BAB III

METODOLOGI PENELITIAN

3.1 Data
Untuk penelitian ini peneliti mengambil data perdagangan saham intraday
5 emiten teraktif tahun 2006 mulai 1 Agustus 2006 sampai 31 Januari 2007. Data
tersebut peneliti dapatkan dari www.rti.co.id. Berikut adalah daftar saham perusahaan
tercatat yang masuk dalam 5 emiten teraktif berdasarkan frekuensi perdagangan:

1. PT. Bank Mandiri, Tbk

2. PT. Perusahaan Gas Negara, Tbk
3. PT. Indosat, Tbk
4. PT. Telekomunikasi Indonesia, Tbk
5. PT. Berlian Laju Tangker, Tbk

Setelah data didapat maka peneliti melakukan pemeriksaan pada data,

apakah untuk setiap tanggal dari 1 Agustus 2006 sampai 31 Januari 2007 sudah ada
datanya. Jika tidak ada datanya karena sebab-sebab tertentu (hari libur, perusahaan
menstop transaksi, atau sebab lainnya) maka peneliti mengisinya dengan nilai
tertentu. Nilai tersebut adalah suatu nilai supaya return untuk hari yang kosong itu
sama dengan return hari berikutnya. Setelah data kosong tersebut selesai diisi maka
baru dapat dilaksanakan proses pengolahan data.
35
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

3.2 Metodologi Pengolahan Data

Pada metodologi pengolahan data ini, peneliti menggunakan 3 macam
pengujian yaitu pengujian statistik deskriptif, pengujian regresi dengan metode
Ordinary Least Squared

(OLS) serta uji F dan uji Kruskal Wallis pada return

perdagangan intraday berdasarkan time of the day effect dan day of the week effect.
Sebelum melakukan pengolahan data, peneliti terlebih dahulu menghitung return
saham dari data harga yang tersedia. Setelah mendapatkan return saham, peneliti
dapat melakukan pengolahan statistik deskriptif yang natinya digunakan untuk
melihat pola intraday trading berdasarkan hari dan intra hari.
Pada pengujian regresi dan uji beda, peneliti menggunakan pengujian
dengan menggunakan metode Ordinary Least Squared (OLS) serta uji F dan uji
Kruskal Wallis. Dari pengolahan data tersebut, peneliti berharap mendapat hasil untuk
dapat dianalisis menjadi suatu hasil penelitian.

3.2.1

Menghitung Return Saham

Return dari harga saham tersebut masing-masing per 15 menit intraday
dari periode bulan Agustus 2006-Januari 2007.
Rumusnya adalah sebagai berikut : rt = ( Pt-Pt-1) X 100
Pt-1

36
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

3.2.2

Menguji statistik Deskriptive

Pada pengujian statistik deskriptif ini, peneliti menggunakan 8 macam
indikator statistik. Indikator tersebut adalah mean, standar deviasi, kurtosis,
skewness, minimum, maksimum, sum, serta kumulatif. Berikut penjelasannya.

3.2.2.1 Mean
Mean atau rata-rata hitung dari return intraday masing-masing saham
tersebut per 15 menit.
Rumusnya adalah sebagai berikut:

3.2.2.2 Standart Deviasi

Standar deviasi menunjukkan berapa banyak suatu nilai berbeda dari ratarata hitungnya. Standart deviasi pada penelitian ini adalah dari return intraday
masing-masing saham tersebut per 15 menit. Rumus perhitungannya adalah :

( x - )2
N

3.2.2.3 Kurtosis
Kurtosis merupakan statistik deskriptif yang dapat menunjukkan apakah
data terdistribusi normal pada tingkat mean. Untuk mengetahuinya distribusi data
pada mean dapat diukur dengan excess kurtosis relatif terhadap distribusi normal.
37
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

Apabila data mengikuti distribusi normal maka koefisien kurtosis akan sama
dengan 3 dan excess kurtosis akan sama dengan nol. Jika koefisien >3, data
distribusi data disebut leptokurtic dan apabila koefisien kurtosis <3 maka
distribusi data disebut platykurtic.
Kurstosis pada penelitian ini adalah dari return intraday masing-masing
saham tersebut per 15 menit. Rumus perhitungannya adalah sebagai berikut :

3.2.2.4 Skewness
Skewness adalah statistik deskriptif yang menunjukkan indikasi apakah
distribusi sampel yang kita gunakan simetris atau tidak. Koefisien skewness untuk
data yang terdistribusi simetris sama dengan nol. Jika kita memiliki data yang
lebih banyak memiliki nilai yang besar (kecil) maka akan memiliki distribusi
yang positif (negatif) skewed.
Skewness pada penelitian ini adalah dari return intraday masing-masing
saham tersebut per 15 menit. Rumus perhitungannya adalah sebagai berikut :

3.2.2.5 Minimum
Minimum dari return intraday masing-masing saham tersebut per 15
menit.
38
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

3.2.2.6 Maksimum
Maksimum dari return intraday masing-masing saham tersebut per 15
menit.

3.2.2.7 Penjumlahan (SUM)

Penjumlahan (SUM) dari return intraday masing-masing saham tersebut
per 15 menit.

3.2.2.8 Kumulatif (Cumulative)

Kumulatif (Cumulative) dari penjumlahan mean atau rata-rata hitung
return intraday masing-masing saham tersebut per 15 menit.

3.2.3

Pola Intraday trading

Setelah mendapatkan deskriptif statistik dari masing-masing saham tersebut,

selanjutnya dikelompokan berdasarkan waktu per 15 menit dan per hari yang sama untuk
variabel mean, standart deviasi, dan kumulatif dari mean tersebut beserta grafiknya. Data
tersebut akan membuktikan pola yang ada dalam perdagangan intraday di Bursa Efek
Jakarta terhadap masing-masing emiten tersebut baik secara harian maupun per kelompok
hari.

39
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

3.2.4

Menguji Regresi OLS

Dalam pengolahan menggunakan metode regresi, peneliti melakukan 2 macam

pembagian data, yaitu berdasarkan hari yang merupakan kelompok perharinya dan
berdasarkan intraday dalam interval per 15 menit.
Pengolahan data dengan pendekatan OLS harus memenuhi asumsi yang
digunakan pada metode Ordinary Least Square (OLS)1, yaitu Best Linear Unbiased
Estimator, atau yang sering disingkat menjadi BLUE.
Dengan demikian agar model tersebut menjadi model yang BLUE, maka harus
memenuhi beberapa asumsi, yaitu:
a. Spesifikasi model ditentukan dalam persamaan matematika di atas
b. Variabel yang diujikan adalah bukan stokastik dan tidak ada hubungan linear
yang persisi antara dua atau lebih peubah-peubah bebas. (atau tidak ada
multikolinearitas).
c. Error-term mempunyai nilai harapan 0.
d. Error-term

memiliki

varians

yang

konstan

untuk

semua

observasi.

(Homoskedastisitas).
e. Error-term dari observasi-observasi yang berbeda adalah independen dan
karenanya tidak memiliki korelasi (atau tidak ada autokorelitas)
f. Variabel error-term terdistribusi normal.

1 Yang pada prinsipnya mencari bentuk model terbaik yang meminisasikan jumlah kuadrat terkecil.

40
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

3.2.4.1 Metode Time of the day dalam Intraday Trading

Pada penelitian ini terlebih dahulu akan dikelompokkan return intraday per 15
menit selama 6 bulan periode Agustus 2006 sampai dengan Januari 2007. Sebelum
dimulai untuk analisa datanya, terlebih dahulu di cek data tersebut apakah terdistribusi
secara normal atau tidak dengan cara melihat normalitas data berdasarkan skewness dan
kurtosis data.
Selanjutnya dilakukan uji multiple regresi dengan metode Ordinary Least Square
(OLS). Rumusnya adalah sebagai berikut :
Rt = 0 + 1X1 + 2X2 +....+ 18X18 +
Dimana :
Rt

= Return intraday per 15 menit dari masing-masing emiten.

X1

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 09:30. Nilai X1 = 1 dan X = 0 untuk interval yang
lainnya.

X2

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 09:45. Nilai X2 = 1 dan X = 0 untuk interval yang
lainnya.

X3

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 10:00. Nilai X3 = 1 dan X = 0 untuk interval yang
lainnya.

X4

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 10:15. Nilai X4 = 1 dan X = 0 untuk interval yang
lainnya.
41
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

X5

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 10:30. Nilai X5 = 1 dan X = 0 untuk interval yang
lainnya.

X6

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 10:45. Nilai X6 = 1 dan X = 0 untuk interval yang
lainnya.

X7

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 11:00. Nilai X7 = 1 dan X = 0 untuk interval yang
lainnya.

X8

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 11:15. Nilai X8 = 1 dan X = 0 untuk interval yang
lainnya.

X9

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 11:30. Nilai X9 = 1 dan X = 0 untuk interval yang
lainnya.

X10

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 14:00. Nilai X10 = 1 dan X = 0 untuk interval yang
lainnya.

X11

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 14:15. Nilai X11 = 1 dan X = 0 untuk interval yang
lainnya.

42
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

X12

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 14:30. Nilai X12 = 1 dan X = 0 untuk interval yang
lainnya.

X13

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 14:45. Nilai X13 = 1 dan X = 0 untuk interval yang
lainnya.

X14

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 15:00. Nilai X14 = 1 dan X = 0 untuk interval yang
lainnya.

X15

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 15:15. Nilai X15 = 1 dan X = 0 untuk interval yang
lainnya.

X16

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 15:30. Nilai X16 = 1 dan X = 0 untuk interval yang
lainnya.

X17

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 15:45. Nilai X17 = 1 dan X = 0 untuk interval yang
lainnya.

X18

= Variabel dummy untuk setiap 15 menit interval, dimana interval

waktunya adalah 16:00. Nilai X18 = 1 dan X = 0 untuk interval yang
lainnya.

43
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

Untuk time of the day ini, peneliti menggunakan menggunakan interval secara
intraday per 15 menit. Karena perdagangan di Bursa Efek Jakarta dimulai dari pukul
09:30 12:00 dan 13:30 16:00 untuk hari senin sampai kamis dan 09:30 11:30 dan
14:00 16:00 untuk hari jumat, maka peneliti menggunakan 18 interval waktu dari jam
9:30 16:00 selama per 15 menit. Periode penelitian dari mulai Agustus 2006 Januari
2007.
Setelah itu, dilakukan uji F untuk menguji apakah ada perbedaan return pada
masing masing interval tersebut. Hipotesa yang digunakan adalah sebagai berikut :
Hipotesa 1
Ho : 1 = 2 = ... = 18 = 0
H1 : Salah satu 1 sampai dengan 18 0
Hipotesis null berarti tidak ada perbedaan return antar interval waktu trading
dalam satu hari sedangkan hipotesis alternatif berarti ada perbedaan signifikan. Selain itu,
karena distribusi data yang tidak normal dapat mengakibatkan distribusi error dari model
tidak normal, maka selain uji F dilakukan juga uji Kruskal Wallis.

3.2.4.2 Metode Day of the Week dalam Intraday trading

Dalam penelitian ini, terlebih dahulu data dikelompokkan berdasarkan kelompok
hari yang sama dari data return perdagangan saham intraday masing-masing obyek saham
penelitian. Sebelum pengolahan data ini, terlebih dahulu dilakukan pengecekan apakah
data terdistribusi dengan normal atau tidak berdasarkan skewness dan kurtosis data.
Selanjutnya dilakukan uji multiple regresi dengan metode Ordinary Least Square (OLS).
Rumusnya adalah sebagai berikut :
44
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

Rt = 0 + 1X1 + 2X2 +....+ 5X5 +

Dimana :
Rt

= Return intraday per 15 menit dari masing-masing emiten.

X1

= Variabel dummy untuk setiap interval kelompok hari, dimana interval

waktunya adalah hari Senin. Nilai X1 = 1 dan X = 0 untuk interval
yang lainnya.

X2

= Variabel dummy untuk setiap interval kelompok hari, dimana interval

waktunya adalah hari Selasa. Nilai X2 = 1 dan X = 0 untuk interval
yang lainnya.

X3

= Variabel dummy untuk setiap interval kelompok hari, dimana interval

waktunya adalah hari Rabu. Nilai X3 = 1 dan X = 0 untuk interval
yang lainnya.

X4

= Variabel dummy untuk setiap interval kelompok, dimana interval

waktunya adalah hari Kamis. Nilai X4 = 1 dan X = 0 untuk interval
yang lainnya.

X5

= Variabel dummy untuk setiap interval kelompok hari, dimana interval

waktunya adalah hari Jumat. Nilai X5 = 1 dan X = 0 untuk interval
yang lainnya.

Untuk day of the week ini, peneliti menggunakan menggunakan interval secara
intraday per 15 menit. Pada metodologi ini, pembagian variabel independen didasarkan
kelompok hari yang sama. Sehingga variabel independen yang digunakan adalah

45
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

sebanyak 5 buah, yaitu banyaknya hari perdagangan dalam seminggu di Bursa Efek
Jakarta.
Setelah itu, dilakukan uji F untuk mengetahui apakah ada perbedaan return pada
masing-masing interval. Hipotesa yang digunakan adalah sebagai berikut :
Hipotesa 2
Ho : 1 = 2 = ...= 5 = 0
H1 : Salah satu 1 sampai dengan 5 0
Hipotesis null berarti tidak ada perbedaan return antar interval waktu trading
dalam satu hari sedangkan hipotesis alternatif berarti ada perbedaan signifikan. Selain itu,
karena distribusi data yang tidak normal dapat mengakibatkan distribusi error dari model
tidak normal, maka selain uji F dilakukan juga uji Kruskal Wallis.
Dari hasil pengolahan data ini, akan dilihat apakah ada signifikansi dan perbedaan
dalam pergerakan return intrahari per kelompok hari.

3.2.5

Menguji dengan F-test

Pada pembahasan ini, peneliti akan membahas mengenai langkah-langkah dalam

melakukan uji F. Berikut penjelasannya.

1. Desain hipotesis
Pada desain hipotesis ini, terlebih dahulu menentukan hipotesis awal. Pada
penelitian kali ini, peneliti ingin melihat apakah ada hubungan antara variabel
independen dengan dependennya. Sehingga hipotesisnya adalah sebagai berikut:

46
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

Ho : 1 = 2 = ...= i = 0
H1 : Salah satu 1 sampai dengan i 0
2. Desain hipotesis
Setelah mendapat hipotesisnya, maka selanjutnya peneliti menentukan daerah
penolakannya. Pada uji F, peneliti akan menolak Ho atau Hipotesis Null
jika Fhit > F ,V1 ,V2 , dimana
V1 = 1
V2 = n 1

3. Statistika hitung
Selanjutnya peneliti akan menghitung F-statistik dari data yang akan diolah. Rumus
F- statistik adalah sebagai berikut:

Keterangan:
URSS

= residual sum of squares dari unrestricted regression

RRSS

= residual sum of squares dari restricted regression

= jumlah restrictions

= jumlah observasi

= jumlah variabel independent pada unrestricted regression

47
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

4. Kesimpulan
Pada bagian kesimpulan ini, jika F-statistik lebih besar dari pada F critical maka
hipotesa null akan ditolak. Sebaliknya apabila F-statistik lebih kecil dari pada F
critical maka hipotesa null diterima.

5. Interpretasi
Sesuai dengan hasil penelitian yang telah didapat, maka apabila F-statistik lebih besar
dari pada F critical mengindikasikan bahwa rata-rata mean return pada variabel
independen tersebut berbeda. Berdasarkan hasil ini maka hipotesis null ditolak
sehingga akan mendapat kesimpulan ada bukti yang cukup kuat bahwa ada hubungan
pengaruh antara variabel independen dengan variabel dependennya. Sedangkan
apabila F statistik lebih kecil dari pada F critical mengindikasikan bahwa terdapat
kesamaan rata-rata mean pada variabel independen tersbeut. Berdasarkan hasil ini,
maka hipotesis null diterima sehingga akan dapat disimpulkan bahwa tidak ditemukan
bukti yang cukup kuat untuk membuktikan adanya hubungan antara variabel
independen dengan variabel dependennya.

3.2.6

Menguji Beda dengan Kruskall Wallis

Uji Kruskal Wallis, bertujuan menganalisa data dalam tiga atau lebih sampel

independen untuk menentukan apakah tiga atau lebih distribusi yang kontinyu memiliki
rata-rata yang sama.

Rata-rata tiga atau lebih sampel hampir selalu berbeda,

48
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007

persoalannya apakah perbedaan itu menandai perbedaan rata-rata populasi, atau

perbedaan itu semata-mata karena variasi yang terjadi secara kebetulan.
Pengujian ini tidak memerlukan populasi yang normal tetapi mengasumsikan
bahwa distribusi populasinya kontinyu. Pengujian ini dapat digunakan untuk data ordinal,
sehingga dibandingkan dengan analisa varians (ANOVA), pengujian Kruskal-Wallis
membutuhkan syarat-syarat yang lebih longgar. Bagaimanapun juga, jika syarat-syarat
yang diperlukan terpenuhi, ANOVA merupakan pengujian yang lebih baik karena ia
dapat mengetahui perbedaan dalam rata-rata yang yang tak dapat diketahui oleh uji
Kruskal Wallis. Sehingga seringkali keputusan yang dihasilkan oleh ANOVA berlainan
dengan keputusan dari uji Kruskal Wallis.
Pada penelitian ini digunakan Uji Kruskal-Wallis. Analisis ini digunakan untuk
melihat adanya perbedaan antara variabel independen tersebut dengan metode Kruskal
Wallis. Rumus dari uji statistik ini adalah :
R12

12
H=

R22
+

N(N+1)

n1

R32
+

n2

Ri2
+

n3

- 3 (N+1)
ni

Dimana :
H

= nilai dari uji statistik Kruskal Wallis

= jumlah data dalam setiap variabel

= banyaknya data dalam setiap variabel

49
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007