FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS SAHAM DENGAN MENGGUNAKAN ANALISIS DATA PANEL DEWI SARTIKA

Transkripsi

1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS SAHAM DENGAN MENGGUNAKAN ANALISIS DATA PANEL DEWI SARTIKA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011

2 RINGKASAN DEWI SARTIKA. Faktor-Faktor Yang Mempengaruhi Indeks Saham Dengan Menggunakan Analisis Data Panel. Dibimbing oleh I MADE SUMERTAJAYA dan DIAN KUSUMANINGRUM. Setiap negara di dunia memiliki indeks saham yang menjadi perwakilan sebagian besar saham yang ada di negara tersebut. Banyak faktor yang mempengaruhi indeks saham, diantaranya adalah tingkat suku bunga, inflasi, dan nilai kurs (nilai tukar mata uang suatu negara terhadap mata uang dollar Amerika Serikat). Pada setiap negara, faktor-faktor tersebut dapat memiliki pengaruh yang sama ataupun berbeda terhadap indeks saham. Analisis data panel digunakan untuk mengetahui pengaruh tingkat suku bunga, inflasi, dan kurs terhadap indeks saham secara bersamaan pada semua individu, yaitu di Negara Indonesia, Malaysia, Singapura, Jepang, Australia, Inggris, dan Kanada. Sedangkan analisis parsial digunakan untuk mengetahui pengaruh tingkat suku bunga, inflasi, dan kurs terhadap indeks saham secara terpisah di masing-masing individu atau negara. Secara keseluruhan berdasarkan hasil analisis data panel indeks saham di negara Indonesia, Malaysia, Singapura, Jepang, Australia, Inggris, dan Kanada hanya dipengaruhi oleh nilai kurs. Namun berdasarkan analisis secara parsial, didapatkan hasil yang berbeda. Indeks saham di Negara Inggris dan Jepang dipengaruhi oleh inflasi dan indeks saham masing-masing negara pada satu periode waktu sebelumnya. Selanjutnya indeks saham di Negara Indonesia dipengaruhi oleh nilai kurs dan tingkat suku bunga. Berbeda dengan Negara Malaysia, indeks saham dinegara ini dipengaruhi oleh inflasi dan indeks saham Malaysia pada satu periode waktu sebelumnya. Sedangkan indeks saham Negara Australia dipengaruhi oleh tingkat suku bunga, inflasi, dan indeks saham Australia pada satu periode waktu sebelumnya. Di Singapura indeks saham dipengaruhi oleh nilai kurs dan indeks saham Singapura pada satu periode waktu sebelumnya. Terakhir indeks saham di Negara Kanada dipengaruhi oleh nilai kurs dan inflasi. Kata kunci : analisis data panel, inflasi, tingkat suku bunga, kurs

3 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS SAHAM DENGAN MENGGUNAKAN ANALISIS DATA PANEL DEWI SARTIKA Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011

4 Judul : Faktor-Faktor yang Mempengaruhi Indeks Saham dengan Menggunakan Analisis Data Panel Nama : Dewi Sartika NRP : G Menyetujui : Pembimbing I, Pembimbing II, Dr. Ir. I Made Sumertajaya, M.Si NIP : Dian Kusumaningrum, S.Si, M.Si Mengetahui : Ketua Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam IPB Dr. Ir. Hari Wijayanto, M.Si NIP : Tanggal Lulus :

5 KATA PENGANTAR Alhamdu Lillahi Robbil Alamin, Puji syukur penulis panjatkan kepada Allah SWT atas segala rahmat dan karunia-nya sehingga penulis dapat menyelesaikan karya ilmiah dengan judul Faktor-Faktor yang Mempengaruhi Indeks Saham dengan Menggunakan Analisis Data Panel. Karya ilmiah ini penulis susun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Terimakasih penulis ucapkan kepada Bapak Dr. Ir. I Made Sumertajaya, M.Si dan Ibu Dian Kusumaningrum, S.Si, M.Si sebagai dosen pembimbing yang telah memberikan bimbingan, masukan beserta saran selama penulisan karya ilmiah ini. Terimaksih juga penulis ucapkan kepada Bapak Ir. Mohammad Masjkur, MS sebagai dosen penguji luar ujian sidang skripsi. Disamping itu, penulis juga mengucapkan terimakasih kepada seluruh dosen dan staf pengajar Departemen Statistika yang telah memberikan ilmu dan wawasan selama penulis menuntut ilmu di Departemen Statistika serta seluruh staf Departemen Statistika dan mahasiswa statistika angkatan 43 yang telah banyak membantu penulis. Ungkapan terimakasih juga disampaikan kepada kedua orang tua dan seluruh keluarga atas segala doa dan dukungannya sehingga penulis dapat menyelesaikan karya ilmiah ini. Penulis menyadari bahwa penulisan karya ilmiah ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran yang membangun sangat penulis harapkan untuk bisa berkarya lebih baik di masa mendatang. Semoga makalah ini dapat bermanfaat bagi pihak yang membutuhkan. Bogor, Januari 2011 Dewi Sartika

6 RIWAYAT HIDUP Penulis dilahirkan di Sukabumi pada tanggal 22 Juli 1988 dari pasangan Bapak Rahmat dan Ibu Enah Sukaenah. Penulis merupakan anak pertama dari empat bersaudara. Tahun 2000 penulis lulus dari SD Negeri Selaawi Cisaat, kemudian melanjutkan pendidikan di SLTPN 10 Sukabumi dan lulus tahun Selanjutnya, pada tahun 2006 penulis menyelesaikan pendidikannya di SMAN 1 Sukabumi dan pada tahun yang sama lulus seleksi masuk Institut Pertanian Bogor melalui jalur USMI. Selama satu tahun penulis menjalani perkuliahan di tingkat TPB. Setelah itu, pada tahun 2007 penulis diterima sebagai mahasiswa Departemen Statistika, FMIPA IPB dengan mayor Statistika dan minor Matematika Keuangan dan Aktuaria. Selama mengikuti perkuliahan, penulis menjadi asisten dosen mata kuliah Metode Statistika pada tahun ajaran 2008/2009. Penulis juga aktif dalam Unit Kegiatan Mahasiswa (UKM) LISES Gentra Kaheman dan Organisasi Mahasiswa Daerah (OMDA) Sukabumi, IKAMASI. Selain itu, penulis juga aktif dalam kegiatan kepanitiaan seperti Mimitran dan Pamitran 2008, Statistika Ria 2008, Welcome Ceremony Statistics (WCS) 2009, Pesta Sains 2008, OMI 2008, serta LJPS Pada bulan Februari 2010 sampai dengan April 2010, penulis melaksanakan kegiatan praktik lapang di PT TEMPO Intimedia, Jakarta Selatan.

7 vi DAFTAR ISI Halaman DAFTAR ISI... vi DAFTAR GAMBAR... vii DAFTAR TABEL... vii DAFTAR LAMPIRAN... vii PENDAHULUAN... 1 Latar Belakang... 1 Tujuan... 1 TINJAUAN PUSTAKA... 1 Analisis Data Panel... 1 Analisis Data Panel dengan Komponen Sisaan Satu Arah... 2 Analisis Data Panel dengan komponen Sisaan Dua Arah... 2 Model Gabungan... 2 Model Pengaruh Tetap... 2 Model Pengaruh Acak... 3 Analisis Regresi Berganda... 3 MAPE... 4 DATA DAN METODE... 4 Data... 4 Metode... 4 HASIL DAN PEMBAHASAN... 4 Analisis Data Panel... 4 Analisis Parsial... 7 SIMPULAN DAN SARAN... 8 Simpulan... 8 Saran... 8 DAFTAR PUSTAKA... 9 LAMPIRAN... 10

8 vii DAFTAR GAMBAR Halaman 1 Hasil Uji Kolmogorov Smirnov model pengaruh tetap Hasil Uji Kolmogorov Smirnov model penngaruh tetap menggunakan bobot bagi setiap individu dan AR (1)... 6 DAFTAR TABEL Halaman 1 Hasil Uji Chow Hasil Uji Hausman Pengaruh spesifik individu model pengaruh tetap Nilai VIF peubah bebas pada model pengaruh tetap Hasil Uji White model pengaruh tetap Hasil Uji White model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) Pengaruh spesifik individu model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1)... 7 DAFTAR LAMPIRAN Halaman 1 Diagram alur analisis data panel dan analisis parsial Hasil analisis model gabungan Hasil analisis model pengaruh tetap Hasil analisis model pengaruh acak Hasil analisis model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) Nilai validasi MAPE analisis data panel dan analisis parsial Hasil analisis parsial menggunakan metode kuadrat terkecil Uji kehomogenan ragam sisaan menggunakan ARCH pada analisis parsial Uji kenormalan sisaan menggunakan Kolmogorov Smirnov analisis parsial... 15

9 1 PENDAHULUAN Latar Belakang Pasar modal memiliki peranan strategis dalam penguatan ketahanan ekonomi suatu negara. Unsur utama dari pasar modal adalah saham yang bergabung membentuk indeks saham. Indeks saham merupakan cerminan dari kegiatan pasar modal. Setiap negara di dunia memiliki indeks saham yang menjadi perwakilan sebagian besar saham yang ada di negara tersebut. Banyak faktor yang mempengaruhi indeks saham, diantaranya adalah tingkat suku bunga, inflasi, dan nilai kurs (nilai tukar mata uang negara tersebut terhadap mata uang dollar Amerika Serikat). Pada setiap negara, faktor-faktor tersebut bisa memiliki pengaruh yang sama ataupun berbeda terhadap indeks saham. Berdasarkan beberapa penelitian yang telah dilakukan sebelumnya, Ocktavia (2007) menyatakan bahwa nilai harga saham dipengaruhi oleh fluktuasi makroekonomi. Peubah makroekonomi tersebut antara lain inflasi, tingkat suku bunga, nilai kurs, indeks produksi industri, dan harga minyak. Dalam Salvatore (2002), nilai tukar mata uang suatu negara terhadap mata uang Dolar Amerika Serikat (US$) merupakan salah satu hal penting bagi suatu negara yang menganut sistem perekonomian terbuka. Sampai saat ini, mata uang terkuat yang mempengaruhi perekonomian dunia adalah US$. Mata uang US$ cenderung stabil sehingga mata uang ini belum dapat tergantikan oleh mata uang manapun. Menurunnya nilai tukar mata uang suatu negara terhadap mata uang asing khususnya US$ memiliki pengaruh negatif terhadap ekonomi dan pasar modal. Begitu juga dengan tingkat suku bunga dan inflasi, keduanya mampu mempengaruhi ketertarikan para investor untuk melakukan investasi di pasar modal. Terkait dengan hal diatas, maka diperlukan adanya suatu analisis yang mampu menggambarkan hubungan antara nilai kurs, tingkat suku bunga, inflasi, dan indeks saham pada beberapa negara dan waktu tertentu. Analisis data panel yang merupakan analisis gabungan antara data deret waktu (time series) dan lintas individu (cross section) mampu menggambarkan hubungan tersebut. Dalam hal ini analisis data panel mampu menggambarkan bagaimana nilai kurs, tingkat suku bunga, dan inflasi mempengaruhi indeks saham. Adapun negara-negara yang menjadi objek dalam penelitian ini adalah Indonesia, Malaysia, Singapura, Jepang, Australia, Inggris, dan Kanada. Negara-negara tersebut dipilih untuk dapat menggambarkan keadaan ekonomi negara yang sudah maju dan masih berkembang. Selain analisis data panel, analisis secara parsial dengan Metode Kuadrat Terkecil (MKT) digunakan untuk mengetahui pengaruh tingkat suku bunga, inflasi, dan kurs terhadap indeks saham secara terpisah di setiap negara. Analisis secara parsial bertujuan untuk mengonfirmasi spesifikasi analisis data panel yang digunakan dalam penelitian ini, yaitu bahwa setiap individu memiliki konstanta yang berbeda. Tujuan Tujuan dari penelitian ini adalah : 1. Menduga model terbaik yang mampu menggambarkan hubungan pengaruh nilai kurs, tingkat suku bunga, dan inflasi terhadap indeks saham baik secara simultan (analisis data panel) dan secara parsial (metode kuadrat terkecil). 2. Mengkaji pengaruh nilai kurs, tingkat suku bunga, dan inflasi terhadap indeks saham. TINJAUAN PUSTAKA Analisis Data Panel Menurut Bruderl (2005), analisis data panel merupakan gabungan antara data deret waktu dan data lintas individu. Analisis data panel adalah pengukuran yang berulang dari satu atau lebih peubah pada satu atau lebih individu pada suatu waktu tertentu. Keuntungan analisis data panel: 1. Dapat menampilkan jumlah pengamatan yang besar, meningkatkan derajat bebas, data memiliki variabilitas yang besar dan mengurangi kolinearitas antar peubah bebas, sehingga menghasilkan pendugaan ekonometri yang efisien. 2. Memberikan informasi yang lebih banyak dibandingkan dengan menggunakan analisis lintas individu atau deret waktu saja. 3. Dapat mengontrol keheterogenan individu yang tidak teramati. 4. Memberikan penyelesaian yang lebih baik dalam mengatasi perubahan dinamis dibandingkan data lintas individu. Model analisis data panel adalah : y it = c + X' it β + u it (1) i = 1,, N ; t = 1,, T

10 2 Dimana i menyatakan objek pengamatan atau individu, t menyatakan waktu, c menyatakan konstanta, β menyatakan kemiringan fungsi berukuran k x 1, X it merupakan pengamatan objek ke i, waktu ke t, untuk setiap peubah penjelas k, y it dan u it menyatakan vektor pengamatan dari peubah tak bebas dan sisaan untuk individu ke i. y= y₁... y N u = u₁... u N X = X 111 X 112 X 113 X 11k X 1T1 X 1T2 X 1T3 X 1Tk X N11 X NT 1 X N12 X NT 2 X N13 X NT 3 X N1k X NTK Persamaan 1 dapat dinyatakan menjadi: y = cι + Xβ + u = Zδ + u dimana y vektor berukuran NT x 1, X matriks berukuran NT x k, Z = [ι, X], δ' = (c',β'), dan ι merupakan vektor satuan berukuran NT x 1. Dalam Baltagi (2005), berdasarkan komponen penyusun sisaannya maka analisis data panel dibedakan menjadi dua bagian yaitu model analisis data panel dengan komponen sisaan satu arah (one-way error component model) dan model analisis data panel dengan komponen sisaan dua arah (two-way error component model). Analisis Data Panel dengan Komponen Sisaan Satu Arah Menurut Baltagi (2005), analisis data panel dengan komponen sisaan satu arah memiliki sisaan yang terdiri dari pengaruh spesifik individu yang tidak terobservasi (µ i ) dan kesalahan yang terjadi pada setiap observasi atau remainder disturbance (v it ). u it = μ i + ν it u = Z μ μ + ν u' = (u 11,, u 1T, u 21,, u 2T,, u N1,..., u NT ) Z μ = I ι I sebuah matriks identitas berdimensi N ι sebuah vektor satuan berdimensi T x 1 menyatakan perkalian Kronecker. ν' = (ν 11,..., ν 1T,..., ν N1,..., ν NT ) analisis data panel dengan komponen sisaan satu arah dibagi menjadi dua model, yaitu model pengaruh tetap (fixed effect model) dan model pengaruh acak (random effect model). Pada model pengaruh tetap pengaruh individu (µ i ) diasumsikan tetap, v it ~ b.s.i (0,σ 2 v ), dan X it saling bebas pada v it untuk setiap individu (i) dan waktu (t). Asumsi pada model pengaruh acak adalah µ i ~ b.s.i (0,σ 2 µ ), v it ~ b.s.i (0,σ 2 v ), dan X it saling bebas pada µ i dan v it untuk setiap individu (i) dan waktu (t). Analisis Data Panel dengan Komponen Sisaan Dua Arah Pada Baltagi (2005), sisaan analisis data panel dengan komponen sisaan dua arah terdiri dari tiga hal, yaitu pengaruh spesifik individu yang tidak terobservasi (µ i ), pengaruh waktu yang tidak terobservasi (λ t ), dan kesalahan yang terjadi pada setiap observasi atau remainder disturbance (v it ). u it = μ i + λ t + ν it i = 1,..., N; t = 1,..., T analisis data panel dengan komponen sisaan dua arah dibagi menjadi model pengaruh tetap dan model pengaruh acak. Asumsi pada model pengaruh tetap adalah µ i dan λ t adalah tetap, v it ~ b.s.i (0,σ v 2 ), dan X it saling bebas pada v it untuk setiap individu (i) dan waktu (t). Asumsi pada model pengaruh acak adalah µ i ~ b.s.i (0,σ µ 2 ), λ t ~ b.s.i (0,σ λ 2 ), v it ~ b.s.i (0,σ v 2 ), dan ketiganya saling bebas satu sama lain. Menurut Winarno (2009), model dugaan pada analisis data panel tergantung kepada asumsi yang digunakan peneliti terhadap konstanta (intercept), koefisien kemiringan (slope coefficients) dan sisaan (error term). Asumsi inilah yang menyebabkan adanya beberapa model dalam analisis data panel. Secara umum model yang biasanya digunakan dalam analisis data panel adalah model gabungan, model pengaruh tetap, dan model pengaruh acak. Model Gabungan Model gabungan merupakan salah satu model dalam analisis data panel yang memiliki asumsi koefisien regresi (konstanta ataupun kemiringan) yang sama antar unit analisis dan waktu. Untuk pendugaan parameter model digunakan Metode Kuadrat Terkecil (MKT) atau OLS (Ordinary Least Square). Model Pengaruh Tetap Model pengaruh tetap menurut Winarno (2009) merupakan model yang dapat menunjukkan perbedaan tetap antar objek atau individu, meskipun dengan koefisien regresi yang sama. Untuk membedakan satu individu dengan individu lainnya digunakan peubah boneka (dummy), sehingga disebut dengan Least Square Dummy Variables (LSDV). Model pengaruh tetap menurut Pindyck dan Rubinfeld (1998) adalah: y it = c + βx it + γ i W it + δ t Z it + u it Dimana W it = 1 untuk individu ke i (i=2,, N), dan 0 selainnya. Z it = 1 untuk periode waktu ke t (t=2,,t), dan 0 selainnya.

11 3 Terdapat beberapa spesifikasi dari model pengaruh tetap, yaitu: 1. Memiliki konstanta yang berbeda antar individu. 2. Memiliki konstanta yang berbeda sepanjang waktu, tidak ada perbedaan secara signifikan antar individu, dan sisaan memiliki autokorelasi. 3. Memiliki konstanta yang berbeda antar individu dan waktu. 4. Memiliki konstanta dan kemiringan yang berbeda antar individu. 5. Memiliki konstanta dan kemiringan yang berbeda antar individu dan waktu. Spesifikasi model yang digunakan dalam penelitian ini adalah spesifikasi pertama yang menyatakan bahwa didalam model analisis data panel setiap objek atau individu memiliki konstanta yang berbeda. Selanjutnya Uji Chow digunakan untuk menentukan apakah terdapat pengaruh individu didalam model analisis data panel. Dalam Lains (2006), hipotesis awal (H 0 ) pada uji Chow adalah tidak terdapat pengaruh individu terhadap model (model mengikuti model gabungan). Statistik uji yang digunakan adalah: F 0 = (RRSS URSS )/(N 1) URSS /(NT N K) ~ H0 F N-1,N(T-1)-K dimana RRSS adalah jumlah kuadrat galat pada model gabungan, dan URSS adalah jumlah kuadrat galat pada model pengaruh tetap Model Pengaruh Acak Menurut Winarno (2009) model ini merupakan perbaikan dari model pengaruh tetap. Model ini tidak lagi menggunakan peubah boneka seperti yang dilakukan pada model pengaruh tetap, melainkan menggunakan sisaan yang diduga memiliki hubungan antar waktu dan antar individu. Asumsi pada model pengaruh acak adalah bahwa konstanta merupakan sebuah peubah acak. Setiap individu memiliki keragaman konstanta dan berlaku bagi pengamatan didalam individu tersebut. β oi = β i + v i dimana β oi adalah konstanta untuk individu ke-i, β i adalah rata-rata dari konstanta ke-i, dan v i adalah sisaan dari konstanta individu ke-i. Metode selanjutnya dalam analisis data panel setelah pendugaan model pengaruh acak adalah uji Hausman. Uji ini bertujuan untuk mengetahui apakah model mengikuti model pengaruh tetap atau model pengaruh acak. Hipotesis awal (H 0 ) pada uji Hausman ini adalah model mengikuti model pengaruh acak dan hipotesis tandingannya (H 1 ) adalah model mengikuti model pengaruh tetap. Statistik uji yang digunakan adalah: χ 2 hitung = (b β)' Var(b β) -1 (b β) dimana b adalah koefisien model pengaruh acak, dan β adalah koefisien model pengaruh tetap. Selanjutnya tolak H 0 apabila nilai χ 2 hitung lebih besar dari χ 2 (k,α), dimana k adalah jumlah peubah bebas dan α adalah taraf nyata yang digunakan. Analisis Regresi Berganda Menurut Draper dan Smith (1992), Metode Kuadrat Terkecil (MKT) merupakan salah satu metode yang dapat digunakan dalam analisis regresi berganda. Model pada regresi berganda adalah: y = Xβ + u Dimana y merupakan peubah respon, X adalah peubah penjelas, β adalah vektor parameter model, dan u adalah vektor sisaan. Terdapat beberapa asumsi yang harus dipenuhi oleh analisis regresi berganda dengan menggunakan MKT sehingga diperoleh penduga parameter yang memiliki sifat BLUE (Best Linear Unbiased Estimator). Asumsi tersebut adalah kebebasan sisaan (sisaan tidak memiliki masalah korelasi serial), kehomogenan ragam sisaan, kenormalan sisaan, dan tidak terdapat multikolinearitas antar peubah bebas pada analisis regresi berganda. Uji Durbin Watson (DW) digunakan untuk menguji apakah terdapat masalah korelasi serial dalam sisaan. Adapun perhitungan untuk mendapatkan nilai DW adalah: DW = n i=1 u t u 2 t 1 n u 2 i=1 t Dimana n adalah jumlah pengamatan, u t adalah sisaan pada waktu ke t, dan u t-1 adalah sisaan pada waktu ke t-1. Menurut Trihendradi (2005), data sisaan memiliki masalah korelasi serial apabila nilai DW yang dihasilkan kurang dari atau lebih dari Selanjutnya apabila nilai DW berada diantara nilai sampai dengan atau berada diantara nilai sampai dengan 2.790, maka tidak dapat diketahui apakah data sisaan memiliki masalah korelasi serial atau tidak. Data sisaan dinyatakan tidak memiliki masalah korelasi serial apabila sisaan tersebut memiliki nilai DW mulai dari sampai dengan Menurut Myers (1990), Variance Inflation Factors (VIF) dapat digunakan untuk menguji apakah terdapat multikolinearitas antar peubah bebas pada suatu model regresi berganda. Apabila nilai VIF pada suatu peubah bebas

12 4 kurang dari 10, maka peubah bebas tersebut tidak mengalami masalah multikolinearitas dengan peubah bebas lainnya. Selanjutnya Uji ARCH atau White digunakan untuk menguji asumsi kehomogenan ragam sisaan. Kemudian untuk menguji kenormalan sisaan digunakan Uji Kolmogorov Smirnov. Untuk kedua uji asumsi tersebut apabila nilai-p yang dihasilkan lebih besar dari 5%, maka dapat dinyatakan bahwa berdasarkan taraf nyata (α) sebesar 5% pada Uji ARCH atau White sisaan memiliki ragam yang homogen dan pada Uji Kolmogorv Smirnov sisaan menyebar normal. MAPE Meant Absolute Percentage Error (MAPE) digunakan untuk mengukur tingkat validasi dari suatu model. Model tersebut memiliki tingkat validasi yang baik apabila memiliki nilai MAPE yang kecil (kurang dari 15%). Adapun perhitungan nilai MAPE adalah: MAPE = n i=1 n y i ŷ i y i x 100% Dimana ŷ i adalah nilai peubah respon dugaan dari model yang dihasilkan, y i adalah nilai peubah respon yang sesungguhnya, dan n adalah banyaknya pengamatan. DATA DAN METODE Data Data yang digunakan dalam penelitian ini berupa data bulanan mulai dari Januari 2003 sampai dengan Desember Data ini berupa data indeks saham, tingkat suku bunga, inflasi, dan nilai kurs dari negara Indonesia, Malaysia, Singapura, Jepang, Australia, Inggris, dan Kanada. Periode data yang digunakan untuk pemodelan adalah data dari Januari 2003 sampai dengan Desember 2008, sedangkan data Januari 2009 sampai dengan Desember 2009 digunakan untuk validasi model. Metode Secara umum Lampiran 1 menunjukkan tahapan metode yang digunakan dalam analisis data panel. Selanjutnya analisis yang digunakan untuk mengetahui hubungan pengaruh nilai kurs, tingkat suku bunga, dan inflasi terhadap indeks saham secara bersamaan pada beberapa negara adalah analisis data panel dengan komponen sisaan satu arah. Selain itu juga dilakukan analisis secara parsial atau terpisah untuk setiap negara menggunakan analisis regresi dengan metode kuadrat terkecil. Model analisis data panel yang dievaluasi kemudian adalah model gabungan, model pengaruh tetap, dan model pengaruh acak. Tahapan yang dilakukan pada penelitian ini adalah: 1. Mentransformasi data amatan dengan menggunakan nilai logaritma untuk menghindari masalah yang disebabkan oleh perbedaan satuan pada setiap peubah. 2. Menduga parameter model gabungan dan model pengaruh tetap. 3. Melakukan uji Chow untuk menguji ada tidaknya pengaruh individu. 4. Menduga parameter model pengaruh acak. 5. Menentukan model terbaik antara model pengaruh tetap dan model pengaruh acak menggunakan uji Hausman. 6. Melakukan analisis secara parsial untuk setiap negara dengan membuat persamaan regresi bagi setiap negara. 7. Pemeriksaan dan perbaikan asumsi untuk model terbaik hasil analisis data panel dan analisis parsial. a. Pelanggaran asumsi kehomogenan ragam diatasi dengan penambahan bobot bagi setiap individu (cross section weight). b. Korelasi serial pada sisaan diatasi dengan penambahan model AR(1) terhadap sisaan atau penambahan peubah baru terhadap model, yaitu indeks saham pada satu periode waktu sebelumnya atau indeks (-1). c. Pemeriksaan Asumsi kenormalan sisaan. d. Pemeriksaan asumsi bahwa tidak terdapat multikolinearitas antar peubah bebas didalam model. 8. Menduga nilai indeks saham bulan Januari 2009 sampai dengan bulan Desember Validasi model menggunakan nilai MAPE. HASIL DAN PEMBAHASAN Analisis Data Panel Hasil analisis data panel dengan model gabungan dapat dilihat pada Lampiran 2. Lampiran ini menunjukkan bahwa peubah yang memiliki nilai-p kurang dari 5% adalah inflasi, kurs, dan tingkat suku bunga. Sehingga dapat dinyatakan bahwa indeks saham Negara Indonesia, Malaysia, Singapura, Jepang, Inggris, Australia, dan Kanada secara keseluruhan dipengaruhi secara signifikan

13 5 oleh inflasi, nilai kurs, dan tingkat suku bunga. Analisis data panel menggunakan model gabungan juga menghasilkan nilai R 2 sebesar %. Sama halnya dengan hasil analisis model gabungan, analisis data panel menggunakan model pengaruh tetap pada Lampiran 3 pun menunjukkan bahwa indeks saham di Negara Indonesia, Malaysia, Singapura, Jepang, Inggris, Australia, dan Kanada dipengaruhi secara signifikan oleh inflasi, nilai kurs, dan tingkat suku bunga. Hasil model pengaruh tetap memiliki nilai R 2 sebesar %, dan nilai R 2 ini lebih besar jika dibandingkan dengan R 2 hasil model gabungan. Hasil Uji Chow pada Tabel 1 menghasilkan nilai-p sebesar Sehingga dapat disimpulkan bahwa terdapat pengaruh individu di dalam model. Berdasarkan spesifikasi analisis data panel yang digunakan, pengaruh individu tersebut dicerminkan dalam nilai konstanta pada setiap negara yang berbeda. Dengan hasil tersebut, maka terdapat perbedaan pengaruh inflasi, kurs, dan tingkat suku bunga terhadap indeks saham pada setiap individu atau negara. Tabel 1 Hasil Uji Chow Uji pengaruh individu Derajat Statistik uji bebas Nilai-p Uji F (6,494) Uji χ Hasil analisis data panel dengan menggunakan model pengaruh acak pada Lampiran 4 menunjukkan bahwa setiap peubah penjelas memiliki nilai-p yang kurang dari 5%. Hasil tersebut menunjukkan bahwa indeks saham di negara Indonesia, Malaysia, Singapura, Jepang, Inggris, Australia, dan Kanada dipengaruhi secara signifikan oleh inflasi, nilai kurs, dan tingkat suku bunga. Dari model ini dihasilkan nilai R 2 sebesar %. Nilai R 2 ini jauh lebih kecil jika dibandingkan dengan nilai R 2 pada model pengaruh tetap. Hal ini mengindikasikan bahwa analisis data panel dengan model pengaruh tetap lebih baik dibandingkan dengan model pengaruh acak. Selain itu, hasil Uji Hausman pada Tabel 2 pun menunjukkan hal yang sama. Tabel 2 Hasil uji Hausman Pengaruh Statistik uji Derajat Nilai-p model acak bebas Uji χ Nilai-p hasil Uji Hausman sebesar 0.000, sehingga dapat dinyatakan bahwa model yang menggambarkan pengaruh inflasi, nilai kurs, dan tingkat suku bunga terhadap indeks saham adalah model pengaruh tetap, yaitu: Indeks it = C 1i Inflasi it Kurs it Tingkat suku bunga it + u it Dimana C 1i menyatakan pengaruh individu setiap negara yang dapat dilihat pada Tabel 3, dan u it menyatakan nilai sisaan analisis data panel model pengaruh tetap. Tabel 3 Pengaruh spesifik individu model pengaruh tetap Individu Pengaruh Jepang Indonesia Singapura Australia Inggris Kanada Malaysia Setelah model pengaruh tetap dinyatakan sebagai model terbaik berdasarkan Uji Hausman, dilakukan pengujian mengenai asumsi kebebasan sisaan, kehomogenan ragam sisaan, kenormalan sisaan, dan tidak terdapat multikolinearitas antar peubah bebas yang ada di dalam model. Model pengaruh tetap hanya memenuhi asumsi bahwa tidak terdapat multikolinearitas antar peubah bebas. Hal ini dapat dilihat pada Tabel 4 yang menunjukkan nilai VIF dari setiap peubah bebas pada model pengaruh tetap kurang dari 10. Tabel 4 Nilai VIF peubah bebas pada model pengaruh tetap Peubah VIF Inflasi Kurs Tingkat suku bunga Tabel 5 menunjukkan bahwa hasil Uji White yang digunakan untuk mengetahui apakah data sisaan memiliki ragam yang homogen atau tidak menghasilkan nilai nr 2 lebih besar dari nilai χ 10(5%), sehingga dapat dinyatakan bahwa sisaan hasil model pengaruh tetap memiliki ragam yang tidak homogen. Tabel 5 Hasil Uji White model pengaruh tetap Model nr 2 χ 10(5%) Model pengaruh tetap Selain masalah pelanggaran asumsi kehomogenan ragam sisaan, analisis data panel dengan model pengaruh tetap

14 Persen Persen 6 menghasilkan nilai DW sebesar sehingga dapat dinyatakan bahwa terdapat masalah korelasi serial pada sisaan. Selanjutnya, hasil uji kenormalan sisaan menggunakan Uji Kolmogorov Smirnov pada Gambar 1 menunjukkan bahwa nilai-p yang dihasilkan kurang dari Dengan demikian dapat disimpulkan bahwa sisaan hasil model pengaruh tetap tidak menyebar normal sisaan Gambar Mean E-08 StDev N 504 KS P-Value <0.010 Hasil Uji Kolmogorov Smirnov model pengaruh tetap. Karena masih terdapat pelanggaran asumsi tersebut, maka dilakukan analisis data panel model pengaruh tetap, namun dengan menggunakan bobot bagi setiap objek atau individu (cross section weight) untuk mengatasi masalah ragam sisaan yang tidak homogen. Dalam hal ini bobot tersebut merupakan nilai yang memdekan besarnya pengaruh inflasi, kurs, dan tingkat suku bunga terhadap indeks saham pada setiap negara. Selanjutnya penambahan model Autoregressive (AR), yaitu AR(1) digunakan untuk mengatasi masalah korelasi serial pada data sisaan. Hasil analisis data panel model pengaruh tetap menggunakan bobot bagi setiap individu dan penambahan model AR(1) dapat dilihat pada Lampiran 5. Lampiran ini menunjukkan bahwa peubah yang berpengaruh terhadap indeks saham secara signifikan berdasarkan taraf nyata 5% di negara Indonesia, Malaysia, Singapura, Jepang, Inggris, Australia, dan Kanada adalah nilai kurs. Selain itu, panambahan model AR(1) pun berpengaruh secara signifikan terhadap model data panel tersebut. Hal ini mengindikasikan bahwa nilai indeks saham pada saat ini dipengaruhi juga oleh faktor acak indeks saham pada satu bulan sebelumnya. Selanjutnya nilai R 2 yang dihasilkan pada model ini cukup besar, yaitu % dan nilai R 2 ini lebih besar jika dibandingkan dengan R 2 hasil model pengaruh tetap tanpa menggunakan bobot bagi setiap individu dan AR(1). Hasil analisis model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) ini pun mampu mengatasi pelanggaran asumsi yang terjadi. Nilai DW yang dihasilkan sebesar 1.650, sehingga dapat dinyatakan bahwa sisaan hasil model ini sudah saling bebas. Selain itu, hasil uji White pada Tabel 6 menunjukkan bahwa ragam sisaan hasil model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) sudah homogen. Tabel 6 Hasil Uji White model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) Model nr 2 χ 10(5%) Model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) Selanjutnya hasil Uji Kolmogorov Smirnov pada Gambar 2 menghasilkan nilai-p lebih besar dari hal ini menunjukkan bahwa sisaan hasil model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) sudah menyebar normal Gambar sisaan Mean StDev N 497 KS P-Value >0.150 Hasil Uji Kolmogorov Smirnov model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1). Berdasarkan hasil analisis data panel model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1), maka model analisis data panel terbaik yang dihasilkan adalah: Indeks it = C 1i inflasi it kurs it tingkat suku bunga it + u it u it = µ i v it-1 + ε it dimana ε it menyatakan sisaan dugaan satu periode ke depan, C 1i menyatakan pengaruh spesifik individu ke-i yang ditampilkan pada Tabel 7.

15 7 Pengaruh spesifik individu merupakan nilai yang menunjukkan perbedaan rata-rata indeks saham antar negara. Nilai ini menunjukkan bahwa setiap individu akan memiliki nilai konstanta yang berbeda tergantung dengan nilai C 1i dari masing-masing negara. Namun berdasarkan spesifikasi analisis data panel yang digunakan, konstanta yang dimiliki oleh setiap negara tersebut nilainya tetap sepanjang waktu. Tabel 7 Pengaruh spesifik individu model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) Individu Pengaruh Jepang Indonesia Singapura Australia Inggris Kanada Malaysia Nilai pengaruh spesifik setiap individu pada Tabel 7 menunjukkan bahwa Negara Jepang memiliki perbedaan indeks saham yang paling besar dibandingkan dengan negara lainnya, yaitu sebesar Hasil ini menyatakan bahwa indeks saham di Negara Jepang tersebut memiliki nilai yang jauh lebih tinggi dibandingkan dengan nilai rata-rata indeks saham negara lainnya. Berbeda dengan Negara Malaysia, negara tersebut memiliki nilai pengaruh spesifik individu yang paling kecil diantara negara lainnya, yaitu sebesar Dengan hasil tersebut dapat dinyatakan bahwa Negara Malaysia memiliki nilai indeks saham yang jauh lebih rendah dibandingkan dengan nilai rata-rata indeks saham negara lainnya. Selain itu, hasil validasi pada Lampiran 6 dengan menggunakan data Januari 2009 sampai dengan Desember 2009 menghasilkan nilai MAPE sebesar 2.23%. Nilai MAPE tersebut masih kurang dari 15% sehingga dapat dinyatakan bahwa model hasil analisis data panel menggunakan model pengaruh tetap, bobot bagi setiap individu, dan AR(1) mampu menggambarkan dengan baik keadaan data pada periode waktu lain yang tidak diikutsertakan dalam proses pemodelan. Analisis Parsial Analisis parsial digunakan untuk mengonfirmasi spesifikasi analisis data panel yang digunakan, yaitu bahwa setiap individu atau negara memiliki konstanta yang berbeda. Lampiran 7 menunjukkan hasil analisis secara parsial untuk setiap negara. Berdasarkan Lampiran ini dapat dinyatakan bahwa setiap individu memiliki nilai konstanta yang berbeda. Namun terdapat perbedaan hasil antara analisis data panel dengan analisis secara parsial menggunakan MKT, yaitu bahwa pada hasil analisis secara parsial selain memiliki konstanta yang berbeda, setiap individu juga memiliki nilai kemiringan yang berbeda. Model hasil analisis secara parsial untuk setiap negara adalah sebagai berikut: 1. Inggris Indeks t = Inflasi t Kurs t tingkat suku bunga t indeks t-1 + v t 2. Indonesia Indeks t = Inflasi t Kurs t Tingkat suku bunga t v t-1 + ε t 3. Malaysia Indeks t = Inflasi t Kurs t Tingkat suku bunga t Indeks t-1 + v t 4. Singapura Indeks t = Kurs t Tingkat suku bunga t Indeks t v t-1 + ε t 5. Jepang Indeks t = Inflasi t Kurs t Tingkat suku bunga t Indeks t-1 + v t 6. Australia Indeks t = Inflasi t Kurs t Tingkat suku bunga t Indeks t-1 + v t 7. Kanada Indeks t = Inflasi t Kurs t Tingkat suku bunga t v t-1 + ε t Dimana v t menyatakan nilai sisaan pada waktu ke-t, v t-1 menyatakan sisaan pada satu periode waktu sebelumnya, ε t menyataakan sisaan apabila dilakukan pendugaan satu periode waktu kedepan, dan indeks t-1 menyatakan nilai indeks saham pada satu periode waktu sebelumnya. Sebagai ilustrasi untuk model parsial diatas adalah Negara Inggris. Berdasarkan Lampiran 7 dapat dinyatakan bahwa indeks saham di negara ini dipengaruhi secara signifikan pada taraf nyata 5% oleh inflasi dan nilai indeks saham Inggris pada satu periode waktu sebelumnya. Peubah kurs dan tingkat suku bunga tetap memiliki pengaruh terhadap indeks saham namun tidak signifikan. Hal ini

16 8 disebabkan karena resesi yang dialami oleh Negara Inggris sejak tahun Akibat dari resesi ini salah satunya adalah terjadi peningkatan harga-harga secara tajam (inflasi). Sehingga terlihat bahwa inflasi menjadi faktor utama yang mempengaruhi keadaan ekonomi (Regina 2008). Model parsial untuk Negara Inggris menghasilkan nilai R 2 yang cukup besar, yaitu %. Sehingga dapat dinyatakan bahwa sebesar % keragaman data indeks saham Negara Inggris mampu dijelaskan oleh model parsial yang dihasilkan untuk negara tersebut. Selain hal itu, model parsial untuk Negara Inggris ini memenuhi seluruh asumsi yang disyaratkan oleh MKT, yaitu berdasarkan nilai DW yang dihasilkan sebesar dapat dinyatakan bahwa sisaan tidak mengalami korelasi serial. Selanjutnya Lampiran 8 menunjukkan hasil uji kehomogenan ragam sisaan hasil analisis secara parsial. Pada lampiran tersebut dapat dilihat bahwa untuk Negara Inggris, nilai-p baik untuk F-hitung maupun nr 2 lebih besar dari 5%, sehingga dapat disimpulkan bahwa sisaan memiliki ragam yang homogen. Kemudian Uji Kolmogorv Smirnov pada Lampiran 9.1 menunjukkan bahwa berdasarkan taraf nyata 5% sisaan sudah menyebar normal. Terakhir nilai VIF setiap peubah bebas yang dapat dilihat pada Lampiran 7 menunjukkan nilai yang kurang dari 10, sehingga dapat dinyatakan bahwa model parsial yang dihasilkan untuk Negara Inggris ini tidak memiliki masalah multikolinearitas antar peubah bebas. Berdasarkan nilai R 2 yang cukup tinggi dan terpenuhinya seluruh asumsi dalam MKT, maka dapat disimpulkan bahwa model parsial untuk Negara Inggris diatas merupakan model terbaik. Selain itu, pada Lampiran 6 dapat dilihat bahwa Negara Inggris juga memiliki nilai MAPE sebesar 0.890%. Hal ini menyatakan bahwa model parsial untuk Negara Inggris memiliki tingkat validasi yang cukup baik. Dengan kata lain, model parsial ini mampu menggambarkan dengan cukup baik keadaan indeks saham Negara inggris pada periode waktu lainnya yang tidak diikutsertakan dalam proses pemodelan. Sama seperti model parsial Negara Inggris, karakteristik model parsial untuk negara lainnya (Indonesia, Malaysia, Australia, Jepang, Singapura, dan Kanada) dapat dilihat pada Lampiran 6, 7, 8, dan 9. Setiap negara tersebut memiliki model dengan nilai konstanta dan kemiringan yang berbeda. Selain itu, setiap negara juga memiliki peubah penjelas yang berpengaruh signifikan terhadap indeks saham yang berbeda. Di Negara Singapura, inflasi tidak memiliki pengaruh terhadap indeks saham. Hal ini disebabkan karena walaupun terjadi masalah resesi dengan inflasi sebagai salah satu indikatornya, namun terdapat faktor penting lainnya yang mempengaruhi keadaan ekonomi yaitu masalah menyebarnya wabah SARS dan perang di Irak. Selain itu, Negara Singapura merupakan negara perdagangan yang menitikberatkan sebagian besar sumber ekonominya dari kegiatan perdagangan dengan negara lain. Oleh karena itu, nilai tukar mata uang Singapura dengan mata uang negara lain, khususnya US$ menjadi faktor penting yang mempengaruhi keadaan ekonomi. Hal ini pun menyebabkan kurs menjadi faktor penting yang berpengaruh signifikan terhadap indeks saham (Nugroho 2008). Model hasil analisis secara parsial yang dihasilkan untuk setiap negara tersebut merupakan model yang terbaik. Hal ini disebabkan karena setiap model tersebut memiliki nilai R 2 yang cukup tinggi, sehingga mampu menggambarkan keragaman indeks saham di negara masing-masing dengan sangat baik. Selain itu, model parsial yang dihasilkan untuk setiap negara pun sudah memenuhi seluruh asumsi yang disyaratkan dalam MKT. Selanjutnya model parsial pada setiap negara memiliki nilai MAPE yang kurang dari 15%. Sehingga dapat dinyatakan bahwa setiap model parsial tersebut mampu menggambarkan dengan baik keadaan indeks saham di negara masing-masing pada periode waktu lain yang tidak diikutsertakan dalam proses pemodelan. SIMPULAN DAN SARAN Simpulan Analisis data panel menunjukkan hasil yang berbeda dibandingkan dengan analisis secara parsial pada setiap negara. Analisis data panel menyatakan bahwa indeks saham di Negara Indonesia, Malaysia, Singapura, Jepang, Inggris, Australia, dan Kanada hanya dipengaruhi secara signifikan oleh nilai kurs. Sedangkan analisis secara parsial menyatakan bahwa setiap negara memiliki peubah yang berbeda dalam mempengaruhi indeks saham masing-masing secara signifikan. Selain itu, analisis data panel juga menyatakan bahwa perbedaan di dalam model hanya disebabkan oleh perbedaan nilai konstanta pada setiap

17 9 individu. Sedangkan analisis secara parsial menyatakan bahwa pada setiap individu terdapat perbedaan nilai konstanta dan juga nilai kemiringan. Analisis data panel menggunakan model pengaruh tetap, bobot bagi setiap individu, dan AR(1) menghasilkan nilai MAPE yang lebih besar dibandingkan dengan nilai MAPE hasil analisis secara parsial bagi setiap negara, namun nilai MAPE keduanya masih kurang dari 15%. Hal ini menunjukkan bahwa model hasil analisis data panel dan hasil analisis secara parsial memiliki tingkat validasi yang cukup baik. Saran Untuk penelitian selanjutnya, keheterogenan ragam sisaan dan korelasi serial pada analisis data panel sebaiknya diatasi bersamaan menggunakan seemingly unrelated regression (SUR). Apabila korelasi serial belum bisa teratasi maka gunakan analisis data panel dinamis (dynamic panel data). Selain itu, lakukan analisis data panel dengan menggunakan spesifikasi model yang lain. DAFTAR PUSTAKA Baltagi BH Econometric Of Analysis Of Panel Data. Ed ke-3. England: John Wiley&Sons Ltd. Ocktavia A Analisis Pengaruh Nilai Tukar Rupiah/US$ dan Tingkat Suku Bunga SBI Terhadap Indeks Harga Saham Gabungan Di Bursa Pengaruh Jakarta [Skripsi]. Semarang: Fakultas Ekonomi, Universitas Negeri Semarang. Pindyck RS, Rubinfeld DL Econometric Models And Economic Forecasts. Ed ke-4. USA: The McGraw- Hill Companies, Inc. Regina R. Ekonomi Inggris terpuruk. economy.okezone.com/index.php/readsto ry/2008/03/29/213/95707/economyinggris-terpuruk. [10 Desember 2010]. Salvatore D Managerial Economics dalam Perekonomian Global. Anitawati MTh, Santoso N, penerjemah; Mahanani N, editor. New York: Harcourt College Publisher. Terjemahan dari: Managerial Economics, Ed ke-4. Trihendradi C Step by Step SPSS 13 Analisis Data Statistik. Yogyakarta: Andi Offset. Winarno WW Analisis Ekonometrika Dan Statistika Dengan Eviews. Ed ke-2. Yogyakarta: UPP STIM YKPN. Bruderl J Panel data analysis. pdf. [26, Mei, 2010]. Draper N, Smith H Analisis Regresi Terapan. Ed ke-2. Jakarta: PT Gramedia Pustaka Utama. Lains A Ekonometrika Teori dan Aplikasi. Jilid ke-2. Jakarta: Pustaka LP3ES Indonesia. Myers RH Calssical and Modern regression with Applications. Ed ke-2. USA: PWS-KENT Publishing Company. Nugroho NB Ekonomi Singapura masih akan memburuk. news.okezone.com /read/2008/10/28/277/158312/277/ekono mi-singapura-masih-akan-memburuk. [10 Desember 2010].

18 LAMPIRAN

19 11 Lampiran 1 Diagram alur analisis data panel dan analisis parsial Model gabungan dan model pengaruh tetap Spesifikasi model gabungan dan model pengaruh tetap Pendugaan parameter untuk setiap model Metode MKT & LSDV Model pengaruh acak Spesifikasi model pengaruh acak Metode MKT Pendugaan parameter model pengaruh acak Metode GLS Analisis parsial Spesifikasi model untuk setiap negara Pendugaan parameter model untuk setiap negara Uji chow Model pengaruh acak (MPA) Pemeriksaan dan perbaikan asumsi sisaan Model gabungan / model pengaruh tetap Model gabungan stop Pemeriksaan dan perbaikan asumsi kehomogenan ragam sisaan, kebebasan sisaan, kenormalan sisaan, dan tidak terdapat multikolinearitas antar peubah bebas Model pengaruh tetap (MPT) Uji Hausman Validasi MAPE MPT atau MPA Model pengaruh acak Pemeriksaan dan perbaikan asumsi kehomogenan ragam sisaan, kebebasan sisaan, kenormalan sisaan, dan tidak terdapat multikolinearitas antar peubah bebas Model pengaruh tetap Validasi (MAPE) Pemeriksaan dan perbaikan asumsi kehomogenan ragam sisaan, kebebasan sisaan, kenormalan sisaan, dan tidak terdapat multikolinearitas antar peubah bebas Validasi (MAPE)

20 12 Lampiran 2 Hasil analisis model gabungan Spesifikasi setiap peubah Peubah Koefisien Sisaan baku t-hitung Nilai-p C * Inflasi * Kurs * Tingkat suku bunga * Spesifikasi model gabungan R Durbin-Watson R 2 Adjusted Nilai-p (F-hitung) * * Signifikan berdasarkan taraf α = 5%; Terjadi korelasi serial. Lampiran 3 Hasil analisis model pengaruh tetap Spesifikasi setiap peubah Peubah koefisien Sisaan baku t-hitung Nilai-p C * Inflasi * Kurs * Tingkat suku bunga * Spesifikasi model pengaruh tetap Efek individu tetap R Durbin-Watson R 2 Adjusted Nilai-p (F-hitung) * * Signifikan berdasarkan taraf α = 5%; Terjadi korelasi serial. Lampiran 4 Hasil analisis model pengaruh acak Spesifikasi setiap peubah Peubah koefisien Sisaan baku t-hitung Nilai-p C * Inflasi * Kurs * Tingkat suku bunga * Spesifikasi model efek acak Efek individu acak * Idiosyncratic acak * R Durbin-Watson R 2 Adjusted Nilai-p (F-hitung) * * Signifikan berdasarkan taraf α = 5%; Terjadi korelasi serial.

21 13 Lampiran 5 Hasil analisis model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) Spesifikasi setiap peubah Peubah Koefisien Sisaan baku t-hitung Nilai-p C * Inflasi * Kurs * Tingkat suku bunga * AR(1) * Spesifikasi model efek tetap Efek individu tetap R Durbin-Watson R 2 Adjusted Nilai-p (F-hitung) * * Signifikan berdasarkan taraf α = 5%; Tidak terjadi korelasi serial. Lampiran 6 Nilai validasi MAPE analisis data panel dan analisis parsial Analisis Negara MAPE (%) Keterangan Data panel Menggambarkan keadaan data lain dengan baik Parsial Jepang ± Menggambarkan keadaan data lain dengan baik Indonesia ± Menggambarkan keadaan data lain dengan baik Singapura ± Menggambarkan keadaan data lain dengan baik Australia ± Menggambarkan keadaan data lain dengan baik Inggris ± Menggambarkan keadaan data lain dengan baik Kanada ± Menggambarkan keadaan data lain dengan baik Malaysia ± Menggambarkan keadaan data lain dengan baik ± Nilai MAPE kurang dari batas MAPE maksimum 15%.

22 14 Lampiran 7 Hasil analisis parsial menggunakan metode kuadrat terkecil Negara Peubah koefisien Sisaan baku t-hitung Nilai-p VIF C * Inflasi * Inggris Kurs * Tingkat suku bunga * Indeks(-1) * C * Inflasi * Indonesia Kurs * Tingkat suku bunga * AR(1) * C * Inflasi * Malaysia Kurs * Tingkat suku bunga * Indeks(-1) * C * Inflasi * Australia Kurs * Tingkat suku bunga * Indeks(-1) * C * Inflasi * Jepang Kurs * Tingkat suku bunga * Indeks(-1) * C * Inflasi * Kurs * Singapura Tingkat suku bunga * Indeks(-1) * AR(1) * C * Inflasi * Kanada Kurs * Tingkat suku bunga * AR(1) * * Signifikan berdasarkan taraf α = 5%; Tidak terjadi korelasi serial. R 2 (%) MAPE(%) DW

23 persen Persen Persen Persen 15 Lampiran 8 Uji kehomogenan ragam sisaan menggunakan ARCH pada analisis parsial Negara F-hitung Nilai-p (F-hitung) nr 2 Nilai-p (nr 2 ) Inggris Jepang Indonesia Singapura Kanada Australia Malaysia Nilai-p (F-hitung atau nr 2 ) lebih besar dari 0.05 ragam sisaan homogen berdasarkan taraf α = 5% Lampiran 9 Uji kenormalan sisaan menggunakan Kolmogorov Smirnov analisis parsial Mean E-08 StDev N 71 KS P-Value Mean StDev N 72 KS P-Value > sisaan_inggris sisaan_indonesia Hasil uji Kolmogorov Smirnov 9.2 Hasil uji Kolmogorv Smirnov Negara Inggris Negara Indonesia Mean E-09 StDev N 71 KS P-Value > Mean E-09 StDev N 71 KS P-Value sisaan_malaysia sisaan_australia 9.3 Hasil uji Kolmogorov Smirnov 9.4 Hasil uji Kolmogorov Smirnov Negara Malaysia Negara Australia

24 Persen Persen Persen Mean E-08 StDev N 71 KS P-Value > Mean E-08 StDev N 71 KS P-Value sisaan_jepang sisaan_singapura Hasil uji Kolmogorov Smirnov 9.6 Hasil uji Kolmogorov Smirnov Negara Jepang Negara Singapura Mean StDev N 72 KS P-Value > sisaan_kanada Hasil uji Kolmogorov Smirnov Negara Kanada Nilai-p (P-value) lebih besar dari 0.05 sisaan menyebar normal berdasarkan taraf α = 5%.