CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA

Transkripsi

1 CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN BANDUNG 2008

2 DAFTAR ISI LEMBAR JUDUL LEMBAR PENGESAHAN DAFTAR ISI... DAFTAR TABEL... v DAFTAR LAMPIRAN... v I. PENDAHULUAN 1.1 Latar Belaang Identfas Masalah Tuuan... 3 II. TINJAUAN PUSTAKA 2.1 Confgural Frequency Analyss (CFA) Langah-langah penguan dengan menggunaan CFA Pemlhan Base model untu CFA dan Pengestmasan Freuens Harapan dar suatu sel Log Lnear sebaga Base Model dalam CFA Asums teoral dar base model... 8

3 2.3.3 Rencana Pengamblan Sampel Metode Bonferron untu Melhat Sgnfans Konfguras III. KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA DENGAN MENGGUNAKAN CONFIGURAL FREQUENCY ANALYSIS (CFA) 3.1 Pendahuluan Data Analss Data dengan Menggunaan Lma Langah dalam CFA dengan Base Model Log-Lnear Asums teroral dar base model log-lnear dan pengestmasan freuens harapan suatu sel Pemlhan suatu onsep penympangan dar suatu model Pemlhan tes untu melhat sgnfans... 29

4 IV. HASIL DAN PEMBAHASAN 4.1 Pendahuluan Hasl Analss CFA Kesmpulan Analss dengan Menggunaan CFA V. KESIMPULAN DAN SARAN 5.1 Kesmpulan Saran. 32 DAFTAR PUSTAKA LAMPIRAN... 34

5 LEMBAR PENGESAHAN CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA Penelt Resa Septan Pontoh NIP : Setelah membaca peneltan n dengan sesama, menurut pertmbangan am telah memenuh peryaratan lmah sebaga arya lmah Bandung, 30 Aprl 2008 Mengetahu, Ketua Jurusan Statsta Dr. Jad Suprad, DEA NIP

6 LEMBAR IDENTITAS CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA NAMA : RESA SEPTIANI PONTOH NIP : JENIS KELAMIN PANGKAT/GOL FAKULTAS/JURUSAN : PEREMPUAN : PENATA MUDA/ III A : MIPA/ STATISTIKA UNPAD BANDUNG, 30 APRIL 2008 PENELITI, RESA SEPTIANI PONTOH NIP :

7 BAB I PENDAHULUAN 1.1 Latar Belaang Pasar modal merupaan salah satu bentu pasar yang onds eulbrumnya dcapa oleh teradnya proses transas antara nvestor (orang yang menanaman modalnya dalam bentu saham) dan emten (perusahaan yang mengeluaran saham). Selama n, omposs edua varabel tersebut mash sangat sedt apabla dbandngan dengan umlah sebenarnya dar potens yang ada d Indonesa. Dar data sub-reenng d Kustodan, detahu bahwa umlah nvestor Indonesa saat n hanya setar nvestor. Anga n aan terlhat ecl seal a dbandngan dengan umlah pendudu Indonesa yang berumlah setar 200 uta wa (ra-ra hanya 0,04%). Bandngan dengan Sngapura yang mempunya pendudu setar 3 uta wa tetap mempunya nvestor sebanya 1 uta-an (urang lebh sebesar 33%). Deman uga Malaysa, 16% dar populas pendudunya yang berumlah setar 18 uta wa merupaan nvestor yang cuup atf d pasar modal. (Herwdayatmo). Dlhat dar data d atas, peluang pertambahan umlah nvestor d Indonesa sebenarnya mash terbua lebar. Apalag a datan dengan tren pertumbuhan pereonoman yang terlhat mula pulh saat n. Oleh sebab tu, menad suatu eharusan bag seluruh pelau pasar modal untu secara terus menerus dan onssten melauan egatan yang menduung pengembangan nvestor loal. Tersedanya database dan mappng araterst nvestor d setap daerah yang lengap dan elas aan sangat membantu menentuan strateg yang tepat dalam melauan egatan tersebut. 1

8 Karena tu, dadaan peneltan yang bertuuan untu mengetahu secara elas mappng dar potens nvestor d setap daerah d seluruh Indonesa. Obe/target responden dar peneltan n adalah masyaraat yang berada d daerah Jawa Barat. Metodolog yang dgunaan dalam peneltan n adalah metode dentfas dengan menggunaan uesoner sebaga alat untu mengumpulan sampel data prmer yang dbutuhan. 1.2 Identfas Masalah Sebelumnya, dvs Rset dan Pengembangan melauan pengolahan data secara desrptf sederhana. Karena tu, ngn dlhat apaah terdapat esamaan hasl antara pengolahan data yang telah dlauan dbandngan pengolahan data dengan menggunaan metode lmah dalam hal n penguan dalam metode statsta. Dar hasl analss n dharapan adanya suatu nterpretas mengena araterst dar calon nvestor retal yang terdr dar varabel etertaran aan saham, usa, peeraan dan penghaslan sehngga nantnya dapat dbuat suatu ebaan-ebaan baru. Untu eperluan n, terdapat beberapa alternatf metode yang dapat dpergunaan dantaranya: Regres Logst, Log-Lnear, dan CFA. Dar etga metode tersebut, CFA merupaan alternatf yang menar untu daplasan arena CFA merupaan metode yang relatf baru. 2

9 1.3 Tuuan Tuuan dar peneltan n adalah untu mengaplasan CFA dalam mengetahu potens dan araterst calon nvestor potensal d setap daerah, sehngga pada ahrnya dapat detahu secara elas mappng dar potens nvestor d setap daerah yang menad obe peneltan. 3

10 BAB II TINJAUAN PUSTAKA 2.1 Confgural Frequency Analyss Confgural frequency Analyss adalah suatu metode yang dgunaan untu mengdentfas pola (onfguras) dar varabel ategor apaah terad etdacocoan (dscrepances) dengan apa yang telah despetasan sebelumnya. Dscrepances n terad a : 1. Suatu perstwa lebh serng terad atau umlah perstwa yang terad lebh besar dar yang dharapan atau despetasan (CFA type), dan 2. Suatu perstwa lebh arang terad atau umlah perstwa yang terad lebh ecl dar yang dharapan atau despetasan (CFA anttype). Jens data yang dgunaan dalam CFA adalah pasangan ategor. Hal n ddasaran atas pengertan dar onfguras (Lenert, 1969) yatu pasangan ategor yang menelasan suatu sel dar suatu tabel slang. CFA dapat dapat dpergunaan untu menawab beberapa pertanyaan d bawah n: 1. Bagamana cara membandngan antara freuens hasl pengamatan (observed frequences) dengan freuens yang dharapan (expected frequences)? Jawaban dar pertanyaan d atas adalah bergantung pada pemlhan base model yang aan dgunaan untu melhat perbandngan nla dar freuensfreuens tersebut dmana nantnya aan dperoleh nterpretas mengena ada tdanya perbedaan antara freuens pengamatan suatu sel dan freuens harapan sel tersebut. Freuens harapan suatu sel dtasr berdasaran base 4

11 model yang dtetapan untu menggambaran hubungan dantara varabel. Dar edua hal d atas, aan terlhat adanya suatu perbedaan nla antara freuens pengamatan suatu sel dan freuens harapan sel tersebut apaah freuens pengamatan suatu sel lebh besar atauah lebh ecl atau bahan sama dengan nla dar freuens harapan sel tersebut. Perbedaan antara freuens pengamatan suatu sel dan freuens harapan sel tersebut yang nantnya aan dtelt lebh lanut dengan menggunaan Confgural Frequency Analyss (CFA). 2. Apaah perbedaan yang terad antara freuens pengamatan suatu sel dan freuens harapan sel tersebut secara statst bersfat sgnfan? Dalam beberapa peneltan yang telah dlauan dengan menggunaan CFA, arang seal terad adanya esamaan hasl antara freuens pengamatan suatu sel dan freuens harapan sel tersebut. Dalam CFA, perbedaan nla antara freuens pengamatan suatu sel dan freuens harapan sel tersebut delasan dengan munculnya suatu type dan anttype. Ja freuens pengamatan suatu sel lebh besar dar pada freuens harapan sel tersebut, maa aan muncul suatu type namun a freuens pengamatan suatu sel lebh ecl dar pada freuens harapan sel tersebut, maa aan muncul suatu anttype. Munculnya type dan anttype aan melalu suatu proses penguan statst tertentu. Untu penelasan lebh lanut, aan dbahas pada bab selanutnya.. 5

12 3. Apaah terdapat hubungan antara predctor (varabel bebas) dan crteron (varabel ta bebas)? Dalam CFA, suatu model dapat menelasan apaah dalam model tersebut varabel-varabel terbag menad predtor dan rtera atauah semua varabel danggap mempunya status yang sama. Beratan dengan pertanyaan d atas, CFA dapat menelasan ada atau tdanya hubungan antara predtor dan rtera yang dtanda dengan munculnya suatu type dan anttype. Ja type dan anttype muncul artnya bahwa suatu predtor dapat mempreds teradnya suatu rtera tertentu. 2.2 Langah-Langah penguan dengan menggunaan CFA (Von eye, 2002) Dalam penguan onfguras dengan menggunaan CFA, terdapat lma langah yang perlu dlauan, yatu sebaga berut: 1. Pemlhan base model untu CFA dan pengestmasan freuens harapan dar suatu sel. 2. Pemlhan suatu onsep penympangan dar suatu model. 3. Pemlhan tes untu melhat sgnfans. 4. Penabaran hasl penguan sgnfans dan pengdentfasan apaah onfguras masu e dalam type atau antytpe. 5. Pengnterpretasan type dan anttype. 6

13 2.3 Pemlhan base model untu CFA dan pengestmasan freuens harapan dar suatu sel Log Lnear sebaga base model dar CFA Log-Lnear serng dgunaan sebaga base model dalam CFA, dmana model umum dar log-lnear adalah sebaga berut (Von eye, 2002): log E = λ + λ + + λ λ 0 + maneffects frstorder nt eracton sec ondorder nt eracton..., dmana λ 0 adalah ntercept dan,, adalah ndes varabel. Adapun tuuan dar analss Log-Lnear adalah : 1. Untu mempelaar pola asosas antara seelompo varabel ategor 2. Untu menghtung atau memperraan banyanya observas yang dharapan (expected counts) dalam tap-tap sel populas dar tabel yang dbentu oleh elompo yang dperhatan (I Gust Ngurah Agung, 2002). Perlu detahu bahwa CFA mengasumsan suatu base model tda dapat menelasan data dengan ba. Karena tu, parameter buanlah fous dar penguan CFA, tetap yang dfousan dalam CFA adalah penympangan yang terad pada model dtanda dengan munculnya type dan anttype artnya bahwa hasl ahr dar CFA buanlah melhat apaah suatu model sudah dapat menelasan data dengan ba sepert yang dlauan dengan menggunaan metode log-lnear. Oleh arena tu, the goodness of ft, nla tda menad perhatan dalam CFA. 2 χ yang menelasan tentang ecocoan model dengan data, 7

14 Hal lan yang menad perbedaan antara CFA dan Log-lnear adalah bahwa CFA tda hanya melhat adanya hubungan antara varabel-varabel tertentu yang basanya menad output pada model Log-lnear tetap uga lebh memperhatan pada onfguras-onfguras mana yang salng beratan satu sama lan. Dalam CFA, base model dgunaan untu mereflesan asums teoral dar sfat suatu parameter apaah semua varabel mempunya status yang sama, atauah terbag menad predtor dan rtera. Selan tu, base model uga berfungs untu mempertmbangan rencana pengamblan sampel (samplng scheme) yang nantnya berguna untu menentuan estmas nla dar freuens harapan suatu sel Asums teoral dar base model Sepert telah delasan sebelumnya, base model dapat dgunaan untu mereflesan asums teoral dar sfat suatu parameter apaah semua varabel mempunya status yang sama, atauah terbag menad predtor dan rtera. Loglnear sebaga suatu base model dapat menelasan edua asums teoral d atas. Dalam model Log-lnear, terdapat suatu asums bahwa model tersebut mengasumsan semua varabel mempunya status yang sama sebaga suatu respon (Agrest,1995). Namun a ternyata pada suatu peneltan dasumsan bahwa varabel-varabel tersebut terbag menad predtor dan rtera, maa (Von eye, 2002) terdapat beberapa hal yang harus dperhatan. Dalam asus n, a tuuan dar peneltan tda mengngnan adanya efe yang menghubungan antar predtor dan antar rtera artnya bahwa a type dan anttype yang muncul hanya menelasan adanya hubungan antara predtor dan rtera, tetap buan merupaan hubungan antar predtor ataupun antar rtera, dapat dlauan dengan membuat suatu 8

15 nteras antar predtor dan antar rtera pada base model. Berut n aan delasan beberapa contoh model log-lnear yang basa dgunaan. Ja tda ada varabel yang mempengaruh model (zero-order), model loglnear secara umum (Von eye, 2002) adalah sebaga berut: LogE ( Y) = µˆ dmana E (Y ) = freuens dharapan dalam setap sel. µˆ = Intercept atau constant atau rata-rata umum Ja semua varabel mempunya status yang sama, dan hanya Man effect atau efe utama yang dgunaan (frst-order), model log-lnear secara umum (Von eye, 2002) adalah sebaga berut: LogE( ) ˆ ˆ ˆ... µ + α + β +... Y = dmana E ) = freuens dharapan dalam setap sel. ( Y... µˆ = Intercept atau constant atau rata-rata umum αˆ = parameter pengaruh tngat e- fator α βˆ = parameter pengaruh tngat e- fator β 9

16 Ja varabel-varabel yang aan dtelt terbag menad predtor dan rtera, dmsalan terdapat dua predtor A dan B dan tga rtera C, D, dan E, model loglnear yang dpergunaan adalah sebaga berut (Von eye, 2002): LogE( Y ) = ˆ µ + Aˆ + Bˆ + AB ˆ ˆ + Cˆ + Dˆ + Cˆ Dˆ l l l dmana E Y ) = freuens dharapan dalam setap sel. ( l µˆ = Intercept atau constant atau rata-rata umum  = pengaruh tngat e- fator A Bˆ = pengaruh tngat e- fator B A ˆ B ˆ = Interas tngat e- dan fator A dan B Ĉ = pengaruh tngat e- fator C Dˆ l = pengaruh tngat e-l fator D C ˆ D ˆ l = Interas tngat e- dan l fator C dan D Model tersebut dasumsan bahwa peneltan tda mengngnan adanya nteras antar predtor dan rtera. 10

17 Ja peneltan hanya mengngnan tda adanya nteras antar predtor tetap terdapat nteras antar rtera, model tersebut adalah sebaga berut: LogE( Y ) = ˆ µ + Aˆ + Bˆ + AB ˆ ˆ + Cˆ + Dˆ l l dmana E Y ) = freuens dharapan dalam setap sel. ( l µˆ = Intercept atau constant atau rata-rata umum  = pengaruh tngat e- fator A Bˆ = pengaruh tngat e- fator B A ˆ B ˆ = Interas tngat e- dan fator A dan B Ĉ = pengaruh tngat e- fator C Dˆ l = pengaruh tngat e-l fator D Rencana Pengamblan Sampel (Samplng Scheme) Rencana pengamblan sampel (samplng scheme) berguna untu menentuan estmas nla dar freuens harapan suatu sel. Samplng scheme yang palng serng dgunaan adalah multnomal dan product dar multnomal (product-multnomal samplng) (Von eye, 2002). 1. Multnomal samplng Multnomal samplng dgunaan a umlah sampel dtentuan terlebh dahulu baru emudan dsebaran e dalam sel tabel slang berdasaran pengamatan yang telah dlauan. Ja hasl dar penglasfasan ategor berasal dar penylangan (crossng) dua atau lebh varabel, maa samplng scheme tersebut dnamaan dengan cross-classfed multnomal. Cross- 11

18 classfed multnomal samplng n basa dgunaan pada CFA arena sebetulnya CFA selalu menggunaan tabel slang dar dua atau lebh varabel. Pada Cross-classfed multnomal samplng, pemasuan ndvdundvdu dperbolehan pada bagan sel mana saa secara aca. Suatu dstrbus mltnomal dengan freuens sel Y 1,..., Y N ; peluang tap sel adalah θ 1,...,θ N dan total freuens y n = dengan = 1 θ adalah sebaga berut: f N ( y θ n) = n! ; θ = 1 y y! dmana E( Y ) nθ, = = 1,..., N 2. Product-Multnomal Samplng Product-multnomal Samplng menelasan dstrbus bersama dar dua atau lebh dstrbus multnomal yang bersfat ndependen. Tabel slang R x C dengan fxed row margnal N, untu = 1,..., R. Row margnal dapat dtentuan a margnal dar bars pada tabel slang dtentuan terlebh dahulu, setelah tu baru dsebaran e sel-sel pada tabel slang. Fungs denstas bersama dar bars R dhaslan dar peralan bars-bars multnomal. f ( N, N,..., N ) RC R = C N! π C = 1 = 1 π. N! = 1 Persamaan tersebut menelasan peluang dar pengamatan tabel ontngens dengan freuens sel N 11, N 12,..., N RC delasan sebaga product dar peluang pengamatan setap R vetor ndependen dar peluang bars (N 11,..., N 12

19 N 1C ),..., (N R1,..., N RC ). Hal n terad a margnal dtentuan untu lebh dar satu varabel (cross-classfed product-multnomal). 2.4 Metode Bonferron untu Melhat Sgnfans Konfguras Untu melndung sgnfans nomnal α terhadap esalahan penguan darenaan nla α untu tap onfguras berbeda dengan α eseluruhan, penyesuaan dapat dlauan dengan memperhtungan total umlah tamplan penguan atau banyanya onfguras yang terad yatu dengan rumusan sebaga berut: α * = α banyanya onfguras. Ja statsta htung lebh ecl dar α *, aan terdapat type atau anttype pada onfguras tersebut. Hpotess: Statsta u: H 0 : E [ N t ] = Et H 1 : E [ N t ] > E atau t E [ N t ] < Et z N Eˆ t t = (Von eye, 2002) Eˆ t rtera u: Ja z-value * α maa H 0 dterma atau tda aan muncul type atau anttype, dapat dataan base model telah mewal eberadaan dar onfguras tersebut, sedangan a z-value < * α maa H 0 dtola atau aan muncul type dan anttype, dengan ata lan model tersebut tda mewal eberadaan dar onfguras tersebut. 13

20 BAB III MAPPING KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA DENGAN MENGGUNAKAN CONFIGURAL FREQUENCY ANALYSIS (CFA) 3.1 Pendahuluan Dalam bab n aan dbahas tentang analss freuens onfguras (CFA) atannya dengan engnan PT Bursa Efe Jaarta untu melauan mappng araterst calon nvestor saham retal. Untu penganalssan data, dgunaan data survey yang telah dlauan oleh PT Bursa Efe Jaarta pada wlayah Jawa Barat. 3.2 Data Data yang dgunaan adalah data survey wlayah yatu Jawa Barat sebanya 457 responden yang berbentu ategor dotomus. Pada peneltan untu melhat araterst calon nvestor retal terhadap bentu nvestas saham yang dlauan oleh PT Bursa Efe aarta pada tahun 2004, terdapat 4 fator yang aan dlhat eteratannya yatu: 1. Ketertaran Responden terhadap bentu nvestas saham Unt pengamatan dbag menad dua ategor yatu tertar aan saham (1) dan tda tertar aan saham (2). 2. Usa Responden Usa unt pengamatan duur dar rentang usa d bawah d bawah 40 tahun (1) dan usa d atas 40 tahun (2). 14

21 3. Jens Peeraan Jans Peeraan dbag menad dua ategor yatu pegawa neger (1) dan non pegawa neger (2). 4. Penghaslan Penghaslan dbag menad dua ategor yatu d bawah Rp ,00 (1) dan d atas Rp ,00 (2). 3.3 Analss Data dengan Menggunaan Lma Langah dalam CFA dengan Base Model Log-Lnear Asums teroral dar base model log-lnear dan pengestmasan freuens harapan suatu sel. Base Model yang dgunaan dalam penganalssan data survey PT Bursa Efe Jaarta adalah dengan menggunaan Metode Log-Lnear. Samplng scheme yang dgunaan oleh PT Bursa Efe Jaarta dalam melasanaan survey adalah dengan menggunaan multnomal samplng scheme arena umlah sampel dtentuan terlebh dahulu d setap wlayah emudan barulah dlauan pengsan pada setap sel freuens berdasaran hasl pengamatan, sedangan base model pada model Log- Lnear yang dgunaan dalam penganalssan data survey yang telah dlauan oleh PT Bursa Efe Jaarta, terbag menad tga predtor (usa, ens peeraan, dan penghaslan) dan satu rtera (etertaran terhadap saham). Karena tu, pada peneltan n aan melhat araterst calon nvestor saham retal PT Bursa Efe Jaarta dalam tga varabel yatu usa, ens peeraan, dan penghaslan dlhat dar ada atau tdanya etertaran responden terhadap saham. 15

22 Model Log-Lnear untu data survey tersebut adalah sebaga berut: log E( ) = ˆ µ + ˆ α + ˆ β + ˆ γ + ˆ δ + ˆ αβˆ + ˆ αγˆ + ˆ βγˆ + ˆ αβˆ ˆ γ... (4.1) Y l l l l dmana E Y ) = freuens yang dharapan dalam setap sel. ( l µˆ = Intercept atau constant atau parameter rata-rata umum αˆ = Parameter pengaruh tngat e- ( = 1 (pegawa neger) dan = 2 (non pegawa neger) fator α (Jens Peeraan) βˆ l = Parameter pengaruh tngat e- ( = 1 (d bawah 5 uta) dan = 2 (d atas 5 uta) fator β (Penghaslan) γˆ = Parameter pengaruh tngat e- ( = 1 (usa d bawah 40 tahun) dan = 2 (Usa d atas 40 tahun) fator γ (Usa Responden). δˆ l = Parameter pengaruh tngat e-l (l = 1 (tertar) dan l = 2 (tda tertar) fator δ (Ketertaran terhadap saham) ˆ α ˆ β = Parameter pengaruh nteras tngat e- dan e- fator α (Jens Peeraan) dan β (Penghaslan). ˆ α ˆ γ l = Parameter pengaruh nteras tngat e- dan e- fator α (Jens Peeraan) dan γ (usa). ˆ β ˆ γ = Parameter pengaruh nteras tngat e- dan e- fator β (Penghaslan) dan γ (usa). ˆ α ˆ ˆ = Parameter pengaruh nteras tngat e-, e- dan e- fator βγ α (Jens Peeraan), β (Penghaslan) dan γ (usa). 16

23 Untu melhat ebenaran adanya nteras antar predtor, dapat dlauan dengan menggunaan penguan man effect antar predtor tu sendr. Ja terdapat type ataupun anttype, artnya memang benar terdapat nteras antar predtor. Model Log-Lnear untu melhat ada atau tdanya nteras antar predtor adalah sebaga berut: log E( ) = ˆ µ + ˆ α + ˆ β + ˆ γ... (4.2) Y dmana E Y ) = freuens dharapan dalam setap sel. ( µˆ = Intercept atau constant atau parameter rata-rata umum αˆ = Parameter pengaruh tngat e- ( = 1 (pegawa neger) dan = 2 (non pegawa neger) fator α (Jens Peeraan) βˆ l = Parameter pengaruh tngat e- ( = 1 (d bawah 5 uta) dan = 2 (d atas 5 uta) fator β (Penghaslan) γˆ = Parameter pengaruh tngat e- ( = 1 (usa d bawah 40 tahun) dan = 2 (Usa d atas 40 tahun) fator γ (Usa Responden). 17

24 Penasran terhadap espetas freuens onfguras ( E Y ) ) dgunaan dengan menggunaan metode penasran Masmum lelhood. Fungs dar Dstrbus Multnomal dengan freuens sel Y 1,, Y N, dengan ( l N y = 1 peluang tap sel adalah θ 1,...,θ N, n = dan nla n telah dtentuan sebelumnya (fxed), adalah sebaga berut: f N ( y n) = n! y ; θ θ...(4.3) y!. = 1 Untu mengestmas nla E ( Y ) dengan menggunaan metode masmum lelhood adalah: f N ( y θ n) = n! ; θ = 1 y y! + ( y log log y ) L = log n! θ! + L = constant logθ...(4.4) y dmana n = N y = 1 dan θ = 1. 18

25 Untu memasmalan model, penasr masmum lelhood dar parameter θ dperoleh dengan memasmalan fungs lelhood dengan constrant nya yatu N y = 1 θ = 1 dan n =, yang dapat dlauan dengan menggunaan lagrange multpler yang aan memnmalan λ dan θ dar persamaan berut: t = constant + y logθ λ( θ 1)...(4.5) solusnya adalah t λ = 0 dan t θ = 0 untu = 1,... N dperoleh: λ = n dengan mensubttus λ = n e dalam Persamaan 4.4 maa dperoleh: t = constant + y logθ n( θ 1)...(4.6) aan dtasr nla dar parameter θ dan dperoleh: t y θ = n = 0 θ Y θˆ =. n θˆ = Y n Jad dapat dsmpulan bahwa masmum lelhood estmator dar E(Y ) adalah n θˆ = Y (Dobson, 1982)...(4.7) 19

26 Sehngga E(Y l ) = n ˆ θ ˆ... lθ. dan E(Y) = n ˆ θ ˆ.. θ ˆ.. θ Pemlhan suatu onsep penympangan dar suatu model. Sepert telah dsampaan sebelumnya bahwa pemlhan samplng scheme pada penganalssan data survey n adalah dengan menggunaan multnomal, maa u hpotess yang dgunaan adalah dengan menggunaan u ndependens yatu dengan hpotess sebaga berut: H 0 : E( Y l ) = nθ... lθ. H 1 : E( Y l ) nθ... lθ. ˆ ˆ ˆ ˆ. Detahu bahwa, ˆ θ =. y. n, dan ˆ θ =... l y... l n, sehngga e l y. y... l = dmana = 1, 2; = 1, 2; = 1, 2; l = 1, (4.8) n Model log-lnear d bawah H 0 adalah sebaga berut: η = log E( ) = ˆ µ + ˆ α + ˆ β + ˆ γ + ˆ δ + ˆ αβˆ + ˆ αγˆ + ˆ βγˆ + ˆ αβˆ ˆ γ. (4.9) l Y l l l l dengan asums bahwa ˆ α = ˆ = ˆ = ˆ = ˆ ˆ = ˆ ˆ = ˆ ˆ = ˆ ˆ ˆ β γ δ l αβ αγ l βγ l αβγ l,, l, l,, = 0 20

27 log e l destmas oleh η l log ˆ θ l log ˆ θ log n ˆ µ ˆ α ˆ β ˆ γ ˆ δ ˆ l αβˆ ˆ αγˆ ˆ l βγˆ ˆ l αβˆ ˆ = γ...(4.10) dengan mensubttusan l e dalam Persamaan 4.10, aan dperoleh estmas varans mnmum yatu sebaga berut: 1 1 ˆ µ = log y. + log y... l logn...(4.11) IJK L l 1 1 ˆ α log log log ˆ = y... l + y. n µ... (4.12) L JK l, Dengan cara yang sama d atas, dperoleh nla ˆ β, ˆ γ, ˆ δ sebaga berut: l ˆ 1 1 β log log log ˆ = y... l + y. n µ... (4.13) L IK l, 1 1 ˆ γ log log log ˆ = y... l + y. n µ... (4.14) L IJ l, ˆ 1 δ log log log ˆ l = y... l + y. n µ... (4.15) IJK,, 1 1 ˆ α ˆ β log log log ˆ µ ˆ γ ˆ = y... l + y. n δ... (4.16) L K 1 1 ˆ α ˆ γ log log log ˆ µ ˆ β ˆ = y... l + y. n δ... (4.17) L J ˆ 1 1 β ˆ γ log log log ˆ µ ˆ α ˆ = y... l + y. n δ... (4.18) L I 1 1 ˆ α ˆ βγˆ log log log ˆ µ ˆ = y... l + y. n δ... (4.19) L IJK (Dobson: 1982). 21

28 Statst U yang dgunaan adalah ch uadarat dengan rumusan sebaga berut: I J K L ( n ) = l el 2 χ... (4.20) (Dobson: 1982) e l l 2 dengan degree of freedom adalah (IJK-1)(L-1) Krtera U: Tola Ho a 2 χ htung χ 2 α dengan ata lan terdapat asosas antar varabel dan terma H 0 a 2 χ htung χ 2 α < dengan ata lan model log E( ) = µ + ˆ α + ˆ β + ˆ γ + ˆ δ + ˆ αβˆ + ˆ αγˆ + ˆ βγˆ + ˆ αβˆ ˆ γ dterma. Y l l l l Karena pada CFA dfousan pada onfguras ategor antar varabel dan tda dfousan pada nla dar parameternya dan ecocoan model, maa dgunaan untu masng-masng onfguras dengan rumusan sebaga berut: 2 χ ( n e ) 2 2 t t χ =... (4.21) e t dengan 2 2 χ tabel adalah χ ( IJK 1)( L 1), t = onfguras e-(1,2,...). 22

29 Dengan rtera U: Tola Ho a 2 χ htung χ 2 α dengan ata lan aan muncul type atau anttype dan terma H 0 a 2 χ htung χ 2 α < dengan ata lan model log E( ) = ˆ µ + ˆ α + ˆ β + ˆ γ + ˆ δ + ˆ αβˆ + ˆ αγˆ + ˆ βγˆ + ˆ αβˆ ˆ γ dterma. Y l l l l Untu penguan endependenan dar predtor, menggunaan man effect dengan model sebaga berut: H 0 : E ( Y ) = nθ.. θ.. θ.. H 1 : E ( Y ) nθ.. θ.. θ.. ˆ ˆ ˆ ˆ ˆ ˆ. Detahu bahwa,, ˆ.. θ =.., ˆ.. θ.. n = dan ˆ θ.. n = y y y.. n, sehngga y.. y.. y.. el = dmana = 1, 2; = 1, 2; = 1, (4.22) 2 n η = log E( ) = ˆ µ + ˆ α + ˆ β + ˆ γ... (4.23) l Y l dengan asums bahwa ˆ α ˆ ˆ = β = γ = 0 log e l destmas oleh η l log y y y n ˆ µ ˆ α ˆ β ˆ.. + log.. + log.. 2log = γ...(4. 24) 23

30 dengan memasuan l e persamaan d atas, aan dperoleh estmas varans mnmum yatu sebaga berut: ˆ µ = log y.. + log y.. + log y.. 2logn...(4.25) Nla αˆ dapat dperoleh dengan memasuan e dalam Persamaan ˆα... (4.26) =log y.. log y.. I Dengan cara yang sama d atas, dperoleh nla ˆ β, ˆ γ sebaga berut: 1 ˆβ = log. log... (4.27) =log y. y.. J 1 ˆ γ... (4.28) y.. log y.. K (Annette J. Dobson). Statst U yang dgunaan adalah ch uadarat dengan rumusan sebaga berut: ( n ) = e 2 χ... (4.29) e (Dobson: 1982) 2 dengan degree of freedom adalah (I-1)(J-1)(K-1) 24

31 Krtera U: Tola Ho a 2 χ htung χ 2 α dengan ata lan terdapat asosas antar varabel dan terma H 0 a 2 χ htung χ 2 α < dengan ata lan model log E( ) = ˆ µ + ˆ α + ˆ β + ˆ γ dterma. Y Karena pada CFA dfousan pada onfguras ategor antar varabel dan tda dfousan pada nla dar parameternya dan ecocoan model, maa dgunaan untu masng-masng onfguras dengan rumusan sebaga berut: 2 χ ( n e ) 2 2 t t χ =... (4.30) e t dengan 2 2 χ tabel adalah χ ( I 1)( 1) ( 1), t = onfguras e-(1,2,...). Dengan rtera U: Tola Ho a 2 χ htung χ 2 α dengan ata lan aan muncul type atau anttype dan terma H 0 a 2 χ htung χ 2 α < dengan ata lan model log E( ) = ˆ µ + ˆ α + ˆ β + ˆ γ dterma. Y Dengan pendeatan normal, maa dperolehlah rumusan z N Eˆ t t =. Eˆ t 25

32 3.3.3 Pemlhan tes untu melhat sgnfans. Langah etga dar metode CFA adalah menentuan tes sgnfans. Sebelumnya, perlu detahu nla α sebaga batasan dalam penguan. Karena nla α untu tap onfguras berbeda dengan α eseluruhan, maa dgunaan metode Bonferron dengan membag α = 0.05 dengan banyanya onfguras yang terad. * α α = t 0.05 = = dan untu melhat nteras antar predtor adalah: * α α = t 0.05 = = Setelah menentuan nla * α maa aan dcar statst u z yang dpergunaan sebaga statst u dalam peneltan n.. Type aan muncul a nla z < Untu edua langah selanutnya aan dbahas pada Bab IV. * α. 26

33 BAB IV HASIL DAN PEMBAHASAN 4.1 Pendahuluan Dar data survey yang aan menelt mengena araterst calon nvestor saham retal, dperoleh hasl analss dengan menggunaan metode Confgural Frequency Analyss (CFA) yang aan dbahas pada bab n. 4.2 Hasl Analss CFA Dalam penganalssan data, penuls menggunaan software CFA 2002 (Von eye, 2001)(Tahap-tahap pengolahan data delasan pada Lampran). Dar pengolahan data, dperoleh output (hasl lengap pada lampran) untu daerah Jawa Barat sebaga berut: Ada atau tdanya nteras antar predtor dapat dlhat dar output d bawah n: tabel output CFA Jawa Barat frst-order IJK fo fe statstc p Type Type Anttype Kolom pertama adalah olom onfguras dar I = Peeraan, J = Penghaslan, dan K = Usa. Kolom edua adalah freuens observas dar peneltan, olom etga adalah 27

34 freuens harapan sel tersebut, olom eempat adalah nla statst z, dan olom terahr adalah nla peluang dtermanya H 0. Tabel 4.11 memperlhatan bahwa terdapat adanya nteras antar predtor. Karena tu, penguan untu melhat ada tdanya nteras antara predtor dan rtera dapat dlauan dengan output sebaga berut: tabel output CFA Jawa Barat frst-order Confguraton fo fe statstc p Berbeda dengan Tabel 4.1.1, pada olom confguraton, delasan mengena onfguras antar predtor dan rtera yang terad yatu: 1. Pada olom pertama dar olom onfguras menelasan nteras antar rtera yatu varabel ens peeraan, Penghaslan, Usa, dan Ketertaran aan saham. Interas tersebut adalah sebaga berut Anga 1 menelasan nteras responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d bawah 40 tahun. (Dan seterusnya delasan pada bagan Lampran). 28

35 2. Pada olom edua dar olom onfguras menelasan tertar atau tdanya responden terhadap saham. Output tabel menelasan bahwa model log-lnear yang mengasumsan bahwa tda ada nteras antar varabel telah mewal data dengan ba terbut dengan tda munculnya type dan anttype. Karena tu, untu melhat apaah eempat varabel tersebut mempengaruh model, dapat dlauan dengan menurunan order menad zero-order. Dperoleh hasl sebaga berut: tabel output CFA Jawa Barat zero-order Confguraton fo fe statstc p Anttype Anttype Anttype Anttype Anttype Type Type Anttype Anttype Munculnya type dan anttype menandaan bahwa eempat varabel (penghaslan, usa, ens peeraan dan etertaran aan saham) memang berpengaruh terhadap model, namun pola araterst dar masyaraat Jawa Barat sebaga calon nvestor saham retal tda dapat ddentfas hanya dengan menggunaan eempat varabel tersebut. 29

36 4.3 Kesmpulan Analss dengan Menggunaan CFA 2002 (Von eye, 2001) Dar hasl pengolahan data yang telah dlauan, dapat dsmpulan bahwa engnan PT Bursa Efe Jaarta untu melhat araterst calon nvestor saham retal d daerah Jawa Barat tda dapat dtelt berdasaran ada atau tdanya eteratan antara Ketertaran aan Saham dengan Jens Peeraan, Penghaslan dan Usa. 30

37 BAB V Kesmpulan dan Saran 5.1 Kesmpulan 1. CFA dapat dgunaan sebaga alternatf baru untu melhat pola asosas antar varabel. 2. Kengnan PT Bursa Efe Jaarta untu melhat araterst calon nvestor saham retal dapat dtelt dengan menggunaan CFA, namun berdasaran hasl pengolahan data yang telah dlauan, ternyata araterst calon nvestor saham retal daerah Jawa Barat tersebut tda dapat dtelt berdasaran ada atau tdanya eteratan antara Ketertaran aan Saham dengan Jens Peeraan, Penghaslan dan Usa. 3. Terdapat perbedaan antara CFA dan Log Lnear yatu sebaga berut: 1. Pada CFA, analss dfousan pada etdacocoan (dscrepances) antara base model dan data yang dperlhatan dengan ada tdanya type dan anttype berdasaran onfguras yang terad sedangan pada loglnear,analss dfousan pada ecocoan model yang memperhatan ada atau tdanya nteras antar varabel. 2. Pada CFA, parameter dar base model tda terlalu menad perhatan arena dasumsan bahwa base model tda menelasan data dengan ba sedangan pada Log Lnear, parameter baru dapat delasan a model sesua dengan data. 31

38 5.2 Saran 1. Kebenaran nterpretas atas type dan anttype sangat ddasar oleh tepat atau tdanya pemlhan base model dar CFA, arena tu penuls sangat menganuran agar pemlhan base model harus sesua dengan tuuan peneltan. 2. Software CFA 2000 (Von eye 2001) hanya bsa menampung palng banya 10 varabel, arena tu a umlah varabel terlalu besar dsaranan menggunaan software lannya sepert SPSS, SAS, SYSTAT, LEM. 32

39 DAFTAR PUSTAKA von Eye, A Confgural Frequency Analyss, Lawrence Erlbaum Assocates, Inc., London. von Eye, A Confgural Frequency Analyss Verson 2000 A Program for Bt Wndows Operatng System, Methods of Psycologcal Research Onlne, Vol. 6, No. 2, , nternet Dobson, Annette J Introducton to Statstcal Modellng, Chapman and Hall, New Yor. Agung, I Gust Ngurah Analss Hubungan Kausal Berdasaran Data Kategor, PT RaaGrafndo Persada, Jaarta. Agrest, Alan An Introducton to Categorcal Data Analyss, Jhon Wley and Sons, Inc., New Yor. Guarat, D Basc Econometrcs, McGraw-Hll Companes, Inc., New Yor. Sudana Metode Statsta, Penerbt Tarsto, Bandung. The Jaarta Stoc Exchange WebSte, Supranto, J Analss Multvarat. Rnea Cpta, Jaarta. 33

40 LAMPIRAN 1. TABEL KONTINGENSI JAWA BARAT Peeraan Pegawa Neger Non Pegawa Neger Penghaslan per Bulan <5t >=5t <5t >=5t Usa Usa Usa Usa Tertar Aan Total Saham ya td <40th >=40th <40th >=40th <40th >=40th <40th >=40th

41 LAMPIRAN 2. OUTPUT DAERAH JAWA BARAT Confgural Frequency Analyss author of program: Alexander von Eye, 2000 Margnal Frequences Varable Frequences sample sze N = 457 the normal z-test was used Bonferron-adusted alpha = a CFA of order 1 was performed Table of results Confguraton fo fe statstc p ch2 for CFA model = df = 7 p = LR-ch2 for CFA model = df = 7 p = Descrptve ndcators of types and anttypes cell Rel. Rs Ran logp Ran

42 Desgn Matrx CARPE DIEM 36

43 LAMPIRAN 3. OUTPUT INDEPENDENSI PREDIKTOR DAERAH JAWA BARAT Confgural Frequency Analyss author of program: Alexander von Eye, 2000 Margnal Frequences Varable Frequences sample sze N = 457 the normal z-test was used Bonferron-adusted alpha = a CFA of order 1 was performed Table of results Confguraton fo fe statstc p Type Type Anttype ch2 for CFA model = df = 4 p = LR-ch2 for CFA model = df = 4 p = Descrptve ndcators of types and anttypes cell Rel. Rs Ran logp Ran 37

44 Desgn Matrx CARPE DIEM 38

45 LAMPIRAN 4. PENJELASAN KONFIGURASI 1111 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d bawah 40 tahun adalah orang-orang yang tertar aan nvestas saham 1112 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d bawah 40 tahun adalah orang-orang yang tda tertar aan nvestas saham 1121 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d atas 40 tahun adalah orang-orang yang tertar aan nvestas saham 1122 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d atas 40 tahun adalah orang-orang yang tda tertar aan nvestas saham 1211 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d bawah 40 tahun adalah orang-orang yang tertar aan nvestas saham 1212 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d bawah 40 tahun adalah orang-orang yang tda tertar aan nvestas saham 1221 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d atas 40 tahun adalah orang-orang yang tertar aan nvestas saham 1222 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d atas 40 tahun adalah orang-orang yang tda tertar aan nvestas saham 39

46 2111 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d bawah 40 tahun adalah orang-orang yang tertar aan nvestas saham 2112 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d bawah 40 tahun adalah orang-orang yang tda tertar aan nvestas saham 2121 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d atas 40 tahun adalah orang-orang yang tertar aan nvestas saham 2122 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d atas 40 tahun adalah orang-orang yang tda tertar aan nvestas saham 2211 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d bawah 40 tahun adalah orang-orang yang tertar aan nvestas saham 2212 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d bawah 40 tahun adalah orang-orang yang tda tertar aan nvestas saham 2221 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d atas 40 tahun adalah orang-orang yang tertar aan nvestas saham 2222 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d atas 40 tahun adalah orang-orang yang tda tertar aan nvestas saham. 40

47 LAMPIRAN 5. PENJELASAN KONFIGURASI 1111 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d bawah 40 tahun adalah orang-orang yang tda tertar aan nvestas saham 112 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d atas 40 tahun 121 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d bawah 40 tahun 122 : Responden dengan peeraan sebaga seorang pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d atas 40 tahun 211 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d bawah 40 tahun 212 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d bawah Rp. 5 uta dan mempunya usa d atas 40 tahun 221 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d bawah 40 tahun 222 : Responden dengan peeraan sebaga seorang non pegawa neger, dengan penghaslan d atas Rp. 5 uta dan mempunya usa d atas 40 tahun 41

48 DAFTAR TABEL Out Put CFA Jawa Barat Frst Order nteras antar predtor Out Put CFA Jawa Barat Frst Order nteras antara predtor dan rtera Out Put CFA Jawa Barat Zero Order nteras antara predtor dan rtera v

49 DAFTAR LAMPIRAN Lampran 1. Tabel Kontngens Lampran 2. Output Daerah Jawa Barat Lampran 3. Output Independens Predtor Daerah Jawa Barat Lampran 4. Penelasan Konfguras Lampran 5. Penelasan Konfguras v