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:
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
36
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007
3.2.2
3.2.2.1 Mean
Mean atau rata-rata hitung dari return intraday masing-masing saham
tersebut per 15 menit.
Rumusnya adalah sebagai berikut:
( 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.
3.2.3
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
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
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
42
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007
X12
X13
X14
X15
X16
X17
X18
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.
X1
X2
X3
X4
X5
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
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
RRSS
= jumlah restrictions
= jumlah observasi
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
independen untuk menentukan apakah tiga atau lebih distribusi yang kontinyu memiliki
rata-rata yang sama.
48
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007
12
H=
R22
+
N(N+1)
n1
R32
+
n2
Ri2
+
n3
- 3 (N+1)
ni
Dimana :
H
49
Analisis pola ..., R.Meisjke Hapsari Dewi WN., FE UI, 2007