commit to user
i
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
commit to user
iii 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,
commit to user
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
commit to user
v 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.
commit to user
PERSEMBAHAN
commit to user
vii
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
commit to user
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
commit to user
ix
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
commit to user
4.10 Pendeteksian Krisis Keuangan ... 42
BAB V KESIMPULAN DAN SARAN... 44
5.1 Kesimpulan ... 44
5.2 Saran... 44
commit to user
xi
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
commit to user
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