PROPOSAL TESIS

PERAN GOOGLE TRENDS DALAM MENGUKUR

SENTIMEN COVID-19 DAN KEBIJAKAN PEMERINTAH DALAM
PUBLIKASI MEDIA TERHADAP
VOLATILITAS PASAR SAHAM INDONESIA

Oleh:
WACHID PRIYADI
C2C022027

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS EKONOMI DAN BISNIS
PROGRAM STUDI MAGISTER ILMU MANAJEMEN
2023
 PROPOSAL TESIS

PERAN GOOGLE TRENDS DALAM MENGUKUR

SENTIMEN COVID-19 DAN KEBIJAKAN PEMERINTAH DALAM
PUBLIKASI MEDIA TERHADAP
VOLATILITAS PASAR SAHAM INDONESIA

Diajukan untuk Memenuhi Persyaratan Menyusun Tesis

pada Fakultas Ekonomi dan Bisnis Universitas Jenderal Soedirman

Oleh:
WACHID PRIYADI
C2C022027

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS EKONOMI DAN BISNIS
PROGRAM STUDI MAGISTER ILMU MANAJEMEN
2023
 PROPOSAL TESIS

PERAN GOOGLE TRENDS DALAM MENGUKUR

SENTIMEN COVID-19 DAN KEBIJAKAN PEMERINTAH DALAM
PUBLIKASI MEDIA TERHADAP
VOLATILITAS PASAR SAHAM INDONESIA

Oleh:
WACHID PRIYADI
C2C022027

Disetujui untuk Seminar Proposal

Pada tanggal:

Pembimbing I Pembimbing II

Dr. Sudarto, M.E. Dr. E. Rio Dhani Laksana, S.E, M.Sc

NIP. 19620719 198901 1 001 NIP. 19821114 201012 1 007
 DAFTAR ISI

DAFTAR TABEL ................................................................................................... 1

DAFTAR GAMBAR .............................................................................................. 1

I. PENDAHULUAN ......................................................................................... 1
1.1 Latar Belakang ............................................................................................... 1
1.2 Rumusan Masalah .......................................................................................... 5
1.3 Tujuan Penelitian ........................................................................................... 7
1.3.1 Tujuan Umum ................................................................................................ 7
1.3.2 Tujuan Khusus ............................................................................................... 8
1.4 Ruang Lingkup Penelitian ............................................................................. 9
1.5 Manfaat Penelitian ......................................................................................... 9
1.5.1 Teoritis ........................................................................................................... 9
1.5.2 Praktis ............................................................................................................ 9

II. TELAAH PUSTAKA DAN PENGEMBANGAN HIPOTESIS ................. 10

2.1 Telaah Pustaka ............................................................................................. 10
2.1.1 Volatilitas Pasar Saham ............................................................................... 10
2.1.2 Google Trends ............................................................................................. 16
2.1.3 Sentimen COVID-19 ................................................................................... 18
2.1.4 Kebijakan Pemerintah .................................................................................. 19
2.2 Pengembangan Hipotesis ............................................................................. 21
2.2.1 Sentimen COVID-19 berpengaruh positif terhadap
Volatilitas Pasar Saham......................................................................................... 21
2.2.2 Kebijakan Pemerintah Berpengaruh Positif Terhadap
Volatilitas Pasar Saham......................................................................................... 23
2.3 Model Penelitian .......................................................................................... 25

III. METODE PENELITIAN ............................................................................ 26

3.1 Desain Penelitian ......................................................................................... 26
3.1.1 Jenis Penelitian ............................................................................................ 26
3.1.2 Objek dan Subjek Penelitian ........................................................................ 26
3.1.3 Lokasi Penelitian ......................................................................................... 26
3.1.4 Jenis dan Sumber Data................................................................................. 27
3.1.5 Metode Pengumpulan Data.......................................................................... 27
3.1.6 Populasi dan Sampel .................................................................................... 27
3.2 Definisi Konseptual Variabel ...................................................................... 28
3.3 Alat Analisis ................................................................................................ 29
3.3.1 Uji Stasioneritas ........................................................................................... 29
3.3.2 Uji Normalitas Residual .............................................................................. 30
3.3.3 Uji Autokorelasi........................................................................................... 30
3.3.4 Uji Stabilitas Variasi .................................................................................... 30
3.3.5 Model Univariate GARCH MIDAS ............................................................ 31

Daftar Pustaka ....................................................................................................... 32

 DAFTAR TABEL

Tabel 1. Daftar Research Gap .................................................................................... 7

Tabel 2. Definisi Konseptual Variabel ..................................................................... 28
 DAFTAR GAMBAR

Gambar 1 : Volatilitas Indeks periode COVID-19 (Maret-Juni 2020) ...................... 1

Gambar 2 : Volatilitas Indeks Periode GFC (Sept-Nov 2008) .................................. 2
Gambar 3 : Model Penelitian ................................................................................... 25
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Volatilitas pasar saham merupakan fenomena perubahan harga secara

sensitif, perubahan tersebut tergantung pada keadaan ekonomi maupun politik suatu

negara. Menurut Bekaert dan Wu (2000) volatilitas pasar saham juga dapat

dipengaruhi oleh berita positif sehingga mengakibatkan volatilitas yang cukup

tinggi sehingga dimanfaatkan untuk memperoleh return saham. Pandemi COVID-

19 muncul sebagai berita negatif dan memberikan dampak yang cukup parah

sehingga mengakibatkan volatilitas pada pasar saham (Shehzad et al., 2020).

Volatilitas Indeks
90
80
70
60
50
40
30
20
10
0
06/03/2020 06/04/2020 06/05/2020 06/06/2020

Open Close

Gambar 1 : Volatilitas Indeks periode COVID-19 (Maret-Juni 2020)

Georgieva (2020) berpendapat bahwa COVID-19 membawa dunia mendekati

krisis keuangan yang lebih berbahaya dibandingkan dengan Global Financial

Crises (GFC) 2007-2009. Selain itu, indeks volatilitas keuangan (VIX), telah

bergerak ke tingkat paling atas, lebih tinggi dibanding era GFC (Gambar 1 dan
 2

Gambar 2) (Leduc dan Liu, 2020). Perlunya mengeksplorasi dampak COVID-19 di

pasar saham karena terdapat kemungkinan bahwa dampak yang ditimbulkan

menyerupai GFC.

Volatilitas Indeks
90
80
70
60
50
40
30
20
10
0

Open Close

Gambar 2 : Volatilitas Indeks Periode GFC (Sept-Nov 2008)

Studi sebelumnya mempertimbangkan dampak COVID-19 melalui dampak

langsung dan tidak langsung. Kelompok studi pertama mengukur dampak langsung

COVID-19 dengan menggunakan statistik terkait Kesehatan seperti kasus positif

dan kasus kematian. Studi yang dilakukan oleh Al-Awadhi et al., (2020), Ali et al.,

(2020), dan Capelle-Blancard dan Desroziers, (2020) memberikan kontribusi dalam

bidang keuangan khususnya dalam sektor investasi pasar saham. Kelompok studi

kedu berfokus pada sentimen yang diberikan COVID-19 pada pasar saham. Google

Trends dimanfaatkan dalam mengukur sentimen COVID-19 terhadap pasar saham

yang berdampak pada investor ritel (Da et al., 2011 dan Smales, 2021).

Kelompok studi ketiga menyelidiki dampak respon pemerintah dalam bentuk

kebijakan yang diambil seperti lockdown dan bantuan berupa relaksasi peraturan
 3

dalam ruang lingkup pasar modal (Szczygielski, Charteris et al., 2023). Studi

mendokumentasikan dampak campuran dari tanggapan pemerintah terhadap

pengembalian pasar saham global (Szczygielski, Bwanya et al., 2021 dan Capelle-

Blancard & Desroziers, 2020). Dampak tidak langsung dari COVID-19

dicerminkan bersama dengan pengaruh lain seperti hasil pemilu Amerika Serikat

(AS) atau negosiasi Brexit (Szczygielski, Charteris et al., 2023).

Kajian dampak dari penggunaan Google Trends dalam mengukur sentimen

COVID-19 menghasilkan dampak negatif bagi pasar saham negara maju maupun

negara berkembang (Capelle-Blancard & Desroziers, 2020; Costola et al., 2020a;

Liu, 2020; Papadamou et al., 2020; Smales, 2021a; Szczygielski, Bwanya et al.,

2021). Intensitas dampak dari penggunaan Google trends dalam mengukur

sentimen COVID-19 menghasilkan dampak yang bervariasi dari waktu ke waktu

dan lintas negara, industri dan perusahaan (Smales, 2021b; Szczygielski, Charteris

et al., 2021; Szczygielski, Bwanya et al., 2021).

Baker et al., (2020) memperluas Indeks Economic Market Volatility (EMV)

untuk memasukkan Indeks Infectious Disease (EMV-ID) dalam mengukur

sentimen COVID-19 melalui kata kunci pada pencarian di Google Trends. EMV-

ID mencakup istilah-istilah yang berhubungan dengan ekonomi, pasar, dan

volatilitas, yang diukur berdasarkan jumlah berita terkait penyakit menular dan

dicerminkan dalam Relative Search Volume. Psikologi ekonomi mendukung

konsep bahwa dalam ketidakpastian, individu mencari informasi lebih intensif

(Dzielinski, 2012; Da et al., 2015; Castelnuovo dan Duc Tran, 2017; Bontempi et

al., 2019). Maka fluktuasi dalam Relative Search Volume dapat diartikan sebagai
 4

indikator ketidakpastian atau kekhawatiran investor ritel (Da et al., 2015; Lyócsa et

al., 2020; Smales, 2021a; Szczygielski, Bwanya, et al., 2021). Dampak Relative

Search Volume di Google Trends terkait COVID-19 cenderung lebih signifikan

pada volatilitas pasar saham dibandingkan pengembaliannya (Vlastakis dan

Markellos, 2012 dan Moussa et al., 2017). Dampak ini bahkan dapat meluas

menjadi krisis finansial global, seperti yang terlihat dalam dampak krisis COVID-

19 pada krisis keuangan global (Shehzad et al., 2020).

Terdapat keterkaitan antara Google Trends dan indeks lain, seperti Indeks

Economic Policy Uncertainty (EPU) (Ma et al., 2022). EPU, diukur melalui jumlah

artikel yang membahas ketidakpastian kebijakan ekonomi, memiliki dampak

jangka pendek dan panjang pada volatilitas pasar saham. Penelitian ini memberi

konteks pada potensi efek yang lebih luas dari COVID-19 pada volatilitas pasar

saham. Namun demikian, perlu diperhatikan bahwa sejauh ini, dampaknya

bervariasi dalam rentang waktu, negara, industri, dan perusahaan tertentu (Smales,

2021b; Szczygielski, Bwanya, et al., 2021; Szczygielski, Charteris, et al., 2021).

Bakry et al., (2022) berpendapat bahwa terdapat perbedaan dalam volatilitas pasar

saham selama pandemi COVID-19 antara Emerging Market dan Developed

Market. Faktor seperti respons pemerintah terhadap pandemi menjadi penting

dalam mengatasi volatilitas pasar di Emerging Market, termasuk Indonesia yang

dikelompokkan sebagai Emerging Market oleh MSCI

(https://www.msci.com/what-is-an-emerging-market).
 5

Keterbatasan penelitian sebelumnya lebih berfokus pada hubungan antara

variabel Economic Market Volatility Inflection Disease (EVM-ID) dengan

volatilitas pasar saham, namun belum spesifik dilakukan di dalam ruang lingkup

pasar saham Indonesia. Menurut temuan Bakry et al. (2022), faktor yang signifikan

memengaruhi volatilitas pasar saham di pasar emerging, seperti Indonesia, adalah

respon kebijakan yang diambil oleh pemerintah. Dalam rangka mengisi

kesenjangan pengetahuan ini, penelitian ini akan menggunakan indeks Economic

Policy Uncertainty (EPU) yang dikembangkan oleh Ma et al. (2022) sebagai alat

untuk mengukur tingkat ketidakpastian ekonomi yang dipengaruhi oleh kebijakan

pemerintah. Melalui indeks EPU, penelitian ini bertujuan untuk memberikan

pemahaman yang lebih mendalam tentang bagaimana respon investor ritel di pasar

saham Indonesia dipengaruhi oleh tingkat ketidakpastian ekonomi yang terkait

dengan kebijakan pemerintah.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan, tampak adanya kekurangan

dalam penelitian yang secara khusus mengkaji pengaruh variabel sentimen terkait

COVID-19, seperti indeks EMV-ID (Smales, 2021b; Szczygielski, Bwanya, et al.,

2021; Szczygielski, Charteris, et al., 2021; Costola et al., 2023) dan indeks EPU

(Ma et al., 2022) sebagai variabel independen yang diukur melalui Relative Search

Volume di Google Trends terhadap volatilitas pasar saham di Indonesia sebagai

Emerging Market (https://www.msci.com/what-is-an-emerging-market).

Meskipun beberapa penelitian sebelumnya telah mengkaji hubungan antara faktor-

faktor ini dengan volatilitas pasar saham, minimnya penelitian yang secara spesifik
 6

memfokuskan pada pasar saham Indonesia menjadikan penelitian ini relevan untuk

dilakukan.

Berdasarkan uraian diatas diperlukan upaya untuk melengkapi kekosongan

penelitian sebelumnya (research gap) dengan mendalami isu ini lebih lanjut dan

menggali hubungan antara variabel sentimen dan variabel kebijakan pemerintah

terhadap volatilitas pasar saham di Indonesia. Rumusan masalah penelitian yang

relevan dapat dirumuskan sebagai berikut, "Bagaimana pengaruh variabel sentimen

seperti indeks EMV-ID dan variabel kebijakan pemerintah seperti indeks EPU

sebagai variabel independen yang diukur melalui Relative Search Volume di

Google Trends, terhadap volatilitas pasar saham di Indonesia sebagai Emerging

Market?".

Berdasarkan rumusan masalah tersebut, dapat diuraikan beberapa pertanyaan

penelitian sebagai berikut :

1. Apakah variabel sentimen COVID-19 berupa indeks EMV-ID

mempengaruhi volatilitas pasar saham di Indonesia?

2. Apakah variabel kebijakan pemerintah berupa indeks EPU mempengaruhi

volatilitas pasar saham di Indonesia?

 7

1.3 Tujuan Penelitian

1.3.1 Tujuan Umum

Penelitian ini dilakukan untuk memberikan kontribusi pada penelitian

tentang peran Google Trends sebagai alat untuk sentimen COVID-19 terhadap

volatilitas pasar saham dengan menggunakan indeks EMV-ID dan indeks EPU pada

ruang lingkup Emerging Market yaitu Indonesia. Karena masih sedikitnya

penelitian terdahulu belum mempertimbangkan subjek Indonesia dalam model

tersebut (research gap).

Tabel 1. Daftar Research Gap

No Penulis Hasil

1 Smales (2021b) Terdapat pengaruh negatif antara informasi

COVID-19 yang diukur melalui GST terhadap

volatilitas pasar saham Amerika

2 Szczygielski, Bwanya, et Terdapat pengaruh negatif antara

al (2021) ketidakpastian COVID-19 yang diukur melalui

GST terhadap MSCI AC Indeks

3 Szczygielski, Charteris, Terdapat pengaruh negatif antara informasi

et al (2021) ketidakpastian COVID-19 yang diukur melalui

GST pada semua sektor di pasar saham

Amerika dan China

 8

No Penulis Hasil

4 Costola et al (2023) Terdapat hubungan yang positif dan signifikan

secara statistik antara skor sentimen melalui

analisis jumlah artikel media tentang COVID-

19 menggunakan machine learning berupa

BERT terhadap indeks S&P 500.

5 Bakry et al (2022) Terdapat perbedaan pengaruh volatilitas dipasar

yang sedang berkembang dan pasar yang sudah

berkembang dengan faktor informasi COVID-

19 yang diukur melalui kasus positif, kematian,

dan sebuh, faktor kebijakan pemerintah juga

diukur melalui variabel dummy terkait

kebijakan vaksin.

6 Ma et al (2022) Terdapat pengaruh positif terkait penggunaan

indeks EPU dalam ruang lingkup G7 (US,

Japan, Prancis, Inggris, Itali, Canada, Jerman)

1.3.2 Tujuan Khusus

1.3.2.1 Untuk mengetahui apakah variabel sentimen COVID-19 berupa indeks

EMV-ID mempengaruhi volatilitas pasar saham di Indonesia.

1.3.2.2 Untuk mengetahui apakah variabel kebijakan pemerintah berupa indeks

EPU mempengaruhi volatilitas pasar saham di Indonesia.

 9

1.4 Ruang Lingkup Penelitian

Pada penelitian ini ruang lingkup dibatasi pada variabel Volatilitas Pasar

Saham sebagai variabel dependen, sedangkan untuk variabel independen berupa

sentimen COVID-19 dan kebijakan pemerintah. Pada penelitian ini, sentimen

COVID-19 diukur melalui indeks EMV-ID dan variabel kebijakan pemerintah

diukur dengan indek EPU yang diperoleh melalui Relative Search Volume di

Google Trends. Periode pengamatan penelitian dibatasi selama 3 tahun yaitu dari

2020 sampai 2022 sebagai periode COVID-19.

1.5 Manfaat Penelitian

1.5.1 Teoritis

Penelitian ini diharapkan dapat memberikan kontribusi dalam ilmu

manajemen keuangan dalam bidang investasi. Khususnya untuk mempelajari

bagaimana pengaruh variabel sentimen COVID-19 berupa indeks EMV-ID dan

variabel kebijakan pemerintah berupa indeks EPU sebagai variabel independen

terhadap Volatilitas Pasar Saham di ruang lingkup Emerging Market.

1.5.2 Praktis

Hasil penelitian ini diharapkan dapat digunakan sebagai pertimbangan

dalam pengambilan keputusan pembuatan portofolio investasi di Emerging Market

dengan variabel sentimen COVID-19 berupa indeks Equity Market Volatility

Infectious Disease dan indeks Economic Policy Uncertainty.

 10

BAB II
TELAAH PUSTAKA DAN PENGEMBANGAN HIPOTESIS

2.1 Telaah Pustaka

2.1.1 Volatilitas Pasar Saham

Volatilitas pasar saham adalah ukuran statistik yang menggambarkan

fluktuasi atau perubahan harga yang signifikan dalam suatu periode waktu tertentu

(Andersen et al, 2001). Volatilitas pasar saham mengindikasikan tingkat risiko atau

ketidakpastian yang ada di pasar saham, diukur berdasarkan variasi harga saham

dari waktu ke waktu (Engle, 1982; Nelson, 1991; Glosten et al., 1993). Volatilitas

pasar saham mencerminkan kecepatan dan intensitas pergerakan harga saham

dalam suatu jangka waktu tertentu (Bekaert dan Wu, 2000).

Volatilitas mencerminkan tingkat ketidakpastian atau risiko yang terkait

dengan investasi saham. Semakin tinggi volatilitas, semakin besar fluktuasi harga

saham dan semakin besar tingkat ketidakpastian bagi para investor (Black, 1976).

Sehingga volatilitas pasar saham dapat didefinisikan sebagai ukuran statistik yang

menggambarkan fluktuasi atau perubahan harga yang signifikan dalam suatu

periode waktu tertentu, mengindikasikan tingkat risiko atau ketidakpastian di pasar

saham, dan mencerminkan kecepatan, intensitas, serta tingkat ketidakstabilan

pergerakan harga saham.

Krisis global seperti krisis keuangan global tahun 2008 memberikan

pengaruh yang signifikan terhadap volatilitas pasar saham (Baek et al., 2020; Shehzad

et al., 2020). Faktor-faktor seperti ketidakpastian ekonomi (Dzielinski, 2012; Ashraf,

 11

2020a; Ma et al., 2022), penurunan kepercayaan investor (Ortmann et al., 2020;

Engelhardt et al., 2021; Nguyen et al., 2023), dan gejolak dalam kebijakan moneter

(Engle, 1982) dapat menciptakan fluktuasi harga yang tinggi pada pasar saham.

COVID-19 dan krisis keuangan diketahui memiliki hubungan yang erat.

Georgieva (2020) berasumsi COVID-19 berdampak secara global yang kemudian

membawa dunia menuju krisis keuangan yang lebih berbahaya daripada Global

Financial Crisis (GFC) pada tahun 2007-2009. Selain itu, Adam (2020)

melaporkan bahwa pasar keuangan hampir runtuh seperti saat krisis keuangan pada

tahun 2008. Studi yang dilakukan oleh Shehzad et al., (2020) menunjukkan bahwa

krisis kesehatan yang disebabkan oleh COVID-19 telah menyebabkan krisis

keuangan global. Studi tersebut menemukan bahwa COVID-19 memiliki dampak

yang lebih besar pada variansi pasar saham AS, Jerman, dan Italia daripada GFC.

Ketidakpastian ekonomi dan kebijakan pemerintah selama periode COVID-

19 turut memberikan dampak terhadap pasar saham (Szczygielski, Charteris, et al.,

2021 dan Ma et al., 2022). Ketidakpastian kebijakan ekonomi didefinisikan sebagai

ketidakpastian yang muncul dari perubahan atau ketidaktentuan dalam kebijakan

ekonomi pemerintah, seperti perubahan dalam kebijakan fiskal, moneter,

perdagangan, dan regulasi. Ketidakpastian kebijakan ekonomi dapat

mempengaruhi pasar keuangan dan aktivitas ekonomi, karena dapat mempengaruhi

persepsi investor dan keputusan investasi perusahaan.

 12

Ketidakpastian makroekonomi juga dapat dijelaskan melalui volatilitas

pasar saham (Van Robays, 2016). Volatilitas pasar saham kerap terjadi karena

adanya sentimen negatif yang diberikan oleh media maupun analisis (Vlastakis dan

Markellos, 2012b), variasi harga cenderung terbentuk dengan sangat sensitif jika

sentimen negatif diterima oleh investor secara berlebihan. Dalam kondisi tersebut,

perlu adanya perlindungan investor melalui kebijakan pemerintah agar dapat

mengurangi terjadinya volatilitas pasar saham.

Media online sebagai sarana publikasi seringkali memberikan berita dengan

unsur ketidakpastian, mulai dari berita-berita tentang ramalan yang buruk bahkan

hingga kehancuran sebuah pasar saham (Vlastakis dan Markellos, 2012b). Dalam

era digital sekarang informasi mudah untuk didapatkan namun kemudahan tersebut

tidak disertai dengan kecerdasan emosional. Secara psikologi individu akan merasa

terancam dan panik ketika memperoleh informasi diluar kemampuan mereka, tidak

sedikit pula yang melakukan penjualan saham secara besar-besaran karena

informasi negatif yang mereka terima mengenai masa depan pasar saham (Tantaopas

et al., 2016), sehingga memberikan dampak pada volatilitas pasar saham.

Studi terdahulu telah mengidentifikasi beberapa faktor yang dapat

mempengaruhi volatilitas pasar saham. Penelitian ini memberikan wawasan tentang

variabel-variabel yang dapat menjadi prediktor terjadinya fluktuasi harga saham.

Beberapa faktor anteseden yang relevan dengan volatilitas pasar saham yang

pertama adalah sentimen pasar dan keyakinan investor. Studi terbaru menggunakan

Google trends sebagai pengukuran sentimen investor dengan menggunakan kata

kunci COVID-19 (Da et al., 2015; Smales, 2021b). Langkah-langkah yang

 13

mengukur perhatian dan sentimen terkait COVID-19 dengan fokus pada media juga

telah dirumuskan dan digunakan. Baker dkk. (2020) memperluas indeks Economic

Market Volatility (EMV) untuk memasukkan infectious disease (EMV-ID).

EMV, artikel surat kabar penghitung indeks harian yang berisi setidaknya

satu istilah yang berkaitan dengan ekuitas, pasar, dan volatilitas, diskalakan

berdasarkan jumlah artikel yang terkait dengan penyakit menular. Nilai yang lebih

tinggi menunjukkan perhatian media terkait COVID-19 yang lebih besar.

Ravenpack Analytics juga telah merancang beberapa ukuran perhatian media

terhadap COVID-19 seperti indeks Media Hype dan Media Coverage (masing-

masing MHI dan MCI) yang mengukur persentase semua sumber berita dan semua

berita yang berfokus pada COVID-19.

Konsisten dengan temuan Google Search Trends - meskipun perdebatan

tentang apakah pencarian tren mencerminkan perhatian, ketidakpastian, atau

keduanya terus berlanjut. Capelle-Blancard dan Desroziers (2020)

mendokumentasikan bahwa perhatian media yang lebih besar yang ditangkap oleh

EMV-ID berdampak negatif terhadap pengembalian saham secara global. Salisu et

al., (2021) menemukan bahwa penggunaan data Google Trends dapat

meningkatkan akurasi prediksi kinerja saham, dan bahwa penggunaan model

prediksi dengan kombinasi data Google Trends dan variabel makroekonomi dapat

meningkatkan kinerja prediksi. Faktor kedua adalah fluktuasi ekonomi dan

makroekonomi. Perubahan dalam kondisi ekonomi secara keseluruhan, seperti

pertumbuhan GDP, inflasi, dan tingkat pengangguran, dapat mempengaruhi

prospek bisnis dan pasar saham. Tanggapan pemerintah dikuantifikasi oleh Oxford
 14

COVID-19 Stridency Government Response Tracker (GRT). Google dan Apple

Mobility Trackers (masing-masing GMT dan AMT) juga telah digunakan untuk

menangkap perubahan perilaku dalam menanggapi kebijakan yang diperkenalkan

oleh pemerintah. Mobilitas fisik dapat dilihat sebagai ukuran penahanan de facto

dibandingkan dengan GRT de jure (Chen, Igan et al., 2020).

Studi menemukan dampak campuran dari tanggapan pemerintah terhadap

pengembalian pasar saham global, dampak dengan efek negatif (Szczygielski,

Bwanya, et al., 2021) maupun dampak dengan efek positif (Capelle-Blancard dan

Desroziers, 2020). Penelitian juga mengkaji dampak dari aspek-aspek tertentu dari

respons pemerintah. Paket bantuan sosial telah ditemukan berdampak positif

terhadap return saham (Ashraf, 2020b; Narayan et al., 2020). Sebaliknya, kebijakan

terkait physical distancing dan lockdown memiliki efek negatif pada pengembalian

saham (Ashraf, 2020b; Aggarwal et al., 2021). Namun demikian, bukti dampak

positif dari lockdown terhadap pengembalian saham global juga telah ditemukan

(Narayan et al., 2020).

Terdapat beberapa ukuran ketidakpastian ekonomi seperti Twitter economic

and market uncertainty indices (TEU dan TMU), survei ekspektasi bisnis, dan

Economic Policy Uncertainty ( EPU) indeks Baker et al. (2016) yang terdiri dari

liputan surat kabar tentang ketidakpastian terkait kebijakan, jumlah ketentuan kode

pajak Federal yang akan kadaluarsa, dan ketidaksepakatan di antara ramalan

ekonomi. Meskipun langkah-langkah ini menangkap trends keseluruhan dalam

ketidakpastian dan dengan demikian mencerminkan pengaruh selain pandemi,

mereka mengalami 'lonjakan' yang signifikan selama krisis COVID-19 (Altig et al.,
 15

2020; Barrero & Bloom, 2020; Caggiano et al., 2020). Selain itu, penelitian

menunjukkan bahwa VIX dan TMU telah bergerak erat dengan Tren Penelusuran

Google terkait COVID-19 selama pandemi COVID-19, tren penelusuran

mencerminkan ketidakpastian pasar (Chen, Liu et al., 2020; Papadamou et al.,

2020; Szczygielski, Bwanya et al., 2021).

Studi-studi ini memberikan pemahaman tentang dampak volatilitas pasar

saham pada variabel-variabel lain yang relevan. Faktor pertama adalah perubahan

dalam persepsi dan minat publik yang tercermin melalui Google Trends. Artikel

oleh Szczygielski et al., (2023) menunjukkan bahwa tingkat pencarian dan minat

masyarakat terhadap kata kunci terkait dengan pasar saham dapat berhubungan

dengan volatilitas harga saham. Tingkat minat publik yang tinggi dapat memicu

fluktuasi harga yang lebih besar dan volatilitas yang lebih tinggi (Glosten dan

Milgrom, 1985; Na dan Kim, 2021; Vlastakis dan Markellos, 2012b). Faktor kedua

adalah dampak dari indikator makroekonomi pada volatilitas pasar saham.

Penelitian oleh Xu et al., (2019) menunjukkan bahwa variabel makroekonomi

seperti Gross Domestic Product, Producer Price Index dan Industrial Production

dapat digunakan untuk memprediksi volatilitas pasar saham. Perubahan dalam

indikator-indikator ini dapat memicu ketidakpastian dan fluktuasi harga yang

signifikan di pasar saham.

Google Trends secara umum telah digunakan sebagai indikator untuk

mengukur sentimen investor ritel. Data yang diperoleh merupakan sekumpulan data

yang dihimpun dalam angka yang disebut sebagai Relative Search Volume, data

tersebut menunjukan minat pencarian masyarakat pada kurun waktu mingguan. Hal
 16

tersebut dapat dimanfaatkan untuk menghimpun banyaknya artikel berita yang

sering diakses oleh masyarakat, artikel berita tersebut memuat berbagai informasi

yang kemudian dapat memberikan dampak pada persepsi masyarakat.

Variabel makroekonomi turut berperan dalam pembentukan sentimen

COVID-19, kondisi ekonomi yang tidak stabil akan menuntut pembuatan artikel

berita yang membawa konotasi negatif. Ramalan dan pandangan terkait masa depan

seringkali dibungkus dalam sebuah perspektif yang sangat kuat dengan didukung

oleh beberapa data. Semakin baik keadaan suatu negara maka semakin baik pula

informasi dalam artikel yang dibuat, kondisi yang baik akan memberikan efek

nyaman secara psikologis pada masyarakat maupun investor ritel.

2.1.2 Google Trends

Google Trends dapat didefinisikan sebagai alat untuk mengukur indeks

deret waktu yang mencerminkan volume pencarian pengguna di Google dalam

suatu wilayah geografis dan periode waktu tertentu. Indeks ini didasarkan pada

konsep "bagian pencarian," yaitu jumlah total pencarian untuk istilah tertentu dalam

wilayah geografis yang diteliti, dibagi dengan total pencarian keseluruhan di

wilayah tersebut selama periode waktu yang diamati. Indeks bagian pencarian

maksimum dalam periode tersebut dinormalisasi menjadi 100, sementara indeks

bagian pencarian pada tanggal awal observasi dinormalisasi menjadi nol (Choi dan

Varian, 2011).
 17

Menurut Smith (2012) Google Trends memberikan data tentang volume

pencarian kata kunci tertentu di mesin pencari Google melalui layanan Google

Insights for Search. Data ini digunakan untuk mengukur minat global pengguna

internet terhadap topik tertentu dan dapat digunakan sebagai prediktor potensial

untuk volatilitas pasar valuta asing. Demikian pula, Xu et al., (2019) menggunakan

Google Trends sebagai variabel yang mengukur minat atau perhatian masyarakat

terhadap suatu topik yang dicari melalui mesin pencari Google. Salisu et al., (2021)

memanfaatkan volume pencarian informasi tentang saham AS secara global melalui

mesin pencari Google, yang kemudian diubah secara logaritmik dan didekomposisi

menjadi asimetri positif dan negatif untuk memperhitungkan ketidaksimetrisan

dalam pencarian informasi terkait saham AS.

Google Trends juga digunakan sebagai alat untuk mengukur frekuensi

pencarian suatu topik tertentu di mesin pencari Google (Agarwal et al., 2019).

Platform ini digunakan sebagai proxy untuk mengukur perhatian investor terhadap

saham tertentu atau pasar saham secara keseluruhan. Selain itu, Bijl et al., (2016)

menggambarkan Google Trends sebagai volume pencarian tertentu yang

mencerminkan minat atau kekhawatiran masyarakat terhadap topik atau perusahaan

tertentu. Sementara itu, Said dan Slim (2022) menyebutkan bahwa Google Trends

adalah variabel yang tersedia untuk umum dari Google Inc. yang mencatat jumlah

pencarian untuk kueri pencarian tertentu. Namun, Google Trends tidak memberikan

angka absolut, melainkan nilai relatif. Data ini kemudian dinormalisasi dengan

skala tertinggi dan dikalikan dengan 100. Variabel Google Trends digunakan untuk
 18

mengukur perhatian investor terhadap indeks pasar saham tertentu dengan

menggunakan kata kunci tertentu yang terkait dengan indeks tersebut.

Google Trends sebagai alat analisis tren popularitas dan minat pengguna

dapat sangat bermanfaat dalam memahami volatilitas pasar saham. Menurut sebuah

studi yang dipublikasikan dalam jurnal "Information Processing & Management,"

Google Trends digunakan sebagai metode yang efektif untuk memprediksi

volatilitas pasar saham dengan memantau tingkat minat dan pencarian online terkait

saham dan industri tertentu (Choi et al, 2011). Ini menunjukkan bahwa melalui

penggunaan Google Trends, investor dan analis dapat mendapatkan wawasan yang

lebih baik tentang perubahan minat dan perilaku investor yang dapat berdampak

pada volatilitas pasar saham.

2.1.3 Sentimen COVID-19

Internet search engine queries dan social media data dapat digunakan

sebagai sinyal peringatan dini untuk memprediksi jumlah kasus COVID-19 di

Kanada (Yang et al., 2023). Mudahnya akses informasi oleh masyarakat menjadi

faktor pendukung dalam prediksi tersebut. Informasi yang diperoleh berasal dari

berbagai sumber yang diakses melalui search engine maupun tagar di social media

sehingga dapat dimanfaatkan untuk mengukur sensitivitas minat masyarakat.

Kurniawan et al., (2023) memanfaatkan data pencarian Google untuk

mengukur minat masyarakat terkait manajemen limbah di Jakarta. Hasil penelitian

tersebut membahas tentang pentingnya meningkatkan akses dan penyebaran

informasi manajemen limbah yang mudah dipahami dan dapat diakses oleh
 19

masyarakat, serta pentingnya peran pemerintah dalam mengelola limbah dan

meningkatkan kesadaran masyarakat tentang pentingnya manajemen limbah yang

baik.

Akses media secara tidak langsung mewakili bagaimana seseorang

bertindak dan berpikir, pemanfaatan data pencarian terkait topik tertentu dapat

dimanfaatkan baik dalam meramalkan minat maupun meramalkan sebuah

peristiwa. Dalam bidang keuangan pasar modal sentimen yang muncul dari media

dapat menentukan reaksi terhadap perubahan harga pada indeks pasar saham

maupun pada harga saham perusahaan. Publikasi pada media online menjadi sarana

informasi yang dapat memberikan gambaran bagaimana keadaaan suatu pasar, baik

dalam ruang lingkup perusahaan maupun ekonomi secara makro.

2.1.4 Kebijakan Pemerintah

Pemerintah memiliki otoritas dan wewenang untuk membuat keputusan

yang dapat mempengaruhi berbagai aspek masyarakat, ekonomi, lingkungan, atau

kebijakan publik lainnya. Kebijakan pemerintah ini bisa berupa undang-undang,

regulasi, insentif fiskal, program sosial, subsidi, atau keputusan kebijakan lainnya

yang berdampak pada sektor tertentu atau keseluruhan masyarakat. Beberapa

penelitian terdahulu mengembangkan indeks Economic Policy Uncertainty (EPU)

untuk mengukur bagaimana ketidakpastian terkait kebijakan pemerintah suatu

negara (Wu, Liu, & Xie, 2021; Almustafa, Jabbouri, & Kijkasiwat, 2023; Aslam, Ferreira,

Ali, Arifa, & Oliveira, 2023; Ghani & Ghani, 2023; dan Liu et al., 2023).
 20

EPU adalah ukuran tingkat ketidakpastian yang terkait dengan kebijakan

ekonomi yang diadopsi oleh pemerintah. EPU diukur menggunakan indeks yang

dikembangkan oleh Baker et al, (2016) yang mencakup tiga dimensi ketidakpastian:

ketidakpastian kebijakan fiskal, ketidakpastian kebijakan moneter, dan

ketidakpastian kebijakan perdagangan. Indeks EPU juga dapat dihitung

berdasarkan jumlah artikel berita yang terkait dengan ketidakpastian kebijakan

ekonomi yang muncul di media massa (Ma et al., 2022). Semakin tinggi nilai indeks

EPU, semakin tinggi tingkat ketidakpastian kebijakan ekonomi.

Almustafa et al., (2023) berpendapat bahwa EPU mengacu pada tingkat

ketidakpastian dan ketidak dugaan yang mengelilingi kebijakan dan regulasi

ekonomi yang diterapkan oleh pemerintah. Ini mencerminkan ketidakjelasan dan

kurangnya kejelasan mengenai kondisi ekonomi dan keputusan kebijakan di masa

depan, yang dapat memiliki implikasi signifikan bagi bisnis dan ekonomi secara

keseluruhan. EPU dapat muncul dari berbagai faktor seperti perubahan

kepemimpinan pemerintah, peristiwa geopolitik, sengketa perdagangan, reformasi

regulasi, dan krisis keuangan. Wu et al., (2021) berpendapat bahwa EPU dijelaskan

sebagai ketidakpastian yang terkait dengan kebijakan pemerintah dan dampak

potensialnya terhadap ekonomi dan pasar keuangan.

EPU merupakan ukuran dari ketidakpastian dan ambiguitas kebijakan

ekonomi, termasuk kebijakan fiskal, moneter, perdagangan, serta regulasi dan

peristiwa politik. EPU memiliki perhatian yang signifikan dalam literatur karena

potensi pengaruhnya terhadap berbagai variabel ekonomi dan keuangan, termasuk

volatilitas pasar saham (Al-Thaqeb & Algharabali, 2019). EPU didefinisikan sebagai
 21

ukuran tingkat ketidakpastian yang terkait dengan kebijakan ekonomi di suatu

negara (Ghani & Ghani, 2023).

Indeks EPU menggambarkan tingkat ketidakpastian yang mungkin timbul

akibat perubahan kebijakan pemerintah terkait dengan kebijakan fiskal, kebijakan

moneter, atau kebijakan perdagangan. Ghani dan Ghani (2023) menggunakan

indeks EPU untuk beberapa negara, termasuk Pakistan, Amerika Serikat (AS),

Tiongkok, dan Inggris, untuk mengukur tingkat ketidakpastian kebijakan ekonomi

dan mempelajari dampaknya terhadap volatilitas pasar saham.

Indeks EPU digunakan sebagai prediktor untuk mengukur volatilitas pasar

saham Pakistan. Penggunaan indeks EPU dalam emerging market memiliki alasan

karena ketidakpastian kebijakan ekonomi dapat memiliki dampak signifikan

terhadap pasar keuangan dan aktivitas ekonomi secara keseluruhan. Tujuan dari

penggunaan indeks EPU adalah untuk memahami bagaimana perubahan dalam

kebijakan ekonomi dapat mempengaruhi volatilitas pasar saham.

2.2 Pengembangan Hipotesis

2.2.1 Sentimen COVID-19 berpengaruh positif terhadap Volatilitas Pasar

Saham

Konsep Teori Asimetris Informasi juga digunakan untuk menjelaskan

perilaku investor yang terlalu bereaksi atau overreaction terhadap berita dan

informasi yang diterima tentang pasar saham. Investor cenderung merespons berita

dengan berlebihan dan berubah-ubah dalam harga saham secara tidak proporsional

dengan informasi yang diterima (DeBondt dan Thaler, 1985). Hal ini dapat terjadi
 22

karena adanya asimetri informasi antara investor yang mengakibatkan reaksi

berlebihan terhadap informasi baru. Dalam hal ini, investor yang terlalu bereaksi

terhadap berita dapat menyebabkan fluktuasi harga saham yang signifikan, bahkan

melebihi nilai yang sebenarnya.

Penelitian mengenai hubungan antara Google Trends dengan menggunakan

proksi indeks EMV-ID sebagai bentuk sentimen COVID-19 dengan volatilitas

pasar saham telah menghasilkan beberapa temuan yang menarik. Pertama,

penelitian terdahulu menunjukkan bahwa peningkatan dalam pencarian online yang

terkait dengan saham dan indeks pasar saham berhubungan positif dengan

volatilitas pasar saham (Bordino et al., 2012). Temuan ini menunjukkan bahwa

tingkat minat dan perhatian masyarakat terhadap saham melalui Google Trends

dapat mempengaruhi fluktuasi harga saham dan volatilitas pasar.

Studi lain juga menemukan bahwa peningkatan dalam indeks EMV-ID

berhubungan positif dengan volatilitas pasar saham (Baker et al., 2020). Indeks

EMV-ID menggambarkan tingkat ketidaksepakatan atau perbedaan pendapat di

antara investor mengenai kondisi ekonomi dan moneter. Hasil penelitian ini

menunjukkan bahwa adanya perbedaan pendapat di antara investor tentang situasi

ekonomi dan moneter dapat meningkatkan volatilitas pasar saham.

Antweiler dan Frank (2004) mengungkapkan bahwa kenaikan dalam

pencarian online terkait dengan informasi finansial dan ekonomi berhubungan

positif dengan volatilitas harian pasar saham. Goodell et al., (2021) mendukung

bahwa pemanfaatan dari Artificial intelligence (AI) dan machine learning (ML)
 23

dapat membantu dalam penyusunan portofolio agar memaksimalkan pengembalian,

Google trends sendiri merupakan salah satu alat berbasis AI dan ML sehingga dapat

digunakan dalam mengukur sentimen yang kemungkinan berdampak pada

perubahan harga suatu saham. Ini menunjukkan bahwa tingkat minat dan pencarian

informasi yang tinggi dalam domain finansial dan ekonomi melalui Google Trends

dapat berkontribusi terhadap volatilitas pasar saham. Indeks EMV-ID yang

mencerminkan tingkat ketidakpastian ekonomi dan moneter memiliki hubungan

positif dengan volatilitas pasar saham (Smith, 2012; Kim et al., 2018; Baker et al.,

2020; Bai et al, 2021).

Hasil ini menunjukkan bahwa tingkat ketidakpastian ekonomi dan moneter

dapat mempengaruhi tingkat volatilitas pasar saham. Temuan ini menegaskan

bahwa minat yang tinggi terhadap informasi finansial melalui pencarian online

dapat mempengaruhi volatilitas pasar saham. Sehingga dapat dirumuskan hipotesis

penelitian sebagai berikut :

𝐻1 = Indeks EMV-ID berdampak positif terhadap Volatilitas Pasar Saham

2.2.2 Kebijakan Pemerintah Berpengaruh Positif Terhadap Volatilitas

Pasar Saham

EPU adalah ukuran tingkat ketidakpastian yang terkait dengan kebijakan

ekonomi yang diadopsi oleh pemerintah. EPU diukur menggunakan indeks yang

dikembangkan oleh Baker et al, (2016) yang mencakup tiga dimensi ketidakpastian:

ketidakpastian kebijakan fiskal, ketidakpastian kebijakan moneter, dan

ketidakpastian kebijakan perdagangan. Indeks EPU juga dapat dihitung

 24

berdasarkan jumlah artikel berita yang terkait dengan ketidakpastian kebijakan

ekonomi yang muncul di media massa (Ma et al., 2022). Semakin tinggi nilai indeks

EPU, semakin tinggi tingkat ketidakpastian kebijakan ekonomi.

Penelitian terdahulu yang dilakukan oleh Almustafa et al., (2023)

menggunakan EPU sebagai prediktor dalam penentuan keputusan hutang

perusahaan. EPU menekan keputusan investasi dan pendanaan utang perusahaan

(Almustafa et al., 2023). Selama periode ketidakpastian kebijakan ekonomi yang

tinggi, perusahaan lebih berhati-hati dalam aktivitas investasi mereka dan lebih

tidak cenderung mengandalkan pendanaan utang untuk membiayai proyek mereka.

Wu et al., (2021) dalam penelitian menemukan bahwa indeks EPU yang tinggi

dapat menciptakan ketidakpastian di antara investor dan pelaku pasar, yang

mengakibatkan peningkatan volatilitas harga saham. Hal tersebut menandakan

bahwa ketidakpastian kebijakan ekonomi memainkan peran penting dalam

membentuk dinamika pasar dan perilaku investor.

Ghani dan Ghani (2023) menghubungkan indeks EPU pada ruang lingkung

AS dengan pasar modal di Pakistan. indeks ketidakpastian kebijakan ekonomi AS

terbukti menjadi prediktor yang lebih kuat terhadap volatilitas pasar saham

Pakistan. Ini menunjukkan bahwa perubahan dalam ketidakpastian kebijakan

ekonomi di AS memiliki pengaruh yang besar terhadap pasar saham Pakistan.

Dapat disimpulkan bahwa indeks EPU memiliki pengaruh yang cukup kuat bahkan

pada lintas negara dengan klasifikasi yang berbeda.

 25

Liu et al., (2023) menggunakan indeks EPU untuk mengukur tingkat

ketidakpastian kebijakan ekonomi yang dapat mempengaruhi pasar saham. Hasil

penelitian menunjukkan bahwa perubahan dalam tingkat ketidakpastian kebijakan

ekonomi berhubungan dengan perubahan efisiensi pasar saham. Perubahan efisiensi

pasar dapat dimanfaatkan untuk memperoleh abnormal return. Efek tersebut sejalan

dengan prinsip volatilitas pasar saham yang dapat dimanfaatkan juga untuk

memperoleh abnormal return. Sehingga dapat dirumuskan hipotesis :

𝐻2 = 𝐼𝑛𝑑𝑒𝑘𝑠 𝐸𝑃𝑈 𝑏𝑒𝑟𝑝𝑒𝑛𝑔𝑎𝑟𝑢ℎ 𝑡𝑒𝑟ℎ𝑎𝑑𝑎𝑝 𝑣𝑜𝑙𝑎𝑡𝑖𝑙𝑖𝑡𝑎𝑠 𝑝𝑎𝑠𝑎𝑟 𝑠𝑎ℎ𝑎𝑚.

2.3 Model Penelitian

Sentimen
COVID-19

Volatilitas Harga
Saham

Kebijakan
Pemerintah

Makroekonomi

Gambar 3. Model Penelitian

 BAB III
METODE PENELITIAN

3.1 Desain Penelitian

3.1.1 Jenis Penelitian

Kausal asosiatif digunakan dalam penelitian ini dengan tujuan untuk

memahami dan menjelaskan keterkaitan antara variabel sentimen COVID-19 dan

variabel kebijakan pemerintah terhadap variabel volatilitas pasar saham melalui

hasil uji statistik. Jenis penelitian ini berdasarkan penggunaan data dan sampel

merupakan penelitian kuantitatif karena mengumpulkan dan menganalisis data

numerik untuk mengukur variabel dan menjawab pertanyaan penelitian.

3.1.2 Objek dan Subjek Penelitian

Objek penelitian ini adalah variabel sentimen COVID-19 berupa indeks

EMV-ID dan variabel kebijakan pemerintah berupa indeks EPU. Subjek pada

penelitian ini adalah pasar saham Indonesia.

3.1.3 Lokasi Penelitian

Lokasi penelitian ini menggunakan data sekunder yang diperoleh dari

Yahoo Finance dan Google Trends. Data dari Yahoo Finance meliputi data harga

pasar saham Indonesia dan harga indeks pasar saham secara mingguan. Penelitian

ini memfokuskan pada variabel sentimen COVID-19 dan variabel kebijakan

pemerintah. Data sekunder dari Yahoo Finance dan Google Trends digunakan

untuk menganalisis hubungan antara indikator sentimen COVID-19 dan kebijakan

 27

pemerintah dengan perubahan harga pasar saham maupun indek pasar saham di

Indonesia.

3.1.4 Jenis dan Sumber Data

Data yang digunakan dalam penelitian ini merupakan data sekunder dalam

bentuk excel yang diperoleh dari website Yahoo Finance dan Google Trends.

Periode yang digunakan untuk data tersebut adalah dari tahun 2020 hingga 2022.

3.1.5 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah

metode arsip. Seperti yang dikemukakan oleh Hartono (2012) metode ini sesuai

untuk penelitian dengan menggunakan data sekunder. Dalam penelitian ini, data

sekunder berupa daftar harga saham dan relative search volume yang diperoleh dari

Yahoo Finance dan Google Trends selama periode 2020 sampai 2022.

3.1.6 Populasi dan Sampel

3.1.6.1 Populasi

Populasi penelitian ini adalah pasar saham dalam ruang lingkup Emergin

Market. Penelitian ini melibatkan harga pasar saham Indonesia dan harga dari

seluruh indeks yang terdaftar di bursa efek Indonesia. Data harga saham yang

digunakan dalam penelitian ini diperoleh dari Yahoo Finance.

 28

3.1.6.2 Sampel

Dalam penelitian ini, kami menggunakan pendekatan sampel untuk

menganalisis harga pasar saham dan indeks pasar saham di Bursa Efek Indonesia.

Periode yang digunakan adalah 3 tahun yaitu mulai dari 2020 hingga 2022 sebagai

periode COVID-19 dan ketidakpastian ekonomi.

3.2 Definisi Konseptual Variabel

Tabel 2. Definisi Konseptual Variabel

Variabel Penelitian
No Variabel Definisi Konseptual Definisi
Operasional
1 Sentimen Penggunaan Google Trends Indeks EMV-ID
COVID-19 mewakili sentimen COVID-19
melalui publikasi pada media
dengan menggunakan data Relative
Search Volume yang diperoleh
secara mingguan. Dengan kata
kunci meliputi:
E = Ekonomi, economic, economy,
finansial, keuangan; M = Pasar
Saham, equity, equities, IHSG,
stock, stock market, saham; V =
Volatility, volatilitas,
ketidakpastian, risiko; ID =
Epidemic, pandemic, pandemi,
virus, flu, wabah, coronavirus.
2 Kebijakan Penggunaan Google Trends Indeks EPU
Pemerintah mewakili ketidakpastian kebijakan
ekonomi melalui publikasi pada
media dengan menggunakan data
Relative Search Volume yang
diperoleh secara mingguan pada.
Dengan kata kunci meliputi:
E = Economic, Ekonomi, economy;
P = Kebijakan, kebijakan
pemerintah, kebijakan fiskal; U =
Ketidakpastian
3 Volatilitas Pasar Perubahan harga pada pasar saham Varian dari
Saham Indonesia Perubahan harga
secara harian
 29

Variabel Kontrol
No Variabel Definisi Konseptual Definisi
Operasional
1. IDR fluktuasi nilai mata uang Variasi dari
perubahan nilai
mata uang
rupiah

2. GDP GDP dapat mencerminkan ukuran GDP Quartal

keseluruhan kegiatan ekonomi suatu
negara dan memberikan gambaran
tentang kesehatan makroekonomi,
yang dapat mempengaruhi variabel
dependen dalam analisis.
3. DPI Disposable income dapat DPI Quartal
memberikan informasi tentang daya
beli dan potensi konsumsi
masyarakat

3.3 Alat Analisis

3.3.1 Uji Stasioneritas

Uji stasioneritas bertujuan untuk menilai apakah deret waktu (time series)

yang digunakan bersifat stasioner atau tidak. Stasioneritas adalah sifat di mana

statistik suatu seri waktu tidak berubah secara signifikan dari waktu ke waktu.

Dalam konteks analisis GARCH, stasioneritas sangat penting karena model

GARCH lebih efektif dan dapat memberikan hasil yang lebih andal ketika

diterapkan pada data yang bersifat stasioner. Dalam konteks GARCH, stasioneritas

diperlukan untuk memastikan bahwa varians kondisional yang diukur oleh model

GARCH dapat diinterpretasikan dengan benar. Alat analisis yang digunakan adalah

Augmented Dickey-Fuller Test (Engle dan Granger, 1987). Dengan kriteria

penerimaan :

𝐻1 = nilai p-value < α, maka tidak ada akar unit atau data stasioner
 30

3.3.2 Uji Normalitas Residual

Uji normalitas residual digunakan untuk menilai apakah residual dari model

GARCH memiliki distribusi normal atau tidak. Dalam konteks GARCH, asumsi

normalitas pada residual sangat penting karena model ini diasumsikan bekerja

dengan baik ketika residualnya terdistribusi secara normal. Alat analisis yang

digunakan adalah Jarkue-Bera Test (Jarque dan Bera, 1980). Dengan kriteria

penerimaan :

𝐻0 = nilai p-value > α, maka residual berdistribusi normal

3.3.3 Uji Autokorelasi

Uji autokorelasi residual digunakan untuk memeriksa apakah terdapat

autokorelasi dalam residual model. Autokorelasi merupakan keberulangan pola

dalam residual sepanjang waktu. Alat analisis yang digunakan adalah Durbin-

Watson Test. Durbin-Watson Test digunakan untuk menguji autokorelasi dari

tingkat pertama dalam residual. Dengan kriteria penerimaan :

𝐻0 = Jika nilai Durbin-Watson mendekati 2 (nilai Tengah diantara 0 dan 4), maka

tidak terdapat autokorelasi positif atau negatif dalam residual pada tingkat pertama.

3.3.4 Uji Stabilitas Variasi

Uji stabilitas variansi bertujuan untuk menilai apakah varians residual dari

model konstan sepanjang waktu atau tidak. Model GARCH mengasumsikan bahwa

varians residual adalah stabil, tetapi dalam beberapa kasus, varians dapat berubah

sepanjang waktu. Alat analisis yang digunakan adalah Chow Test. Chow Test
 31

adalah uji statistik yang digunakan untuk menguji hipotesis bahwa varians dari dua

kelompok observasi adalah sama. Dalam konteks uji stabilitas variansi, kelompok

observasi dapat mencakup dua periode waktu yang berbeda.

𝐻0 = nilai p-value > α, Tidak ada perbedaan signifikan dalam varians residual

antara dua kelompok observasi (periode waktu).

3.3.5 Model Univariate GARCH MIDAS

Dalam ruang penelitian keuangan, khususnya dalam analisis volatilitas

pasar, metode Univariate GARCH MIDAS (Mixed Data Sampling) menjadi alat

analisis yang sangat relevan dan efektif. Alat analisis ini memungkinkan peneliti

untuk mengeksplorasi hubungan antara perubahan volatilitas pasar keuangan

dengan faktor-faktor ekonomi makro yang memengaruhinya. Dalam menangkap

pengaruh dari setiap variabel maka digunakanya tiga kategori lag (3, 12, dan 24)

sehingga dapat diperoleh hasil yang lebih akurat mengenai dampak dari setiap

variabel. Kriteria penerimaan adalah sebagai berikut :

𝐻1 = nilai p-value < α, maka terdapat dampak statistik yang signifikan dari

parameter
 32

Daftar Pustaka

Agarwal, S., Kumar, S., & Goel, U. (2019). Stock market response to information
diffusion through internet sources: A literature review. In International
Journal of Information Management (Vol. 45, pp. 118–131). Elsevier Ltd.
https://doi.org/10.1016/j.ijinfomgt.2018.11.002

Agresti, A. (2002). Categorial Data Analysis (Inc. A John Wikey and Sons, Ed.;
Third).

Almustafa, H., Jabbouri, I., & Kijkasiwat, P. (2023). Economic Policy Uncertainty,
Financial Leverage, and Corporate Investment: Evidence from U.S. Firms.
Economies, 11(2). https://doi.org/10.3390/economies11020037

Al-Thaqeb, S. A., & Algharabali, B. G. (2019). Economic policy uncertainty: A

literature review. The Journal of Economic Asymmetries, 20, e00133.
https://doi.org/10.1016/J.JECA.2019.E00133

Andersen, T. G., Bollerslev, T., Diebold, F. X., & Ebens, H. (2001). The
distribution of realized stock return volatility. Journal of Financial
Economics, 61(1), 43–76. https://doi.org/10.1016/S0304-405X(01)00055-1

Antweiler, W., & Frank, M. Z. (2004). Does talk matter? Evidence from a broad
cross section of stocks. University of British Columbia Working Paper.

Ashraf, B. N. (2020). Economic impact of government interventions during the

COVID-19 pandemic: International evidence from financial markets. Journal
of Behavioral and Experimental Finance, 27, 100371.
https://doi.org/10.1016/J.JBEF.2020.100371

Aslam, F., Ferreira, P., Ali, H., Arifa, & Oliveira, M. (2023). Islamic vs.
Conventional Equity Markets: A Multifractal Cross-Correlation Analysis
with Economic Policy Uncertainty. Economies, 11(1).
https://doi.org/10.3390/economies11010016

Baek, S., Mohanty, S. K., & Glambosky, M. (2020). COVID-19 and stock market
volatility: An industry level analysis. Finance Research Letters, 37.
https://doi.org/10.1016/j.frl.2020.101748

Bai, L., Wei, Y., Wei, G., Li, X., & Zhang, S. (2021). Infectious disease pandemic
and permanent volatility of international stock markets: A long-term
perspective. Finance research letters, 40, 101709.
 33

Baker, S. R., Bloom, N., Davis, S. J., Kost, K., Sammon, M., & Viratyosin, T.
(2020). The unprecedented stock market reaction to COVID-19. In Review of
Asset Pricing Studies (Vol. 10, Issue 4, pp. 742–758). Oxford University
Press. https://doi.org/10.1093/rapstu/raaa008

Bakry, W., Kavalmthara, P. J., Saverimuttu, V., Liu, Y., & Cyril, S. (2022).
Response of stock market volatility to COVID-19 announcements and
stringency measures: A comparison of developed and emerging markets.
Finance Research Letters, 46. https://doi.org/10.1016/j.frl.2021.102350

Bekaert, G., & Wu, G. (2000). Asymmetric Volatility and Risk in Equity Markets.
The Review of Financial Studies, 13(1), 1–42.
https://doi.org/10.1093/rfs/13.1.1

Bijl, L., Kringhaug, G., Molnár, P., & Sandvik, E. (2016). Google searches and
stock returns. International Review of Financial Analysis, 45, 150–156.
https://doi.org/10.1016/J.IRFA.2016.03.015

Black, F. (1976). Studies of stock market volatility changes. 1976 Proceedings of

the American Statistical Association Bisiness and Economic Statistics
Section. https://cir.nii.ac.jp/crid/1573387450186800512.bib?lang=en

Bontempi, M. E., Frigeri, M., Golinelli, R., & Squadrani, M. (2019). Uncertainty,
perception, and the internet.

Bordino, I., Battiston, S., Caldarelli, G., Cristelli, M., Ukkonen, A., & Weber, I.
(2012). Web search queries can predict stock market volumes. PloS one, 7(7),
e40014.

Capelle-Blancard, G., & Desroziers, A. (2020). The Stock Market Is Not The
Economy? Insights From The Covid-19 Crisis.

Castelnuovo, E., & Duc Tran, T. (2017). Google It Up! A Google Trends-based
Uncertainty Index for the United States and Australia. www.RePEc.org

Choi, H., & Varian, H. (2011). Predicting the Present with Google Trends.
http://www.census.gov/retail/marts/www/timeseries.html.

Costola, M., Hinz, O., Nofer, M., & Pelizzon, L. (2023). Machine learning
sentiment analysis, COVID-19 news and stock market reactions. Research in
International Business and Finance, 64, 101881.

Da, Z., Engelberg, J., & Gao, P. (2015). The sum of all FEARS investor sentiment
and asset prices. Review of Financial Studies, 28(1), 1–32.
https://doi.org/10.1093/rfs/hhu072
 34

Da, Z., Engelberg, J., Gao, P., Hirshleifer, D., Hou, K., Hwang, B.-H., Israelsen,
R., Jagannathan, R., Jennings, R., Lepori, G., Lou, D., Loughran, T.,
Schaumburg, E., & Schultz, P. (2011). In Search of Attention. In THE
JOURNAL OF FINANCE •: Vol. LXVI (Issue 5).
http://www.google.com/trends

Dzielinski, M. (2012). Measuring economic uncertainty and its impact on the stock
market. Finance Research Letters, 9(3), 167–175.
https://doi.org/10.1016/j.frl.2011.10.003

Engelhardt, N., Krause, M., Neukirchen, D., & Posch, P. N. (2021). Trust and stock
market volatility during the COVID-19 crisis. Finance Research Letters, 38.
https://doi.org/10.1016/j.frl.2020.101873

Engle, R. F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates

of the Variance of United Kingdom Inflation. Econometrica, 50(4), 987–
1007. https://doi.org/10.2307/1912773

Engle, R. F., & Granger, C. W. (1987). Co-integration and error correction:

representation, estimation, and testing. Econometrica: journal of the
Econometric Society, 251-276.

Ghani, M., & Ghani, U. (2023). Economic Policy Uncertainty and Emerging Stock
Market Volatility. Asia-Pacific Financial Markets.
https://doi.org/10.1007/s10690-023-09410-1

GLOSTEN, L. R., JAGANNATHAN, R., & RUNKLE, D. E. (1993). On the

Relation between the Expected Value and the Volatility of the Nominal
Excess Return on Stocks. The Journal of Finance, 48(5), 1779–1801.
https://doi.org/https://doi.org/10.1111/j.1540-6261.1993.tb05128.x

Glosten, L. R., & Milgrom, P. R. (1985). Bid, ask and transaction prices in a
specialist market with heterogeneously informed traders. Journal of
Financial Economics, 14(1), 71–100. https://doi.org/10.1016/0304-
405X(85)90044-3

Goodell, J. W., Kumar, S., Lim, W. M., & Pattnaik, D. (2021). Artificial
intelligence and machine learning in finance: Identifying foundations,
themes, and research clusters from bibliometric analysis. Journal of
Behavioral and Experimental Finance, 32, 100577.

Jarque, C. M., & Bera, A. K. (1980). Efficient tests for normality, homoscedasticity
and serial independence of regression residuals. Economics letters, 6(3), 255-
259.
 35

Kurniawan, R., Purwanto, A., Monika, A. K., Wahyuni, K. T., Hendrawan, M. Y.,
& Isnaeni, M. A. (2023). Google trends and online media data for supply and
demand information in waste management evaluation in Jakarta. Indonesian
Journal of Electrical Engineering and Computer Science, 30(2), 1140–1149.
https://doi.org/10.11591/ijeecs.v30.i2.pp1140-1149

Liu, M., Ding, S., Pan, Q., Zhang, Y., Zhang, J., Yang, Q., & Fang, T. (2023). Study
on the linkage between macro policy and market effectiveness in China’s
stock market: Based on run test of China’s stock market index. PLoS ONE,
18(2 February). https://doi.org/10.1371/journal.pone.0281670

Lyócsa, Š., Baumöhl, E., Výrost, T., & Molnár, P. (2020). Fear of the coronavirus
and the stock markets. Finance Research Letters, 36, 101735.
https://doi.org/10.1016/J.FRL.2020.101735

Ma, Y., Wang, Z., & He, F. (2022). How do economic policy uncertainties affect
stock market volatility? Evidence from G7 countries. International Journal
of Finance and Economics, 27(2), 2303–2325.
https://doi.org/10.1002/ijfe.2274

Moussa, F., Delhoumi, E., & Ouda, O. Ben. (2017). Stock return and volatility
reactions to information demand and supply. Research in International
Business and Finance, 39, 54–67.
https://doi.org/10.1016/J.RIBAF.2016.07.016

Na, H., & Kim, S. (2021). Predicting stock prices based on informed traders’
activities using deep neural networks. Economics Letters, 204.
https://doi.org/10.1016/j.econlet.2021.109917

Nguyen, H. M., Bakry, W., & Vuong, T. H. G. (2023). COVID-19 pandemic and
herd behavior: Evidence from a frontier market. Journal of Behavioral and
Experimental Finance, 38, 100807.
https://doi.org/10.1016/J.JBEF.2023.100807

Ortmann, R., Pelster, M., & Wengerek, S. T. (2020). COVID-19 and investor
behavior. Finance Research Letters, 37.
https://doi.org/10.1016/j.frl.2020.101717

Said, I. B. E. H., & Slim, S. (2022). The Dynamic Relationship between Investor
Attention and Stock Market Volatility: International Evidence. Journal of
Risk and Financial Management, 15(2).
https://doi.org/10.3390/jrfm15020066
 36

Salisu, A. A., Ogbonna, A. E., & Adediran, I. (2021). Stock-induced Google trends
and the predictability of sectoral stock returns. Journal of Forecasting, 40(2),
327–345. https://doi.org/10.1002/for.2722

Shehzad, K., Xiaoxing, L., & Kazouz, H. (2020). COVID-19’s disasters are
perilous than Global Financial Crisis: A rumor or fact? Finance Research
Letters, 36. https://doi.org/10.1016/j.frl.2020.101669

Smales, L. A. (2021a). Title: Investor attention and global market returns during
the COVID-19 crisis. https://www.nytimes.com/article/coronavirus-
timeline.html

Smales, L. A. (2021b). Title: Investor attention and the response of US stock market
sectors to the COVID-19 crisis. https://ssrn.com/abstract=3625487

Smith, G. P. (2012). Google Internet search activity and volatility prediction in the
market for foreign currency. Finance Research Letters, 9(2), 103–110.
https://doi.org/10.1016/J.FRL.2012.03.003

Szczygielski, J. J., Bwanya, P. R., Charteris, A., & Brzeszczyński, J. (2021). The
only certainty is uncertainty: An analysis of the impact of COVID-19
uncertainty on regional stock markets. Finance Research Letters, 43, 101945.
https://doi.org/10.1016/J.FRL.2021.101945

Szczygielski, J. J., Charteris, A., Bwanya, P. R., & Brzeszczyński, J. (2021). The
impact and role of COVID-19 uncertainty: A global industry analysis.
International Review of Financial Analysis, 80.
https://doi.org/10.1016/j.irfa.2021.101837

Szczygielski, J. J., Charteris, A., Bwanya, P. R., & Brzeszczyński, J. (2023). Google
search trends and stock markets: Sentiment, attention or uncertainty?
International Review of Financial Analysis, 102549.
https://doi.org/10.1016/j.irfa.2023.102549

Szczygielski, J. J., Charteris, A., Rutendo Bwanya, P., & Brzeszczyński, J. (2023).
Which COVID-19 information really impacts stock markets? Journal of
International Financial Markets, Institutions and Money, 84.
https://doi.org/10.1016/j.intfin.2022.101592

Tantaopas, P., Padungsaksawasdi, C., & Treepongkaruna, S. (2016). Attention

effect via internet search intensity in Asia-Pacific stock markets. Pacific
Basin Finance Journal, 38, 107–124.
https://doi.org/10.1016/j.pacfin.2016.03.008
 37

Van Robays, I. (2016). Macroeconomic Uncertainty and Oil Price Volatility.

Oxford Bulletin of Economics and Statistics, 78(5), 671–693.
https://doi.org/10.1111/obes.12124

Vlastakis, N., & Markellos, R. N. (2012a). Information demand and stock market
volatility. Journal of Banking & Finance, 36(6), 1808–1821.
https://doi.org/10.1016/J.JBANKFIN.2012.02.007

Vlastakis, N., & Markellos, R. N. (2012b). Information demand and stock market
volatility. Journal of Banking and Finance, 36(6), 1808–1821.
https://doi.org/10.1016/j.jbankfin.2012.02.007

Wu, X., Liu, T., & Xie, H. (2021). Economic Policy Uncertainty and Chinese Stock
Market Volatility: A CARR-MIDAS Approach. Complexity, 2021.
https://doi.org/10.1155/2021/4527314

Xu, Q., Bo, Z., Jiang, C., & Liu, Y. (2019). Does Google search index really help
predicting stock market volatility? Evidence from a modified mixed data
sampling model on volatility. Knowledge-Based Systems, 166, 170–185.
https://doi.org/10.1016/j.knosys.2018.12.025

Yang, Y., Tsao, S. F., Basri, M. A., Chen, H. H., & Butt, Z. A. (2023). Digital
Disease Surveillance for Emerging Infectious Diseases: An Early Warning
System Using the Internet and Social Media Data for COVID-19 Forecasting
in Canada. Studies in Health Technology and Informatics, 302, 861–865.
https://doi.org/10.3233/SHTI230290
 38

Lampiran