PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR HARGA SAHAM MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING TIGA STATE SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika Diajukan oleh ALVIANITA FITRI ANANDA NIM. M0110003 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2015 i
ii
ABSTRAK Alvianita Fitri Ananda, 2015, PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR HARGA SAHAM MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING TIGA STATE, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sebelas Maret. Krisis keuangan di Indonesia terjadi mulai tahun 1970 sampai dengan 2008, yang paling parah terjadi pada tahun 1997. Dengan melihat dampak krisis keuangan yang terjadi, diperlukan sistem pendekteksian krisis keuangan. Salah satu indikator yang dapat digunakan untuk mendeteksi krisis keuangan adalah harga saham yang diperoleh dari data Indeks Harga Saham Gabungan (IHSG). Tujuan dari penelitian ini adalah mencari model terbaik untuk data IHSG dan mendeteksi krisis keuangan di Indonesia berdasarkan probabilitas volatilitas. Pada penelitian ini, diuji semua kemungkinan model yang memenuhi asumsi untuk mengatasi masalah heteroskedastisitas dan perubahan struktur yaitu model ARCH, GARCH, EGARCH, dan Markov switching. Hasil penelitian menunjukkan data IHSG bulan Januari 1990 sampai dengan Juni 2013 mempunyai efek heteroskedastisitas dan mengalami perubahan struktur, sehingga dapat dimodelkan dengan Markov switching ARCH (SWARCH) menggunakan asumsi tiga state (volatilitas rendah, sedang, dan tinggi). Nilai inferred probabilities dari model SWARCH dapat mendeteksi adanya krisis dengan nilai inferred probabilities di atas 0.6. Model yang diperoleh adalah SWARCH yang dapat mendeteksi krisis pada bulan November dan Desember 1990. Kata kunci: krisis keuangan, sistem pendeteksian krisis, IHSG, SWARCH, inferred probabilities. iii
ABSTRACT Alvianita Fitri Ananda, 2015, THE DETECTION OF INDONESIA FINANCIAL CRISIS BASED ON THE INDICATOR OF STOCK PRICE BY USING THE COMBINED OF VOLATILITY AND THREE STATES MARKOV SWITCHING MODEL, Faculty of Mathematics and Natural Science, Sebelas Maret University. The financial crisis in Indonesia was occurred since 1970 until 2008, worse one is in 1997. Crisis-detection system is very needed by looking at the impact of the financial crisis. One of the indicators that can be used to detect the financial crisis is the price of shares which is obtained from the data Combined Stock Price Index (IHSG). The purpose of this study is to find the best model for IHSG data and to detect the financial crisis in Indonesia based on the volatility probabilities. In this study, all the possibilities that meet the assumptions are tested in addressing the problem of heteroskedasticity effect and the structure changing such as ARCH, GARCH, EGARCH, and Markov switching. The results showed that the IHSG data from January 1990 until June 2013 has the effect of heteroscedasticity and there are structural changes, so that it can be modelled with Markov switching ARCH (SWARCH) by using the three-state assumption (low, medium, and high volatility). The inferred probabilities value of the model is able to detect the presence of a crisis SWARCH with the inferred probabilities values at above 0.6. The model that is obtained is SWARCH, which can detect the crisis in November and December 1990. Keywords: financial crisis, crisis detection system, IHSG, SWARCH, inferred probabilities iv
MOTO Semua hal memang ada waktunya, tetapi waktu itu sendiri kita juga yang harus Setelah mendaki sebuah bukit saya jadi berfikir, ini sama saja seperti mengerjakan tugas akhir. Ketika mendaki bukit, saya bukan makhluk yang kuat, tetapi saya berusaha agar kuat. Ketika menulis tugas akhir, saya tidak pintar, tetapi saya berusaha agar pintar. Ketika mendaki bukit, walaupun lelah rasanya, saya menikmati setiap perjalanannya, mencapai puncak adalah bonusnya. Diawal ada semangat yang menggebu, ditengah hampir menyerah, diakhir ingin meledak rasanya. Ya, saya yakin menulis tugas akhir rasanya seperti itu dan semua itu butuh semangat, usaha, doa, dan keyakinan jika kita bisa mendapatkan apa yang kita inginkan. Sesungguhnya sesudah kesulitan itu ada kemudahan (Al-Insyirah:7) v
PERSEMBAHAN Karya sederhana ini kupersembahkan untuk Ibu, Adik, dan Alm. Bapak, serta seluruh keluarga besarku. vi
KATA PENGANTAR Puji syukur kehadirat Allah SWT atas limpahan rahmat dan karunia-nya sehingga penulis dapat menyelesaikan skripsi ini. Penulis sadar akan keterbatasan yang dimiliki serta kebutuhan akan bantuan dan dukungan dari berbagai pihak. Penulis mengucapkan terimakasih kepada semua pihak yang telah membantu dalam penyusunan skripsi ini, khususnya kepada 1. Bapak Drs. Sugiyanto, M. Si selaku Dosen Pembimbing I yang telah memberikan bimbingan materi pada skripsi, saran, dan motivasi. 2. Bapak Drs. Pangadi, M. Si selaku pembimbing II atas bimbingan dalam penulisan skripsi, saran, dan motivasi. 3. Seluruh sahabat serta teman-teman yang telah membagi waktunya untukku. Akhir kata kritik dan saran sangat diterima oleh penulis, semoga skripsi ini dapat bermanfaat bagi pembaca. Surakarta, April 2015 Penulis vii
DAFTAR ISI viii Halaman JUDUL...... i PENGESAHAN... ii ABSTRAK... iii ABSTRACT... iv MOTO...... v PERSEMBAHAN... vi KATA PENGANTAR... vii DAFTAR ISI... viii DAFTAR TABEL... xi DAFTAR GAMBAR... xii BAB I PENDAHULUAN...1 1.1 Latar Belakang Masalah... 1 1.2 Perumusan Masalah... 3 1.3 Tujuan Penelitian... 3 1.4 Manfaat Penelitian... 3 BAB II LANDASAN TEORI...4 2.1 Tinjauan Pustaka... 4 2.1.1 Indikator Harga Saham... 5 2.1.2 Model Runtun Waktu dan Stasioner... 5 2.1.3 Uji ADF... 6 2.1.4 Log Return... 6 2.1.5 ACF dan PACF... 7 2.3.3 Model ARMA... 8 2.1.7 Uji Diagnostik Model... 11 2.1.7.1 Uji Autokorelasi Residu... 11 2.1.7.2 Uji Heteroskedastisitas... 12 2.1.7.3 Distribusi Residu... 12 2.1.8 Model ARCH... 12
2.1.9 Model GARCH... 16 2.1.10 Model EGARCH... 17 2.1.11 Kriteria Informasi... 17 2.1.12 Uji Perubahan Struktur... 18 2.1.13 Model Markov Switching... 18 2.1.14 Model Markov Switching ARCH (SWARCH)... 20 2.1.15 Inferred Probabilities... 22 2.2 Kerangka Pemikiran... 23 BAB III METODE PENELITIAN... 25 BAB IV HASIL DAN PEMBAHASAN... 27 4.1 Deskripsi Data... 27 4.2 Log Return... 27 4.3 Pembentukan Model ARMA... 28 4.3.1 Identifikasi Model... 28 4.3.2 Estimasi Parameter Model ARMA... 29 4.3.3 Uji Autokorelasi... 30 4.3.4 Uji Efek Heteroskedastisitas... 31 4.3.5 Distribusi Residu Model ARMA... 32 4.4 Model ARCH... 32 4.4.1 Uji Kelayakan Model ARCH... 34 4.4.1.1 Uji Autokorelasi Model ARCH dengan Model ARMA(1,0)... 34 4.4.1.2 Uji Efek Heteroskedastisitas Model ARCH dengan Model ARMA(1,0)... 35 4.4.1.3 Distribusi Residu Model ARCH dengan Model ARMA(1,0)... 35 4.5 Model GARCH... 36 4.6 Model EGARCH... 37 4.7 Uji Perubahan Struktur... 38 4.8 Pembentukan Model SWARCH... 39 4.9 Inferred Probabilities... 39 ix
4.10 Pendeteksian Krisis Keuangan... 42 BAB V KESIMPULAN DAN SARAN... 44 5.1 Kesimpulan... 44 5.2 Saran... 44 DAFTAR PUSTAKA... 45 x
DAFTAR TABEL Tabel 2.1. Ciri-ciri plot ACF dan PACF model AR, MA, dan ARMA... 8 Tabel 4.1. Hasil estimasi model ARMA... 29 Tabel 4.2. Uji Breusch-Godfrey residu model ARMA sampai lag ke-10... 30 Tabel 4.3. Uji pengali Lagrange sampai lag ke-10 pada model ARMA... 31 Tabel 4.4. Hasil estimasi parameter ARCH dari Residu Model ARMA... 33 Tabel 4.5. Uji pengali Lagrange sampai lag ke-5... 35 Tabel 4.6. Hasil estimasi parameter GARCH dengan model ARMA... 36 Tabel 4.7. Hasil estimasi parameter EGARCH dengan model ARMA... 37 Tabel 4.8. Uji Chow break point berdasarkan model ARMA... 38 Tabel 4.9. Hasil estimasi parameter model SWARCH... 39 Tabel 4.10. Data dengan nilai inferred probabilities lebih dari 0.6... 42 xi
DAFTAR GAMBAR Gambar 4.1. Plot data IHSG... 27 Gambar 4.2. Plot data IHSG setelah dilakukan transformasi dengan log return IHSG... 28 Gambar 4.3. Plot ACF dan PACF dari data log return... 29 Gambar 4.4. Histogram dan skewness model ARMA... 32 Gambar 4.5. Plot ACF dan PACF dari residu model ARCH dengan model ARMA... 34 Gambar 4.6. Histogram dan skewness model ARCH dengan model ARMA... 36 Gambar 4.7. Plot inferred probabilities... 41 Gambar 4.8. Plot nilai inferred probabilities antara 0.4 dan 0.6... 41 Gambar 4.9. Plot nilai inferred probabilities lebih dari 0.6... 42 xii
xiii