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
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
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
Judul : Faktor-Faktor yang Mempengaruhi Indeks Saham dengan Menggunakan Analisis Data Panel
Nama : Dewi Sartika
NRP : G14060545
Menyetujui :
Pembimbing I,
Dr. Ir. I Made Sumertajaya, M.Si NIP : 196807021994021001
Pembimbing II,
Dian Kusumaningrum, S.Si, M.Si
Mengetahui :
Ketua Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam IPB
Dr. Ir. Hari Wijayanto, M.Si NIP : 196504211990021001
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
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 2003. 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 2009. Pada bulan Februari 2010 sampai dengan April 2010, penulis melaksanakan kegiatan praktik lapang di PT TEMPO Intimedia, Jakarta Selatan.
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
vii
DAFTAR GAMBAR
Halaman
1 Hasil Uji Kolmogorov Smirnov model pengaruh tetap ... 6
2 Hasil Uji Kolmogorov Smirnov model penngaruh tetap menggunakan bobot bagi setiap individu dan AR (1) ... 6
DAFTAR TABEL
Halaman 1 Hasil Uji Chow ... 52 Hasil Uji Hausman ... 5
3 Pengaruh spesifik individu model pengaruh tetap ... 5
4 Nilai VIF peubah bebas pada model pengaruh tetap ... 5
5 Hasil Uji White model pengaruh tetap ... 5
6 Hasil Uji White model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) ... 6
7 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 ... 112 Hasil analisis model gabungan ... 12
3 Hasil analisis model pengaruh tetap ... 12
4 Hasil analisis model pengaruh acak ... 12
5 Hasil analisis model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1). 13
6 Nilai validasi MAPE analisis data panel dan analisis parsial ... 13
7 Hasil analisis parsial menggunakan metode kuadrat terkecil ... 14
8 Uji kehomogenan ragam sisaan menggunakan ARCH pada analisis parsial ... 15
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 :
yit = c + X'it β + uit (1)
2
Dimana i menyatakan objek pengamatan atau individu, t menyatakan waktu, c menyatakan konstanta, β menyatakan kemiringan fungsi berukuran k x 1, Xit merupakan pengamatan objek ke i, waktu ke t, untuk setiap peubah penjelas k, yit dan uit menyatakan vektor pengamatan dari peubah tak bebas dan sisaan untuk individu ke i. y= 𝒚₁ . . . 𝒚N u = 𝒖₁ . . . 𝒖N X = 𝑋111 𝑋112 𝑋113 … 𝑋11k ⋮ ⋮ ⋮ ⋮ 𝑋1T1 ⋮ 𝑋N11 ⋮ 𝑋NT 1 𝑋1T2 ⋮ 𝑋N12 ⋮ 𝑋NT 2 𝑋1T3 ⋮ 𝑋N13 ⋮ 𝑋NT 3 … … … 𝑋1Tk ⋮ 𝑋N1k ⋮ 𝑋NTK
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 (µi) dan kesalahan yang terjadi pada setiap observasi atau remainder disturbance (vit). uit = μi + νit
u = Zμμ + ν u' = (u11, …, u1T, u21, …, u2T, …, uN1, ..., uNT)
Zμ = I⊗ ι
I sebuah matriks identitas berdimensi N
ι sebuah vektor satuan berdimensi T x 1 ⊗ menyatakan perkalian Kronecker. ν' = (ν11, . . . , ν1T , . . . , νN1, . . . , νNT )
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 (µi) diasumsikan tetap, vit ~ b.s.i (0,σv2), dan Xit saling bebas pada vit untuk setiap individu (i) dan waktu (t). Asumsi pada model pengaruh acak adalah µi ~ b.s.i (0,σµ2), vit ~ b.s.i (0,σv2), dan Xit saling bebas pada µi dan vit 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 (µi), pengaruh waktu yang tidak terobservasi (λt), dan kesalahan yang terjadi pada setiap observasi atau
remainder disturbance (vit). uit = μi + λt + νit
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 µi dan λt adalah tetap, vit ~ b.s.i (0,σv2), dan Xit saling bebas pada vit untuk setiap individu (i) dan waktu (t). Asumsi pada model pengaruh acak adalah µi ~ b.s.i (0,σµ2), λt ~ b.s.i (0,σλ2), vit ~ b.s.i (0,σv2), 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:
yit = c + βXit + γiWit + δtZit + uit Dimana Wit = 1 untuk individu ke i (i=2,…,
N), dan 0 selainnya.
Zit = 1 untuk periode waktu ke t (t=2,…,T), dan 0 selainnya.
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 (H0) pada uji Chow adalah tidak terdapat pengaruh individu terhadap model (model mengikuti model gabungan). Statistik uji yang digunakan adalah: F0 = (𝑅𝑅𝑆𝑆 −𝑈𝑅𝑆𝑆 )/(𝑁−1) 𝑈𝑅𝑆𝑆 /(𝑁𝑇−𝑁−𝐾) ~ H0 FN-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.
βoi = βi + vi
dimana βoi adalah konstanta untuk individu ke-i, βi adalah rata-rata dari konstanta ke-i, dan
vi 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 (H0) pada uji Hausman ini adalah model mengikuti model pengaruh acak
dan hipotesis tandingannya (H1) adalah model mengikuti model pengaruh tetap. Statistik uji yang digunakan adalah:
χ2
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 H0 apabila nilai χ2hitung lebih besar dari χ2
(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 = 𝑢𝑡− 𝑢𝑡−1 2 𝑛 𝑖=1 𝑢𝑡2 𝑛 𝑖=1
Dimana n adalah jumlah pengamatan, ut adalah sisaan pada waktu ke t, dan ut-1 adalah sisaan pada waktu ke t-1.
Menurut Trihendradi (2005), data sisaan memiliki masalah korelasi serial apabila nilai DW yang dihasilkan kurang dari 1.210 atau lebih dari 2.790. Selanjutnya apabila nilai DW berada diantara nilai 1.210 sampai dengan 1.650 atau berada diantara nilai 2.350 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 1.650 sampai dengan 2.350.
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
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 = y i−ŷi y i n i=1 n x 100%
Dimana ŷi adalah nilai peubah respon dugaan dari model yang dihasilkan, yi 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 2009. 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 2009.
9. 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
oleh inflasi, nilai kurs, dan tingkat suku bunga. Analisis data panel menggunakan model gabungan juga menghasilkan nilai R2 sebesar 38.300%.
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 R2 sebesar 93.600%, dan nilai R2 ini lebih besar jika dibandingkan dengan R2 hasil model gabungan.
Hasil Uji Chow pada Tabel 1 menghasilkan nilai-p sebesar 0.000. 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 Statistik uji
Derajat
bebas Nilai-p Uji F 706.329 (6,494) 0.000 Uji χ2 1138.819 6 0.000
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 R2 sebesar 18.900%. Nilai R2 ini jauh lebih kecil jika dibandingkan dengan nilai R2 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
model acak Statistik uji Derajat
bebas Nilai-p Uji χ2 86.374 3 0.000 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:
Indeksit = C1i + 6.988 – 0.900 Inflasiit – 1.717 Kursit + 0.144 Tingkat suku bungait + uit
Dimana C1i menyatakan pengaruh individu setiap negara yang dapat dilihat pada Tabel 3, dan uit menyatakan nilai sisaan analisis data panel model pengaruh tetap.
Tabel 3 Pengaruh spesifik individu model pengaruh tetap Individu Pengaruh Jepang 2.535 Indonesia 4.715 Singapura -1.571 Australia -1.285 Inggris -2.011 Kanada -1.085 Malaysia -1.298 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 1.470
Kurs 1.240
Tingkat suku bunga 1.310 Tabel 5 menunjukkan bahwa hasil Uji White yang digunakan untuk mengetahui apakah data sisaan memiliki ragam yang homogen atau tidak menghasilkan nilai nR2 lebih besar dari nilai χ10(5%), sehingga dapat dinyatakan bahwa sisaan hasil model pengaruh tetap memiliki ragam yang tidak homogen. Tabel 5 Hasil Uji White model pengaruh tetap Model nR2 χ10(5%) Model pengaruh tetap 208.110 18.307
Selain masalah pelanggaran asumsi kehomogenan ragam sisaan, analisis data panel dengan model pengaruh tetap
6
menghasilkan nilai DW sebesar 0.105 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 0.010. Dengan demikian dapat disimpulkan bahwa sisaan hasil model pengaruh tetap tidak menyebar normal. 0.5 0.4 0.3 0.2 0.1 0.0 -0.1 -0.2 -0.3 -0.4 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 sisaan P e rs e n Mean -3.17460E-08 StDev 0.1080 N 504 KS 0.087 P-Value <0.010
Gambar 1 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 R2 yang dihasilkan pada model ini cukup besar, yaitu 99.700% dan nilai R2 ini lebih besar jika dibandingkan dengan R2 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 nR2 χ10(5%) Model pengaruh tetap
menggunakan bobot bagi setiap individu dan AR(1)
14.930 18.307 Selanjutnya hasil Uji Kolmogorov Smirnov pada Gambar 2 menghasilkan nilai-p lebih besar dari 0.150 hal ini menunjukkan bahwa sisaan hasil model pengaruh tetap menggunakan bobot bagi setiap individu dan AR(1) sudah menyebar normal.
5.0 2.5 0.0 -2.5 -5.0 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 sisaan P e rs e n Mean -0.1938 StDev 1.428 N 497 KS 0.031 P-Value >0.150
Gambar 2 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:
Indeksit = C1i + 4.08745 – 0.03535 inflasiit – 0.41894 kursit – 0.00166 tingkat suku bungait + uit
uit = µi + 0.96201vit-1 + εit dimana εit menyatakan sisaan dugaan satu periode ke depan, C1i menyatakan pengaruh spesifik individu ke-i yang ditampilkan pada Tabel 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 C1i 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 0.940 Indonesia 0.938 Singapura -0.531 Australia -0.288 Inggris -0.370 Kanada 0.071 Malaysia -0.760
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 0.940. 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 -0.760. 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
Indekst = 0.725 – 0.427 Inflasit – 0.082 Kurst – 0.071 tingkat suku bungat + 1.043 indekst-1 + vt 2. Indonesia
Indekst = 8.747 + 0.025 Inflasit – 1.236 Kurst – 0.625 Tingkat suku bungat + 0.953vt-1 + εt
3. Malaysia
Indekst = 1.143 – 0.480 Inflasit – 0.063 Kurst + 0.109 Tingkat suku bungat + 0.936 Indekst-1 + vt 4. Singapura
Indekst = 0.590 – 0.039 Kurst + 0.030 Tingkat suku bungat + 0.825 Indekst-1 + 0.332 vt-1 + εt 5. Jepang
Indekst = 7.310 – 3.639 Inflasit + 0.115 Kurst + 0.003Tingkat suku bungat + 0.937 Indekst-1 + vt 6. Australia
Indekst = 1.226 – 0.656 Inflasit – 0.039 Kurst + 0.009 Tingkat suku bungat + 1.056 Indekst-1 + vt 7. Kanada
Indekst = -0.459 + 2.200 Inflasit – 0.918 Kurst + 0.131 Tingkat suku bungat + 0.895 vt-1 + εt
Dimana vt menyatakan nilai sisaan pada waktu ke-t, vt-1 menyatakan sisaan pada satu periode waktu sebelumnya, εt menyataakan sisaan apabila dilakukan pendugaan satu periode waktu kedepan, dan indekst-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
8
disebabkan karena resesi yang dialami oleh Negara Inggris sejak tahun 2003. 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 R2 yang cukup besar, yaitu 95.954%. Sehingga dapat dinyatakan bahwa sebesar 95.954% 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 2.163 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 nR2 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 R2 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 R2 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
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. 2005. Econometric Of Analysis Of
Panel Data. Ed ke-3. England: John
Wiley&Sons Ltd.
Bruderl J. 2005. Panel data analysis.
http://www2.sowi.uni-mannheim.de/lsssm/veranst/panelanalyse. pdf. [26, Mei, 2010].
Draper N, Smith H. 1992. Analisis Regresi Terapan. Ed ke-2. Jakarta: PT Gramedia Pustaka Utama.
Lains A. 2006. Ekonometrika Teori dan Aplikasi. Jilid ke-2. Jakarta: Pustaka LP3ES Indonesia.
Myers RH. 1990. Calssical and Modern regression with Applications. Ed ke-2. USA: PWS-KENT Publishing Company. Nugroho NB. 2008. Ekonomi Singapura masih
akan memburuk. news.okezone.com /read/2008/10/28/277/158312/277/ekono mi-singapura-masih-akan-memburuk. [10 Desember 2010].
Ocktavia A. 2007. 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. 1998.
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/economy-inggris-terpuruk. [10 Desember 2010]. Salvatore D. 2002. 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. 2005. Step by Step SPSS 13 Analisis Data Statistik. Yogyakarta: Andi Offset.
Winarno WW. 2009. Analisis Ekonometrika Dan Statistika Dengan Eviews. Ed ke-2. Yogyakarta: UPP STIM YKPN.
Spesifikasi model gabungan dan model pengaruh tetap Pendugaan parameter untuk setiap model Model gabungan
Model pengaruh tetap (MPT) Uji Hausman Model pengaruh tetap Spesifikasi model pengaruh acak Metode MKT Pendugaan parameter model pengaruh acak Model pengaruh acak (MPA) Analisis parsial Spesifikasi model untuk setiap negara Pendugaan parameter model untuk setiap negara
Pemeriksaan dan perbaikan asumsi
sisaan
Pemeriksaan dan perbaikan asumsi kehomogenan ragam sisaan, kebebasan sisaan, kenormalan
sisaan, dan tidak terdapat multikolinearitas antar peubah bebas
Model pengaruh acak Validasi MAPE stop Validasi (MAPE) Validasi (MAPE)
Pemeriksaan dan perbaikan asumsi kehomogenan ragam sisaan, kebebasan sisaan, kenormalan
sisaan, dan tidak terdapat multikolinearitas antar peubah bebas
Pemeriksaan dan perbaikan asumsi kehomogenan ragam sisaan, kebebasan sisaan, kenormalan
sisaan, dan tidak terdapat multikolinearitas antar peubah bebas Lampiran 1 Diagram alur analisis data panel dan analisis parsial
Metode GLS Metode MKT & LSDV
MPT atau MPA Uji chow
Model gabungan dan model pengaruh tetap Model pengaruh acak
Model gabungan /
model pengaruh
12
Lampiran 2 Hasil analisis model gabungan
Spesifikasi setiap peubah
Peubah Koefisien Sisaan baku t-hitung Nilai-p C 2.988 0.404 7.390 0.000* Inflasi 0.441 0.201 2.185 0.029* Kurs -0.109 0.011 -9.328 0.000* Tingkat suku bunga -0.480 0.033 -14.770 0.000*
Spesifikasi model gabungan
R2 0.383 Durbin-Watson 0.021£ R2 Adjusted 0.379 Nilai-p (F-hitung) 0.000* * 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 6.988 0.279 25.061 0.000* Inflasi -0.900 0.098 -9.174 0.000* Kurs -1.717 0.144 -11.848 0.000* Tingkat suku bunga 0.144 0.029 5.036 0.000*
Spesifikasi model pengaruh tetap Efek individu tetap
R2 0.936 Durbin-Watson 0.105£
R2 Adjusted 0.934 Nilai-p (F-hitung) 0.000* * 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 5.529 0.276 20.000 0.000* Inflasi -0.681 0.095 -7.166 0.000* Kurs -0.682 0.088 -7.706 0.000* Tingkat suku bunga 0.174 0.028 6.113 0.000*
Spesifikasi model efek acak
Efek individu acak 0.419 0.937* Idiosyncratic acak 0.108 0.063* R2 0.189 Durbin-Watson 0.065£
R2 Adjusted 0.184 Nilai-p (F-hitung) 0.000* * Signifikan berdasarkan taraf α = 5%;
£
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 4.087 0.155 26.328 0.000* Inflasi -0.035 0.066 -0.533 0.595* Kurs -0.419 0.074 -5.677 0.000* Tingkat suku bunga -0.002 0.009 -0.187 0.851* AR(1) 0.962 0.008 114.453 0.000*
Spesifikasi model efek tetap Efek individu tetap
R2 0.997 Durbin-Watson 1.650§ R2 Adjusted 0.997 Nilai-p (F-hitung) 0.000* * 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 2.230 Menggambarkan keadaan data lain dengan baik
Parsial
Jepang 0.620± Menggambarkan keadaan data lain dengan baik Indonesia 1.080± Menggambarkan keadaan data lain dengan baik Singapura 0.930± Menggambarkan keadaan data lain dengan baik Australia 1.130± Menggambarkan keadaan data lain dengan baik Inggris 0.890± Menggambarkan keadaan data lain dengan baik Kanada 1.040± Menggambarkan keadaan data lain dengan baik Malaysia 1.510± Menggambarkan keadaan data lain dengan baik ±
14
Lampiran 7 Hasil analisis parsial menggunakan metode kuadrat terkecil Negara Peubah koefisien Sisaan
baku t-hitung Nilai-p VIF R 2 (%) MAPE(%) DW Inggris C 0.725 0.223 3.246 0.002* 95.954 0.890 2.163§ Inflasi -0.427 0.150 -2.853 0.006* 2.128 Kurs -0.082 0.125 -0.657 0.513* 5.353 Tingkat suku bunga -0.071 0.056 -1.261 0.212* 5.146 Indeks(-1) 1.043 0.053 19.594 0.000* 4.895 Indonesia C 8.747 2.214 3.951 0.000* 97.438 1.080 2.037§ Inflasi 0.025 0.023 1.119 0.267* 1.584 Kurs -1.236 0.556 -2.224 0.030* 1.450 Tingkat suku bunga -0.625 0.310 -2.018 0.048* 1.151 AR(1) 0.953 0.017 56.277 0.000* Malaysia C 1.143 0.499 2.289 0.025* 96.380 1.510 1.750§ Inflasi -0.480 0.180 -2.661 0.010* 1.577 Kurs -0.063 0.207 -0.302 0.764* 5.599 Tingkat suku bunga 0.109 0.090 1.216 0.228* 3.147 Indeks(-1) 0.936 0.048 19.563 0.000* 4.338 Australia C 1.226 0.426 2.881 0.005* 97.940 1.130 1.978§ Inflasi -0.656 0.242 -2.711 0.009* 3.014 Kurs -0.039 0.078 -0.503 0.617* 2.858 Tingkat suku bunga 0.009 0.004 2.117 0.038* 1.144 Indeks(-1) 1.056 0.044 24.104 0.000* 4.760 Jepang C 7.310 2.737 2.671 0.009* 95.295 0.620 1.749§ Inflasi -3.639 1.285 -2.832 0.006* 2.070 Kurs 0.115 0.129 0.889 0.377* 1.490 Tingkat suku bunga 0.003 0.010 0.313 0.755* 2.630 Indeks(-1) 0.937 0.039 24.141 0.000* Singapura C 0.590 0.218 2.702 0.009* 97.327 0.930 2.059§ Inflasi 0.000 0.002 0.026 0.979* 2.722 Kurs -0.164 0.052 -3.157 0.002* 3.771 Tingkat suku bunga 0.030 0.018 1.675 0.099* 1.490 Indeks(-1) 0.825 0.065 12.709 0.000* 5.983 AR(1) 0.332 0.132 2.507 0.015* Kanada C -0.459 2.123 -0.216 0.830* 97.528 1.040 1.804§ Inflasi 2.200 1.043 2.108 0.039* 4.476 Kurs -0.918 0.253 -3.630 0.001* 5.774 Tingkat suku bunga 0.131 0.075 1.732 0.089* 1.669 AR(1) 0.895 0.073 12.219 0.000* * Signifikan berdasarkan taraf α = 5%;
§
0.10 0.05 0.00 -0.05 -0.10 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 sisaan_Indonesia P e rs e n Mean 0.001130 StDev 0.03200 N 72 KS 0.080 P-Value >0.150 0.050 0.025 0.000 -0.025 -0.050 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 sisaan_Inggris P e rs e n Mean 1.408451E-08 StDev 0.01457 N 71 KS 0.103 P-Value 0.059 0.050 0.025 0.000 -0.025 -0.050 -0.075 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 sisaan_Malaysia p e rs e n Mean 7.042254E-09 StDev 0.01778 N 71 KS 0.068 P-Value >0.150 0.050 0.025 0.000 -0.025 -0.050 -0.075 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 sisaan_Australia P e rs e n Mean -2.25352E-09 StDev 0.01556 N 71 KS 0.102 P-Value 0.066 Lampiran 8 Uji kehomogenan ragam sisaan menggunakan ARCH pada analisis parsial Negara F-hitung Nilai-p (F-hitung) nR2 Nilai-p (nR2)
Inggris 2.884 0.094 2.848 0.091 Jepang 0.068 0.795 0.070 0.791 Indonesia 0.008 0.929 0.008 0.927 Singapura 0.410 0.524 0.419 0.517 Kanada 1.484 0.227 1.495 0.221 Australia 0.002 0.527 0.413 0.962 Malaysia 0.404 0.527 0.413 0.520 ∞
Nilai-p (F-hitung atau nR2) lebih besar dari 0.05 ragam sisaan homogen berdasarkan taraf α = 5%
Lampiran 9 Uji kenormalan sisaan menggunakan Kolmogorov Smirnov analisis parsial
9.1 Hasil uji Kolmogorov Smirnov 9.2 Hasil uji Kolmogorv Smirnov Negara Inggris Negara Indonesia
9.3 Hasil uji Kolmogorov Smirnov 9.4 Hasil uji Kolmogorov Smirnov Negara Malaysia Negara Australia
16 0.05 0.00 -0.05 -0.10 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 sisaan_Jepang P e rs e n Mean 1.408451E-08 StDev 0.02206 N 71 KS 0.075 P-Value >0.150 0.050 0.025 0.000 -0.025 -0.050 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 sisaan_kanada P e rs e n Mean -0.0003986 StDev 0.01646 N 72 KS 0.070 P-Value >0.150 0.050 0.025 0.000 -0.025 -0.050 -0.075 -0.100 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 sisaan_Singapura P e rs e n Mean -1.40845E-08 StDev 0.02032 N 71 KS 0.095 P-Value 0.114
9.5 Hasil uji Kolmogorov Smirnov 9.6 Hasil uji Kolmogorov Smirnov Negara Jepang Negara Singapura
9.7 Hasil uji Kolmogorov Smirnov Negara Kanada
©
