ANALISIS GRANGER CAUSALITY PADA PASAR SAHAM SAAT KRISIS SUBPRIME MORTGAGE BERBASIS DESKTOP APPLICATION

Delano Christovel, Rokhana Dwi Bekti, Franky Hadinata

Universitas Bina Nusantara, Jl. Syahdan No. 9, Jakarta 11480, 021-5345830, delano.christovel@gmail.com

Abstrak

Terjadinya krisis Subprime Mortgage di Amerika Serikat memberikan dampak perekonomian yang global, khususnya pada indeks saham di berbagai negara. Indeks saham tersebut merupakan salah satu indikator perekonomian suatu negara. Tujuan penelitian ini adalah untuk mengetahui apakah terdapat hubungan kausalitas secara Granger antar pasar saham di dunia sebelum, pada saat dan setelah terjadinya krisis Subprime Mortgage, dan mengetahui bagaimana prediksi pergerakan indeks saham berdasarkan model yang terbentuk. Sampel penelitian menggunakan imbal hasil indeks saham Amerika Serikat, Inggris, Jerman, Perancis, Jepang, Hong Kong dan Indonesia. Data yang digunakan mulai dari Januari 1998 sampai Desember 2012, dengan membaginya kedalam empat periode, yaitu periode sebelum krisis, periode I krisis, periode II krisis dan periode setelah krisis. Penelitian ini menggunakan uji stasioneritas Augmented Dickey Fuller Test, pengujian lag optimal Akaike Information Criteria, metode permodelan Vector Autoregression serta Granger Causality Test. Hasil dari Augmented Dickey Fuller Test menunjukkan bahwa setiap variabel sudah stasioner, lag yang digunakan pada model diantaranya 1 dan 2 menurut Akaike Information Criteria, dan hasil Granger Causality Test menunjukkan bahwa terdapat hubungan antar pasar saham saat krisis Subprime Mortgage. Hubungan antar pasar saham terlihat lebih erat atau banyak terjadi menjelang krisis yaitu saat periode I krisis, dan melemah setelahnya, yaitu pada periode II krisis. (DC)
Kata kunci : Granger Causality, Indeks Saham, Subprime Mortgage

ABSTRACT The Subprime Mortgage Crisis in the USA affect the global economy, especially on stock indices in various countries. Stock index is one of the indicators of a countrys economic. The purposes of this study is to find out is there any Granger Causality relationship between the stock market at the time of, before, and after the Subprime Mortgage Crisis, and to know how the predictions of stock indices movement based on the models that was created. The samples in this study used the stock indices return from USA, England, Germany, France, Japan, Hong Kong and Indonesia. The data used in this study was from January 1998 until December 2012, divided into four time periods, which is the period before the crisis, period I crisis, period II

crisis, and the period after the crisis. This study used Augmented Dickey Fuller stationary test, Akaike Information Criteria optimal lag test, Vector Autoregression modelling methods, and Granger Causality Test. The results of Augmented Dickey Fuller Test showed that all of the variables is stationary, generally 1 and 2 lags used for the models according to Akaike Information Criteria and the result of Granger Causality Test indicates that there are relationships between stock market when the Subprime Crisis occurred. The relationship between the stock market was stronger when approaching the crisis, and weakened in the recession period. (DC) Keywords: Granger Causality, Stock Index, Subprime Mortgage

Pendahuluan
Krisis Subprime Mortgage mengakibatkan menurunnya indeks saham Amerika, dan berdampak pada pasar saham dunia lainnya. Indeks saham tersebut merupakan salah satu indikator perekonomian suatu negara. Indeks saham adalah pengukuran nilai dari suatu pasar saham yang dibentuk dari harga saham-saham anggotanya. Metode Granger Causality merupakan salah satu metode untuk menguji hubungan kausal atau interdependensi antara dua data deret waktu. Metode ini dapat digunakan untuk menguji hubungan antara indeks saham pada pasar-pasar saham di dunia. Kemungkinan-kemungkinan hasil yang didapat dalam pengujian Granger Causality adalah kedua variabel memiliki hubungan kausal dua arah, hanya terdapat hubungan kausal satu arah, dan independensi atau tidak ada hubungan diantara kedua variabel (Gujarati, 2003: 697). Uji Granger Causality, membutuhkan model dengan lag, yaitu model autoregressive atau Vector Autoregressive (VAR) dan Vector Error Correction Model (VEC). Penggunaan VEC dilakukan jika variabel terbukti berkointegrasi. Dari model yang terbentuk, dapat dilakukan forecasting atau prediksi. Prediksi atau peramalan menurut Aswi dan Sukarna (2006: 1) merupakan bagian integral dari kegiatan pengambilan keputusan, sebab efektif atau tidaknya suatu keputusan umumnya bergantung pada beberapa faktor yang tidak dapat dilihat pada waktu keputusan itu diambil. Dalam penelitian ini, akan dilakukan prediksi terhadap pergerakan harga indeks saham. Prediksi indeks saham dapat memberikan perkiraan pergerakan arah harga indeks saham, apakah harga indeks saham akan naik atau turun. Pengguna prediksi lalu dapat melakukan tindakan-tindakan yang sesuai dengan prediksi tersebut. Salah satu penelitian yang menggunakan metode Granger Causality pada data indeks saham adalah Gklezakou dan Mylonakis (2010) yang melakukan analisa hubungan interdependensi pasar saham Amerika Serikat dan negara-negara Eropa pada periode 2000-2009. Hasil penelitian tersebut menyatakan bahwa terdapat hubungan intedependensi pada pasar saham Amerika Serikat terhadap pasar saham negara-negara di Eropa. Penelitian lain yang menggunakan metode Granger Causality adalah Yuanita (2008) yang melakukan analisa hubungan interdependensi pasar saham Indonesia dengan beberapa pasar saham dunia pada periode 2002-2007. Hasil penelitian ini adalah pasar saham di Amerika Serikat, Inggris, Perancis dan Jerman dominan terhadap pasar saham Indonesia. Software statistik saat ini terus dibutuhkan untuk penyelesaian masalah statistik maupun aplikasinya. Belum banyak software yang memiliki metode Granger Causality. Oleh karena itu, dibutuhkan suatu aplikasi berbasis komputer yang dapat mengaplikasikan metode Granger Causality secara mudah dan sederhana. Hal ini akan memudahkan pengguna untuk menggunakan metode Granger Causality dengan tahapan-tahapan yang sesuai aturan dan pengujian yang tepat. Berdasarkan permasalahan tersebut, penelitian ini melakukan analisis terhadap hubungan kausalitas antar pasar saham di beberapa negara dan pengembangan aplikasi Granger Causality berbasis komputer. Indeks saham tiap pasar saham akan digunakan sebagai variabel yang akan diujikan dengan metode Granger Causality. Dari hasil pengujian tersebut akan diteruskan dengan permodelan yang kemudian dapat menghasilkan prediksi pergerakan indeks saham masa mendatang. Penggunaan metode-metode dan uji-uji yang dibutuhkan akan dapat menggunakan aplikasi berbasis komputer yang dikembangkan. Permasalahan yang akan diteliti dalam penelitian ini adalah:mengetahui apakah terdapat hubungan kausalitas secara Granger antar pasar saham di dunia sebelum, pada saat dan setelah terjadinya krisis Subprime Mortgage, dan mengetahui bagaimana prediksi pergerakan indeks saham berdasarkan model yang terbentuk.

Metode Penelitian
Penelitian ini menggunakan data sekunder, yaitu indeks saham dari pasar saham di Amerika Serikat, Inggris, Jerman, Perancis, Jepang, Hong Kong, dan Indonesia secara bulanan dari tahun 1998 - 2012. Data ini diperoleh dari situs Yahoo! Finance, yang beralamat di finance.yahoo.com. Indeks saham yang digunakan dalam penelitian ini adalah sebagai berikut: 1. Dow Jones Composite Average (DJA) 2. Financial Times Stock Exchanges (FTSE 100) 3. Deutscher Aktien IndeX (DAX) 4. Cotation Assistee en Continu Index (CAC 40) 5. Nikkei 225 (NIKKEI) 6. Hang Seng Index (HSI) 7. Indeks Harga Saham Gabungan (IHSG) Dalam penelitian ini, terdapat 4 periode waktu yang akan dipakai untuk menganalisa variabel indeks saham, yaitu: 1. Periode Sebelum Krisis (Januari 1998 November 2001) 2. Periode Krisis I (Desember 2001 Juni 2007) 3. Periode Krisis II (Juli 2007 Januari 2010) 4. Periode Setelah Krisis (Februari 2010 Desember 2012) Langkah-langkah metode analisis pada penelitian ini adalah : 1. Melakukan perhitungan statistik deskriptif pada data untuk mengetahui karakteristik data yang dipakai. Statistik deskriptif meliputi rata-rata, min, max, median, dan grafik. 2. Melakukan uji stasioneritas atau uji akar unit pada data deret waktu dengan menggunakan Augmented Dickey Fuller Test 3. Jika pada data terdapat akar unit atau tidak stasioner, akan dilakukan uji kointegrasi dengan menggunakan uji Johansen. 4. Melakukan Uji Lag Optimal dengan Uji Akaikes Information Criterion (AIC) dan Schwarz Information Criterion (SIC). Jumlah lag yang dipilih adalah yang memiliki nilai AIC dan SIC yang terkecil. 4. Membuat permodelan VAR atau VEC. Jika data sudah stasioner, atau tidak stasioner namun tidak berkointegrasi, akan digunakan model VAR. Jika data tidak stasioner dan berkointegrasi, akan digunakan model VEC. 5. Setelah data sudah stasioner dan sudah diketahui jumlah lag yang tepat, maka selanjutnya dilakukan Uji Granger Causality. Dengan menggunakan Uji signifikansi F :

F Test =

( RSS0 RSS1 ) / p RSS1 / (T 2 p 1)

Terdapat dua hipotesis yang digunakan: H0 : y1 tidak menyebabkan y2 secara Granger H1 : y1 menyebabkan y2 secara Granger dan H0 : y2 tidak menyebabkan y1 secara Granger H1 : y2 menyebabkan y1 secara Granger 6. Melakukan prediksi dengan model yang sudah terbentuk, dan melakukan perbandingan MSE. 7. Melakukan pengembangan aplikasi program mengikuti langkah-langkah model proses Extreme Programming (XP) yakni: a. Perencanaan b. Perancangan c. Pemrograman d. Pengujian e. Implementasi

Hasil Dan Bahasan

Uji Granger Causality membutuhkan data yang stasioner, untuk itu perlu dilakukan uji stasioneritas data dengan Augmented Dickey Fuller Test (Uji ADF). Hasil uji ADF dapat dilihat pada Tabel 1. Dapat disimpulkan bahwa dengan tingkat signifikan pada 5%, dalam uji ADF tipe konstan tidak ada variabel yang memiliki akar unit atau tidak stasioner. Tabel 1 Hasil Augmented Dickey Fuller Test tipe konstan Sebelum Krisis Nilai Kritis t ADF -5.8109 -2.93 -5.9461 -2.93 -4.7379 -2.93 -4.8828 -2.93 -5.4642 -2.93 -5.3967 -2.93 -6.8809 -2.93 Periode II Krisis Nilai Kritis t ADF -4.1118 -2.93 -4.2952 -2.93 -3.9842 -2.93 -3.8862 -2.93 -4.0012 -2.93 -3.4183 -2.93 -3.0415 -2.93 Periode I Krisis Nilai Kritis t ADF -6.8568 -2.89 -5.8774 -2.89 -5.2102 -2.89 -5.6092 -2.89 -6.4727 -2.89 -6.5850 -2.89 -5.4892 -2.89 Setelah Krisis Nilai Kritis t ADF -5.7006 -2.93 -5.4087 -2.93 -4.8919 -2.93 -4.7762 -2.93 -4.3721 -2.93 -4.5733 -2.93 -4.8754 -2.93

Negara AS Inggris Jerman Perancis Jepang Hong Kong Indonesia

Hasil Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner

Negara AS Inggris Jerman Perancis Jepang Hong Kong Indonesia

Hasil Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner

Negara AS Inggris Jerman Perancis Jepang Hong Kong Indonesia

Hasil Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner

Negara AS Inggris Jerman Perancis Jepang Hong Kong Indonesia

Hasil Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner

Uji Granger Causality membutuhkan jumlah lag yang optimal, yaitu lag yang membentuk persamaan yang terbaik. Uji lag optimal yang digunakan adalah uji Akaike Information Criteria, HannahQuinn Information Criteria, Schwart Criterion, dan Final Prediction Error. Dari 4 uji tersebut, diujikan kepada tiap pasang negara yang berbeda-beda (total terdapat 21 pasang yang berbeda) pada setiap periode. Selanjutnya dipilih lag yang memiliki nilai uji yang terkecil. Hasil uji lag optimal menunjukkan bahwa pada umumnya lag yang digunakan pada model diantaranya 1 dan 2. Setelah didapatkan lag optimal dilakukan estimasi model VAR. Sebagai contoh, model VAR untuk AS dan Inggris pada periode sebelum krisis adalah

ASt = 0.0024 + 0.3999 Inggrist 1 0.1723 ASt 1 Inggrist = 0.0009 0.1240 ASt 1 0.1923 Inggrist 1
Dari persamaan diatas terdapat konstanta sebesar 0.0024 yang menunjukkan bahwa jika nilai imbal hasil Inggris dan AS pada periode sebelumnya sama dengan 0, maka nilai ASt akan menjadi 0.0024. Nilai koefisien Inggrist-1 yang didapat adalah sebesar 0.3999, yang berarti, nilai ASt akan meningkat sebesar 0.3999 satuan apabila nilai Inggris pada periode sebelumnya meningkat satu satuan. Nilai ASt juga ditentukan oleh nilai AS itu sendiri, yaitu terjadi pengurangan nilai ASt sebesar -0.17423 satuan apabila nilai AS pada periode sebelumnya meningkat satu satuan.

Langkah selanjutnya adalah melakukan analisis Granger Causality sesuai model dan lag yang sudah ditentukan. Pada Tabel 2, terlihat sebagian hasil analisis pada periode I krisis. Dari tabel tersebut terlihat Indeks saham AS (DJA) hanya memiliki hubungan kausal (Granger Causality) dengan indeks saham Inggris (FTSE 100) dan memiliki hubungan satu arah dengan indeks saham lainnya, yaitu mempengaruhi (Granger Cause) indeks saham Hong Kong (HSI), Indonesia (IHSG), dan dipengaruhi (Granger Caused) oleh indeks saham Jerman (DaX), Perancis (CAC 40). Indeks saham Inggris (FTSE 100) hanya memiliki hubungan kausal (Granger Causality) dengan indeks saham AS (DJA), dan memiliki hubungan satu arah dengan indeks saham lainnya, yaitu mempengaruhi Granger Cause) indeks saham Jerman (DaX), Perancis (CAC 40), Jepang (Nikkei 225), Hong Kong (HSI), dan Indonesia (IHSG). Indeks saham Jerman (DaX) tidak memiliki hubungan dua arah, hanya memiliki hubungan satu arah dengan indeks saham lainnya, yaitu mempengaruhi (Granger Cause) indeks saham AS (DJA), Jepang (Nikkei 225), Hong Kong (HSI), Indonesia (IHSG), dan dipengaruhi (Granger Caused) oleh indeks saham Inggris (FTSE 100). Tabel 2 Hasil Uji Granger Causality Periode I Krisis (Desember 2001 Juni 2007) Indeks Saham DJA (AS) Mempengaruhi (Granger Cause) FTSE 100 (Inggris) F-Test = 5.61 F5%,1,126 = 3.92 HSI (Hong Kong) F-Test = 6.12 F5%,2,120 = 3.95 IHSG (Indonesia) F-Test = 17.81 F5%,1,126 = 3.92 DJA (AS) F-Test = 15.15 F5%,1,126 = 3.92 DaX (Jerman) F-Test = 4.92 F5%,3,114 = 2.68 CAC 40 (Perancis) F-Test = 7.71 F5%,1,126 = 3.92 Nikkei 225 (Jepang) F-Test = 7.36 F5%,1,126 = 3.92 HSI (Hong Kong) F-Test = 6.06 F5%,1,126 = 3.92 IHSG (Indonesia) F-Test = 20.42 F5%,1,126 = 3.92 DJA (AS) F-Test = 6.30 F5%,1,126 = 3.92 Nikkei 225 (Jepang) F-Test = 8.55 F5%,2,120 = 3.07 HSI (Hong Kong) F-Test = 7.40 F5%,2,120 = 3.07 IHSG (Indonesia) F-Test = 16.19 F5%,1,126 = 3.92 Dipengaruhi (Granger Caused) FTSE 100 (Inggris) F-Test = 15.15 F5%,1,126 = 3.92 DaX (Jerman) F-Test = 6.30 F5%,1,126 = 3.92 CAC 40 (Perancis) F-Test = 4.00 F5%,1,126 = 3.92 DJA (AS) F-Test = 5.61 F5%,1,126 = 3.92 FTSE 100 (Inggris) F-Test = 4.92 F5%,3,114 = 2.68 -

FTSE 100 (Inggris)

DaX (Jerman)

Model VAR pada periode setelah krisis yang telah terbentuk digunakan untuk memprediksi nilai imbal hasil yang dipakai untuk menghitung harga indeks saham. Selanjutnya dilakukan perbandingan dengan data indeks saham yang sebenarnya. Pada Gambar 1 terlihat contoh grafik prediksi untuk harga indeks saham Jerman.

Gambar 1 Grafik Prediksi Pergerakan Harga Indeks Saham Jerman (Deutscher Aktien Index)

Tampilan Aplikasi
Pada penelitian ini, dikembangkan sebuah aplikasi untuk membatu analisis. Berikut sebagian tampilan dari aplikasi tersebut:

Gambar 1 Main Menu Aplikasi

Gambar 2 Tampilan Granger Causality Test

Simpulan Dan Saran

Berdasarkan hasil penelitian yang dilakukan, kesimpulan yang didapatkan adalah : 1. Periode sebelum krisis Subprime Mortgage (Januari 1998 November 2001) a. Indeks saham AS memiliki hubungan kausal Granger dengan indeks saham Hong Kong. b. Indeks saham Inggris tidak memiliki hubungan dengan indeks saham manapun. c. Indeks saham Jerman dipengaruhi oleh indeks saham Perancis. d. Indeks saham Perancis mempengaruhi indeks saham Jerman. e. Indeks saham Jepang tidak memiliki hubungan dengan indeks saham manapun. f. Indeks saham Hong Kong memiliki hubungan kausal Granger dengan indeks saham AS, dan mempengaruhi indeks saham Indonesia. g. Indeks saham Indonesia dipengaruhi oleh indeks saham Hong Kong. 2. Periode I krisis Subprime Mortgage (Desember 2001 Juni 2007) a. Indeks saham AS memiliki hubungan kausal Granger dengan indeks saham Inggris, mempengaruhi indeks saham Hong Kong, Indonesia, dan dipengaruhi oleh indeks saham Jerman dan Perancis. b. Indeks saham Inggris memiliki hubungan kausal Granger dengan indeks saham AS, mempengaruhi indeks saham Jerman, Perancis, Jepang, Hong Kong, dan Indonesia. c. Indeks saham Jerman mempengaruhi indeks saham AS, Jepang, Hong Kong, Indonesia, dan dipengaruhi oleh indeks saham Inggris. d. Indeks saham Perancis mempengaruhi indeks saham AS, Jepang, Hong Kong, Indonesia, dan dipengaruhi oleh indeks saham Inggris. e. Indeks saham Jepang mempengaruhi indeks saham Indonesia, Inggris, Jerman, dan Perancis. f. Indeks saham Hong Kong mempengaruhi indeks saham Indonesia, dan dipengaruhi oleh indeks AS, Inggris, Jerman, Perancis. g. Indeks saham Indonesia dipengaruhi oleh indeks saham AS, Inggris, Jerman, Perancis, Jepang, dan Hong Kong. 3. Periode II krisis Subprime Mortgage (Juli 2007 Januari 2010) a. Indeks saham AS tidak memiliki hubungan dengan indeks saham manapun. b. Indeks saham Inggris tidak memiliki hubungan dengan indeks saham manapun. c. Indeks saham Jerman mempengaruhi indeks saham Hong Kong. d. Indeks saham Perancis tidak memiliki hubungan dengan indeks saham manapun. e. Indeks saham Jepang tidak memiliki hubungan dengan indeks saham manapun. f. Indeks saham Hong Kong dipengaruhi oleh indeks saham Jerman. g. Indeks saham Indonesia tidak memiliki hubungan dengan indeks saham manapun.

4. Periode setelah krisis Subprime Mortgage (Februari 2010 Desember 2012) a. Indeks saham AS memiliki hubungan kausal Granger dengan indeks saham Inggris. b. Indeks saham Inggris memiliki hubungan kausal Granger dengan indeks saham AS, dan dipengaruhi oleh indeks saham Jepang. c. Indeks saham Jerman tidak memiliki hubungan dengan indeks saham manapun. d. Indeks saham Perancis dipengaruhi oleh indeks saham Jepang. e. Indeks saham Jepang mempengaruhi indeks saham Inggri, dan Perancis. f. Indeks saham Hong Kong tidak memiliki hubungan dengan indeks saham manapun. g. Indeks saham Indonesia tidak memiliki hubungan dengan indeks saham manapun. 5. Hasil prediksi dari model VAR periode setelah krisis yang terbentuk menunjukkan a. Hasil prediksi terbaik dengan MSE terendah untuk indeks saham AS didapat dari model yang dipengaruhi oleh Perancis. Sedangkan hasil prediksi terburuk dengan MSE tertinggi didapat dari model yang dipengaruhi oleh Jepang. b. Hasil prediksi terbaik dengan MSE terendah untuk indeks saham Inggris didapat dari model yang dipengaruhi oleh Indonesia. Sedangkan hasil prediksi terburuk dengan MSE tertinggi didapat dari model yang dipengaruhi oleh Jepang. c. Hasil prediksi terbaik dengan MSE terendah untuk indeks saham Jerman didapat dari model yang dipengaruhi oleh Inggris. Sedangkan hasil prediksi terburuk dengan MSE tertinggi didapat dari model yang dipengaruhi oleh Jepang. d. Hasil prediksi terbaik dengan MSE terendah untuk indeks saham Perancis didapat dari model yang dipengaruhi oleh Indonesia. Sedangkan hasil prediksi terburuk dengan MSE tertinggi didapat dari model yang dipengaruhi oleh Jepang. e. Hasil prediksi terbaik dengan MSE terendah untuk indeks saham Jepang didapat dari model yang dipengaruhi oleh Jerman. Sedangkan hasil prediksi terburuk dengan MSE tertinggi didapat dari model yang dipengaruhi oleh AS. f. Hasil prediksi terbaik dengan MSE terendah untuk indeks saham Hong Kong didapat dari model yang dipengaruhi oleh Inggris. Sedangkan hasil prediksi terburuk dengan MSE tertinggi didapat dari model yang dipengaruhi oleh Indonesia. g. Hasil prediksi terbaik dengan MSE terendah untuk indeks saham Indonesia didapat dari model yang dipengaruhi oleh Inggris. Sedangkan hasil prediksi terburuk dengan MSE tertinggi didapat dari model yang dipengaruhi oleh Jepang. Berdasarkan hasil penelitian, saran untuk penelitian selanjutnya yang dapat dilakukan adalah: 1. Penggunaan indeks saham dan periode waktu tidak terpaku kepada indeks saham yang dipakai pada penelitian ini, sehingga dapat dikembangkan dengan pemakaian indeks saham dan periode waktu lain. 2. Mencari fenomena atau kejadian ekonomi lainnya yang dapat dianalisis dengan menggunakan Granger Causality. 3. Mencari metode lain untuk menganalisis hubungan antar pasar saham. 4. Penggunaan metode Granger Causality tidak terbatas pada topik ekonomi saja, dapat dikembangkan ke topik-topik lain.

Referensi
Arafat, M. R. (2009). Faktor Penyebab Krisis Finansial Global 2008 Serta Ekses Krisis Terhadap Tatanan Ekonomi Global. Tesis S2. Jakarta: Departemen Ilmu Hubungan Internasional, FISIP Universitas Indonesia. Aswi dan Sukarna. (2006). Analisis Deret Waktu Teori dan Aplikasi. Makassar: Andira Publisher. Darmadji, T. dan Fakhruddin, H. M. (2011). Pasar Modal Di Indonesia. (Edisi 3). Jakarta: Salemba Empat. Demyanyk, Y. S. dan Van Hemert, O. (2008). Understanding the Subprime Mortgage Crisis. SSRN Working Paper Series, Juni 2009. Gklezakou, T. and Mylonakis, J. (2010). Links and Interdependence of Developed Stock Market Under Global Economic Crisis Conditions. Journal of Financial Services Marketing, 14(4), 314-327. Gerardi, K., Lehnert, A., Sherlund, S., Willen, P., Lucas, D., & Soulele, N. (2008). Making Sense of the Subprime Crisis. Brooking Papers on Economic Activity, 2, 69-159. Gujarati, D. N. (2003). Basic Econometrics. (4th ed.). New York: McGraw-Hill/Irwin.

Nachrowi, N. D. dan Usman, H. (2006). Pendekatan Populer dan Praktis Ekonometrika Untuk Analisis Ekonomi dan Keuangan. Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Pressman, R. S. (2010). Software Engineering A Practitioners Approach. (7th ed.). New York: The McGraw-Hill Companies, Inc. Rosadi, D. (2010). Analisis Ekonometrika & Runtun Waktu Terapan dengan R. Yogyakarta: C.V. Andi Offset. Shneiderman, B. and Plaisant, C. (2010). Designing The User Interface. (5th ed.). Boston: Pearson Education, Inc. Whitten, J. L. and Lonnie D. B. (2007). System Analysis & Design Methods. New York: The McGrawHill Companies, Inc. Yuanita, R. (2008). Analisis Hubungan Interdependensi Pasar Saham Indonesia Dengan Beberapa Pasar Saham Dunia (Periode 2002-2007). Skripsi S1. Jakarta: Departemen Manajemen, FE Universitas Indonesia.

Riwayat Penulis
Delano Christovel lahir di kota Jakarta pada tanggal 6 Desember 1989. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknologi Komputer dan Statistika pada tahun 2013.