement Tun...' PI1Ibsa Thk Indosat lbk IndoTa MeoohThk 1_ Mar.. Thk Kolbe Farma Thk Linoo KaraMci Tbk PP London Suma'era Tbk . International Thk Mede. Mitra Raiasa Tbk Perusahaan Gas N...... ' Perserol Thk

KA

Kctenopan Tetan TetaD TelaD TetaI> Telae Tetan TelaD TelaD TetaD TetaD TetaI> Masak TelaD

ER

.

..

Maluk TetaD TetaD TetaI> Tela. Tela. Tela" TetaI> Tela. Tetao

TelaD Teta" Telan Telao

Bank Pan Indonesia Thk

Tamban. Batubara Bulci. Asaro Thk Af!lU1Ok llolcim Indonesia lbk Semen Gresik (Pernero Tbk Timah Thk Te1ekomunikasi Indoaesia Thk Ttaba Alam MlIDuD~l E Babic Sumatra Plantations Tbk United Tractors Tbk Unilever Indonesia Thk

--

TetaD

IV

12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45

Nama EmiteD Astra A2I"O Lestari Thk Adaro E..,."" Thk Aoeka Tamban>< (Persero) Tbk Astra Intemationallbk Bank Cenlrn! Asia Thk Bank Neaara Indonesia Tbk Bank IhhAl Indonesia (Pcnero) Tbk Bank Danamon Indonesia Thk Bisi Intemational1'bk: Bedian Laiu Tanker Thk Bank Mandiri Perserol1bk Bakrle &. Brothers lbk Barito Pacific lbk

N

10 11

Kod.Er.k AALI ADRO ANTM ASO BBCA BBNI BBRI BDMN BISI BLTA BMRl BNBR BRPT BTEL BUM! DEWA ELSA ELTY ENRG GGRM INCO INDF INDY INKP INTP [SAT ITMG ISMR KLBF LPKR LSIP MEDC MIRA PGAS PNBN PTBA SGRO SMCB SMGR TINS TLKM TRUB UNSP UNTR UNVR

U

N•. 1 2 3 4 5 6 7 8 9

---

11>k

- .

Tetan Teta. Tela. Tetap TetsD Tetap Tetao Masuk TelaD Tetso Tetao

1\


14/41257.pdf

l)A.~I'AR

SAIiAM l'lo;RUSAIIAAN TI:o.:HCATAT

YANG KELUMI. DALAM l'ENGHlTUNGAN INDEKS LQ 4S Periode Agustu.s 2009 sid Jaouari 2010

(IampiGUI Pengwnuman Rm No. Pcng-I2/BHPSH/07-2009langgal31 Juli 20(9)

Nama I':miten

No. KodeEfek I. AKRA AKR Cornorindo Tbk 2. BNGA Bank ClMB Nia2a Thk

3. BNII 4. BYAN 5. CPlN

Bank International Indonesia lbk BaY8ll R = Thk Charocn Poknband Indonesia Thk: Cinulnl Dev<:1 Thk 1bk T.... Baru Wiiava PerseroIThk

6. CTRA 7.

TBLA WIKA

U

N

IV ER

SI

TA

S

TE

R

BU

KA

8.


41257.pdf UNIVERSITAS TERBUKA. Koleksi Perpustakaan Universitas Terbuka

Recommend Documents