Analisis Data dengan General Autoregressive Conditional Heteroscedasticity Model ( GARCH ), Threshold ARCH ( T-ARCH )

Pengujian dengan regresi bertujuan untuk mengukur kekuatan dan menunjukkan arah hubungan antara variabel dependen dengan variabel independen. Data yang digunakan penelitian ini berbentuk time series karena menggunakan data harian, misalnya diambil data dari Januai 2010 – July 2011. Dengan data time series dapat ditemukan pola pertumbuhan atau perubahan masa lalu, yang dapat digunakan untuk kegiatan bisnis dan keuangan. Data time series memiliki kecenderungan varian error term yang tidak konstan dari waktu ke waktu, maka varian residual dari data time series tidak konstan dan berubah-ubah dari satu periode ke periode lainnya atau mengandung unsur heteroskedastis. Dengan tingginya volatilitas data maka perlu dibuat model pendekatan tertentu untuk mengukur masalah volatilitas residual. Salah satu pendekatan adalah dengan memasukkan variable independen yang mampu memprediksikannya.

Untuk mengatasi varying time dependent (variansi dari error yang tidak konstan) maka akan digunakan model ARCH yang dikembangkan oleh Engle, 1982 dan GARCH (Bollerslev, 1986) yang memodelkan selain autoregresi juga memodelkan variansi dari error (condditional heteroscedascity of variance).

Asumsi yang selama ini menjadi kajian aliran utama ekonometrika yakni data time series kecenderungan mempunyai kesalahan pengganggu atau residual (error term) yang konstan dari waktu ke waktu berdasarkan kenyataan tersebut dalam bahasa ekonometrika berarti bahwa varian dari data time series ini tidak konstan tetapi berubah-ubah dari satu periode ke periode yang lain. Varian dari residual bukan lagi hanya fungsi variabel independen tetapi selalu berubah-ubah, tergantung seberapa besar residual dimasa lalu (Rahayu dan Firmansyah, 2004).

Model ekonometrika yang tepat untuk mengestimasikan perilaku seperti itu disebut Autoregressive Conditional Heteroscedasticity Model (ARCH). Model ini pertama kali dikembangkan oleh Robert Engle. Sebelumnya ARCH lebih dulu dikenal dengan metode peramalan Autoregressive Integrated Moving Average (ARIMA) yang dikembangkan oleh Box-Jenkins. Yaitu merupakan suatu metode yang menghasilkan ramalanramalan berdasarkan sintesis dari pola data secara historis. Akan tetapi kelemahan dari model ini adalah data yang digunakan harus di stasionerkan lebih dahulu, sehingga memakan waktu yang relatif lama. Pengujian untuk mengetahui ada tidaknya pola harian terhadap volatilitas maka model variance error dimodifikasi sebagaimana yang dilakukan oleh Hsieh (1988) dalam Buddi Wibowo (2004) dalam model ARCH.

Untuk melihat innovation effect yaitu apakah kenaikan dan penurunan indeks saham mempengaruhi volatilitasnya, dapat digunakan T-ARCH (Threshold ARCH). olahdata ini dapat dilakukan dengan eviews

Iklan

Analisa Data Statistik : Analisis Faktor-Faktor yang Mempengaruhi Volatilitas Cadangan Devisa Indonesia menggunakan Time Series Analysis dengan Metode ARCH – GARCH dan VAR

Data finansial seperti cadangan devisa, nilai tukar, maupun tingkat suku bunga mempunyai karakteristik tersendiri dibandingkan data deret waktu (time series). Beberapa karakteristik dari data finansial yaitu menunjukan volatilitas yang tinggi mengikuti periode waktu, sedangkan variansi/ragam adalah konstan untuk data jangka waktu yang panjang.

Dalam beberapa periode terdapat variansi/ragam data finansial relatif tinggi. Keadaan ini disebut conditionally heteroskedastic. Jika terdeteksi adanya conditionally heteroskedastic maka model autoregressive moving average (ARMA) tidak akurat lagi untuk digunakan. Model deret waktu (time series) yang mengakomodir adanya heteroskedastic / heteroskedastisitas adalah ARCH (Autoregressive Conditional Heteroscedasticity) / GARCH (General Autoregressive Conditional Heteroscedasticity) . Model lain selain ARCH & GARCH adalah TARCH, E-GARCH, M-GARCH, TGARCH dan lain-lain.

Variabel-variabel ekonomi biasanya nonstasioner dan mempunyai sifat kointegrasi, sehingga model statistik yang dibentuk harus dapat mengatasi dan mencerminkan sifat tersebut. Metode yang sesuai dengan permasalahan ini adalah metode VAR (Vector Autoregression).

Variabel yang digunakan sebanyak lima variabel makro ekonomi. Kelima Variabel tersebut yakni cadangan devisa, nilai tukar rupiah terhadap USD, tingkat suku bunga, Indeks Harga Saham Gabungan (IHSG) dan netto ekspor.

Metodologi yang digunakan dimulai dengan metode ARCH/GARCH yang fungsinya untuk mengatahui ada tidaknya volatilitas dari masing-masing variabel yang diteliti. Selanjutnya dengan metode VAR akan selidiki pengaruh volatilitas dari variabel nilai tukar, suku bunga, IHSG dan neto ekspor terhadap volatilitas cadangan devisa. Hasil model VAR yang diperoleh tersebut kemudian digunakan untuk melakukan uji berikutnya yaitu uji kointegrasi Johansen untuk mengetahui hubungan keseimbangan jangka panjang dan Vector Error Correction Mechanism (VECM) untuk mengetahui hubungan keseimbangan jangka pendek.

Kesimpulan dari hasil analisa data yaitu bahwa variabel-variabel yang terdeteksi adanya ARCH/GARCH adalah variabel cadangan devisa, IHSG, nilai tukar, dan neto ekspor. Sedangkan variabel tingkat suku bunga tidak menunjukkan gejala adanya heteroskedastisitas dalam series datanya.

Untuk Konsultasi Analisa data selanjutnya, yang berhubungan dengan Time Series Analisis (AR, MA, ARMA, ARIMA, ARCH, GARCH, TARCH, E-GARCH, M-GARCH, T-GARCH, dll) menggunakan eviews silahkan menghubungi :

Beta Consulting

Telp: (021)3333 7389 – 0819 4505 9000
Email: info@bengkeldata.com

www.Bengkeldata.com
www.olah-data.com

follow us:
http://Twitter.com/olahdata

ARCH, GARCH, cadangan devisa, IHSG, neto ekspor, nilai tukar, tingkat suku bunga, uji kointegrasi, volatilitas, VAR, VECM, heteroskedastisitas, ARMA, deret waktu, time series, heteroskedastic, analisa data, konsultan, jasa,analisis data,analisis data statistik, analisa data, analisa data statistik, jasa statistik, konsultan statistik, jasa survei, konsultan survey, jasa riset pasar, konsutan riset pasar,skripsi, tesis, disertasi,ahli, olah data, olahdata, pengolahan, olah data, statistik, statistika, skripsi, tesis, data panel, regresi, korelasi, SEM, validitas, reliabilitas, survei pasar, alpha, cronbach, pearson, tugas, akhir, sarjana, jakarta, penelitian, spss, eviews, amos, lisrel, minitab, regresi, konsultasi, konsultan, analisis data, analisis data statistik, analisa data, analisa data statistik, jasa statistik, konsultan statistik, jasa survei, konsultan survey, jasa riset pasar, konsutan riset pasar , skripsi, tesis, disertasi,ahli, olahdata, pengolahan, olah data, statitistik, statistika, skripsi, tesis, data panel, regresi, korelasi, SEM, validitas, reliabilitas, survei pasar, alpha, cronbach, pearson,tugas, akhir, sarjana, jakarta, penelitian, spss, amos