ANALISIS DAMPAK SHOCK VOLUME PERDAGANGAN SAHAM PADA INDEKS HARGA
SAHAM CONSUMER GOODS DENGAN STRUCTURAL VECTOR AUTOREGRESSIVE (SVAR)
DEPARTEMEN STATISTIKA
Infan Nur Kharismawan
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
Latar Belakang
Investasi saham berkaitan dengan indeks yang
mencerminkan harga saham yaitu indeks saham yang
merupakan salah satu pedoman melakukan investasi,
karena fluktuasi indeks saham berdampak pada
harga saham. Selain indeks saham, volume
perdagangan saham juga terkait dengan harga
saham. Naiknya volume perdagangan saham yang
didominasi aksi beli akan meningkatkan harga
saham serta berdampak pada indeks saham
(Darmadji dan Fakhtudidin, 2001).
Penelitian ini menggunakan Structural Vector
Autoregressive (SVAR) dengan restriksi mengacu
pada teori bahwa volume perdagangan saham
mempengaruhi indeks saham dalam kasus ini indeks
saham yang digunakan adalah indeks saham
consumer goods. SVAR digunakan untuk melakukan
peramalan pada setiap variabel serta menganalisis
dampak shock yang disebabkan shock volume
perdagangan saham pada indeks saham consumer
goods ketika terjadi guncangan.
Metodologi Penelitian
Jenis dan Sumber Data
Data yang digunakan adalah data sekunder terdiri
dari volume perdagangan saham dan indeks saham
consumer goods yang dipublikasikan website
investing.com (https:/investing.com/). Volume
perdagangan saham digunakan satuan juta lembar
saham dan indeks saham consumer goods
menggunakan harga penutupannya.
Variabel Penelitian
a. Volume perdagangan saham consumer goods
b. Indeks saham consumer goods
Kedua variabel adalah data harian dari 4 Agustus
2017 hingga 26 Juni 2018
Hasil dan Pembahasan
Model Vector Autoregressive (VAR)
Model VAR terbentuk dengan lag optimum
berdasarkan AIC terkecil adalah VAR(8) yang
variabel pembentuknya stasioner dalam varian
setelah dilakukan transformasi Box-Cox dengan λ =
-0,50 (volume perdagangan saham) dan λ = 2,00
(indeks saham consumer goods) serta stasioner
dalam mean pada derajat diferensi orde pertama.
Model Structural Vector Autoregressive (SVAR)
SVAR dibentuk dengan basis yaitu VAR (8) dengan
1 0
restriksi A=[ ] yang mengacu pada
−2716489 1
teori bahwa volume perdagangan saham
mempengaruhi indeks saham consumer goods
Hasil Peramalan
Hasil peramalan 6 periode ke depan (27 Juni 2018
– 4 Juli 2018) yaitu sebagai berikut:
Volume Indeks Consumer
Tanggal
Perdagangan Saham Goods
27/6/18 718,23074 2414,84848
28/6/18 646,13693 2429,57135
29/6/18 647,58869 2438,80292
02/7/18 639,89969 2434,53167
03/7/18 744,55990 2442,16145
04/7/18 707,81069 2437,19059
Kinerja model dengan MAPE yaitu untuk volume
perdagangan saham 13,87% (in sample) dan 14,23%
(out sample) serta indeks saham consumer goods
0,87% (in sample) dan 1,76% (out sample)
Analisis Dampak Shock
Respon indeks saham consumer goods ketika terjadi
guncangan terhadap shock 1 adalah cenderung
meningkat sedangkan respon terhadap shock 2
menurun hingga kondisi equilibrium pada periode
ke-26 dengan proporsi shock 1 sebesar 9,920950%
dan shock 2 sebesar 90,07905%.
Dr. Rukun Santoso, M.Si Dr. Budi Warsito, M.Si
Mahasiswa Pembimbing I Pembimbing II
Tinjauan Pustaka
Uji Stasioneritas
Rosadi (2012) menyatakan bahwa stasioneritas berarti fluktuasi data berada di sekitar rata-rata serta varian
yang konstan. Metode Box-Cox adalah salah satu metode menstasionerkan data yang tidak stasioner dalam
varian dengan transformasi pangkat (λ) pada respon. Gujarati (2004) menyatakan bahwa stasioneritas dalam
mean dilakukan dengan augmented dickey fuller (ADF-test) dengan langkah sebagai berikut:
1. Menentukan hipotesis pengujian
𝐻0 : |∅| = 1 (terdapat akar unit atau data tidak stasioner.
𝐻1 : |∅| < 1 (tidak terdapat akar unit atau data stasioner)
2. Menentukan taraf signifikansi (α)
3. Menghitung statistik uji
̂ −1
∅
t-hitung = | ̂) |
𝑆𝐸(∅
4. Kriteria ujinya adalah menolak 𝐻0 apabila t-hitung > |ADF tabel| atau p-value < α
Vector Autoregressive
Vector autoregressive (VAR) merupakan analisis yang persamaan simultannya mempertimbangkan
beberapa variabel terikat secara bersama. Tyas et al (2014) menyatakan bahwa setiap variabel selain
dipengaruhi nilai variabel itu sendiri di masa lalu juga dipengaruhi masa lalu variabel terikat lainnya.
Structural Vector Autoregressive (SVAR)
Metode SVAR adalah pengembangan dari VAR. SVAR digunakan untuk membuat restriksi (A) sehingga
model VAR akan sejalan dengan teori yang ada. Restriksi mengacu pada spesifikasi A𝜺𝒕 = 𝝁𝒕 dengan A
adalah matriks bujur sangkar ukuran k x k dan k adalah jumlah variabel yang digunakan dalam model.
Kinerja Model
Model terbaik didasarkan pada nilai residual ramalan in sample dan out sample. Model dikatakan baik jika
memiliki nilai MAPE (mean absolute percentage error) yang kecil (Chang et al, 2007). Persamaan untuk
menghitung MAPE adalah sebagai berikut:
1 𝑍𝑡 −𝑍̂𝑡
MAPE = ∑𝑇𝑡=1 | |x 100%
𝑇 𝑍𝑡
dengan:
𝑍𝑡 : nilai aktual saat periode ke-t
𝑍̂𝑡 : nilai prediksi saat periode ke-t
T : banyaknya observasi
Variance Decomposition
Variance decomposition memberikan informasi pergerakan pengaruh shock pada sebuah variabel terhadap
shock variabel lain pada periode saat ini dan periode yang akan datang (Enders, 2004). Lütkepohl (2005)
menyatakan bahwa proporsi variance decomposition hingga periode ke-h dirumuskan sebagai berikut:
𝜔𝑥𝑦,ℎ = ∑ℎ−1 ′ 2 ℎ−1 𝐾 2
𝑖=ℎ (𝒆𝒙 𝜣𝒊 𝒆𝒚 ) ⁄∑𝑖=0 ∑𝑘=1 𝜃𝑗𝑘,𝑖
dengan:
𝒆𝒚 : kolom dari matriks 𝐈𝐲
𝒆𝒙 : kolom dari matriks 𝐈𝐱
𝜣𝒊 : matriks impulse dengan 𝜣𝒊 = 𝝋𝒊 A dan 𝝋𝒊 = ∑𝒊𝒋=𝟏 𝝋𝒊−𝒋 𝜱𝒋 dengan 𝝋𝟎 = I
𝜃𝑗𝑘,𝑖 : elemen dari matriks 𝜣𝒊
Kesimpulan
1. Lag optimum yang digunakan untuk membentuk model VAR berdasarkan nilai AIC terkecil yaitu lag
ke-8. Model VAR(8) terbentuk dengan variabel pembentuknya stasioner dalam varian setelah dilakukan
transformasi dan stasioner dalam mean pada derajat diferensi orde pertama.
1 0
2. Model SVAR dibentuk dari VAR(8) dengan restriksi berupa matriks A = [ ].
−2716489 1
3. Kinerja model menggunakan nilai MAPE pada data in sample variabel volume perdagangan saham
bernilai 13,87% dan indeks saham consumer goods bernilai 0,87%, sedangkan pada data out sample
MAPE variabel volume perdagangan saham dan indeks saham consumer goods secara berturut-turut
bernilai 14,23% dan 1,76%.
4. Respon indeks saham consumer goods ketika terjadi guncangan terhadap shock 1 dan shock 2 akan
mencapai kondisi equilibrium pada periode ke-26 dengan proporsi shock 1 sebesar 9,920950% dan
shock 2 sebesar 90,07905%.
Daftar Pustaka
Chang, P.C., Wang, Y.W., Liu, C.H. 2007. The Development of a Weighted Evolving Fuzzy Neural
Network for PCB Sales Forecasting. Expert Systems with Applications. No. 32. Pages: 86 -
89.
Darmadji, T. dan Fakhtudidin, H.M. 2001. Pasar Modal di Indonesia Pendekatan Tanya Jawab ,
Edisi Pertama. Jakarta: PT Salemba Empat.
Enders, W. 2004. Applied Econometric Time Series. John Wiley & Sony, Inc.
Gujarati, D.N. 2004. Basic Econometrics, Fourth Edition. New York: The McGraw-Hill.
Lütkepohl, H. 2005. New Introduction to Multiple Time Series Analysis. Berlin: Springer.
Rosadi, D. 2012. Ekonometrika & Analisis Runtun Waktu Terapan dengan EViews. Yogyakarta:
Andi.
Tyas,V.R.A., Komang, D., Made, A. 2014. Penerapan Model Arbitrage Pricing Theory Dengan
Pendekatan Vector Autoregression Dalam Mengestimasi Expected Return Saham (Studi
Kasus: Saham-Saham Kompas100 Periode 2010-2013). Jurnal Matematika, Vol. 3 No. 1,
Januari 2014, halaman 17-24
www.investing.com (diakses pada 23 Mei 2018)