BAB IV METODE PENELITIAN
4.1 Desain Penelitian Penelitian ini didasari oleh gejolak/volatilitas nilai tukar rupiah terhadap mata uang asing (valuta asing).pada nilai transaksi jual – beli valuta asing yang ada di Bank Indonesia. Bank Indonesia sebagai regulator perbankan di Indonesia menjadi pedoman dalam transaksi valuta asing. Informasi valuta asing yang ada di Bank Indonesia digunakan oleh perusahaan (bank) dalam melaksanakan kegiatan bisnis Internasional setiap hari, maupun oleh investor dalam melakukan investasi valuta asing. Transaksi jual-beli valuta asing setiap hari memiliki risiko sesuai dengan perubahan harga valuta asing yang terjadi. Perubahan harga nilai tukar yang menurun akan menjadi resiko negatif, karena lemahnya nilai tukar Rupiah terhadap valuta asing khususnya USD sebagai indikator nilai tukar valuta asing dunia. Sebaliknya, dengan perubahan harga nilai tukar yang meningkat akan menajadi risiko positif, karena menguatnya Rupiah terhadap nilai tukar valuta asing. Sebagai salah satu cara untuk mengantisipasi risiko nilai tukar valuta asing yaitu dengan melakukan pengukuran resiko nilai tukar menggunakan Value at Risk (VaR) dengan melakukan estimasi menggunakan metode Autoregresive Conditional Heterocedasticity (ARCH), Generalized Autoregresive Conditional Heteroskedasticity (GARCH), Exponential Generalized Autoregresive Conditional Heteroskedasticity (EGARCH), dan Exponentially Weighted Moving Average (EWMA).
68
http://digilib.mercubuana.ac.id/
69
4.2 Variabel Penelitian Variabel dalam penelitian ini adalah nilai tukar valuta asing (USD, GBP, JPY, SGD), dengan menghitung data return masing-masing nilai tukar, menghitung Value at Risk (VaR) dan perhitungan volatilitas dengan menggunakan model Autoregresive Conditional Heterocedasticity (ARCH), Generalized Autoregresive Conditional Heteroskedasticity (GARCH), Exponential Generalized Autoregresive Conditional Heteroskedasticity (EGARCH), dan Exponentially Weighted Moving Average (EWMA). . 4.2.1 Definisi Konsep Nilai tukar valuta asing asing (USD, GBP, JPY, SGD) dihitung untuk mengetahui besarnya risiko nilai tukar menggunakan Value at Risk (VaR) dengan memperhitungkan volatilitas melalui estimasi model Autoregresive Conditional
Heterocedasticity
(ARCH),
Conditional
Heteroskedasticity
(GARCH),
Generalized Exponential
Autoregresive Generalized
Autoregresive Conditional Heteroskedasticity (EGARCH), dan Exponentially Weighted Moving Average (EWMA).
4.2.2 Definisi Operasional Menghitung data return masing-masing nilai tukar valuta asing (USD, GBP, JPY, SGD), menghitung Value at Risk (VaR) dengan menggunakan model
Autoregresive Conditional Heterocedasticity (ARCH), Generalized
Autoregresive
Conditional
Heteroskedasticity
http://digilib.mercubuana.ac.id/
(GARCH),
Exponential
70
Generalized Autoregresive Conditional Heteroskedasticity (EGARCH), dan Exponentially Weighted Moving Average (EWMA).
4.3 Populasi dan Sampel Penelitian Populasi dalam penelitian ini adalah nilai tukar valuta asing yang merupakan kurs transaksi harian pada Bank Indonesia. Sampel penelitian ini yaitu valuta asing (USD, GBP, JPY, SGD) masing-masing sebanyak 613 data.
4.4 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini dalah data sekunder. Sumber data diperoleh dari data transaksi nilai tukar valua asing USD, GBP, JPY, SGD, pada nilai penutupan transaksi jual dan beli pada Bank Indonesia selama periode transaksi 2 Januari 2013 - 30 Juni 2015.
4.5 Teknik Pengumpulan Data Data yang dikumpulkan dalam penelitian ini adalah data kurs yang digunakan merupakan kurs tengah dari kurs penutupan transaksi jual dan transaksi beli Bank Indonesia untuk mata uang USD, GBP, JPY, dan SGD terhadap IDR. Periode data kurs adalah 2 Januari 2013 sampai dengan 30 Juni 2015.
http://digilib.mercubuana.ac.id/
71
4.6
Teknik Analisis Data Proses analisis data penelitian ini terdiri dari beberapa tahapan, sebagai
berikut: 4.6.1 Menghitung Return Nilai Tukar Return nilai tukar dihitung dengan pendekatan logaritma normal dengan menggunakan persamaan (3.2). Pada metode ini rate of return merupakan logaritma dari rasio harga, yaitu:
rt = ln Pt + Dt Pt-1
(4.1)
Dalam penyederhanaan rumus maka untuk pembayaran dividen diasumsikan nol (Dt = 0) sehingga menjadi persamaan :
rt = ln
Pt Pt-1
(4.2)
Dimana : rt = rate of return pada hari t Pt = harga kurs/aset pada saat t
Pt-1 = harga kurs/aset pada saat t-1 Dt = dividen atau kupon pada periode ke-t (bila ada)
4.6.2
Pengujian Data Return Data return masing-masing nilai tukar harus dilakukan pengujian
terlebih dahulu sebelum melakukan perhitungan VaR. Pengujian diperlukan untuk mengetahui bagaimana karakteristik data return masing-masing nilai tukar. Pengujian yang dilakukan sebagai berikut:
http://digilib.mercubuana.ac.id/
72
4.6.2.1
Uji Stationeritas Uji stationeritas data return dilakukan dengan menggunakan
Augmented Dickey Fuller-test (ADF-test) dengan bantuan software Eviews 8. Prosedur yang dilakukan: = 0 , data return non stationare ≠ 0 , data return stationare Critical Value (CV) =
, df :2
Test Statistik ADF (4.3) Uji statistik : - Jika p ≤ 5% atau nilai ADF < CV 5%, artinya tolak
, atau data
stationare - Jika p > 5% atau nilai ADF > CV 5%, artinya jangan ditolak
, atau data
non stationare
4.6.2.2
Uji Normalitas Uji normalitas dengan menggunakan Jarque-Bera test. Prosedur
yang dilakukan adalah sebagai berikut : Distribusi return nilai tukar normal : Distribusi return nilai tukar tidak normal Critical Value (CV) =
, df :2
http://digilib.mercubuana.ac.id/
73
Test Statistik Jarque-Bera (JB), (Gujarati:2012) : (4.4)
Dimana : = skewness K = kurtosis
Nilai JB untuk masing masing nilai tukar diperoleh dengan bantuan EViews 8 Uji statistik : - Jika p ≤ 5% atau nilai JB > CV 5%, artinya tolak
, atau data return tidak
memiliki distribusi normal. - Jika p > 5% atau nilai JB < CV 5%, artinya jangan ditolak
, atau data
return memiliki distribusi normal. Jika distribusi data return nilai tukar normal maka α yang dipakai adalah dengan z-score. Bila distribusi data return nilai tukar tidak normal maka α harus dikoreksi dengan Cornish Fisher Expansion (α’). Formula untuk mendapatkan α’ rumus persamaan (3.7).
4.6.2.3
Uji Heteroskedastic dengan White Heteroskedastic Test Uji heteroskedastisitas dilakukan untuk melihat apakah model yang
diperoleh masih terdapat autokorelasi atau tidak. Uji heteroskedastisitas dilakukan terhadap residual dan kuadrat residual. Prosedur yang dilakukan : : σ bersifat homoskedastic : σ bersifat heteroskedastic
http://digilib.mercubuana.ac.id/
74
Critical Value (CV) =
, df :2
Test Statistik F Uji statistik : - Jika probability
≤ 5% artinya tolak
, atau σ heteroskedastic
- Jika probability
> 5% artinya jangan tolak
, atau σ homoskedastic
Jika σ homoskedastic, volatilitas dihitung dengan rumus standar deviasi biasa. Jika σ heteroskedastic, volatilitas dihitung dengan metode ARCH, GARCH, EGARCH, EWMA
4.6.3
Estimasi Volatilitas ARCH/GARCH Pada model ARCH, GARCH dicari koefisien yang signifikan pada mean
process berupa lag pada autoressive (AR) maupun moving average (MA) dan variance process berupa koefisien ARCH dan GARCH. Estimasi volatilitas permodelan dengan ARCH, GARCH dilakukan jika terdapat autokorelasi pada residual. Sehingga, model yang dihasilkan bersifat heteroskedastic atau menunjukan adanya conditional variance yang signifikan. Proses estimasi dilakukan untuk mencari parameter-parameter GARCH yang signifikan di dalam residual. Dalam proses estimasi ini perlu diperhatikan adanya batasan-batasan agar diperoleh model yang stasioner dengan unconditional variance tertentu dimana gerakan conditional variance akan menuju nilai tersebut. Proses estimasi tersebut dihentikan bila residual telah bersifat homoskedastic.
http://digilib.mercubuana.ac.id/
75
1. Conditional Variance Dalam proses residual terdapat dua jenis variance, yaitu conditional variance dan unconditional variance. Kata conditional menunjukan ketergantungan nilai varian tersebut pada data sebelumnya dalam suatu observasi. Sedangkan unconditional menjelaskan karakteristik jangka panjang data time series dengan asumsi tidak ada pengaruh informasi masa lalu. Model GARCH membentuk karakteristik distribusi conditional tersebut, dapat dilihat p = q = 0, maka proses varian tersebut adalah white noise dengan varian α.
2. Homoskedastisitas dan Unconditional Variance Untuk memenuhi kondisi homoskedastisitas, model ARCH, GARCH yang dibentuk harus memenuhi batasan-batasan parameter sebagai berikut (Pribadi: 2008)
Batasan ini diperlukan agar terpenuhi kondisi stasioner. Dengan demikian akan dihasilkan conditional variance pada residual yang memiliki mean tertentu dan tidak bergantung pada waktu. Sedangkan batasan α ≥ 0, 0,
≥
≥ 0 digunakan untuk memastikan bahwa varian yang dihasilkan
memiliki nilai yang selalu positif.
http://digilib.mercubuana.ac.id/
76
4.6.4 Analisis nilai Adjusted R-Squared, Akaike Info Criterion (AIC) dan Schwarz Criterion Statistik
R-Squared
mengukur
keberhasilan
regresi
dalam
memperkirakan nilai dari variabel tidak bebas di dalam sample. Dalam keadaan standar, dapat dinterprestasikan sebagai fraksi variance dari variabel tidak bebas yang dijelaskan variabel bebas. Nilai statistik akan sama dengan satu jika regresi sesuai, dan nol jika tidak sesuai dengan rata-rata dari variabel tidak bebas. R-squared dapat bernilai negatif dengan beberapa alasan seperti, jika regresi tidak mempunyai intercept atau konstanta, regresi mengandung koefisien pembatas atau metoda estimasi dalam two-stage least squares atau ARCH. Pengujian Adjusted R-Squared, Akaike Info Criterion dan Schwarz Criterion dilakukan untuk memeriksa validitas dari model yang dibentuk. Dengan menggunakan pengkukuran-pengukuran ini dapat diuji pengaruh variabel bebas dan lag terhadap variabel tak bebas dalam model yang dibentuk. Berikut ini uraian mengenai metoda tersebut. a. Adjusted R-squared Salah satu masalah menggunakan R-squared sebagai ukuran keberhasilan regresi adalah R-Squared tidak pernah berkurang dengan bertambahnya regresor. Nilai Adjusted R-squared digunakan untuk mengukur persentasi variabilitas variabel tidak bebas yang dapat dijelaksan oleh variabel-variabel bebas. Nilai Adjusted R-squared yang besar (mendekati satu) menunjukan model yang dibentuk telah cukup baik
http://digilib.mercubuana.ac.id/
77
dan sesuai. Oleh karena itu proses pembentukan model biasanya akan terus berlanjut hingga diperoleh nilai Adjusted R-squared yang paling maksimal. Nilai Adjusted R-squared tidak pernah lebih besar dari R-squared dan dapat berkurang dengan bertambahnya regresor.
b. Akaike Info Criterion (AIC) dan Schwarz Criterion (SC) Akaike Info Criterion (AIC) dan Schwarz Criterion (SC) adalah alternatif lain dari adjusted R-squared yang digunakan untuk mengukur validitas model yang dihasilkan. Berlawanan dengan adjusted R-squared, semakin kecil nilai yang dihasilkan dari kedua parameter tersebut berarti semakin baik model yang dibentuk. Model yang dipilih adalah model yang memiliki nilai adjusted R-square tertinggi, AIC terkecil, dan SC terkecil. Nilai ketiga parameter tersebut dapat diperoleh dengan bantuan EViews 8.
4.6.5 Estimasi Volatilitas EGARCH Pada beberapa data finansial, adakalanya terdapat korelasi negatif antara nilai return dengan volatilitasnya (pengaruh keasimetrikan). Ketika dihadapi data yang demikian, model GARCH menjadi kurang tepat untuk digunakan. Maka
Nelson
(1991)
memperkenalkan
model
Eksponensial-GARCH
(EGARCH) sebagai fungsi logaritma dari ragam bersyaratnya. Perhitungan estimasi EGARCH pada rumus persamaan (3.15).
http://digilib.mercubuana.ac.id/
78
4.6.6 Estimasi Volatilitas EWMA Pada perhitungan estimasi volatilitas EWMA menggunakan decay factor (
optimum. Decay factor optimum ditentukan melalui perhitungan RMSE
minimal secara trial and error ke dalam persamaan (3.18). Selanjutnya dilakukan perhitungan forecast variance dan volatilitasnya menggunakan persamaan (3.16), dan (3.17).
4.6.7 Menghitung VaR Masing-Masing Nilai Tukar VaR masing-masing nilai tukar dihitung menggunakan asumsi confident level 95% dengan holding period 1 hari.
http://digilib.mercubuana.ac.id/
79
4.7
Alur Perhitungan Value at Risk Aset Tunggal Data Nilai Tukar
Hitung Return
Uji Stasioneritas
Tida
Differencing Data
YA
Uji Normalitas
Perhitungan koefisien Skewness
Tida
YA
Menggunakan α’ Cornish Fisher Expantion
Uji Volatilitas
Heteroskedastic
Homoscedastic
Perhitungan volatilitas dengan ARCH/GARCH, EGARCH, EWMA
Perhitungan volatilitas dengan Standar Deviasi Konstan
Perhitungan VaR masing-masing Nilai Tukar
Gambar. 4.1 Alur Perhitungan Value at Risk Aset Tunggal Sumber: Hasil olahan peneliti 2015
http://digilib.mercubuana.ac.id/