24
BAB III METODE PENELITIAN
1.1
Jenis dan Sumber Data Menurut Sekaran (2003), data sekunder merupakan informasi yang
dikumpulkan oleh pihak lain selain dari penelitian itu sendiri. Jenis data yang dipakai dalam penelitian ini adalah jenis data time series, yang berupa data berdasakan urutan waktu. Sumber data yang digunakan di peroleh dari IDX ( Indonesia Stock Exchange) sehingga data tersebut bisa langsung kemudian dipindahkan ke dalam format Microsoft Excel untuk selanjutnya diolah menggunakan software statistik SPSS 22.
1.2
Populasi dan Sampel Adapun data yang digunakan dalam penelitian ini adalah data populasi
Indeks Harga Saham Gabungan (IHSG) dan Indeks Harga Saham Sektoral (IHSS) untuk masing masing sektor di Bursa Efek Indonesia selama periode Januari 2005 hingga Desember 2014. Indeks Harga Saham Gabungan (IHSG) sebagai indikator dari kinerja sebuah saham, dalam hal ini Indeks Harga Saham Gabungan merupakan indikator kinerja Bursa Efek Indonesia, sedangkan Indeks Harga Saham Sektoral menunjukan saham-saham untuk setiap sektor yang terdapat di Bursa Efek Indonesia. Indeks Harga Saham Sektoral di BEI terdiri dari 10 sektor, yaitu Sektor Pertanian (AGRI), Industri Dasar (BASIC-IND), Pertambangan (MINING), dan Aneka Industri
(MISC),
Barang
Konsumsi
(CONSUMER),
Keuangan
(FINANCE),
25
Infrastruktur
(INFRASTRUCTURE),
Manufaktur
(MANUFACTURE),
Properti
(PROPERTY), Perdagangan (TRADE). 1.3
Definisi Operasional dan Pengukuran Variabel Penelitian ini menggunakan return bulanan Indeks Harga Saham Gabungan
sebagai indikator return pasar di Bursa Efek Indonesia.Return bulanan merupakan variable dependen dalam penelitian ini (Dinyatakan dalam %). Adapun variabel independen dalam penelitian ini adalah bulan perdagangan yang sekaligus merupakan variabel dummy di dalam model pengujian hipotesis 12 bulan perdagangan yaitu Januari hingga Desember. Apabila return Indeks Harga Saham Gabungan terdapat pada bulan tertentu maka bulan tersebut akan dinilai 1, dan bulan lainnya dianggap 0 (nol). Untuk menghitung return bulanan pasar persamaan yang dipakai adalah Rb=(IHScb-IHScb-1)/IHScb-1 Rb
: Return bulan b
IHScb
: IHS pada rata-rata bulan b
IHScb-1
: IHS pada rata-rata bulan sebelum bulan b
Pada penelitian ini return bulanan merupakan variabel dependen yang dipengaruhi oleh variabel independen. Adapun variabel independen dalam penelitian ini adalah bulan perdagangan yang sekaligus merupakan variabel dummy di dalam model pengujian hipotesis. Penelitian ini ingin menguji apakah bulan perdagangan sebagai variabel independen dapat mempengaruhi variabel dependen, yaitu return pasar di Bursa Efek Indonesia.
26
Jenis data yang digunakan dalam penelitian merupakan data deret berkala (time series). Ada banyak model time series yang sudah dikembangkan antara lain Exponensial, Smoothing, Holt, dan ARIMA. ARIMA merupakan metode pemodelan time series yang umum digunakan serta ARIMA juga lebih efektif untuk menguji data time series. Model ARIMA merupakan campuran model dari Autoregressive (AR) dan Moving Average (MA). Teknik regresi ARIMA dipakai untuk menghindari terjadinya pelanggaran terhadap asumsi klasik dimana data yang digunakan untuk analisis regresi harus normal. 3.4
Metode Analisis Data Model
analisis
data
yang
digunakan
dalam
penelitian
ini
adalah
menggunakan analisis ARIMA (Autoregressive Integrated Moving Average) dan regresi berganda yang merupakan salah satu metode peramalan untuk mengetahui pengaruh antara satu atau beberapa variabel Independen terhadap variabel dependen. Sebelum melakukan analisis ARIMA dan analisis Regresi Berganda harus memenuhi beberapa syarat sebagai berikut : 1. Uji Normalitas data return Indeks Harga Saham Gabungan, dilakukan menggunakan : a. Teknik Statistik Deskriptif, bertujuan untuk mendapatkan nilai mean, simpangan baku, skewness dan kurtosis. b. Uji Kolmogorov-Smirnov satu arah 2. Uji Autokorelasi untuk mengetahui ada atau tidak nya otokorelasi menggunakan statistik Durbin-Watson
27
3. Uji Box-Ljung bertujuan untuk mengetahui pola dari data time series. Selain itu uji ini juga dapat digunakan untuk mengetahui ada atau tidaknya heterokesdastisitas. Pengujian stasioneritas suatu data juga dilakukan dengan melihat nilai ACF (Autocorrelation Function) dan nilai PACF (Partial Autocorrelation Function). Bila dalam 16 periode lag terdapat maksimal 2 periode lag yang signifikan maka data tersebut dapat dikatakan stasioner dan apabila yang signifikan lebih dari 2 periode lag maka data tersebut dikatakan tidak stasioner. Hipotesis pertama adalah menyatakan tentang apakah terdapat pengaruh hari, mingguan dan bulan terhadap return saham. Berikut persamaannya : Rt = B1Yt-1 + B2Jan + B3Feb + B4Mar + B5 Apr + B6Mei + B7Jun + B8Jul + B9Ags + B10Sep + B11Okt + B12Nov + B13Des + et-W1et-1 Dimana : Rt
: Return pasar tiap bulan
B1, B2, B3,…., B13
: Koefisien regresi
B1Yt-1
: Variabel lag
et
: Residual term
W1
: Bobot
Jan
: Variabel dummy ; jika return bulanan merupakan return bulan Januari, maka jan = 1 ; selain bulan januari, jan = 0
Feb
: Variabel dummy ; jik return bulanan merupakan return bulan Feb, maka Feb = 1 ; selain bulan Februari, Feb = 0
Dst. . .
28
Koefisien regresi B2 sampai B13 menunjukan estimasi return bulanan untuk masing-masing bulan. Hipotesis yang di uji adalah H01 : B2 = B3 =B4 = … = B13 Kemudian dilakukan uji-t dengan melihat p-value hasil analisis regresi. Nilai standar signifikan yang digunakan adalah 10% jadi H 1 diterima apabila p-value < alpha 10% dan H0 ditolak apabila p-value > alpha 10%. Untuk hipotesis kedua metode yang digunakan adalah sama namun perbedaanya terletak pada data yang digunakan. Data yang digunakan adalah data return saham berdasarkan masing-masing Indeks Harga Saham Sektoral di Bursa Efek Indonesia. Data kesepuluh indeks sektoral tersebut kemudian dikumpulkan dan dihitung return bulanannya. Data return kemudian dihitung dalam pecahan dan kemudian melakukan teknik selanjutnya yaitu Autoregression Integrated Moving Average (ARIMA). Setelah dilakukan uji teknik regresi ARIMA untuk masing-masing sektor maka akan didapat pengaruh bulan perdagangan terhadapa indeks harga saham untuk setiap sektor dan kemudian pengaruh bulan perdagangan terhadap return saham pada masing-masing indeks harga saham sektoral dibandingkan apakah sama atau berbeda. Apabila model tidak memenuhi syarat dilakukan analisis ARIMA, maka penulis memutuskan untuk menggunakan Analisis Regresi Berganda dengan menguji kecocokan model yang digunakan sehingga dapat memenuhi syarat untuk selanjutnya dilakukan estimasi parameter dari model tersebut. Namun, apabila model tidak memenuhi syarat regresi maka dapat disimpulkan bulan perdagangan tidak berpengaruh.
29
Hipotesis ketiga untuk mengujinya dengan menggunakan alat uji analysis of variance (ANOVA). ANOVA yang digunakan untuk menguji beda signifikansi means dari lebih 2 kelompok variabel dependen (Sekaran, 2003). Langkah pengujiannya adalah dengan membandingkan return bulanan April dengan kelmpok return bulan selain April kemudian membandingkan nilai F hitung dengan F tabel. H 0 diterima jika F hitung < F tabel (10%) dan H1 diterima jika F hitung > F tabel atau < Nilai Sig (10%) Namun sebelum melakukan uji ANOVA terlebih dahulu dilakukan uji Homogenitas untuk mengetahui bahwa tidak terjadi variansi dalam satu kelompok yang dalam hal ini adalah return bulanan januari. Jika setelah lolos uji homogenitas maka
dilakukan
ANOVA.
Hasil
dari
uji
ANOVA
kemudian
dibandingkan
konsistensinya dengan hasil estimasi parameter di bulan April di analisis ARIMA.
