Anda di halaman 1dari 16

CONTOH BAHAN BELAJAR MENGANALISA DATA TIME SERIES

DARMAWAN SOEGANDAR

1 |

C o n t o h

b a h a n

b e

l

a j

a

r

d a t a

t i m e

s e

r i

e s

1. Ditanyakan: buatlah model ARIMA terbaik berdasarkan data IHSG tahun 2006-2007 (data di excel)

Dijawab:

Untuk mendapatkan model ARIMA terbaik terlebih dahulu harus di uji stasioneritas data. Akan di Uji Stasioneritas

harus di uji stasioneritas data. Akan di Uji Stasioneritas Berdasarkan gambar diatas bisakita ketahui bahwa data

Berdasarkan gambar diatas bisakita ketahui bahwa data tidak stasioner dengan alasan:

a. Grafik otokorelasi pada lag pertama berada di luar garis barlet dan menurun secara eksponensial

b. Nilai koefisien otokorelasi besar dan menurun secara perlahan

c. Nilai probabilitasn mendekati nol

Oleh karena itu kita akan menggunakan turunan pertama

2 |

C o n t o h

b a h a n

b e

l

a j

a

r

d a t a

t i m e

s e

r i

e s

Model yang cocok untuk analisis adalah difer ke-1

2 | C o n t o h b a h a n b e l

3 |

C o n t o h

b a h a n

b e

l

a j

a r

d a t a

t i m e

s

e r i

e s

Selanjutnya akan di mulai menguji model ARIMA terbaik, untuk keperluan itu di ambil model-model yang ditentukan berdasarkan garis barlet pada turunan (diferensi) pertama dari data IHSG.

Untuk ARIMA (45,1,45)

d(ihsg) c ar(45) ma(45)

Dependent Variable: D(IHSG) Method: Least Squares

Time: 13:49

Sample (adjusted): 3/07/2006 11/23/2007 Included observations: 449 after adjustments Convergence achieved after 9 iterations MA Backcast: 1/03/2006 3/06/2006

Date: 01/25/13

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1.466760

0.043409

33.78914

0.0000

AR(45)

-0.671608

0.033730

-19.91112

0.0000

MA(45)

0.893205

0.014449

61.81703

0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.202416

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

1.469933

0.198840

0.942361

0.843485

2.504109

317.3139

2.531550

-559.1724

2.514925

56.59454

2.439226

0.000000

Inverted AR Roots

.99-.07i

.99+.07i

.97+.21i

.97-.21i

.93+.34i

.93-.34i

.88-.47i

.88+.47i

.80+.58i

.80-.58i

.71-.69i

.71+.69i

.61-.78i

.61+.78i

.50+.86i

.50-.86i

.37-.92i

.37+.92i

.24+.96i

.24-.96i

.10+.99i

.10-.99i

-.03+.99i

-.03-.99i

-.17+.98i

-.17-.98i

-.31-.94i

-.31+.94i

-.43-.89i

-.43+.89i

-.55+.82i

-.55-.82i

-.66+.74i

-.66-.74i

-.76-.64i

-.76+.64i

-.84-.53i

-.84+.53i

-.91-.40i

-.91+.40i

-.95+.27i

-.95-.27i

-.98+.14i

-.98-.14i

-.99

Inverted MA Roots

1.00-.07i

1.00+.07i

.98+.21i

.98-.21i

.94+.34i

.94-.34i

.88+.47i

.88-.47i

.81-.59i

.81+.59i

.72+.69i

.72-.69i

.61-.79i

.61+.79i

.50-.86i

.50+.86i

.37+.92i

.37-.92i

.24+.97i

.24-.97i

.10-.99i

.10+.99i

-.03-1.00i

-.03+1.00i

-.17-.98i

-.17+.98i

-.31-.95i

-.31+.95i

-.44-.90i

-.44+.90i

-.56-.83i

-.56+.83i

-.67-.74i

-.67+.74i

-.76+.64i

-.76-.64i

-.85-.53i

-.85+.53i

-.91+.41i

-.91-.41i

-.96+.27i

-.96-.27i

-.99-.14i

-.99+.14i

-1.00

4 |

C o n t o h

b a h a n

b e

l

a j

a r

d a t a

t i m e

s

e r i

e s

karena λ < 0,05 maka model ini kita terima dengan r 2 = 0,202416

y t = (1- ρ 1 ) δ + (1 + ρ 1 ) y t-1

- ρ 1 y t-2 + ε t + θ 1 ε t-1

y t = (1-AR t )c + (1+AR t )y t-1 - Arty t-2 + Ma t ε t

Y 45 = 2,451848 + 0,328392y 44 + 0,6716y 43 + 0,893205 ε 45

Untuk ARIMA (96,1,96)

d(ihsg) c ar(96) ma(96)

Dependent Variable: D(IHSG) Method: Least Squares

Date: 01/25/13

Sample (adjusted): 5/17/2006 11/23/2007 Included observations: 398 after adjustments Convergence achieved after 8 iterations MA Backcast: OFF (Roots of MA process too large)

Time: 13:54

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1.467088

0.047877

30.64261

0.0000

AR(96)

-0.273170

0.083005

-3.291030

0.0011

MA(96)

0.426193

0.095226

4.475574

0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.034408

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

1.467337

0.029519

0.945725

0.931662

2.703816

342.8578

2.733865

-535.0594

2.715718

7.037812

2.357690

0.000992

karena λ < 0,05 maka model ini kita terima dengan r = 0,034408

y t = (1- ρ 1 ) δ + (1 + ρ 1 ) y t-1

- ρ 1 y t-2 + ε t + θ 1 ε t-1

y t = (1-AR t )c + (1+AR t )y t-1 - Arty t-2 + Ma t ε t

Y 96 = 1,867852 + 0,72683y 95 + 0,273170y 94 + 0,426193 ε 96

5 |

C o n t o h

b a h a n

b e

l

a j

a r

d a t a

t i m e

s

e r i

e s

Untuk ARIMA (151,1,151)

d(ihsg) c ar(151) ma(151)

Dependent Variable: D(IHSG) Method: Least Squares

Date: 01/25/13

Sample (adjusted): 8/02/2006 11/23/2007 Included observations: 343 after adjustments Convergence achieved after 9 iterations MA Backcast: OFF (Roots of MA process too large)

Time: 13:58

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1.474742

0.059542

24.76815

0.0000

AR(151)

0.390905

0.060711

6.438768

0.0000

MA(151)

-0.511414

0.094143

-5.432286

0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.098326

0.093022

0.905954

279.0562

-451.3125

18.53829

0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

1.472303

0.951279

2.649052

2.682619

2.662423

2.374547

 

karena λ < 0,05 maka model ini kita terima dengan r 2 = 0,098326

 

y t = (1-AR t )c + (1+AR t )y t-1 - Ar t y t-2 + Ma t ε t

 

y 151 = 0,898258+ 1,390905y 150 - 0,390905y 149 – 0,511414 ε 151

 

Untuk ARIMA (181,1,181)

 

d(ihsg) c ar(181) ma(181)

Dependent Variable: D(IHSG) Method: Least Squares

Date: 01/25/13

Time: 14:02

Sample (adjusted): 9/13/2006 11/23/2007 Included observations: 313 after adjustments Convergence achieved after 6 iterations MA Backcast: OFF (Roots of MA process too large)

 

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1.462293

0.053192

27.49086

0.0000

AR(181)

0.193471

0.064764

2.987338

0.0030

MA(181)

-0.432598

0.102587

-4.216881

0.0000

6 |

C o n t o h

b a h a n

b e

l

a j

a r

d a t a

t i m e

s

e r i

e s

R-squared

0.044791

Mean dependent var

1.463259

Adjusted R-squared

0.038628

S.D. dependent var

0.929963

S.E. of regression

0.911825

Akaike info criterion

2.662801

Sum squared resid

257.7417

Schwarz criterion

2.698707

Log likelihood

-413.7283

Hannan-Quinn criter.

2.677150

F-statistic

7.268142

Durbin-Watson stat

2.348361

Prob(F-statistic)

0.000823

karena λ < 0,05 maka model ini kita terima dengan r 2 = 0,044791

y t = (1-AR t )c + (1+AR t )y t-1 - Ar t y t-2 + Ma t ε t

y 181 = 1,179382 + 1,193471y 180 – 0,193471y 179 – 0,432598 ε 181

Pertanyaan berikutnya adalah model manakah yang terbaik?

1. Y 45 = 2,451848 + 0,328392y 44 + 0,6716y 43 + 0,893205 ε 45

2. Y 96 = 1,867852 + 0,72683y 95 + 0,273170y 94 + 0,426193 ε 96

3. y 151 = 0,898258+ 1,390905y 150 - 0,390905y 149 – 0,511414 ε 151

4. y 181 = 1,179382 + 1,193471y 180 – 0,193471y 179 – 0,432598 ε 181

untuk keperluan itu kita harus mencek kriteria AIC (akaike info criterion) dan SIC (Schwarz criterion), dari model ARIMA (7,1,7) ; ARIMA (24,1,24) ; dan ARIMA (25,1,25).

MODEL

AIC

SIC

KESIMPULAN

ARIMA (45,1,45)

2.504109

2.531550

AIC dan SIC model ARIMA (45,1,45) terkecil sehingga model

ARIMA (96,1,96)

2.703816

2.733865

     

ARIMA (151,1,151)

2.649052

2.682619

ini adalah model yang

ARIMA (181,1,181)

2.662801

2.698707

paling baik.

Sehingga diputuskan model ARIMA (45,1,45): Y 45 = 2,451848 + 0,328392y 44 + 0,6716y 43 + 0,893205 ε 45 adalah model yang kita pilih. Dengan r-square 0,202416.

7 |

C o n t o h

b a h a n

b e

l

a j

a r

d a t a

t i m e

s

e r i

e s

2.

Ditanyakan: berdasarkan data 2 (data di excel), dimana variable dependennya adalah IHSG, sedangkan varaiabel independennya Kurs USD/Rp; BI Rate; dan Kurs Euro/Rp.

a. Lakukan uji asumsi klasik

b. Lakukan regresi linier secara parsial

c. Lakukan regresi linier secara simultan

Buatlah dintrepretasi dari masing-masing uji tersebut.

a. Akan dilakukan uji klasik pada masing-masing data

test normalitas residu

120 100 80 60 40 20 0 -400 -200 0 200 400
120
100
80
60
40
20
0
-400
-200
0
200
400

Syarat normalitas j-Bera > 2 dan λ >0,05

Series: Residuals Sample 1/02/2006 11/23/2007 Observations 495

Mean

6.57e-13

Median

-4.810600

Maximum

548.4917

Minimum

-498.6549

Std. Dev.

142.6522

Skewness

0.148389

Kurtosis

3.986885

Jarque-Bera

21.90414

Probability

0.000018

Hasil analisa normalitas residu menunjukkan bahwa residu memenuhi indicator nilai Jarque-Bera (21,90414 > 2) tetapi nilai λ = 0,000018 < 0,05 berarti residu tidak memenuhi indicator nilai alpha untuk uji normalitas. Tetapi karena jumlah observasi total adalah 495 sampel maka diputuskan untuk tetap memakai data ini. Untuk lebih meyakinkan akan dilakukan uji normalitas pada masing-masing variable.

Test normalitas data (variable)

 

IHSG

USDRP

BIRATE

EURORP

RESID

Mean

1801.598

9145.913

0.000298

12915.90

6.57E-13

Median

1759.490

9142.000

0.000308

12427.25

-4.810600

Maximum

2810.960

9746.000

0.000342

15430.95

548.4917

Minimum

1171.710

8731.000

0.000219

10896.35

-498.6549

Std. Dev.

457.1627

150.0822

5.17E-05

1361.775

142.6522

Skewness

0.528882

0.350832

-0.547408

0.268304

0.148389

Kurtosis

2.188929

3.682738

1.465775

1.619107

3.986885

8 |

C o n t o h

b a h a n

b e

l

a j

a r

d a t a

t i m e

s

e r i

e s

Jarque-Bera

36.64444

19.76833

73.26965

45.26804

21.90414

Probability

0.000000

0.000051

0.000000

0.000000

0.000018

Sum

891791.2

4527227.

0.147548

6393372.

3.22E-10

Sum Sq. Dev.

1.03E+08

11127183

1.32E-06

9.16E+08

10052721

Observations

495

495

495

495

495

hasil analisa normalitas diatas menunjukkan bahwa semua variable memenuhi indicator nilai Jarque- Bera.

Uji otokorelasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic

2500.833

Prob. F(2,489) Prob. Chi-Square(2)

 

0.0000

Obs*R-squared

 

450.9152

0.0000

 

Test Equation:

Dependent Variable: RESID Method: Least Squares

 

Date: 01/25/13

Time: 14:41

Sample: 1/02/2006 11/23/2007 Included observations: 495 Presample missing value lagged residuals set to zero.

 

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-15.90456

135.3714

-0.117488

0.9065

USDRP

0.018260

0.013085

1.395425

0.1635

BIRATE

-173261.3

94054.61

-1.842135

0.0661

EURORP

-0.007696

0.003589

-2.144655

0.0325

RESID(-1)

 

0.936647

0.045128

20.75531

0.0000

RESID(-2)

0.019263

0.045196

0.426216

0.6701

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

 

0.910940

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

 

6.57E-13

0.910029

142.6522

42.78872

10.36247

895297.6

10.41344

-2558.712

10.38248

 

1000.333

1.963953

0.000000

p-value Obs*R-squared >alpha, maka tidak ada autokorelasi

Pendapat lain mengatakan bahwa nilai λ pada obs*R-squared haruslah lebih dari 0,05 (pada tingkat kepercayaan 5%). Bisa juga kita lihat dari nilai DW pada estimasi sebelumnya 0.092172.

9 |

C o n t o h

b a h a n

b e

l

a j

a r

d a t a

t i m e

s

e r i

e s

Dependent Variable: IHSG Method: Least Squares

Time: 14:41

Sample (adjusted): 1/02/2006 11/23/2007 Included observations: 495 after adjustments

Date: 01/25/13

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

4468.159

452.6867

9.870312

0.0000

USDRP

-0.436478

0.043689

-9.990659

0.0000

BIRATE

-3741117.

313528.7

-11.93229

0.0000

EURORP

0.188958

0.011949

15.81397

0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.902632

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

1801.598

0.902037

457.1627

143.0873

12.77283

10052721

12.80681

-3157.277

12.78617

1517.246

0.092172

0.000000

Syarat tidak ada otokorelasi adalah jika nilai D-W statstik antara 1,54 s.d 2,46

Untuk itu kita lakukan Estimasi ulang dengan diferensi tingkat satu sehingga didapat hasil estimasi berikut. tampak bahwa nilai DW telah memenuhi syarat 2,148349 1,54 < 1,964978 <2,46

Dependent Variable: D(IHSG) Method: Least Squares

Time: 14:46

Sample (adjusted): 1/03/2006 11/23/2007 Included observations: 494 after adjustments

Date: 01/25/13

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

3.120505

1.198332

2.604042

0.0095

D(USDRP)

0.000984

0.025138

0.039138

0.9688

D(BIRATE)

-242084.0

343039.1

-0.705704

0.4807

D(EURORP)

0.000976

0.007458

0.130854

0.8959

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.001078

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

3.186478

-0.005038

26.42952

26.49601

9.399929

343998.8

9.433958

-2317.783

9.413289

0.176265

1.964978

0.912465

Untuk lebih yakin bisa kita cek dengan uji B-G berikut, tampak bahwa λ = 0,7124 > 0,05

10 |

C o n t o h

b a h a n

b

e

l

a j a r

d a t a

t i m e

s e

r i

e s

Breusch-Godfrey Serial Correlation LM Test:

F-statistic

0.335422

Prob. F(2,488)

0.7152

Obs*R-squared

0.678160

Prob. Chi-Square(2)

0.7124

Test Equation:

Dependent Variable: RESID Method: Least Squares

 

Date: 01/25/13

Time: 14:47

Sample: 1/03/2006 11/23/2007 Included observations: 494 Presample missing value lagged residuals set to zero.

 

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-0.005888

1.199982

-0.004907

0.9961

D(USDRP)

-0.001092

0.025233

-0.043293

0.9655

D(BIRATE)

-5016.502

343677.7

-0.014597

0.9884

D(EURORP)

0.000131

0.007475

0.017520

0.9860

RESID(-1)

0.017919

0.045327

0.395322

0.6928

RESID(-2)

-0.032828

0.045390

-0.723247

0.4699

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.001373

-0.008859

26.53202

343526.6

-2317.443

0.134169

0.984447

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

6.98E-16

26.41527

9.406653

9.457696

9.426692

1.993178

 

pilihannya tentu tinggal pendapat ahli mana yang akan kita gunakan.

 

Uji heterokedastisitas

 

Untuk persamaan pertama didapat

Dependent Variable: IHSG Method: Least Squares

Date: 01/25/13

Time: 14:50

Sample (adjusted): 1/02/2006 11/23/2007 Included observations: 495 after adjustments

 

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

4468.159

452.6867

9.870312

0.0000

USDRP

-0.436478

0.043689

-9.990659

0.0000

BIRATE

-3741117.

313528.7

-11.93229

0.0000

EURORP

0.188958

0.011949

15.81397

0.0000

R-squared 0.902632

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion

1801.598

Adjusted R-squared

0.902037

457.1627

S.E. of regression Sum squared resid

143.0873

10052721

12.77283

12.80681

11 |

C o n t o h

b a h a n

b

e

l

a j a r

d a t a

t i m e

s e

r i

e s

Log likelihood

-3157.277

Hannan-Quinn criter.

12.78617

F-statistic

1517.246

Durbin-Watson stat

0.092172

Prob(F-statistic)

0.000000

p-value Obs*R-squared > alpha, maka tidak ada heteroskedastisitas. Sedangkan menurut pendapat lain

λ harus > 0,05 dan ini dipenuhi oleh persamaan yang terdiferensi pada tingkat ke-1.

Heteroskedasticity Test: White

F-statistic Obs*R-squared Scaled explained SS

0.071904

Prob. F(9,484)

0.9999

0.659622

Prob. Chi-Square(9)

0.9999

2.379355

Prob. Chi-Square(9)

0.9840

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares

 

Date: 01/25/13

Time: 14:49

Sample: 1/03/2006 11/23/2007 Included observations: 494

 

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

703.1549

89.07194

7.894235

0.0000

D(USDRP)

0.156290

1.924666

0.081204

0.9353

(D(USDRP))^2

-0.000853

0.013085

-0.065200

0.9480

(D(USDRP))*(D(BIRATE)) (D(USDRP))*(D(EURORP)) D(BIRATE)

697262.9

5176871.

0.134688

0.8929

-0.002440

0.007123

-0.342598

0.7320

-547999.2

1.87E+08

-0.002924

0.9977

(D(BIRATE))^2

-1.57E+11

4.26E+12

-0.036890

0.9706

(D(BIRATE))*(D(EURORP)) D(EURORP)

-398885.4

2077301.

-0.192021

0.8478

0.124372

0.549527

0.226326

0.8210

(D(EURORP))^2

8.88E-05

0.000426

0.208180

0.8352

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.001335

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

696.3538

-0.017235

1887.547

1903.744

17.96107

1.75E+09

18.04614

-4426.384

17.99447

0.071904

1.120299

0.999906

berarti

terdapat heterokedastisitas oleh karena itu untuk tetap menggunakan data ini, kita bisa menghilangkannya, pada ceklist heterokedastisitas consistent covariance. Sehingga di dapat estimasi

baru sebagai berikut:

Jika kita ingin memenuhi pendapat λ

harus > 0,05 pada persamaan sebelum didiferensiasi

12 |

C o n t o h

b a h a n

b

e

l

a j a r

d a t a

t i m e

s e

r i

e s

Dependent Variable: IHSG Method: Least Squares

Date: 01/25/13

Sample (adjusted): 1/02/2006 11/23/2007 Included observations: 495 after adjustments White Heteroskedasticity-Consistent Standard Errors & Covariance

Time: 14:53

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

4468.159

368.9986

12.10888

0.0000

USDRP

-0.436478

0.034768

-12.55419

0.0000

BIRATE

-3741117.

359689.3

-10.40097

0.0000

EURORP

0.188958

0.011586

16.30944

0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.902632

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

1801.598

0.902037

457.1627

143.0873

12.77283

10052721

12.80681

-3157.277

12.78617

1517.246

0.092172

0.000000

Uji Multikolinieritas

 

IHSG

USDRP

BIRATE

EURORP

IHSG

1.000000

0.031927

-0.915823

0.923837

USDRP

0.031927

1.000000

-0.163706

0.188328

BIRATE

-0.915823

-0.163706

1.000000

-0.917590

EURORP

0.923837

0.188328

-0.917590

1.000000

Syarat terjadinya multikolinieritas adalah koefisien korelasi di antara variabel bebas lebih besar dari 0,8.

Dilihat dari hasil uji korelasional tampak bahwa patut di duga adanya hubungan linier antar IHSG dengan Kurs Euro/Rp (0,923837>0,8).

Untuk itu disarankan untuk menambah data, karena masalah multikolinieritas biasanya timbul karena data yang di observasi sedikit.

13 |

C o n t o h

b a h a n

b

e

l

a j a r

d a t a

t i m e

s e

r i

e s

b. Akan dibuat persamaan regresi linier secara parsial

Regresi linier Kurs USD/Rp terhadap IHSG

Dependent Variable: IHSG Method: Least Squares

Time: 15:03

Sample (adjusted): 1/02/2006 11/23/2007 Included observations: 495 after adjustments

Date: 01/25/13

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

912.1341

1254.244

0.727238

0.4674

USDRP

0.097253

0.137119

0.709259

0.4785

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.001019

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

1801.598

-0.001007

457.1627

457.3929

15.09299

1.03E+08

15.10998

-3733.516

15.09966

0.503048

0.003501

0.478499

Persamaan regresi linier pengaruh Kurs USD/Rp terhadap IHSG adalah IHSG = 912,1341 + 0,097253 USDRP. Persamaan nilai λ = 0,4 > 0,05 hal ini menunjukkan bahwa tidak ada pengaruh yang signifikan dari kurs USD/Rp terhadap IHSG.

Regresi linier BI-Rate terhadap IHSG

Dependent Variable: IHSG Method: Least Squares

Time: 15:09

Sample (adjusted): 1/02/2006 11/23/2007 Included observations: 495 after adjustments

Date: 01/25/13

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

4217.058

48.41199

87.10771

0.0000

BIRATE

-8103485.

160033.1

-50.63631

0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.838733

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

1801.598

0.838406

457.1627

183.7740

13.26932

16650028

13.28631

-3282.157

13.27599

2564.036

0.042869

0.000000

Persamaan regresi linier pengaruh BI-Rate terhadap IHSG adalah IHSG = 4217.05815311 - 8103485.23747*BIRATE. Persamaan nilai λ = 0,0 < 0,05 hal ini menunjukkan bahwa ada pengaruh yang signifikan dari BI-Rate terhadap IHSG.

14 |

C o n t o h

b a h a n

b

e

l

a j a r

d a t a

t i m e

s e

r i

e s

Pengaruh BI-Rate terhadap IHSG dapat digambarkan sebagai berikut: jika tidak ada perubahan BI-Rate maka nilai IHSG sebesar 4217,058; Sedangkan jika terjadi kenaikan BI-Rate sebesar 1 satuan maka nilai IHSG adalah 4217.05815311 - 8103485.23747*1 = -8099268,1793169

Regresi linier Kurs Euro/Rp terhadap IHSG

Dependent Variable: IHSG Method: Least Squares

Time: 15:20

Sample (adjusted): 1/02/2006 11/23/2007 Included observations: 495 after adjustments

Date: 01/25/13

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-2204.167

75.16539

-29.32423

0.0000

EURORP

0.310142

0.005788

53.58749

0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.853475

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

1801.598

0.853178

457.1627

175.1727

13.17345

15127935

13.19044

-3258.430

13.18012

2871.619

0.111868

0.000000

Persamaan regresi linier pengaruh Kurs Euro/Rp terhadap IHSG adalah IHSG = -2204.16733958 + 0.310142148062*EURORP. Persamaan nilai λ = 0,0 < 0,05 hal ini menunjukkan bahwa ada pengaruh yang signifikan dari Kurs Euro/Rp terhadap IHSG. Pengaruh Kurs Euro/Rp terhadap IHSG dapat digambarkan sebagai berikut: jika tidak ada perubahan Kurs Euro/Rp maka nilai IHSG sebesar -2204,167; Sedangkan jika terjadi kenaikan Kurs Euro/Rp sebesar 1 satuan maka nilai IHSG adalah -2204.16733958 + 0.310142148062*1 = -2203,8571974319

c. Akan dibuat persamaan regresi linier secara simultan

Dependent Variable: IHSG Method: Least Squares

Time: 15:02

Sample (adjusted): 1/02/2006 11/23/2007 Included observations: 495 after adjustments

Date: 01/25/13

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

4468.159

452.6867

9.870312

0.0000

USDRP

-0.436478

0.043689

-9.990659

0.0000

BIRATE

-3741117.

313528.7

-11.93229

0.0000

EURORP

0.188958

0.011949

15.81397

0.0000

R-squared

0.902632

Mean dependent var S.D. dependent var

1801.598

Adjusted R-squared

0.902037

457.1627

15 |

C o n t o h

b a h a n

b

e

l

a j a r

d a t a

t i m e

s e

r i

e s

S.E. of regression

143.0873

Akaike info criterion

12.77283

Sum squared resid

10052721

Schwarz criterion

12.80681

Log likelihood

-3157.277

Hannan-Quinn criter.

12.78617

F-statistic

1517.246

Durbin-Watson stat

0.092172

Prob(F-statistic)

0.000000

Persamaan regresi linier pengaruh simultan Kurs USD/Rp; BI-Rate dan Kurs Euro/Rp terhadap IHSG adalah:

IHSG = 4468.15906203 - 0.436477860762*USDRP - 3741116.73468*BIRATE + 0.188958339945*EURORP

Persamaan nilai λ = 0,0 < 0,05 hal ini menunjukkan bahwa ada pengaruh simultan yang signifikan dari Kurs USD/Rp; BI-Rate dan Kurs Euro/Rp terhadap IHSG. Pengaruh Kurs USD/Rp; BI-Rate dan Kurs Euro/Rp terhadap IHSG dapat digambarkan sebagai berikut:

Jika tidak ada perubahan Kurs USD/Rp; BI-Rate dan Kurs Euro/Rp maka nilai IHSG sebesar 4468.15906203; Sedangkan jika terjadi kenaikan Kurs USD/Rp; BI-Rate dan Kurs Euro/Rp sebesar 1 satuan maka nilai IHSG adalah 4468.15906203 - 0.436477860762*1 - 3741116.73468*1 + 0.188958339945*1 = -3736648,8231375.