HASIL DAN PEMBAHASAN. mengalami fluktuasi antar waktu. Data tersebut mengindikasikan adanya
|
|
- Indra Budiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 47 IV. HASIL DAN PEMBAHASAN 4.1 Volatilitas Harga Minyak Deskripsi Data Plot data harga minyak pada bulan Januari 2000 hingga bulan Desember 2011 dapat dilihat pada Gambar 4.1. Hal ini menunjukan bahwa harga minyak mengalami fluktuasi antar waktu. Data tersebut mengindikasikan adanya conditional heteroscedasticity (Enders, 2004) dimana dalam jangka panjang varians dari data akan konstan, tetapi terdapat beberapa periode dimana varians relatif tinggi Jan 00 Aug 00 Mar 01 Oct 01 May 02 Dec 02 Jul 03 Feb 04 Sep 04 Apr 05 Nov 05 Jun 06 Jan 07 Aug 07 Mar 08 Oct 08 May 09 Dec 09 Jul 10 Feb 11 Sep 11 Apr 12 Gambar 4.1. Indeks Harga Perdagangan Besar untuk Minyak Indonesia Data mean, median, maximum, dan minimum harga minyak dapat dilihat pada Gambar 4.2. Koefisien kemenjuluran (skewness) yang merupakan ukuran kemiringan adalah lebih besar dari nol. Hal ini menunjukan bahwa data memiliki distribusi yang miring ke kanan, artinya data cenderung menumpuk pada nilai yang rendah. Sedangkan, koefisien yang lebih kecil dari nol menunjukan data memiliki distribusi yang miring ke kiri, artinya data cenderung menumpuk pada nilai yang tinggi. Data harga minyak memiliki nilai skweness yang bernilai
2 , atau lebih besar dari nol. Hal ini menunjukkan bahwa data tersebut memiliki distribusi yang miring ke kanan atau dengan kata lain data lebih banyak menumpuk pada nilai yang kecil. Koefisien keruncingan (kurtosis) data harga minyak bernilai (nilai keruncingan kurang dari 3. Hal ini menunjukkan bahwa distribusi return memiliki ekor yang lebih pendek dibandingkan dengan sebaran normal dan mengindikasikan tidak adanya heteroskedastisitas Series: LO Sample 2000M M12 Observations 144 Mean Median Maximum Minimum Std. Dev Skewness Kurtosis Jarque-Bera Probability Gambar 4.2. Histogram Deskripsi Statistik Data Harga Minyak Identifikasi Model Volatilitas Hal yang perlu dilakukan dalam menentukan model GARCH terbaik adalah dengan melakukan sejumlah proses pengolahan data yaitu uji stasioneritas data return, mengevaluasi model ARIMA terbaik, uji asumsi klasik (uji normalitas, uji autokorelasi, uji white), mengevaluasi model GARCH terbaik, mencari nilai varians, mencari difference log varians, dan mengestimasi hasil dengan metode OLS. 1. Uji Stasioneritas Data time series biasanya memiliki permasalahan terkait dengan stasioneritas. Oleh karena itu, melakukan uji stasioneritas data merupakan tahap
3 49 yang penting dalam menganalisis data time series untuk melihat ada atau tidaknya unit root yang terkandung di antara variabel sehingga hubungan antara variabel dalam persamaan menjadi valid dan tidak menghasilkan sporious regression. Uji stasioneritas dilakukan dengan menggunakan Augmented Dickey Fuller (ADF) test (Lampiran 2). Berdasarkan uji tersebut, jika nilai statistik ADF dari masing-masing variabel lebih kecil daripada nilai kritis MacKinnon maka dapat dikatakan bahwa data tersebut stasioner atau varians residualnya konstan. Tabel 4.1. Hasil Pengujian Stasioneritas ADF Pada Data Level Variabel Critical Value t-statistik Probability Keterangan Lo 1% Tidak Stasioner 5% Berdasarkan Tabel 4.1 menunjukkan bahwa variabel harga minyak yang digunakan dalam penelitian tidak stasioner pada tingkat level. Ketidakstasioneran data dapat dilihat dari nilai t-adf yang lebih besar dari nilai kritis MacKinnon pada taraf nyata lima persen. Selain itu, dapat dilihat juga dari nilai probabilitas yang kurang dari taraf nyata 1%, 5%, ataupun 10%. Oleh karena itu, pengujian akar-akar unit ini perlu dilanjutkan pada tingkat first difference. Setelah dilakukan first difference, variabel sudah stasioner karena memiliki nilai t-adf yang lebih kecil dari nilai kritis MacKinnon pada taraf nyata 1%, 5%, ataupun 10%. Tabel 4.2. Uji Stasioneritas Variabel Harga Minyak pada first difference Variabel Critical Value t-stat Probability Keterangan lo 1% Stasioner 5%
4 50 2. Mengevaluasi Model ARIMA Model ARIMA (p,d,q) terbentuk dari data yang sudah stasioner. Penentuan lag terbaik dari model ARIMA dibangun berdasarkan koefisien autokorelasi (ACF) dan autokorelasi parsial (PACF). Berdasarkan plot korelogram maka dapat ditentukan time lag untuk membangun model. Time lag yang digunakan pada penelitian ini adalah lag 1 (lampiran 2). Data harga minyak stasioner pada first difference dan lag maksimum adalah 1, maka model tentatif dalam penelitian ini yaitu AR (1) dan MA(1), serta ARIMA (1,1,1). Pemilihan model yang terbaik berdasarkan goodness of fit. Tabel 4.3. Hasil Evaluasi Model ARIMA Model Probabilitas adj. R-sq AIC SC SSR ARIMA (1,1,0) ARIMA (0,1,1) ARIMA (1,1,1) AR(1) MA(1) Berdasarkan evaluasi model (Tabel 4.3), maka model ARIMA (0,1,1) merupakan model yang terbaik. Hal ini berdasarkan dari tingkat signifikansi yang tinggi, nilai adj R-sq yang tertinggi dan kriteria nilai AIC, SC, dan SSR terkecil (Lampiran 3). 3. Uji Asumsi Klasik Uji Normalitas Uji normalitas digunakan untuk mengetahui kebaikan model terhadap galat terbakukan (standardized residuals) dengan mengamati nilai statistik uji Jarque- Bera (JB) untuk memeriksa asumsi kenormalan. Ketidaknormalan galat diatasi dengan pendugaan parameter Quasi Maximum Likelihood (QML). Selain itu, dalam pengolahan data digunakan opsi Heteroscedasticity Consistent Covariance
5 51 Bollerslev-Wooldridge agar asumsi galat menyebar normal dapat dipertahankan. Sehingga galat baku dugaan parameter tetap konsisten Series: Residuals Sample 2000M M12 Observations 143 Mean -3.71e-05 Median Maximum Minimum Std. Dev Skewness Kurtosis Jarque-Bera Probability Gambar 4.3. Histogram Galat/Residual Nilai probabilitas Jarque-Bera data harga minyak yang diteliti yaitu sebesar 0,0000 lebih kecil dari taraf nyata 5 persen, sehingga dapat dikatakan bahwa residual tidak menyebar normal. Uji Autokorelasi Uji autokorelasi digunakan untuk mengetahui kebaikan model terhadap korelasi serial. Ketika sebuah model melanggar asumsi ini akan menghasilkan estimator kuadrat terkecil yang masih bersifat linear, tak bias, dan juga tidak efisisen atau tidak memiliki varians minimum. Tabel 4.4. Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test: F-statistik Prob. F(2,139) Obs* R-squared Prob. Chi-square *Taraf Nyata 5% Berdasarkan hasil uji autokorelasi dengan Breusch-Godfrey Serial Correlation LM Test, nilai probablitas chi-square model ARIMA (1) lebih besar dari pada taraf nyata 5 persen, maka terima H0 yang artinya model ARIMA (0,1,1) tidak mengandung autokorelasi, atau tidak ada korelasi serial.
6 52 Uji Heteroskedastisitas Uji Heteroskedastisitas digunakan untuk mengetahui kebaikan model terhadap kondisi sebaran dari variansnya. Ketika sebuah model melanggar asumsi ini, maka akan menghasilkan estimator yang masih linear, tidak bias, tidak efisien atau tidak memiliki varians minimum yang akan berakibat pada penarikan kesimpulan yang salah. Tabel 4.5. Uji Heteroskedatisitas F-statistic Prob. F(5,137) Obs*R-squared Prob. Chi-Square(5) Scaled explained SS Prob. Chi-Square(5) *) Taraf Nyata 5% Berdasarkan hasil uji heteroskedastisitas dengan white test, nilai probabilitas chi-square model ARIMA kurang dari taraf nyata 5% maka tolak H0 yang artinya model ARIMA (0,1,1) mengandung heteroskedastisitas dan dapat diolah lebih lanjut dengan metode ARCH-GARCH. 4. Mengevaluasi Model ACRH-GARCH (Variance Equation) Penentuan lag terbaik dari model GARCH (p,q) dibangun berdasarkan koefisien autokorelasi (ACF) dan autokorelasi parsial (PACF). Berdasarkan plot squared correlogram maka dapat ditentukan time lag untuk membangun model. Time lag yang digunakan pada penelitian ini yaitu lag 1 (Lampiran 4). Maka orde maksimum model penelitian ini, yaitu ARCH (1) dan GARCH (1) yang kemudian akan dievaluasi. Pemilihan model yang terbaik berdasarkan goodness of fit. Berdasarkan evaluasi yang dilakukan, variabel pada model GARCH (1) tidak signifikan pada taraf nyata 1%, 5%, maupun 10%. Sehingga model yang digunakan adalah model ARCH (1) (Lampiran 5).
7 53 Nilai varians diperoleh setelah model GARCH terbaik terpilih. Nilai varians inilah yang kemudian digunakan dalam model VAR untuk melihat pengaruh volatilitas harga minyak terhadap return saham. Plot nilai variance dari model tersebut adalah: Jan 00 Aug 00 Mar 01 Oct 01 May 02 Dec 02 Jul 03 Feb 04 Sep 04 Apr 05 Nov 05 Jun 06 Jan 07 Aug 07 Mar 08 Oct 08 May 09 Dec 09 Jul 10 Feb 11 Sep 11 vt Gambar 4.4. Ragam/Varians Harga Minyak 4.2 Dinamika Interaksi Antara Harga Minyak Riil Dengan Variabel Ekonomi Lainnya Metode VAR digunakan untuk melihat dinamika interaksi antara harga minyak dengan variabel ekonomi lainnya. Sebelum memasuki tahapan analisis model VAR perlu dilakukan pengujian-pengujian pra-estimasi. Pengujianpengujian tersebut meliputi uji akar unit (unit root test), pengujian stabilitas VAR, dan pengujian lag optimal. Pengujian-pengujian ini penting karena dalam model multivariate time series kebanyakan data yang digunakan mengandung akar unit sehingga akan membuat hasil estimasi menjadi tidak valid (Gujarati, 2003).
8 Pengujian Pra Estimasi 1. Uji Stasioneritas Data time series biasanya memiliki permasalahan terkait dengan stasioneritas. Oleh karena itu, melakukan uji stasioneritas data merupakan tahap yang penting dalam menganalisis data time series untuk melihat ada atau tidaknya unit root yang terkandung diantara variabel sehingga hubungan antar variabel dalam persamaan menjadi valid dan tidak menghasilkan sporious regression. Metode pengujian yang digunakan untuk melakukan uji stasioneritas data dalam penelitian ini adalah uji ADF (Augmented Dickey Fuller) dengan menggunakan taraf nyata lima persen. Jika nilai t-adf lebih kecil dari nilai kritis MacKinnon, maka dapat disimpulkan bahwa data yang digunakan adalah stasioner (tidak mengandung akar unit). Pengujian akar-akar unit ini dilakukan pada tingkat level sampai dengan first difference. Tabel 4.6. Tabel Hasil Uji Stasioneritas Pada Data Level Variabel Critical Value t-statistik Probability Keterangan lr 1% Tidak Stasioner 5% lip 1% Tidak Stasioner 5% % rsr 1% * Stasioner 5% lo 1% Tidak Stasioner 5% *) Stasioner pada taraf nyata 1,5, dan 10 persen
9 55 Tabel 4.6 diatas menunjukkan bahwa variabel-variabel yang digunakan dalam penelitian tidak seluruhnya stasioner pada tingkat level. Ketidakstasioneran data dapat dilihat dari nilai t-adf yang lebih besar dari nilai kritis MacKinnon pada taraf nyata lima persen. Oleh karena itu, pengujian akar-akar unit ini perlu dilanjutkan pada tingkat first difference. Setelah dilakukan first difference, barulah semua data stasioner pada taraf nyata lima persen. Hal ini berarti bahwa data yang digunakan pada penelitian ini terintegrasi pada ordo satu atau dapat disingkat menjadi I (1) seperti yang terlihat pada Tabel 4.7. Tabel 4.7. Hasil Pengujian Unit Root Pada Data First Difference Variabel Critical Value t-stat Probability Keterangan lr 1% Stasioner 5% lip 1% Stasioner 5% % lo 1% Stasioner 5% rsr 1% Stasioner 5% % Penentuan Lag Optimal Penentuan lag optimal sangat penting dalam pendekatan VAR karena lag dari variabel endogen dalam sistem persamaan akan digunakan sebagai variabel eksogen. Pengujian panjang lag optimal ini sangat berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR sehingga dengan digunakannya lag optimal diharapkan tidak muncul lagi masalah autokorelasi. Penentuan lag optimal yang digunakan dalam penelitian ini berdasarkan lag terpendek dengan menggunakan
10 56 Akaike Information Criterion (AIC). Hasil pengujian penentuan lag optimal ini dapat dilihat pada Tabel 4.8. Berdasarkan hasil pengujian lag optimal, maka lag yang digunakan dalam penelitian ini yaitu lag pertama. Tabel 4.8. Pengujian Lag Optimal Lag LogL LR FPE AIC SC HQ NA 3.06e e-10* * * * e e * 2.15e e Pengujian Stabilitas VAR Stabilitas VAR perlu diuji dahulu sebelum melakukan analisis lebih jauh, karena jika hasil estimasi VAR yang akan dikombinasikan dengan model koreksi kesalahan tidak stabil, maka IRF (Impulse Response Function) dan FEVD (Forecasting Error Variance Decomposition) menjadi tidak valid (Nugraha, 2006). Untuk menguji stabil atau tidaknya estimasi VAR yang telah dibentuk maka dilakukan VAR stability condition check berupa roots of characteristic polynomial. Suatu sistem VAR dikatakan stabil jika seluruh roots-nya memiliki modulus lebih kecil dari satu. Berdasarkan uji stabilitas VAR maka dapat disimpulkan bahwa estimasi VAR yang akan digunakan untuk analisis IRF dan FEVD stabil. Kisaran modulus pada pengujian ini adalah < modulus < Dari tabel tersebut dapat disimpulkan bahwa model VAR yang dibentuk sudah stabil pada lag optimalnya.
11 Hasil Estimasi Model VAR Analisis yang digunakan untuk mejawab permasalahan pertama dalam penelitian ini adalah dengan menggunakan VAR first difference. Hal ini dilakukan karena semua variabel tidak stasioner pada level dan tidak terdapatnya hubungan kointegrasi antar variabel dalam sistem persamaan. Berdasarkan hasil pengujian, terlihat tidak adanya hubungan yang signifikan di dalam sistem VAR (lampiran 6). Hal ini mungkin terjadi karena dalam pengujian data time series terdapat multikolinearitas sehingga hasil pengujian banyak yang tidak signifikan. Sehingga dalam analisis ini hanya melihat impuls respons dan variance decomposition dari model VAR Analisis Dekomposisi Penduga Ragam Galat (Forecasting Error Variance Decomposition (FEVD) Struktur dinamis antar variabel dalam VAR dapat dilihat melalui analisis Forecasting Error Variance Decomposition (FEVD), dimana pola dari FEVD ini mengindikasikan sifat dari kausalitas multivariat di antara variabel-variabel dalam model VAR. Pengurutan variabel dalam analisi FEVD ini didasarkan pada faktorisasi Cholesky. Hasil analisis FEVD dapat dilihat pada Tabel 4.9. berikut. Tabel 4.9. Variance Decomposition Return Saham Dijelaskan Oleh Variabel Periode Suku Harga Indeks Independen Bunga Minyak Produksi Return Saham Return Saham
12 58 Berdasarkan hasil dekomposisi varian dapat disimpulkan bahwa pada awal periode (bulan pertama), fluktuasi return saham didominanasi oleh fluktuasi return saham itu sendiri, yaitu sebesar persen. Sedangkan guncangan harga minyak hanya berperan sebesar 0.98 persen, suku bunga sebesar 0.57 persen, dan produksi nasioal sebesar 0.01 persen. Pada tahun pertama (12 bulan) terlihat bahwa fluktuasi return saham masih sebagai faktor dominan dalam mempengaruhi fluktuasi return saham. Namun, nilainya berkurang yaitu sebesar persen. Sedangkan variabel-variabel yang lain (suku bunga, harga minyak, dan indeks produksi) hanya berperan kecil dalam menjelaskan fluktuasi return saham gabungan, yaitu suku bunga sebesar 1.79 persen, harga minyak sebesar 1.15 persen, dan produksi nasional sebesar 0.07 persen Simulasi Analisis Impuls Respon Analisis impulse response dilakukan untuk melihat dampak guncangan harga minyak riil pada horizon waktu ke depan. Dengan kata lain, setelah terjadi shock pada harga minyak, maka dampak shock ini akan ditransmisikan ke return saham dan indeks produksi industri. Besarnya shock maupun respon dinyatakan dalam ukuran standar deviasi. Sumbu horizontal merupakan periode dalam bulan, sedangkan sumbu vertikal menunjukkan nilai respon dalam persentase. Gambar 4.5 menunjukkan bahwa guncangan pada suku bunga pada bulan pertama mempunyai dampak yang negatif terhadap return saham sebesar persen. Hal ini mengilustrasikan bahwa peranan suku bunga sangat penting dalam aktivitas pasar saham di Indonesia, bahkan dalam jangka pendek sekalipun. Terdapat tiga alasan mengapa perubahan suku bunga berpengaruh terhadap return saham. Pertama, perubahan suku bunga SBI akan menurunkan suku bunga kredit
13 59 yang kemudian akan berpengaruh pada tingkat keuntungan perusahaan. Hal ini akan berdampak pada willingness to pay dari pihak perusahaan. Kedua, perubahan suku bunga akan berdampak pada persaingan di pasar keuangan. Ketiga, adanya margin dalam pembelian saham. Perubahan cost (biaya) investasi akan meningkatkan kegiatan spekulasi yang dilakukan oleh pelaku di pasar saham. Konsekuensinya, perubahan suku bunga SBI akan berpengaruh pada return saham. Pada bulan kedua, guncangan suku bunga akan direspon positif sebesar persen oleh return saham, kemudian guncangan suku bunga satu standar deviasi akan membuat return saham turun kembali sebesar persen hingga bulan ke enam dan bergerak stabil setelah periode ke enam dengan nilai penurunan sebesar persen. Response to Cholesky One S.D. Innovations ± 2 S.E Response of D(LR) to D(LR) Response of D(LO) to D(LR) Response of D(LIP) to D(LR).02 Response of RSR to D(LR) Gambar 4.5. Impuls Respons Ketika Terjadi Guncangan Suku Bunga SBI Satu Standar Deviasi Pada Gambar 4.5 juga memperlihatkan bahwa shock pada suku bunga memiliki dampak negatif terhadap indeks produksi nasional. Pada bulan pertama, guncangan suku bunga satu standar deviasi akan menurunkan indeks produksi industri sebesar persen. Pada bulan kedua, guncangan tersebut justru akan
14 60 meningkatkan produksi industri sebesar dan pada bulan ketiga guncangan suku bunga akan menurunkan produksi nasional hingga pada bulan ke lima akan stabil dengan nilai penurunan rata-rata sebesar persen. Respon produksi industri ini seperti memiliki pola naik atau turun tiap bulannya. Response to Cholesky One S.D. Innovations ± 2 S.E..008 Response of D(LR) to D(LO).08 Response of D(LO) to D(LO) Response of D(LIP) to D(LO).02 Response of RSR to D(LO) Gambar 4.6. Impuls Respon ketika Terjadi Guncangan Harga Minyak Riil Satu Standar Deviasi Pada Gambar 4.6. memperlihatkan hasil respon return saham ketika ada guncangan harga minyak. Return saham akan merespon secara negatif adanya guncangan harga minyak. Hal ini mungkin terjadi karena ketika terjadi perubahan harga minyak akan mempengaruhi aktivitas perekonomian. Aktivitas perekonomian diproksi dengan IPI. Perubahan pada IPI akan berakibat pada berubahnya pendapatan yang diterima perusahaan atau industri yang menggunakan minyak sebagai salah satu input dalam proses produksi. Konsekuensinya, perubahan harga minyak akan menurunkan pendapatan perusahaan atau industri secara agregat. Dengan asumsi pasar saham yang ada merupakan pasar saham yang efisien, maka kenaikan harga minyak akan menyebabkan penurunan harga saham. Akan tetapi, jika pasar saham tidak efisien,
15 61 maka akan terdapat lag dalam respon return saham. Pada Gambar 4.6 terlihat respon return saham akan menurun setelah dua bulan. Hal ini menandakan bahwa pasar saham di Indonesia tidak efisien. Response to Cholesky One S.D. Innovations ± 2 S.E..008 Response of D(LR) to D(LIP).020 Response of D(LO) to D(LIP) Response of D(LIP) to D(LIP).02 Response of RSR to D(LIP) Gambar 4.7. Impuls Respon Ketika Terjadi Guncangan Indeks Produksi Satu Standar Deviasi Gambar 4.7. menunjukkan ketika terjadi guncangan IPI satu standar deviasi. Secara teori, kenaikan produksi industri akan memperkuat perekonomian. Hal tersebut berimplikasi pada meningkatnya profit yang diterima oleh perusahaan atau industri dan meningkatkan deviden yang akan diterima oleh pemilik saham sehingga berakibat pada meningkatnya harga saham. Meningkatnya aktifitas ekonomi biasanya diiringi dengan kenaikan harga-harga secara umum, atau disebut dengan inflasi. Hal tersebut akan direspon oleh pihak otoritas moneter dengan menaikkan suku bunga guna mengantisipasi kenaikan harga atau inflasi. Kenaikan suku bunga ini pada akhirnya akan menurunkan return saham karena investasi di pasar obligasi dipandang lebih menguntungkan dibandingkan berinvestasi di pasar saham.
16 62 Pada gambar 4.7. terlihat bahwa suku bunga merespon secara negatif ketika terjadi shock pada indeks produksi. Hal terjadi tidak sesuai dengan teori yang telah disampaikan di atas. Pada gambar tersebut juga terlihat bahwa guncangan produksi industri memiliki pengaruh yang kecil terhadap return saham dan harga minyak. Gambar 4.8 memperlihatkan impuls respon ketika terjadi guncangan return saham satu standar deviasi. Berdasarkan gambar terlihat bahwa suku bunga merespon secara positif ketika terjadi guncangan return saham. Hal serupa juga terjadi pada indeks produksi, dimana kenaikan return saham akan direspon secara positif oleh indeks produksi industri. Hal ini sesuai dengan penelitian yang dilakukan oleh Sadorsky (2006) yang menyatakan bahwa pasar saham merupakan leading indicator dalam aktivitas ekonomi. Response to Cholesky One S.D. Innovations ± 2 S.E..012 Response of D(LR) to RSR.015 Response of D(LIP) to RSR Response of D(LO) to RSR Response of RSR to RSR Gambar 4.8. Impuls Respons Ketika Terjadi Guncangan Return Saham Satu Standar Deviasi Hasil estimasi seperti yang terlihat pada Gambar 4.5. sampai Gambar 4.8. dapat ditarik kesimpulan bahwa guncangan harga minyak secara individual akan menekan return saham dimana return saham tersebut berpengaruh positif
17 63 terhadap aktivitas ekonomi yang diproksi dengan indeks produksi industri. Hal ini konsisten dengan hipotesis awal bahwa kenaikan harga minyak akan menekan return saham dimana return saham ini mempunyai pengaruh yang positif terhadap aktivitas ekonomi. Jadi, guncangan harga minyak dapat memperburuk perekonomian. 4.3 Dinamika Interaksi Volatilitas Harga Minyak Riil Dengan Variabel Ekonomi Lainnya Metode VAR digunakan untuk melihat dinamika interaksi antara volatilitas harga minyak dengan variabel ekonomi lainnya. Sebelum memasuki tahapan analisis model VAR perlu dilakukan pengujian-pengujian pra-estimasi. Pengujianpengujian tersebut meliputi uji akar unit (unit root test), pengujian stabilitas VAR, dan pengujian lag optimal. Pengujian-pengujian ini penting karena dalam model multivariate time series kebanyakan data yang digunakan mengandung akar unit sehingga akan membuat hasil estimasi menjadi tidak valid (Gujarati, 2003) Pengujian Pra Estimasi 1. Uji Akar Unit/ Stasioneritas Tabel menunjukkan bahwa variabel yang digunakan dalam penelitian tidak seluruhnya stasioner pada tingkat level. Hanya variabel volatilitas harga minyak riil dan return saham yang stasioner. Ketidakstasioneran data dilihat dari nilai t-adf yang lebih besar dari nilai kritis MacKinnon pada taraf nyata lima persen.
18 64 Tabel Tabel Hasil Uji Unit Root Pada Data Level Variabel Critical Value t-statistik Probability Keterangan lr 1% Tidak Stasioner 5% lip 1% Tidak Stasioner 5% % rsr 1% Stasioner 5% vt 1% Stasioner 5% Oleh karena itu, pengujian akar-akar unit ini perlu dilanjutkan pada tingkat first difference (Tabel 4.11). Setelah dilakukan first difference, barulah semua data stasioner pada taraf nyata lima persen. Artinya data yang digunakan pada penelitian ini terintegrasi pada ordo satu atau dapat disingkat menjadi I(1) seperti yang terlihat pada Tabel Tabel Hasil Pengujian Unit Root Pada Data First Difference Variabel Critical Value t-stat Probability Keterangan lr 1% Stasioner 5% lip 1% Stasioner 5% % vt 1% Stasioner 5% rsr 1% Stasioner 5% %
19 65 2. Penentuan Lag Optimal Penentuan lag optimal sangat penting dalam pendekatan VAR karena lag dari variabel endogen dalam sistem persamaan akan digunakan sebagai variabel eksogen (Enders, 2004). Pengujian panjang lag optimal ini sangat berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR. Sehingga dengan digunakannya lag optimal diharapkan tidak muncul lagi masalah autokorelasi. Penentuan lag optimal yang digunakan dalam penelitian ini berdasarkan lag terpendek dengan menggunakan beberapa Akaike Information Criterion (AIC). Tabel Pengujian Lag Optimal Lag LogL LR FPE AIC SC HQ NA 6.41e * * 4.75e-08* * * e e e e Pengujian Stabilitas VAR Stabilitas VAR perlu diuji dahulu sebelum melakukan analisis lebih jauh, karena jika hasil estimasi VAR yang akan dikombinasikan dengan model koreksi kesalahan tidak stabil, maka IRF (Impulse Response Function) dan FEVD (Forecasting Error Variance Decomposition) menjadi tidak valid. Untuk menguji stabil atau tidaknya estimasi VAR yang telah dibentuk maka dilakukan VAR stability condition check berupa roots of characteristic polynomial. Suatu sistem VAR dikatakan stabil jika seluruh roots-nya memiliki modulus lebih kecil dari satu. Berdasarkan uji stabilitas VAR maka dapat disimpulkan bahwa estimasi
20 66 VAR yang akan digunakan untuk analisis IRF dan FEVD stabil. Kisaran modulus pada pengujian ini adalah < modulus < Hasil Estimasi VAR First Difference Analisis yang digunakan untuk mejawab permasalahan pertama dalam penelitian ini adalah dengan menggunakan VAR first difference. Hal ini dilakukan karena semua variabel tidak stasioner pada level dan tidak terdapatnya hubungan kointegrasi antar variabel dalam sistem persamaan. Berdasarkan hasil pengujian, terlihat tidak adanya hubungan yang signifikan di dalam sistem VAR (lampiran 6). Hal ini mungkin terjadi karena dalam pengujian data time series terdapat multikolonearitas sehingga hasil pengujian banyak yang tidak signifikan. Sehingga dalam analisis ini hanya melihat impuls respons dan variance decomposition dari model VAR Forecasting Error Variance Decomposition(FEVD) Hasil analisis variance decomposition menunjukkan bahwa volatilitas harga minyak berperan lebih besar dalam menjelaskan fluktuasi return saham jika dibandingkan dengan peran pergerakan harga minyak, yaitu rata-rata pengaruh volatilitas harga minyak sebesar 3 persen. Tabel Hasil Analisis Variance Decomposition Dijelaskan Oleh Variabel Suku Volatilitas Indeks Periode Independen Bunga Harga Produksi Return Saham Minyak Return Saham
21 67 Pada bulan pertama, shock volatilitas harga minyak berperan sebesar 3.09 persen dalam menjelaskan pergerakan return saham. Hingga dalam periode satu tahun, return saham dipengaruhi oleh volatilitas harga minyak sebesar 3.05 persen. Di sisi lain, suku bunga SBI dan Indeks produksi industri berpengaruh dengan persentase yang relatif kecil yaitu sebesar 0.47 persen dan persen pada bulan pertama. Hingga periode satu tahun, return saham hanya dipengaruhi oleh suku bunga SBI sebesar 1.95 persen dan indeks produksi industri sebesar 0.19 persen Simulasi Analisis Impuls Respon Dalam sub bab ini akan dibahas bagaimana impuls respon ketika terjadi guncangan volatilitas harga minyak terhadap indeks produksi dan return saham. Berdasarkan hasil analisis impuls respon yang dilakukan, pengaruh volatilitas harga minyak terhadap return saham tidak berbeda jauh dengan dampak pergerakan harga minyak terhadap return saham dan indeks produksi industri. Guncangan volatilitas harga minyak sebesar satu standar deviasi terhadap indeks produksi akan direspon secara positif hingga pada periode pertama sebesar persen dan pada periode kedua sebesar persen. Pada periode selanjutnya, yaitu periode ketiga menyebabkan indeks produksi mengalami penurunan persen. Guncangan volatilitas harga minyak ini memiliki pengaruh terhadap indeks produksi yang mengikuti pola kenaikan dan penurunan setiap bulannya. Hal ini mirip dengan impuls respon indeks produksi industri ketika terjadi guncangan harga minyak. Guncangan volatilitas harga minyak sebesar satu standar deviasi memberikan pengaruh terhadap return saham secara negatif pada bulan kedua
22 68 sebesar persen. Pada periode selanjutnya, guncangan volatilitas harga minyak tersebut akan meningkatkan return saham hingga pada periode ke lima akan stabil dengan nilai rata-rata sebesar persen. Response to Cholesky One S.D. Innovations ± 2 S.E..016 Response of D(LR) to VT 1.2 Response of VT to VT Response of D(LIP) to VT.03 Response of RSR to VT Gambar 4.9. Impuls Respon Ketika Terjadi Guncangan Volatilitas Harga Minyak Satu Standar Deviasi Berdasarkan analisis impuls respon di atas dapat ditarik kesimpulan bahwa guncangan volatilitas harga minyak secara individual akan menekan return saham dimana return saham tersebut berpengaruh positif terhadap aktivitas ekonomi. Hal ini konsisten dengan hipotesis awal bahwa volatilitas harga minyak akan menekan return saham dimana return saham ini mempunyai pengaruh yang positif terhadap aktivitas ekonomi. Jadi, guncangan volatilitas harga minyak berperan penting dalam perekonomian.
Lampiran 1. Jumlah Deposito, Suku Bunga Deposito, dan Inflasi di Indonesia Tahun
69 Lampiran 1. Jumlah Deposito, Suku Bunga Deposito, dan Inflasi di Indonesia Tahun 2004-2010 Periode sbdepo Inflasi depo Jan-04 6.27 0.57 426.424 Feb-04 5.99-0.02 409.204 Mar-04 5.86 0.36 401.686 Apr-04
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. Untuk memenuhi salah satu asumsi dalam uji data time series dan uji
BAB V HASIL DAN PEMBAHASAN 5.1 Uji Stasioneritas Untuk memenuhi salah satu asumsi dalam uji data time series dan uji VECM, maka perlu terlebih dahulu dilakukan uji stasioneritas. Uji stationaritas yang
Lebih terperinciHASIL DAN PEMBAHASAN Pengujian Akar Unit (Unit Root Test) bahwa setiap data time series yang akan dianalisis akan menimbulkan spurious
48 IV. HASIL DAN PEMBAHASAN 4.1. Pengujian Akar Unit (Unit Root Test) Pengujian akar unit merupakan tahap awal sebelum melakukan estimasi model time series. Pemahaman tentang pengujian akar unit ini mengandung
Lebih terperinciV. HASIL DAN PEMBAHASAN. time series. Data time series umumnya tidak stasioner karena mengandung unit
48 V. HASIL DAN PEMBAHASAN 5.1 Uji Kestasioneritasan Data Uji stasioneritas data dilakukan pada setiap variabel yang digunakan pada model. Langkah ini digunakan untuk menghindari masalah regresi lancung
Lebih terperinciHASIL DAN PEMBAHASAN. Pengujian kestasioneran data diperlukan pada tahap awal data time series
IV. HASIL DAN PEMBAHASAN 4.1. Pengujian Pra Estimasi 4.1.1. Kestasioneran Data Pengujian kestasioneran data diperlukan pada tahap awal data time series untuk melihat ada tidaknya unit root yang terkandung
Lebih terperinciV. ANALISIS VOLATILITAS VARIABEL EKONOMI. Perkembangan yang terjadi pada data harga minyak dunia, harga ekspor
117 V. ANALISIS VOLATILITAS VARIABEL EKONOMI 5.1. Deskripsi Data Perkembangan yang terjadi pada data harga minyak dunia, harga ekspor industri, SBI riil dan devaluasi riil diuraikan pada bagian berikut.
Lebih terperinciHASIL DAN PEMBAHASAN. metode Vector Auto Regression (VAR) dan dilanjutkan dengan metode Vector
52 IV. HASIL DAN PEMBAHASAN Metode analisis yang digunakan oleh penulis dalam penelitian ini adalah metode Vector Auto Regression (VAR) dan dilanjutkan dengan metode Vector Error Correction Model (VECM).
Lebih terperinciIV. HASIL DAN PEMBAHASAN. mengandung akar-akar unit atau tidak. Data yang tidak mengandung akar unit
32 IV. HASIL DAN PEMBAHASAN 4.1 Hasil Estimasi VAR 4.1.1 Uji Stasioneritas Uji kestasioneran data pada seluruh variabel sangat penting dilakukan untuk data yang bersifat runtut waktu guna mengetahui apakah
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. FDR, Inflasi dan kurs terhadap ROA di Indonesia pada tahun 2013: I 2016: VII.
BAB IV ANALISIS DATA DAN PEMBAHASAN Bab IV ini akan dilakukan pengujian terhadap pengaruh CAR, NPF, FDR, Inflasi dan kurs terhadap ROA di Indonesia pada tahun 2013: I 2016: VII. Sebagaimana telah dijelaskan
Lebih terperinciIV. HASIL DAN PEMBAHASAN
56 IV. HASIL DAN PEMBAHASAN Metode analisis yang digunakan oleh penulis dalam penelitian ini adalah metode Vector Auto Regression (VAR) dan dilanjutkan dengan metode Vector Error Correction Model (VECM).
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. maupun variabel dependent. Persamaan regresi dengan variabel-variabel yang
BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1. Uji Stasioneritas 5.1.1 Uji Akar Unit ( Unit Root Test ) Tahap pertama dalam metode VAR yaitu dengan melakukan pengujian stasioner dari setipa masing-masing variabel,
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perusahaan merupakan suatu badan hukum yang memiliki suatu tujuan yang ingin dicapai salah satunya yaitu mendapatkan keuntungan. Untuk mencapai
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. sekunder deret waktu (time series) mulai dari Januari 2013 sampai
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Analisis dan Hasil Regresi Semua data yang digunakan dalam analisis ini merupakan data sekunder deret waktu (time series) mulai dari Januari 2013 sampai Desember
Lebih terperinciIII METODE PENELITIAN
18 III METODE PENELITIAN 3.1. Kerangka Pemikiran Mengetahui kointegrasi pada setiap produk adalah salah satu permasalahan yang perlu dikaji dan diteliti oleh perusahaan. Dengan melihat kointegrasi produk,
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN Dalam penelitian ini penulis melakukan pengujian mengenai Luas panen, Jumlah Penduduk dan Harga terhadap produksi padi di Kabupaten Gunungkidul periode tahun 1982-2015.
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. langkah yang penting sebelum mengolah data lebih lanjut. Data time series yang
60 BAB V HASIL DAN PEMBAHASAN 5.1. Uji Stasioneritas Hasil dan pembahasan dalam penelitian ini akan didasarkan pada langkahlangkah yang telah dijelaskan sebelumnya pada Bab III. Langkah pertama merupakan
Lebih terperinciBAB III METODE PENELITIAN
45 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Untuk menggambarkan bagaimana pengaruh capital gain IHSG dengan pergerakan yield obligasi pemerintah dan pengaruh tingkat suku bunga terhadap IHSG dan
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
59 BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dijelaskan pelaksanaan tahapan-tahapan metode VECM yang terbentuk dari variabel-variabel capital gain IHSG (capihsg), yield obligasi 10 tahun (yieldobl10)
Lebih terperinciPenjualan Pasokan Penjualan Pasokan Penjualan Pasokan
LAMPIRAN Lampiran 1. Data Penjualan dan Pasokan Bulan January 2005 2006 2007 Penjualan Pasokan Penjualan Pasokan Penjualan Pasokan 293.57 291.82 325.64 546.955 359.88 762.063 February 297.05 291.82 341.45
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. stasioner dari setiap masing-masing variabel, baik itu variabel independent
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Kausalitas Intrumen Data. 1. Uji Stasioner Data. Tahap pertama dalam metode VECM yaitu dengan melakukan pengujian stasioner dari setiap masing-masing variabel,
Lebih terperinciBAB V HASIL ANALISIS DAN PEMBAHASAN
BAB V HASIL ANALISIS DAN PEMBAHASAN Bab V ini akan dilakukan pengujian mengenai analisis faktor-faktor yang mempengaruhi laju inflasi di Indonesia. Dimana variabel terikat (variable dependent) meliputi
Lebih terperinciBAB III METODE PENELITIAN
A. Objek Penelitian BAB III METODE PENELITIAN Obyek/Subyek yang diamati dalam penelitian ini adalah Pembiayaan Modal Kerja UMKM dengan variabel independen DPK, NPF, Margin, dan Inflasi sebagai variabel
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di Pasar Bunga Rawabelong, Jakarta Barat yang merupakan Unit Pelaksana Teknis (UPT) Pusat Promosi dan Pemasaran Holtikultura
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Hasil Penelitian 1. Statistik Deskriptif Statistik deskriptif mewakili seluruh contoh populasi dalam penelitian. Hal ini menjelaskan mengenai kecenderungan data tengah dan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Obyek Penelitian Obyek penelitian adalah sesuatu yang menjadi perhatian dalam suatu penelitian, objek penelitian ini menjadi sasaran dalam penelitian untuk mendapatkan
Lebih terperinciMETODE PENELITIAN Kerangka Pemikiran
20 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran dalam penelitian dapat dijadikan landasan dalam setiap tahap penelitian. Salah satu tujuan dari penelitian ini adalah mengetahui metode
Lebih terperinciBAB IV PEMBAHASAN DAN HASIL PENELITIAN
BAB IV PEMBAHASAN DAN HASIL PENELITIAN A. Hasil Penelitian 1. Analisis Deskriptif Analisis deskriptif digunakan untuk melihat perkembangan suatu variabel yang digunakan dalam penelitian yang diteliti oleh
Lebih terperinciBAB III METODE PENELITIAN
33 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian ini dilakukan berdasarkan data series bulan yang dipublikasikan oleh Bank Indonesia (BI) dan Badan Pusat Statistik (BPS), diantaranya adalah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Obyek Penelitian Dalam penelitian ini, obyek yang diamati yaitu inflasi sebagai variabel dependen, dan variabel independen JUB, kurs, BI rate dan PDB sebagai variabel yang
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan adalah data sekunder berupa time series
30 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan adalah data sekunder berupa time series bulanan periode Mei 2006 sampai dengan Desember 2010. Sumber data di dapat dari Statistik
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series
51 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series yang didapat dari Bank Indonesia dan Badan Pusat Statistik dan melalui
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data time series
40 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data time series sekunder. Data-data tersebut diperoleh dari berbagai sumber, antara lain dari
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. Tabel 5.1 Unit Root Test Augmented Dickey Fuller (ADF-Test)
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian 1. Uji Stasioneritas Tahap pertama yang harus dilakukan untuk mendapatkan estimasi VECM adalah pengujian stasioneritas data masing-masing variabel,
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Kualitas Data 1. Hasil Uji Stasioneritas/ Unit Root Test Uji stasioneritas dalam penelitian ini adalah menggunakan uji akar-akar unit (Unit Root Test) dengan
Lebih terperinciBAB III METODE PENELITIAN. dikumpulkan dari berbagai sumber yaitu Badan Pusat Statistik (BPS), Food and
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang dikumpulkan dari berbagai sumber yaitu Badan Pusat Statistik (BPS), Food and
Lebih terperinciMETODE PENELITIAN. terdiri dari data pinjaman luar negeri, pengeluaran pemerintah, penerimaan pajak,
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data terdiri dari data pinjaman luar negeri, pengeluaran pemerintah, penerimaan pajak,
Lebih terperinciIII. METODE PENELITIAN. Bentuk data berupa data time series dengan frekuensi bulanan dari Januari 2000
28 III. METODE PENELITIAN 3.1. Data 3.1.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Bentuk data berupa data time series dengan frekuensi bulanan dari Januari
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Sumber Data Penelitian ini menggunakan data sekunder yang diperoleh dari BEI. Data yang digunakan dalam penelitian ini merupakan data harian yang dimulai dari 3 Januari 2007
Lebih terperinciIII. METODOLOGI PENELITIAN. Untuk membatasi ruang lingkup permasalahan maka yang dijadikan objek
53 III. METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian Untuk membatasi ruang lingkup permasalahan maka yang dijadikan objek penelitian yang dilakukan, maka penelitian ini akan menganalisis kinerja kebijakan
Lebih terperinciMETODE PENELITIAN. Data yang dipakai untuk penelitian ini adalah data sekunder (time series)
48 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang dipakai untuk penelitian ini adalah data sekunder (time series) yang didapat dari Statistik Ekonomi Keuangan Indonesia (SEKI) Bank Indonesia
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari
34 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari tahun 2005-2012, yang diperoleh dari data yang dipublikasikan
Lebih terperinciBAB III METODE PENELITIAN
49 BAB III METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional 1. Variabel Penelitian Variabel-variabel dalam penelitian ini menggunakan variabel dependen dan independen. Variabel dependen
Lebih terperinciMETODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder dalam
32 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk bulanan yang diperoleh dari berbagai sumber, yaitu: BPS (Badan Pusat Statistik),
Lebih terperinciRISET ITU MUDAH. Salah satu contoh pertanyaan yang mungkin muncul di benak kita adalah:
Rangga Handika Salah satu contoh pertanyaan yang mungkin muncul di benak kita adalah: Apakah berinvestasi pada saham bisa menutup penurunan pendapatan real kita yang tergerus inflasi? Untuk itu, marilah
Lebih terperinciIII. METODE PENELITIAN. tahun 1980 hingga kuartal keempat tahun Tabel 3.1 Variabel, Notasi, dan Sumber Data
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data kuartalan. Periode waktu penelitian ini dimulai dari kuartal pertama tahun
Lebih terperinciV. HASIL DAN PEMBAHASAN. Langkah awal yang perlu dilakukan dalam data time series adalah uji stasioner,
V. HASIL DAN PEMBAHASAN 5.1. Pengujian Pra Estimasi 5.1.1. Uji Kestasioneran Data Langkah awal yang perlu dilakukan dalam data time series adalah uji stasioner, untuk melihat ada atau tidaknya unit root
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. atau tidak dalam penelitian ini jarque-berra dimana hasilnya dapat. ditunjukkan dari nilai probabilitas Jarque-Berra.
BAB V HASIL DAN PEMBAHASAN A. Uji Asumsi Klasik 1. Uji Normalitas Uji normalitas digunakan untuk menguji apakah distribusi data normal atau tidak dalam penelitian ini jarque-berra dimana hasilnya dapat
Lebih terperinciMETODE PENELITIAN. merupakan data time series dari bulan Januari 2002 sampai Desember Data
23 III. METODE PENELITIN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan data time series dari bulan Januari 2002 sampai Desember 2009. Data
Lebih terperinciBAB IV. Hasil dan Pembahasan. 1. Analisis Deskriptif Saham Sektor Pertanian. dipisahkan dari sektor pertanian dan perkebunan, karena sektor-sektor ini
BAB IV Hasil dan Pembahasan A. Gambaran Umum Objek Penelitian 1. Analisis Deskriptif Saham Sektor Pertanian Jakarta Islamic Index dimaksudkan untuk digunakan sebagai tolak ukur untuk mengukur kinerja suatu
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. Tabel 5.1 Uji Stasioneritas Data
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Kausalitas dan Instrumen Data 1. Uji Stasioner Test Variabel Level t-statistik Sumber: Data Diolah Tabel 5.1 Uji Stasioneritas Data Prob ULN 2.065415 0.9998
Lebih terperinciBAB 4 PEMBAHASAN. 51 Universitas Indonesia. Keterangan : Semua signifikan dalam level 1%
BAB 4 PEMBAHASAN 4.1. Hasil Uji Stasioneritas Data Data yang akan digunakan untuk estimasi VAR perlu dilakukan uji stasioneritasnya terlebih dahulu. Suatu data dikatakan stasioner jika nilai rata-rata
Lebih terperinciIII. METODE PENELITIAN. bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
48 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
Lebih terperinciBAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham
32 BAB III METODE PENELITIAN 3.1 Unit Analisis dan Ruang Lingkup Penelitian 3.1.1. Objek Penelitian Objek sampel data dalam penelitian ini menggunakan data sekunder yang berupa data deret waktu harga saham,
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian 1. Uji Akar Unit (Unit Root Test) Kestasioneran data merupakan hal yang sangat penting dalam analisis data time series. Hal ini karena penggunaan
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. Metode yang digunakan untuk menduga faktor-faktor yang memengaruhi
BAB V HASIL DAN PEMBAHASAN 5.1. Estimasi Parameter Model Metode yang digunakan untuk menduga faktor-faktor yang memengaruhi Penanaman Modal Asing di Provinsi Jawa Timur adalah dengan menggunakan metode
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN A. Perkembangan Produk Domestik Bruto Nasional Produk domestik bruto adalah nilai pasar dari semua barang dan jasa akhir yang diproduksi dalam suatu negara dalam kurun waktu
Lebih terperinciMETODE PENELITIAN. Pada penelitian ini jenis data yang digunakan adalah data sekunder.data ini
27 III. METODE PENELITIAN A. Jenis dan Sumber Data Pada penelitian ini jenis data yang digunakan adalah data sekunder.data ini bersumber dari Bank Indonesia (www.bi.go.id), Badan Pusat Statistik (www.bps.go.id).selain
Lebih terperinciMETODE PENELITIAN. waktu (time series) dari tahun 1986 sampai Data tersebut diperoleh dari
40 III. METODE PENELITIAN 3.1. Jenis Dan Sumber Data Jenis data yang akan digunakan dalam penelitian ini adalah data sekunder yang relevan dengan penelitian. Semua data yang digunakan merupakan data deret
Lebih terperinciBAB III METODE PENELITIAN. sekunder yang akan digunakan ialah data deret waktu bulanan (time series) dari bulan
40 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang akan dipakai dalam penelitian ini berupa data sekunder. Data sekunder yang akan digunakan ialah data deret waktu bulanan (time series)
Lebih terperinciBAB IV ANALISIS HASIL PENELITIAN
BAB IV ANALISIS HASIL PENELITIAN 4.1 Menghitung Return Karena penelitian ini mengukur potensi kerugian maksimum dari saham BMRI. Maka, langkah pertama adalah menghitung return hariannya dengan rumus (2-3)
Lebih terperinciPENGARUH INDEKS PEMBANGUNAN MANUSIA DAN PRODUK DOMESTIK REGIONAL BRUTO TERHADAP TINGKAT PENGANGGURAN TERBUKA PROVINSI DKI JAKARTA TAHUN
PENGARUH INDEKS PEMBANGUNAN MANUSIA DAN PRODUK DOMESTIK REGIONAL BRUTO TERHADAP TINGKAT PENGANGGURAN TERBUKA PROVINSI DKI JAKARTA TAHUN 2006-2013 INDAH AYU PUSPITA SARI 14213347/3EA16 Sri Rakhmawati, SE.,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
Lebih terperinci1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga.
LAMPIRAN Lampiran 1. Evaluasi Model Evaluasi Model Keterangan 1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga. 2)
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari
III. METODE PENELITIAN Metode penelitian merupakan langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi empiris guna memecahkan permasalahan dan menguji hipotesis penelitian.
Lebih terperinciBAB IV HASIL DAN ANALISIS. bentuk deret waktu (time series) selama 17 tahun, yaitu tahun Data
1.1 Analisis Deskripsi Data BAB IV HASIL DAN ANALISIS Data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk deret waktu (time series) selama 17 tahun, yaitu tahun 1996-2012. Data tersebut
Lebih terperinciData return 7 mata uang asing diuji dengan beberapa pengujian yang meliputi tes stasionaritasitas, tes normal dan tes heteroskedastik.
40 Tabel 4.2. Gambaran Statistik Data Return NAB Schroder dan Trimegah Parameter Statistik Schroder Dana Istimewa in the out the Schroder dana Prestasi in the out the Trim Kapital in the out the Mean 0.00182-0.00123
Lebih terperinciIV. HASIL DAN PEMBAHASAN. Untuk mengetahui apakah data yang dipakai sudah stationary dalam penelitian ini
42 IV. HASIL DAN PEMBAHASAN A. Hasil Penelitian 1. Hasil Uji Unit Root Untuk mengetahui apakah data yang dipakai sudah stationary dalam penelitian ini diuji dengan uji unit roots yang dilakukan dengan
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Pengujian Stasioner Data / Uji Akar (Unit Root Test) Suatu data atau variabel dapat dikatakan stasioner apabila nilai rata-rata dan memiliki varians yang konstan
Lebih terperinciBAB III METODE PENELITIAN. kegunaan tertentu. Cara ilmiah berarti kegiatan penelitian itu didasarkan pada
BAB III METODE PENELITIAN Menurut Sugiyono (2013), Metode penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan tertentu. Berdasarkan hal tersebut terdapat empat
Lebih terperinciMETODOLOGI PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
25 III. METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Populasi Populasi dari penelitian ini adalah perbankan yang go public di Bursa Efek Indonesia (BEI) dan menerbitkan laporan keuangan yang lengkap (Annual Report) pada periode
Lebih terperinciIV. HASIL DAN PEMBAHASAN 4.1. Uji Pra Estimasi Uji Akar Unit (Unit Root Test) Pada penerapan analisis regresi linier, asumsi-asumsi dasar yang
40 IV. HASIL DAN PEMBAHASAN 4.1. Uji Pra Estimasi 4.1.1. Uji Akar Unit (Unit Root Test) Pada penerapan analisis regresi linier, asumsi-asumsi dasar yang telah ditentukan harus dipenuhi. Salah satu asumsi
Lebih terperinciIII. METODE PENELITIAN
46 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan adalah data sekunder berupa data time series dari tahun 1986-2010. Data tersebut diperoleh dari Badan Pusat Statistik (BPS),
Lebih terperinciIV. HASIL DAN PEMBAHASAN Gambaran Umum Laju Inflasi di Indonesia. masih menunjukkan fluktuasi seperti pada Gambar 4.1. Rata-rata inflasi tahun
37 IV. HASIL DAN PEMBAHASAN 4.1. Analisis Deskriptif 4.1.1. Gambaran Umum Laju Inflasi di Indonesia Laju inflasi tahunan Indonesia selama kurun waktu 2000 hingga 2011 masih menunjukkan fluktuasi seperti
Lebih terperinciHASIL DAN PEMBAHASAN. Analisis data dilakukan dengan menggunakan Software Eviews Versi 4.1 dan Microsoft Office Excel Gambar 2 Plot IHSG.
kointegrasi lebih besar dari nol maka model yang digunakan adalah VECM (Enders, 1995). 4. Analisis model VAR, VARD atau VECM. 5. Interpretasi terhadap model. 6. Uji kelayakan model. 7. Pengkajian fungsi
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN A. Uji Asumsi Klasik 1. Uji Heterokidastisitas Dalam uji white, model regresi linier yang digunakan dalam penelitian ini diregresikan untuk mendapatkan nilai residualnya. Kemudian
Lebih terperinciVI ANALISIS RISIKO HARGA
VI ANALISIS RISIKO HARGA 6.1 Analisis Risiko Harga Apel PT Kusuma Satria Dinasasri Wisatajaya PT Kusuma Satria Dinasasri Wisatajaya merupakan perusahaan yang bergerak di bidang pembudidayaan tanaman hortikultura
Lebih terperinci(Data Mentah) Data Penerimaan Asli Daerah Sektor Pariwisata Kabupaten Lombok Timur, Jumlah Kunjunga Wisatawan dan Jumlah Objek Wisata
L A M P I R A N 95 96 Lampiran 1 (Data Mentah) Data Penerimaan Asli Daerah Sektor Pariwisata Kabupaten Lombok Timur, Jumlah Kunjunga Wisatawan dan Jumlah Objek Wisata TAHUN PAD Sektor Pariwisata Jumlah
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Pendekatan Penelitian Pendekatan penelitian ini menggunakan pendekatan kuantitatif yaitu pendekatan dengan cara mengukur variabel yang di lingkari oleh teori atau satu
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. atas, data stasioner dibutuhkan untuk mempengaruhi hasil pengujian
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Kualitas dan Instrumen Data 1. Uji Stasioneritas Tahap pertama yang harus dilalui untuk mendapatkan estimasi VECM adalah pengujian stasioneritas data masing-masing
Lebih terperinciIII. METODE PENELITIAN. gabungan dari data runtun waktu (time series) tahunan. Data yang digunakan
III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berupa gabungan dari data runtun waktu (time series) tahunan. Data yang digunakan
Lebih terperincipanjang antara ukuran perusahaan (SIZE) dengan capital adequacy ratio dan loan to
BAB V ANALISIS DATA DAN PEMBAHASAN A. Uji Stasioneritas Pengujian stasioneritas data yang digunakan terhadap seluruh variabel dalam model kajian didasarkan pada Augmented Dickey Fuller test (ADF test),
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Obyek dan Subyek Penelitian 1. Obyek Penelitian Obyek penelitian ini adalah pertumbuhan indeks pembangungan manusia Indonesia dan metode penelitiannya adalah analisis kuantitatif
Lebih terperinciBAB III METODE PENELITIAN. Jawa Tengah diproxykan melalui penyaluran pembiayaan, BI Rate, inflasi
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah pertumbuhan ekonomi di Jawa Tengah. Sedangkan subjek penelitian menggunakan perbankan syariah di Jawa Tengah diproxykan
Lebih terperinciBAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji
35 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji ACF, uji PACF, uji ARCH-LM,
Lebih terperinciBAB 1V HASIL DAN PEMBAHASAN. Skripsi ini meneliti mengenai analisis faktor-faktor yang mempengaruhi
53 BAB 1V 4.1 Diskripsi Data Penelitian HASIL DAN PEMBAHASAN Skripsi ini meneliti mengenai analisis faktor-faktor yang mempengaruhi konsumsi masyarakat di Indonesia tahun 1995-2014 dengan model error correction
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Uji Kualitas Instrumen 1. Hasil Uji Stasioneritas Data (Unit Root Test) Uji stasioneritas data menggunakan metode pengujian ADF (Augmented Dickey Fuller)
Lebih terperinciBAB V HASIL ANALISIS DAN PEMBAHASAN
72 BAB V HASIL ANALISIS DAN PEMBAHASAN Dalam penelitian ini alat analisis data yang digunakan adalah model regresi linear klasik (OLS). Untuk pembuktian kebenaran hipotesis dan untuk menguji setiap variabel
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang
30 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang diperoleh dari Laporan Bank Indonesia, Statistik Ekonomi dan Keuangan Indonesia,
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah
III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional 1. Variabel Penelitian Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah nilai tukar rupiah, sedangkan
Lebih terperinciIII. METODELOGI PENELITIAN. Dalam penelitian yang berjudul Analisis Determinan Nilai Aktiva Bersih Reksa
III. METODELOGI PENELITIAN A. Definisi Operasional Variabel Dalam penelitian yang berjudul Analisis Determinan Nilai Aktiva Bersih Reksa Dana Saham di Indonesia (Periode 2005:T1 2014:T3) variabel-variabel
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1. Deskripsi Data Penelitian Semua data yang digunkana dalam analisis ini merupakan data sekunder mulai tahun 1995 sampai tahun 2014 di Indonesia. Penelitian ini dimaksudkan
Lebih terperinciBAB IV METODE PENELITIAN
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
Lebih terperinciMETODE PENELITIAN. Selang periode runtun waktu. Bulanan Tahun Dasar PDB Triwulanan Miliar rupiah. M2 Bulanan Persentase
III. METODE PENELITIAN A. Jenis dan Sumber Data 1. Jenis Data Tabel 8. Deskripsi Data Input Nama Data Selang periode runtun waktu Satuan pengukuran Sumber Data Inflasi (CPI) Bulanan Tahun Dasar 2000 Indeks
Lebih terperinciBAB III METODE PENELITIAN. minyak kelapa sawit Indonesia yang dipengaruhi oleh harga ekspor minyak
BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini bertujuan untuk menganalisa seberapa besar volume ekspor minyak kelapa sawit Indonesia yang dipengaruhi oleh harga ekspor minyak kelapa
Lebih terperinciMETODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Respon PDB terhadap shock
40 III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian Respon PDB terhadap shock kredit perbankan, pembiayaan pada lembaga keuangan non bank dan nilai emisi saham pada pasar modal
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1. Deskripsi Data Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan datatime series atau data runtun waktu sebanyak 12 observasi, yaitu
Lebih terperinciIII. METODOLOGI PENELITIAN. A. Data dan Sumber Data Penelitian ini termasuk dalam tipe penelitian arsip yaitu suatu penelitian
III. METODOLOGI PENELITIAN A. Data dan Sumber Data Penelitian ini termasuk dalam tipe penelitian arsip yaitu suatu penelitian terhadap fakta yang tertulis. Dokumen atau arsip data yang diteliti berdasarkan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN Perkembangan Luas Panen, Produksi dan Produktivitas Padi
BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Deskriptif 4.1.1 Perkembangan Luas Panen, Produksi dan Produktivitas Padi Produksi padi Indonesia meskipun mengalami fluktuasi namun masih menunjukkan pertumbuhan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN Berdasarkan metode purposive sampling yang digunakan, sampel yang
67 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Gambaran Umum Obyek Penelitian Obyek yang digunakan dalam penelitian ini adalah kemiskinan rumah tangga yang secara berturut-turut pada periode tahun 1981
Lebih terperinci