Profil Emiten Bank Mandiri (BMRI)
Bank Mandiri didirikan pada 2 Oktober 1998, sebagai bagian dari program restrukturisasi perbankan yang dilaksanakan oleh pemerintah Indonesia. Pada bulan Juli 1999, empat bank pemerintah, yaitu Bank Bumi Daya, Bank Dagang Negara, Bank Ekspor Impor Indonesia dan Bank Pembangunan Indonesia dilebur menjadi Bank Mandiri, dimana masing-masing bank tersebut memiliki peran yang tak terpisahkan dalam pembangunan perekonomian Indonesia. Jaringan distribusi Bank Mandiri termasuk 3,186 ATMs, 7,051 ATMs in the LINK Network and 12,663 ATM Bersama Networks, and Electronic Data Capture (EDC) kurang lebih 25,254 di seluruh Indonesia. Bank Mandiri mempunyai 8.3 juta pemegang kartu ATM and 3.2 juta pengguna SMS Banking, 783,356 pengguna internet banking and 822,937 pengguna Call Mandiri dan lebih dari 1 juta pemegang kartu kredit Visa. Bank mandiri mencatatkan saham perdana di pasar modal pada tanggal 14 Juli 2003 dengan kode bursa BMRI.
Bank Internasional Indonesia (BNII)
PT Bank Internasional Indonesia Tbk (“BII”) didirikan pada 15 Mei 1959. Setelah mendapat ijin sebagai bank devisa pada 1988, BII mencatatkan sahamnya pada Bursa Efek Jakarta dan Bursa Efek Surabaya (sekarang Bursa Efek Indonesia) pada 21 November 1989 dengan kode bursa BNII. Sejak menjadi perusahaan publik, BII tumbuh menjadi salah satu bank swasta terkemuka di Indonesia.
Pada 2008, Malayan Banking Berhad (Maybank), bank terbesar di Malaysia dan salah satu grup keuangan terkemuka di ASEAN, mengakuisisi BII melalui anak perusahaan yang dimiliki sepenuhnya, Maybank Offshore Corporate Services (labuan) Sdn. Bhd. (MOCS). Sejak saat itu, Maybank menjadi pemegang saham utama BII melalui dua anak perusahaannya, Sorak Financial Holdings Pte. Ltd. (Sorak) dan MOCS.
BII merupakan salah satu bank terbesar di Indonesia dengan jaringan internasional dan cabang yang tersebar di seluruh provinsi di Indonesia sertadua cabang luar negeri di Mauritius dan Mumbai. BII juga mengembangkan layanan e-banking melalui BII Mobile Banking, BII Internet Banking, Mobil kas keliling, ATM dan CDM (Cash Deposit Machine) yang terkoneksi denganlebih dari 20.000 ATM tergabung dalam jaringan ATM PRIMA, ATM BERSAMA, ALTO, CIRRUS dan terhubung dengan 3.500 ATM Maybank di Singapura dan Malaysia melalui jaringan MEPS.
BII menyediakan serangkaian produk dan jasa komprehensif bagi nasabah individu maupun korporasi melalui Retail Banking, Business Banking, dan Global Banking, serta pembiayaan otomotif melalui entitas anak WOM Finance untuk kendaraan roda dua dan BII Finance untuk kendaraan roda empat.
Bank Negara Indonesia 1946 (BBNI)
Berdiri sejak 1946, BNI yang dahulu dikenal sebagai Bank Negara Indonesia, merupakan bank pertama yang didirikan dan dimiliki oleh Pemerintah Indonesia. Bank Negara Indonesia mulai mengedarkan alat pembayaran resmi pertama yang dikeluarkan Pemerintah Indonesia, yakni ORI atau Oeang Republik Indonesia. Sehubungan dengan penambahan modal pada tahun 1955, status Bank Negara Indonesia diubah menjadi bank komersial milik pemerintah. Perubahan ini melandasi pelayanan yang lebih baik dan tuas bagi sektor usaha nasional. Sejalan dengan keputusan penggunaan tahun pendirian sebagai bagian dari identitas perusahaan, nama Bank Negara Indonesia 1946 resmi digunakan mulai akhir tahun 1968. Perubahan ini menjadikan Bank Negara Indonesia lebih dikenal sebagai 'BNI 46'. Penggunaan nama panggilan yang lebih mudah diingat 'Bank BNI' ditetapkan bersamaan dengan perubahaan identitas perusahaan tahun 1988. Tahun 1992, status hukum dan nama BNI berubah menjadi PT Bank Negara Indonesia (Persero), sementara keputusan untuk menjadi perusahaan publik diwujudkan melalui penawaran saham perdana di pasar modal pada tanggal 25 November 1996 dengan kode bursa BBNI.
Bank Bukopin (BBKP)
Bank Bukopin yang sejak berdirinya tanggal 10 Juli 1970 menfokuskan diri pada segmen UMKMK, saat ini telah tumbuh dan berkembang menjadi bank yang masuk ke kelompok bank menengah di Indonesia dari sisi aset. Seiring dengan terbukanya kesempatan dan peningkatan kemampuan melayani kebutuhan masyarakat yang lebih luas, Bank Bukopin telah mengembangkan usahanya ke segmen komersial dan konsumer.
Ketiga segmen ini merupakan pilar bisnis Bank Bukopin, dengan pelayanan secara konvensional maupun syariah, yang didukung oleh sistem pengelolaan dana yang optimal, kehandalan teknologi informasi, kompetensi sumber daya manusia dan praktek tata kelola perusahaan yang baik. Landasan ini memungkinkan Bank Bukopin melangkah maju dan menempatkannya sebagai suatu bank yang kredibel. Operasional Bank Bukopin kini didukung oleh lebih dari 280 kantor yang tersebar di 22 provinsi di seluruh Indonesia yang terhubung secara real time on-line. Bank Bukopin juga telah membangun jaringan micro banking yang diberi nama “Swamitra”, yang kini berjumlah 543 outlet, sebagai wujud program kemitraan dengan koperasi dan lembaga keuangan mikro.
Dengan struktur permodalan yang semakin kokoh sebagai hasil pelaksanaan Initial Public Offering (IPO) pada tanggal 10 Juli 2006 dengan kode bursa BBKP, Bank Bukopin terus mengembangkan program operasionalnya dengan menerapkan skala prioritas sesuai strategi jangka pendek yang telah disusun dengan matang. Penerapan strategi tersebut ditujukan untuk menjamin dipenuhinya layanan perbankan yang komprehensif kepada nasabah melalui jaringan yang terhubung secara nasional maupun internasional, produk yang beragam serta mutu pelayanan dengan standar yang tinggi.
Bank Permata (BNLI)
Bank Permata adalah salah satu bank nasional di Indonesia. Bank swasta ini merupakan bentuk merger dari 5 bank di bawah pengawasan Badan Penyehatan Perbankan Nasional (BPPN), yakni PT Bank Bali Tbk, PT Bank Universal Tbk,
PT Bank Prima Express, PT Bank Artamedia, dan PT Bank Patriot pada tahun 2002. Bank ini kemudian diambil alih oleh Standard Chartered Bank dan PT Astra International Tbk yang merupakan perusahaan besar Indonesia dan memiliki pengalaman kuat di pasar domestik. Akuisisi ini terjadi pada tahun 2004 dan saham utama gabungan keduanya telah meningkat menjadi 89,01% pada tahun 2006. Dengan visi untuk menjadi pelopor dalam memberikan solusi finansial yang inovatif, Permata Bank telah berkembang menjadi sebuah bank swasta utama yang menawarkan produk dan jasa inovatif serta komprehensif terutama di sisi delivery channel-nya termasuk Internet Banking dan Mobile Banking. Bank Permata memiliki aspirasi untuk menjadi penyedia jasa keuangan terkemuka di Indonesia, dengan fokus di segmen Konsumer dan Komersial. Melayani sekitar 2 juta nasabah di 57 kota di Indonesia, Bank Permata memiliki 289 cabang (termasuk 12 cabang Syariah) dan 776 ATM dengan akses tambahan di lebih dari 40.000 ATM (VisaPlus, Visa Electron, MC, Alto, ATM Bersama dan ATM Prima). Bank Permata mencatatkan saham perdana di pasar modal pada tanggal 15 Januari 1990 dengan kode bursa BNLI.
Harga Saham Harian Katagori Perbankan
Data harga saham harian dari kelima bank tercatat selama 2109 hari, dari periode 8 Agustus 2006 sampai dengan 29 Agustus 2014. Pada periode tersebut, data harga saham berfluktuasi dengan nilai terendah Rp149 dan nilai tertinggi Rp10.750.
Berdasarkan gambar diatas, harga saham pada semua bank mengalami penurunan pada tahun 2008. Secara keseluruhan BMRI dan BBNI memiliki pola pergerakan yang hampir sama. Mengalami penurunan tajam di akhir tahun 2008 sampai awal tahun 2009 dan kemudian memiliki tren kenaikan sampai tahun 2014. Sedangkan ketiga bank lain yaitu BBKP, BNII dan BNLI juga mengalami penurunan di akhir tahun 2008 sampai awal tahun 2009 sekalipun tidak terlalu tajam. Harga saham BBKP dan BNLI cenderung setabil setelah tahun 2009 sedangkan BNII mengalami tren penurunan sekalipun tidak drastis.
Analisis Diskriptif
Data yang digunakan untuk dilakukan pemodelan deret waktu harus stationer, untuk itu digunakan data return saham harian. Namun dalam pengamatan terhadap return harian untuk ke-lima bank, hasil uji pola kolerogram dengan ACF dan PACF (lihat Lampiran 2) dan uji unit root dengan ADF dan Phillip-Pheron bersifat random dan white noise sehingga data tidak bisa digunakan untuk pemodelan. Solusinya akan diambil data return mingguan (penjelasan lebih lengkap dapat dilihat pada sub bab Identifikasi Model ARIMA). Analisis diskriptif terhadap data return saham mingguan dari tanggal dapat dilihat pada tabel berikut.
Tabel 2 Statistik deskriptif data return mingguan lima kategori Bank
BANK Simpangan Baku Skewness Kurtosis
BMRI 0,061663 0,886088 14,10034 BBNI 0,064559 0,924995 11,57775 BBKP 0,056278 0,346002 8,87101 BNII 0,065472 2,759408 25,70487 BNLI 0,051501 1,834628 18,88442 Jumlah Data : 2104
Periode : 8 Agustus 2006 s.d 29 Agustus 2014
Simpangan baku adalah penyebaran data terhadap rataan. Berdasarkan data simpangan baku dengan nilai lebih besar dari 0,05 pada semua katagori bank, menunjukan bahwa tingkat pengembalian majemuk harga saham mingguan pada bank ini relatif berfluktuasi (relatif tidak stabil) selama periode pengamatan.
Skewness adalah suatu alat ukur ketidak simetrian distribusi data disekitar rataan. Nilai skewness pada periode pengamatan untuk semua kategori bank bernilai positif, terbesar 2,759408 pada BNII dan terkecil 0,346002 pada BBKP. Hal ini berarti bahwa data return pada perusahaan ini memiliki distribusi dengan ekor yang menjulur ke kanan. Jadi, banyak data return mengelompok di sekitar rataan dan sedikit data return yang menjauh dari rataan ke arah sumbu horizontal positif, hal ini akan mengakibatkan terjadinya perbedaan pola data atau pola sisaan.
Kurtosis adalah suatu alat ukur untuk mengetahui tingkat kepadatan sebaran (memuncak atau mendatar). Nilai kurtosis untuk semua katagori Bank diatas tiga (3) yang berarti tingkat kepadatan sebarannya memuncak (lebih dari 3, berarti puncaknya relatif di atas puncak distribusi normal). Nilai kurtosis terbesar yaitu 25,70487 terdapat pada data return BNII, sedangkan terkecil 8,87101 terdapat pada data return BBKP.
Pemodelan Deret Waktu
Pemodelan deret waktu dilakukan dengan data return mingguan saham tiap katagori, menghasilkan pengamatan 2.104 data. Pemodelan dimulai dengan bentuk yang paling sederhana yaitu pengujian terhadap efek autoregressive (AR), moving avegare (MA), autoregressive moving average (ARMA) dan ARMA dengan pendeferensian (ARIMA). Setelah ditemukan model ARMA terbaik, kemudian diidentifikasi efek Dummy yang signifikan pada selang pengamatan tertentu untuk diketahui adanya pengaruh krisis global terhadap model volatilitas return. Dengan memasukkan variabel dummy, diuji efek ARCH-GARCH untuk didapatkan model terbaik yang nantinya digunakan untuk peramalan (forcasting).
Pemodelan Deret Waktu ARIMA a. Identifikasi Model ARIMA
Hasil pengamatan harga saham harian dengan ACF dan PACF ke-lima katagori perbankan, semua memiliki pola PACF yang langsung drop pada lag-1 dan pola ACF yang meluruh berlahan ke nol. Dengan demikian mengindikasikan data stationer. Namun sampai lag 100 pola ACF masih jauh mendekati nol, dan dikarenakan keterbatasan jumlah lag pada alat perhitungan, maka pengujian dengan pola ACF dan PACF menjadi tidak efektif. Alternatifnya digunakan pengujian kestasioneran data dengan uji unit root dengan ADF dan PP seperti tabel di bawah ini.
Tabel 3 Uji unit root pada harga saham harian
BANK ADF PP BMRI -0,933339 -0,708857 BBNI -0,916381 -0,829879 BBKP -1,741752 -1,867487 BNII -2,634535 -2,587935 BNLI -1,545139 -1,612421
Jumlah Data : 2108; Nilai pada taraf nyata (α=5%) : -2,862709
Hasil pengujian dengan unit root ADF dan PP berdasarkan tabel diatas menunjukkan ke-lima katagori data tidak stasioner. Untuk membuat data stasioner, dilakukan deferensiasi ordo ke-1. Hasil diferensiasi ordo ke-1 menunjukkan pola stasioner tapi bersifat random atau white noice (selengkapnya dapat dilihat pada Lampiran 2). Dengan demikian deferensiasi pada ordo ini tidak dapat dimodelkan. Dikarenakan diferensiasi ordo ke-1 data bersifat random, maka dibuat deferensiasi ordo ke-2. Hasil diferensiasi ordo ke-2 menunjukkan data stasioner dan tidak bersifat random. Sekalipun dalam model Box & Jenkins (1976) ordo dibatasi hanya selisish orde-1 atau orde-2 saja, akan tetapi, diferensiasi ordo ke-2 kurang baik untuk dilakukan pemodelan.
Alternatif yang dapat digunakan adalah return saham mingguan. Dipilih return saham mingguan dikarenakan jangka waktu yang tidak terlalu pendek, juga tidak terlalu panjang sehingga cukup moderate untuk dilakukan analisis pemodelan. Hasil pengujian kestasioneran data return saham mingguan menggunakan uji unit root pada ke-lima katagori perbankan, menunjukkan data
sudah stasioner. Dengan demikian data telah memenuhi syarat untuk dilakukan pemodelan deret waktu. Hasil uji unit root return saham mingguan selengkapnya dapat dilihat pada Lampiran 3.
b. Estimasi Parameter Model ARIMA
Tahap ini dilakukan untuk mendapatkan model ARMA terbaik. Dikarenakan data return saham mingguan sudah stationer, maka model ARIMA tidak dipakai karena tidak dilakukan diferensiasi. Model ARMA terbaik yang terpilih telah memenuhi kriteria pemilihanyaitu memiliki nilai Akaike Information Criteria (AIC) dan Schwatrz Criterion (SC) yang tekecil. Model ARMA terpilih juga telah memenuhi kriteria yang disyaratkan dalam evaluasi model Box-Jenkins, yaitu: residual bersifat acak, parameter yang diestimasi berbeda nyata dengan nol, kondisi invertibilitas dan stasioneritas terpenuhi yang ditunjukkan oleh jumlah koefisien AR dan MA yang masing-masing kurang dari satu, dan model memiliki MSE yang kecil (bisa dilihat dari nilai AIC dan SC). Model ARIMA terbaik untuk masing-masing analisis disajikan pada Tabel 4. Hasil pengolahan model ARMA selengkapnya terdapat pada Lampiran 4.
Tabel 4 Model ARMA dan dummy signifikan lima kategori bank
Bank Model ARMA
BMRI MA4 BBNI MA4 BBKP AR1MA5 BNII MA4 BNLI MA5
c. Identifikasi Efek ARCH dan Penentuan Model ARCH-GARCH
Setelah didapatkan model ARMA terbaik, maka kemudian dilakukan identifikasi efek ARCH dan selanjutnya ditentukan model ARCH-GARCH terbaik. Identifikasi model ARCH dilakukan dengan pola residual kuadrat melalui korologram dan uji ARCH-LM.
Uji efek ARCH digunakan untuk melihat keberadaan efek ARCH pada model yang diestimasi. Pada pola residual kuadrat, efek ARCH dilihat dari autokorelasi (ACF) dan autokorelasi parsial (PACF) dari error kuadrat dan perhitungan Ljung-Box Q Statistics sampai lag tertentu. Jika koefisien ACF dan PACF signifikan secara statistic, berarti model mengandung unsur ARCH. Sedangkan pada Uji ARCH-LM Keberadaan efek ARCH dilihat dari nilai probabilitas yang lebih kecil dari 0.05. Jika terdapat efek ARCH pada masing masing model ARIMA tersebut, maka analisis dapat dilanjutkan untuk mencari model ARCH-GARCH. Namun jika tidak terdapat efek ARCH, maka penentuan model ARCH-GARCH tidak perlu dilakukan.
Hasil uji efek ARCH menunjukkan bahwa seluruh model mengandung efek ARCH. Dengan demikian model ARIMA akan dilanjutkan dengan menentukan model ARCH-GARCH terbaik. Hasil uji efek ARCH selengkapnya dapat dilihat pada Lampiran 4. Sedangkan ringkasan hasil uji dapat dilihat pada tabel berikut.
Tabel 5 Hasil uji efek ARCH model ARMA pada lima kategori bank
Bank Model ARMA F-Statistik Probabilitas
BMRI MA4 151,27430 0,00000
BBNI MA4 64,81444 0,00000
BBKP AR1MA5 24,58517 0,00000
BNII MA4 50,65725 0,00000
BNLI MA5 232,56170 0,00000
d. Penentuan Model ARCH-GARCH
Pemilihan model ARCH-GARCH terbaik dilakukan melalui beberapa kriteria, meliputi: model yang memiliki nilai SC dan AIC yang terkecil, signifikansi parameter estimasi pada selang kepercayaan 5%, nilai Log Likelihood terbesar, dan sudah tidak ada efek ARCH. Berdasarkan sejumlah kriteria tersebut, maka model ARMA terbaik diuji dan diperoleh model ARCH-GARCH terbaik untuk tiap katagori perbankan (Tabel 6). Hasil pengujian model ARCH-GARCH selengkapnya terdapat pada Lampiran 5.
Tabel 6 Model ARCH-GARCH terbaik pada lima kategori bank
BANK MODEL ARCH-GARCH TERBAIK
BMRI TGARCH (1.1)
BBNI GARCH (2.1)
BBKP TGARCH (2.1)
BNII GARCH (1.1)
BNLI TGARCH (2.2)
Hasil pada tabel diatas menunjukan bahwa semua model mengandung efek GARCH. Hal ini menunjukkan bahwa model volatilitas return saham mingguan dipengaruhi oleh residual dan ragam residual periode yang lalu. Adanya model TGARCH mengindikasikan terjadinya guncangan yang bersifat asimetri terhadap volatilitas. Berdasarkan hasil pemodelan, BMRI,BBKP dan BNLI memiliki model asimetri dengan TGARCH. Sedangkan BBNI dan BNII volatilitasnya tidak terpengaruh efek asimetri. Namun demikian pendugaan efek asimetri terhadap model volatilitas yang disebabkan pengaruh krisis global secara spesifik tidak dapat digambarkan dari model. Hal ini dikarenakan rentang data saham harian dan return mingguan yang sangat panjang yaitu Agustus 2006 sampai dengan Agustus 2014. Efek asimetri dapat terjadi disebabkan pengaruh krisis global, namun dapat pula disebabkan pengaruh guncangan simetris (symetri shock) sesudah atau sebelum krisis global. Demikian halnya model yang tidak terpengaruh guncangan simetris, bisa jadi guncangan negatif yang bersifat asimetri pada periode krisis global memiliki pengaruh yang lebih kecil terhadap guncangan positif periode setelah krisis global. Dengan demikian efek asimetri tidak dapat dideteksi. Untuk mengetahui pengaruh krisis global terhadap efek asimetri ini, digunakan variabel buatan atau disebut variabel dummy.
e. Variabel Buatan (Dummy)
Model ARCH-GARCH terbaik yang diperoleh dari bahasan sebelumnya akan ditambahkan variabel dummy untuk menguji efek asimetri yang dipengaruhi oleh krisis global tahun 2008. Variabel dummy diperoleh dengan analisis kestabilan (stability diagnostics) menggunakan chow breakpoint test dari model ARMA terbaik. Hasil pengujian menggunakan chow breakpoint test pada periode waktu tertentu akan diketahui signifikansi kestabilannya. Jika hasil chow breakpoint test signifikan pada periode waktu tertentu, akan diberi nilai satu. Sebaliknya jika tidak signifikan akan diberi nilai 0. Dengan demikian pada selang waktu pengamatan periode 8 Agustus 2006 s.d 29 Agustus 2014 akan didapatkan nilai dummy 0 dan dummy 1. Hasil analisis signifikansi dummy dengan chow breakpoint test secara ringkas digambarkan pada Lampiran 6.
Berdasarkan gambar diatas, chow breakpoint test memiliki signifikansi yang berbeda pada periode waktu tiap katagori perbankan. Dummy BNLI terpusat pada rentang waktu yang tidak panjang dari kuartal ke-empat tahun 2008 sampai dengan pertengahan tahun 2010. Hal ini berarti terdapat kondisi tidak stabil pada periode waktu tersebut, yang hampir bersamaan dengan periode krisis global. Dummy BMRI tersebar namun pada rentang waktu yang tidak panjang dari akhir tahun 2007 sampai dengan pertengahan tahun 2010. Hal ini berarti terdapat kondisi tidak stabil pada periode waktu tersebut, yang berdekatan dengan periode krisis global. Dummy BBNI tersebar namun pada rentang waktu pertengahan tahun 2007 sampai dengan awal tahun 2011. Hal ini berarti terdapat kondisi tidak stabil pada periode sebelum, sesaat dan sesudah krisis global. Dummy BNII dan dummy BBKP tersebar dengan rentang waktu yang panjang dari pertengahan tahun 2006 sampai dengan awal tahun 2012. Hal ini berarti terdapat kondisi tidak stabil pada periode jauh sebelum, sesaat dan jauh sesudah krisis global.
Dikaitkan dengan dengan katagori perbankan, BNLI sebagai bank dengan katagori 5 (lima), ternyata memiliki signifikansi dummy yang relatif pendek. Hal ini menunjukkan bahwa BNLI cukup resisten atau tahan terhadap guncangan asimetri yang disebabkan oleh krisis global karena segera mencapai kestabilan setelah pertengahan 2010. BMRI sebagai bank dengan katagori 1 (satu), mencapai kestabilan yang tidak konsisten sampai triwulan tiga tahun 2010. Kestabilan yang tidak konsisten ditunjukkan dari signifikansi dummy yang naik turun pada tahun 2010. Hal ini menunjukkan tahun 2010 BMRI bergerak menuju arah kestabilan sejak awal tahun 2010 tetapi belum benar-benar stabil sampai triwulan tiga tahun 2010. BNII dengan katagori 2 (dua) memiliki rentang kestabilan lebih panjang yaitu setelah triwulan tiga tahun 2011. Dibandingkan dengan BBNI (katagori 3) yang memiliki kestabilan setelah triwulan tiga tahun 2012, terlihat BNII lebih resisten atau tahan terhadap dampak krisis global 2008 ditunjukkan dari signifikansi dummy yang lebih pendek. Sedangkan BBKP sebagai bank dengan katagori 1 (satu) terlihat paling rentan tergadap guncangan asimetri dilihat signifikansi dummy yang paling panjang bahkan sampai tahun 2013. Hal ini berarti BBKP paling rentan terhadap guncangan krisis global 2008 maupun guncangan lain setelah periode krisis global 2008.
Signifikasi dummy pada periode waktu tersebut juga dapat menjelaskan volatilitas return saham. Pada periode dummy signifikan ditandai dengan varians dan standar deviasi yang tinggi. Hal ini berarti penggunaan parameter dummy dalam menentukan periode kestabilan dari volatilitas return sudah tepat.
Penggambaran signifikansi periode dummy dan hubungannya dengan standar deviasi selengkapnya dapat dilihat pada Lampiran 6.
Setelah diketahui periode dummy signifikan, kemudian diuji signifikansi dummy tersebut pada model terpilih. Hasil analisis persamaan dengan variabel dummy adalah sebagai berikut.
Tabel 7 Hasil analisis varian dummy
BANK Model Dummy
Koefisien Signifikansi
BMRI TGARCH (1.1) 2,02E-05 0,00030
BBNI GARCH (2.1) 6,62E-06 0,00030
BBKP TGARCH (2.1) 1,43E-05 0,00000
BNII GARCH (1.1) 4,56E-05 0,00000
BNLI TGARCH (2.2) 1,27E-05 0,00000
Berdasarkan tabel diatas, semua model terpilih memiliki dummy yang signifikan. Hal ini berarti dummy berpengaruh signifikan terhadap varian return saham harian sebesar nilai koefisiennya. Pada BMRI dengan probabilitas 0,00030, dammy berpengaruh signifikan sebesar 2,02E-05 pada setiap kenaikan satu satuan ragam residual. Analisis yang sama juga berlaku untuk katagori perbankan yang lain.
f. Evaluasi Model
Evaluasi model dilakukan dengan memeriksa kelaikan model sehingga model yang diperoleh cukup layak atau baik. Model yang baik adalah yang bersifat random (white noise). Diagnosis model dilakukan dengan menganalisis residual yang telah distandardisasi. Diagnosis meliputi: 1) kenormalan residual menggunakani uji statistik Jarque-Bera, 2) kebebasan residual dengan uji Ljung-Box, dan 3) pengujian efek ARCH-GARCH residual dengan uji ARCH LM. Jika model tidak memadai atau tidak bersifat random, maka kembali ke tahap identifikasi untuk mendapatkan model yang lebih baik. Evaluasi untuk model ARCH-GARCH disajikan pada Tabel 8 berikut.
Tabel 8 Hasil uji kecukupan model ARCH-GARCH terbaik
Uraian Uji Jarque Bera Uji Ljung-Box Uji ARCH-LM
Nilai JB Prob. Prob. lag1-36 F-statistik Prob.
BMRI 305,7786 0,0000 Tidak Signifikan 0,876188 0,3494 BBNI 1514,033 0,0000 Tidak Signifikan 1,054188 0,3047 BBKP 3553,352 0,0000 Tidak Signifikan 0,049400 0,8241 BNII 6233,423 0,0000 Tidak Signifikan 1,905864 0,1676 BNLI 3318,415 0,0000 Tidak Signifikan 0,017342 0,8952 Berdasarkan hasil uji normalitas terlihat bahwa pada semua model ragam yang terbentuk menunjukkan residual tidak menyebar normal yang dapat dilihat dari uji Jaque-Bera dengan nilai probabilitas 0.0000 (P < 0.05). Menurut Brooks (2002), sekalipun asumsi kenormalan tidak dipenuhi, parameter yang diestimasi akan tetap konsisten jika persamaan atau model dapat dipilih dengan tepat. Akan tetapi, dalam kondisi ketidak normalan, estimasi standar error menjadi kurang