ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK...

143
ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK INDONESIA DENGAN MENGGUNAKAN MODEL ARCH/GARCH (Studi Empiris Pada Tiga Indeks Sukuk Indonesia ISIXC, IGSIX, dan ICSIX Periode 2011-2015) Skripsi Oleh: Shefa Tarlan NIM: 1112081000072 PROGRAM STUDI MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 1438 H/2016 M

Transcript of ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK...

Page 1: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

i

ANALISIS VOLATILITAS DAN VALUE AT RISK PADA

SUKUK INDONESIA DENGAN MENGGUNAKAN MODEL

ARCH/GARCH

(Studi Empiris Pada Tiga Indeks Sukuk Indonesia ISIXC, IGSIX, dan ICSIX

Periode 2011-2015)

Skripsi

Oleh:

Shefa Tarlan

NIM: 1112081000072

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1438 H/2016 M

Page 2: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

i

ANALISIS VOLATILITAS DAN VALUE AT RISK PADA

SUKUK INDONESIA DENGAN MENGGUNAKAN MODEL

ARCH/GARCH

(Studi Empiris Pada Tiga Indeks Sukuk Indonesia ISIXC, IGSIX, dan ICSIX

Periode 2011-2015)

SKRIPSI

Diajukan Kepada Fakultas Ekonomi dan Bisnis

Untuk Memenuhi Persyaratan Memperoleh Gelar Sarjana Ekonomi

Oleh:

Shefa Tarlan

NIM: 1112081000072

Dibawah Bimbingan:

Pembimbing I

Prof. Dr. Ahmad Rodoni, MM

NIP. 19690203 200112 1 003

JURUSAN MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1437 H/2016 M

Page 3: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF

Page 4: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

iii

LEMBAR PENGESAHAN UJIAN SKRIPSI

Hari ini Rabu, 19 Oktober 2016 telah dilakukan Ujian Skripsi atas mahasiswa:

Nama : Shefa Tarlan

NIM : 1112081000072

Jurusan : Manajemen

Judul Skripsi : Analisis Volatilitas Dan Value at Risk pada Sukuk

Indonesia Dengan Menggunakan Model ARCH/GARCH

(Studi Empiris Pada Tiga Indeks Sukuk Indonesia ISIXC,

IGSIX, dan ICSIX Periode 2011-2015)

Setelah mencermati dan memperhatikan penampilan dan kemampuan yang

bersangkutan selama proses Ujian Skripsi, maka diputuskan bahwa mahasiswa

tersebut di atas dinyatakan LULUS dan skripsi ini diterima sebagai salah satu

syarat untuk memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan

Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Jakarta, 19 Oktober 2016

1. Titi Dewi Warninda, SE., M.Si (________________)

NIP. 19731221 200501 2 002 Ketua

2. Prof. Dr. Ahmad Rodoni, MM (________________)

NIP. 19690203 200112 1 003 Sekretaris

3. Deni Pandu Nugraha, SE, M.Sc (________________)

NIP. Penguji Ahli

4. Prof. Dr. Ahmad Rodoni, MM (________________)

NIP. 19690203 200112 1 003 Pembimbing I

Page 5: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

iv

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH

Yang bertanda tangan di bawah ini:

Nama : Shefa Tarlan

NIM : 1112081000072

Jurusan : Manajemen

Judul Skripsi : Analisis Volatilitas Dan Value at Risk pada Sukuk

Indonesia Dengan Menggunakan Model ARCH/GARCH

(Studi Empiris Pada Tiga Indeks Sukuk Indonesia ISIXC,

IGSIX, dan ICSIX Periode 2011-2015)

Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:

1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan

mempertanggungjawabkan

2. Tidak melakukan plagiat terhadap naskah karya orang lain

3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli

atau tanpa ijin pemilik karya

4. Tidak melakukan pemanipulasian dan pemalsuan data

5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas

karya ini

Jika di kemudian hari ada tuntutan dari pihak lain atas karya saya, dan telah

melalui pembuktian yang dapat dipertanggungjawabkan, ternyata memang

ditemukan bukti bahwa saya telah melanggar pernyataan di atas, maka saya siap

untuk dikenai sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan

Bisnis UIN Syarif Hidayatullah Jakarta.

Demikian pernyataan ini saya buat dengan sesungguhnya.

Jakarta, 07 Oktober 2016

Yang Menyatakan

(Shefa Tarlan)

Page 6: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

v

DAFTAR RIWAYAT HIDUP

I. DATA PRIBADI

Nama : Shefa Tarlan

Tempat, tanggal lahir : Zulfi, 18 November 1993

Jenis kelamin : Perempuan

Agama : Islam

Alamat : Lingk. Sasagaran No. 10 RT/RW 004/007

Langensari, Kota Banjar-Jawa Barat

No. Telp : 087774306993

Email : [email protected]

II. PENDIDIKAN

2012 – 2016 UIN Syarif Hidayatullah Jakarta

2011 – 2012 Universitas Al-Azhar Indonesia

2008 – 2011 SMA Negeri 4 Zulfi Riyadh

2005 – 2008 SMP Negeri 3 Zulfi Riyadh

1999 – 2005 SD Negeri 2 Zulfi Riyadh

1996 – 1999 TK Al-Majd Riyadh

III. PENGALAMAN ORGANISASI

1. Wakil Sekretaris Umum Himpunan Mahasiswa Jurusan (HMJ)

Manajemen FEB UIN Syarif Hidayatullah Jakarta

2. Sekretaris I Kelompok Kuliah Kerja Nyata (KKN) “DEKATI” 2015,

Desa Caringin – Bogor

3. Anggota Divisi Sosial dan Agama Himpunan Mahasiswa Jurusan

(HMJ) Manajemen FEB UIN Syarif Hidayatullah Jakarta

4. Anggota Qism Al-Mauhubat SMA Negeri 4 Zulfi Riyadh

Page 7: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

vi

IV. LATAR BELAKANG KELUARGA

1. Ayah : Tarlan Pardi

2. Tempat & Tgl. Lahir : Ciamis, 10 Juni 1962

3. Telepon : 0812 8566 9925

4. Ibu : Surifah Madraji

5. Tempat & Tgl. Lahir : Ciamis, 3 September 1964

6. Anak Ke dari : 3 (tiga) dari 4 (empat) bersaudara

Page 8: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

vii

ABSTRACT

This study aimed to analyze the volatility and Value at Risk in Indonesia

sukuk index. The data used in this study is a daily data price index ICSIX sukuk

Indonesia, IGSIX, and ISIXC from January 2011 until December 2015. This study

uses the ARCH/GARCH. The results of this study showed that the three

Indonesian sukuk index were used, namely ICSIX, IGSIX, and ISIXC already

stationary at level, from observations of ACF and PACF plots produced the best

ARIMA forecasting model, namely ICSIX ARIMA (2,0,2, IGSIX ARIMA (2 , 0.2),

and ISIXC ARIMA (2,0,2). By watching the Log Likelihood well as AIC and SIC

criteria can be generated model of ARCH/GARCH best to return data ICSIX and

IGSIX, namely EGARCH (2.2) for the index ICISX and ARCH (1) for IGSIX, but

ISIXC can not continue to ARCH/GARCH, ARCH Effect due can not be tested by

ARCH-LM Effect. The equation derived from the model of ARCH / GARCH used

to estimate volatility and VaR third Indonesian sukuk index. Results value at risk

is obtained as follows, niali ICSIX VaR amounted to 0.00124, IGSIX of 0.002285

and 0.006267 ISIXC. It can be concluded from the results obtained that the

highest risk held by index ISIXC.

Keywords: volatility, VaR, ARIMA, ARCH / GARCH

Page 9: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

viii

ABSTRAK

Penelitian ini bertujuan untuk menganalisis Volatilitas dan Value at Risk

pada indeks sukuk Indonesia. Data yang digunakan dalam penelitian ini adalah

data harian harga indeks sukuk Indonesia ICSIX, IGSIX, dan ISIXC dari Januari

2011 sampai Desember 2015. Penelitian ini menggunakan ARCH/GARCH. Hasil

penelitian ini menunjukkan bahwa ketiga indeks sukuk Indonesia yang digunakan,

yaitu ICSIX, IGSIX, dan ISIXC sudah stasioner pada level, dari pengamatan plot

ACF dan PACF dihasilkan model peramalan ARIMA terbaik, yaitu ICSIX

ARIMA (2,0,2, IGSIX ARIMA (2,0,2), dan ISIXC ARIMA (2,0,2). Dengan

memerhatikan Log Likelihood serta kriteria AIC dan SIC dapat dihasilkan model

ARCH/GARCH terbaik untuk data return ICSIX dan IGSIX, yaitu EGARCH

(2,2) untuk indeks ICISX dan ARCH (1) untuk IGSIX, namun ISIXC tidak bisa

dilanjutkan ke tahan ARCH/GARCH dikarenakan tidak dapat ARCH Effect yang

telah diuji oleh ARCH Effect-LM. Persamaan yang didapat dari model

ARCH/GARCH digunakan untuk mengestimasi volatilitas dan VaR ketiga indeks

sukuk Indonesia. Hasil value at risk yang didapat sebagai berikut, niali VaR

ICSIX sebesar 0.00124, IGSIX sebesar 0.002285, dan ISIXC 0.006267. Dapat

disimpulkan dari hasil yang didapat bahwa risiko tertinggi dimiliki oleh indeks

ISIXC.

Kata kunci : Volatilitas, VaR, ARIMA, ARCH/GARCH

Page 10: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

ix

KATA PENGANTAR

Bismillahirrahmanirrahim

Syukur Alhamdulillah, senantiasa penulis panjatkan kehadiran Allah SWT,

atas segala taufik, hidayah dan inayah-Nya sehingga penulis dapat menyelesaikan

skripsi yang berjudul “Analisis Volatilitas Dan Value at Risk Pada Sukuk

Indonesia Dengan Menggunakan Model ARCH/GARCH (Studi Empiris Pada

Tiga Indeks Sukuk Indonesia ICSIX, IGSIX, dan ISIXC Periode 2011-2015)”.

Shalawat serta salam tak lepas penulis haturkan kehadirat Nabi Besar

Muhammad SAW, yang telah membawa kita dari zaman kegelapan ke zaman

yang terang benderang.

Skripsi ini disusun sebagai salah satu untuk memperoleh gelar Sarjana

Strata satu pada Fakultas Ekonomi dan Bisnis, Program Studi Manajemen

Universitas Islam Negeri Jakarta.

Penulis menyadari bahwa penulisan skripsi ini tidak dapat terselesaikan

tanpa dukungan dari berbagai pihak baik moril maupun materil. Oleh karena itu,

dalam kesempatan ini penulis mengucapkan ucapan terimakasih kepada pihak-

pihak yang telah membantu dalam penyusunan skripsi ini, terutama kepada :

1) Babah dan Mamah tercinta yang selalu memberikan cintanya kepadaku,

yang telah memberikan kasih sayang, kepercayaan, didikan, dan

bimbingan serta membesarkanku dengan lantunan doa dan semangat cinta

beliau sehingga membuatku menjadi orang yang tegar, termotivasi, serta

terdukung untuk terus maju dan berjuang dalam hidup.

2) Bapak Dr. M. Arief Mufraini Lc., M.Si selaku Dekan Fakultas Ekonomi

dan Bisnis UIN Syarif Hidayatullah

3) Ibu Titi Dewi Warninda, SE., M.Si selaku Ketua Jurusan Manajemen

Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah.

Page 11: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

x

4) Prof. Dr. Ahmad Rodoni.,MM selaku pembimbing I yang banyak

memberikan saran, petunjuk, ilmu pengetahuan dan meluangkan waktunya

serta memberikan semangat ekstra dalam proses penyusunan skripsi

sehingga penulis sehingga terselesaikan skripsi ini.

5) Dr. Suhendra, MM sebagai Dosen Pembimbing Akademik yang telah

bersedia memebrikan dorongan dan arahan di setiap semester yang dilaui

oleh penulis.

6) Seluruh Dosen Fakultas Ekonomi dan Bisnis baik Staff Akademis dan

keuangan terima kasih atas segala bantuannya.

7) Kakak dan adik yang tersayang Aa Rijal, Mba Ani, dan Adek Tinan, yang

selalu memberikan semangat dan support untuk menggapai kesuksesanku

serta tak putusnya doa mereka untukku.

8) Seluruh keluarga besar yang telah memberikan semangat, motivasi, dan

dukungan yang besar kepada penulis untuk menyelesaikan skripsi ini.

9) Teman hidup Cikal yang selalu memberikan semangat sampai dengan

selesainya skripsi ini.

10) Sahabat terbaik Yayah serta Sahabatzone semuanya Dewi, Dini, Santi,

Abdi, Gendut, Lutfi dan Hedra kalian luar biasa!!

11) Sahabat-sahabat kosan pondok fitri tersayang Haryati, Marifah, Rosty,

Effa, Titie, Nanda, Ka Mpit, dan semuanya yang selalu memberi semangat

dan menghilangkan rasa malas.

12) Kawan-kawan seperjuangan bimbingan Prof. Rodoni Maul, febi, Dwi, Alif,

dan Reza yang selalu peduli, berbagi ilmu, dan saling menyemangatkan.

13) Sahabat NF Nunu, Pipah, dan Fita yang selalu menanyakan kapan

selsainya tugas skripsi ini.

14) Keluarga besar Manejemen 2012 Keuangan, SDM, dan Pemasaran terima

kasih selama 4 tahunnya kita berjuang bersama.

15) Uda Iswandi di fotokopian Maju Jaya yang selalu ada dan membantu kami

dari awal kuliah sampai dengan selesainya skripsi ini.

Page 12: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

xi

16) Pihak-pihak yang belum saya sebutkan yang turut membantu baik dengan

moril maupun materiil sehingga skripsi ini dapat terselesaikan terima kasih

atas kebaikan dan perhatian yang kalian berikan.

Penulis menyadari bahwa hasil penelitian ini masih memiliki

banyak kekurangan. Dengan segenap kerendahan hati penulis

mengharapkan saran, arahan maupun kritikan yang konstruktif demi

penyempurnaan hasil penelitian ini. Semoga penulisan skripsi ini dapat

bermanfaat bagi semua pihak khususnya dalam bidang manajemen

keuanagan.

Jakarta, 07 Oktober 2016

Penulis,

Shefa Tarlan

Page 13: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

xii

DAFTAR ISI

LEMBAR PENGESAHAN SKRIPSI ............................................................... i

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ................................. ii

LEMBAR PENGESAHAN UJIAN SKRIPSI .................................................. iii

LEMBAR PENGESAHAN KEASLIAN KARYA ILMIAH .......................... iv

DAFTAR RIWAYAT HIDUP ........................................................................... v

ABSTARCT .......................................................................................................... vi

ABSTRAK ........................................................................................................... vii

KATA PENGANTAR ......................................................................................... viii

DAFTAR ISI ........................................................................................................ xii

DAFTAR TABEL ............................................................................................... xiv

DAFTAR GAMBAR ........................................................................................... xv

DAFTAR LAMPIRAN ....................................................................................... xvi

BAB I PENDAHULUAN .................................................................... 1

A. Latar Belakang Masalah .................................................................. 1

B. Permasalahan ................................................................................... 9

1. Identifikasi Masalah .................................................................. 9

2. Batasan Masalah ........................................................................ 9

3. Rumusan Masalah ................................................................... 10

C. Tujuan Penelitian ........................................................................... 10

D. Manfaat Penelitian ......................................................................... 10

BAB II TINJAUAN PUSTAKA ......................................................... 12

A. Kajian Teori ................................................................................... 12

1. Investasi Dalam Perspektif Islam ............................................ 12

2. Sukuk ....................................................................................... 16

3. Risiko ....................................................................................... 22

4. Volatilitas ................................................................................ 27

5. Value at Risk ............................................................................ 30

6. Analisis Time Series ................................................................ 32

B. Penelitian Terdahulu ...................................................................... 37

C. Kerangka Pemikiran ...................................................................... 43

BAB III METODOLOGI PENELITIAN.............................................. 44

A. Ruang Lingkup Penelitian ............................................................. 44

B. Metode Penentuan Sampel ............................................................ 45

1. Populasi ................................................................................... 45

Page 14: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

xiii

2. Sampel ..................................................................................... 45

C. Metode Pengumpulan Data ........................................................... 47

D. Metode Analisis Data .................................................................... 47

1. Perhitungan Return Indeks Sukuk ........................................... 48

2. Uji Stasioneritas Data .............................................................. 48

3. Penentuan Model ARIMA Terbaik ......................................... 50

4. Uji ARCH Effect – LM............................................................ 55

5. Penentuan Model ARCH/GARCH Terbaik ............................ 57

6. Value at Risk ............................................................................ 59

E. Operasional Variabel Penelitian .................................................... 60

1. Variabel Indeks ICSIX ............................................................ 60

2. Variabel Indeks IGSIX ............................................................ 60

3. Variabel Indeks ISIXC ............................................................ 61

BAB IV ANALISIS DAN PEMBAHASAN ........................................... 62

A. Sekilas Gambaran Umum Objek Penelitian .................................. 62

B. Hasil dan Pembahasan Penelitian .................................................. 67

1. Statistik Deskriptif ................................................................... 67

2. Uji Stasioneritas Data .............................................................. 70

3. Penentuan Model ARIMA ....................................................... 73

4. Uji ARCH Effect – LM............................................................ 76

5. Penentuan Model ARCH/GARCH Terbaik ............................ 77

6. Analisis Volatilitas Indeks Sukuk Indonesia ........................... 79

7. Analisis Value at Risk .............................................................. 83

BAB V PENUTUP ............................................................................ 85

A. Kesimpulan .................................................................................... 85

B. Saran .............................................................................................. 87

DAFTAR PUSTAKA ............................................................................. 89

LAMPIRAN .......................................................................................... 94

Page 15: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

xiv

DAFTAR TABEL

No. Keterangan Halaman

Tabel 2. 1 Penelitian Terdahulu 37

Tabel 4. 1 Statistik Deskriptif Return Indeks Sukuk Indonesia 69

Tabel 4. 2 Hasil Pengujian Stasioneritas Data 72

Tabel 4. 3 Model Peramalan Terbaik 74

Tabel 4. 4 Hasil Pengujian ARCH Effect 77

Tabel 4. 5 Model ARCH/GARCH Terbaik 78

Tabel 4. 6 Tabel Value at Risk 83

Page 16: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

xv

DAFTAR GAMBAR

No. Keterangan Halaman

Gambar 2. 1 Kerangka Pemikiran Teoritis 43

Gambar 3. 1 Langkah-Langkah Penggunaan Model Box-Jenkin 53

Gambar 4. 1 Perkembangan Sukuk Korporasi di Indonesia 64

Gambar 4. 2 Grafik Pergerakan Return ISIXC 66

Gambar 4. 3 Grafik Pergerakan Return IGSIX 66

Gambar 4. 4 Grafik Pergerakan Return ICSIX 67

Gambar 4. 5 Plot Volatilitas ICSIX 80

Gambar 4. 6 Plot Volatilitas IGSIX 80

Gambar 4. 7 Plot Volatilitas ISIXC 81

Page 17: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

xvi

DAFTAR LAMPIRAN

No. Keterangan Halaman

Lampiran 1 Plot Runtun Waktu Return Indeks 92

Lampiran 2 Output Eviews 8.0 Uji Stasioneritas 93

Lampiran 3 Plot ACF Indeks 94

Lampiran 4 Plot PACF Indeks 96

Lampiran 5 Output Korelogram Eviews 8.0 98

Lampiran 6 Output Eviews 8.0 Model Peramalan ARIMA Terbaik 101

Lampiran 7 Output Eviews 8.0 Uji ARCH Effect 102

Lampiran 8 Output Eviews 8.0 Model ARCH/GARCH Terbaik 104

Lampiran 9 Output Eviews 8.0 Model Peramalan ARIMA 106

Lampiran 10 Output Eviews 8.0 Model ARCH/GARCH 115

Page 18: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Perkembangan pasar modal syariah di Indonesia secara umum ditandai

oleh berbagai indikator di antaranya adalah semakin maraknya para pelaku

pasar modal syariah yang mengeluarkan efek-efek syariah selain saham-

saham dalam Jakarta Islamic Index (JII). Dalam perjalanannya

perkembangan pasar modal syariah di Indonesia telah mengalami kemajuan,

sebagai gambaran bahwa setidaknya terdapat beberapa perkembangan dan

kemajuan pasar modal syariah yang patut dicatat hingga tahun 2004, di

antaranya adalaha telah diterbitkan enam Fatwa Dewan Syariah Nasional

Majelis Ulama Indonesia (DSN-MUI) yang berkaitan dengan industri pasar

modal (Aziz, 2010).

Pasar modal syariah adalah kegiatan yang berhubungan dengan

perdagangan efek syariah perusahaan publik yang berkaitan dengan efek yang

diterbitkan, serta lembaga profesi yang berkaitan dengannya, dimana semua

produk dan meknisme operasionalnya berjalan tidak bertentangan dengan

hukum muamalat islamiyah. Pasar modal syariah dapat juga diartikan adalah

pasar modal yang menerapkan prinsip-prinsip syariah. (Rodnoi, 2009)

Pertumbuhan dan perkembangan pasar modal berbasis syariah, yaitu

suatu pasar modal yang berlandaskan Al-Quran dan Al-Hadits beberapa tahun

terakhir ini sangat pesat. Hal ini dapat dilihat dari munculnya industri-industri

Page 19: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

2

syariah, khususnya industri keuangan dan unit usaha syariah. Prinsip utama

dari keuangan syariah adalah tidak adanya unsur riba, gharar atau maysir.

Operasional perusahaan dilarang mengandung aktivitas yang melibatkan

unsur haram, seperti pabrik pembuatan alkohol dan obat-obatan terlarang.

Semua transaksi termasuk transaksi keuangan harus diback-up dengan aset

berwujud. Semua laba yang diperoleh perusahaan merupakan kinerja aset

perusahaan secara langsung. (Nanaeva, 2010)

Sukuk menjadi salah satu instrumen pasar modal yang berbasis syariah,

dimana sering dibicarakan sukuk merupakan versi syariah dari obligasi.

Namun, pada kenyataannya, sukuk bukanlah seperti obligasi sebagai surat

hutang. Dalam The Accounting and Auditing Organization for Islamic

Financial Institutions (AAOFI), bahwa dapat diambil uraian bahwa sukuk

sebagai sertifikat dari sebuah nilai yang sama aset berwujud, hak manfaat,

dan jasa-jasa atau kepemilikan atas proyek atau kegiatan investasi. Jadi disini

yang menjadi penekanan adalah bahwa sukuk berbeda dengan obligasi

sebagai surat hutang. (Ayub, 2007)

Perekonomian Indonesia dari tahun ke tahun mengalami fluktuasi. Hal

tersebut disebabkan karena permasalahan internal yaitu yang ada dalam

ekonomi maupun permasalahan eksternal non ekonomi (sosial dan politik).

Ketidakstabilan tersebut juga sangat mempengaruhi pelaku pasar modal

dalam menganalisis dan memprediksi pendapatannya. Dalam iklim

globalisasi yang begitu dinamik, ketidakpastian merupakan hal yang harus

Page 20: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

3

diperhatikan. Dengan semakin besarnya ketidakpastian, berimplikasi pada

semakin besarnya risiko yang dihadapi.

Risiko secara luas dapat diartikan sebagai derajat ketidakpastian

pengembalian dana di masa depan. Risiko di pasar modal diartikan sebagai

penyimpangan dari penghasilan yang diharapkan. Risiko terjadi karena

kondisi pada saat investor menanamkan modal untuk berinvestasi berbeda

dengan saat investasi itu tengah berjalan. (Rudolf, 2010)

Manajemen risiko saat ini merupakan salah satu prioritas utama yang

dipertimbangkan industri keuangan. Seperti yang dikemukakan oleh Jorion

(1997), pada studi literatur keuangan terdapat beberapa tipe risiko seperti

risiko bisnis (business risk), risiko stratejik (strategic risk), dan risiko

keuangan (financial risk). Risiko bisnis adalah risiko yang dihadapi oleh

perusahaan atas kualitas dan keunggulan pada beberapa produk pasar yang

dimiliki oleh perusahaan. Risiko seperti ini hadir karena adanya

ketidakpastian dari aktivitas-aktivitas bisnis seperti inovasi teknologi serta

desain produk dan pemasaran. Sedangkan risiko stratejik muncul karena

adanya perubahan fundamental pada lingkungan ekonomi atau politik. Risiko

stratejik ini sangat sulit untuk dihitung. Selanjutnya ada yang disebut risiko

finansial yang timbul sebagai akibat adanya pergerakan (movements) pada

pasar finansial. Risiko finansial dapat dibagi lagi menjadi beberapa kategori,

yaitu risiko pasar (market risk) yang timbul karena adanya perubahan pada

harga dari aset-aset keuangan dan kewajiban, risiko kredit (credit risk) yang

disebabkan oleh ketidakmampuan atau ketidakmauan dari pihak ketiga untuk

Page 21: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

4

memenuhi kewajiban kontraktual, risiko likuiditas (liquidity risk) yang

dihasilkan karena kurangnya jumlah dana yang dibutuhkan akibat aktivitas

pasar, risiko operasional (operational risk) yang terjadi akibat kegagalan

sistem atau manajemen, dan risiko legal (legal risk) yang timbul ketika

pembuktian suatu transaksi tidak dapat dijalankan berdasarkan hukum yang

ada.

Salah satu risiko yang dihadapi investor adalah ketika berinvestasi dalam

salah satu sektor pasar modal syariah, yaitu sukuk. Data runtun waktu

khususnya data bursa saham, sukuk, obligasi dan data keuangan lain, serta

data ekonomi umumnya mempunyai model tertentu karena adanya suatu

kondisi hetereoskedastisitas. Pemodelan volatilitas sangat penting untuk

menentukan risiko investasi.

Pengukuran risiko secara kuantitatif dapat dilakukan dalam suatu metode

Value at Risk (VaR) dengan menggunakan beberapa model pengukuran

volatilitas. Menurut Crouhy et al (2002: 154). VaR merupakan salah satu alat

atau teknik untuk mengurangi kerugian terburuk yang mungkin terjadi

sebagai akibat dari memegang (hold) suatu sekuritas atau portofolio selama

periode waktu tertentu, dengan tingkat spesifikasi tertentu yang dikenal

sebagai tingkat kepercayaan (confidence level). Banyak penelitian

sebelumnya yang meneliti mengenai pengujian model Value at Risk dalam

mengestimasi nilai volatilitas harian sebagai ukuran dari risiko pasar.

Volatilitas adalah pengukuran secara statistik variasi harga dari suatu

instrument. Investor yang melakukan investasi dalam aset yang memiliki

Page 22: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

5

volatilitas tinggi akan cenderung menghadapi risiko yang lebih tinggi

dibandingkan dengan investor yang melakukan investasi dalam aset yang

memiliki volatilitas rendah. Indikator risiko yang akan digunakan dalam

penelitian ini adalah volatilitas (σ) yang akan diperoleh dengan pendekatan

Autoregressive Conditional Heteroscedasticity/Generalised Autoregressive

Conditional Heteroscedastic (ARCH/GARCH). (Rudolf, 2010)

Pengukuran risiko merupakan hal yang penting dalam investasi, salah

satu aspek yang penting dalam analisis risiko adalah perhitungan Value at

Risk (VaR) yang merupakan pengukuran kerugian terburuk dalam kondisi

pasar yang normal dalam kurun waktu tertentu dan dengan tingkat

kepercayaan tertentu. Value at Risk telah menjadi ukuran standar untuk

mengidentifikasi risiko.Pengukuran risiko merupakan hal yang sangat penting

mengingat hal ini berkenaan dengan investasi dana yang cukup besar.

Pengukuran risiko dilakukan agar risiko berada pada tingkatan yang

terkendali sehingga dapat mengurangi kerugian berinvestasi. Risiko yang

terukur dapat mengurangi peluang kerugian yang mungkin akan ditanggung

oleh investor. Salah satu metode pengukuran risiko yang populer adalah

adalah metode Value at Risk (VaR). VaR dapat diartikan tingkat kerugian

maksimal dalam jangka waktu dan tingkat keyakinan tertentu. Pada data

runtun waktu finansial biasanya memiliki varian yang tidak konstan

(heterokedastisitas). Untuk mengatasi masalah tersebut, Engle (1982)

memperkenalkan model Autoregressive Conditional Heteroscedasticity

(ARCH) yang kemudian pada tahun 1986, Bollerslev mengembangkannya

Page 23: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

6

menjadi model Generalized Autoregressive Conditional Heteroscedasticity

(GARCH). Model ARCH/GARCH telah menjadi model yang banyak

digunakan untuk meramalkan volatilitas untuk perhitungan nilai risiko VaR.

(Dian, 2014)

Dalam perhitungan VaR dibutuhkan peramalan volatilitas. Volatilitas

dari suatu data runtun waktu dapat bersifat homoskedastik atau mempunyai

nilai volatilitas yang konstan maupun bersifat heteroskedastik yang berarti

mempunyai nilai volatilitas yang berubah-ubah. Metode yang digunakan

untuk menghitung volatilitas yang konstan adalah menggunakan standar

deviasi normal, sedangkan metode yang biasa digunakan untuk memodelkan

volatilitas yang berubah-ubah adalah Exponentional Weighted Moving

Average (EWMA) dan Autoregresive/Generalized Autoregressive

Heteroskedastic (ARCH/GARCH). Kedua metode ini memiliki perbedaan

dalam cara pengolahan data dan juga tingkat akurasi dari hasil permodelan

volatilitas. Berdasarkan penelitian yang sudah pernah dilakukan, maka

metode yang akan digunakan dalam karya akhir ini adalah metode

ARCH/GARCH karena memberikan akurasi hasil permodelan yang lebih

baik dibandingkan metode EWMA. (Tobing, 2008)

Dalam penelitian ini menggunakan indeks sukuk Inonesia yang diperoleh

dari indeks IBPA. Indeks IBPA adalah indikator kinerja pasar obligasi

Indonesia yang diterbitkan oleh IBPA. Perhitungan indeks IBPA dilakukan

dengan memenuhi karakteristik indeks antara lain akurat, variatif, replikatif,

stabil, transparan. Perhitungan IBPA Bond Indices dilakukan dengan

Page 24: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

7

menggunakan basis data harga pasar wajar obligasi IBPA dan metodologi

yang standar dan lazim digunakan dalam perhitungan indeks di dunia

internasional. Review dan rebalancing terhadap Komposisi obligasi yang

termasuk kedalam perhitungan indeks IBPA dilakukan secara berkala untuk

menjaga kualitas dan akurasi indeks. Metodologi serta Komposisi obligasi

yang masuk kedalam perhitungan IBPA Bond Indices ini dilakukan secara

transparan dan dapat diakses oleh publik melalui laporan dalam bentuk Fact

Sheet dan rebalancing sheet. Terdapat dua produk Indeks yang diterbitkan

oleh IBPA, yaitu IBPA Indices dan Indonesia Bond Indexes (INDOBeX).

Keduanya dihitung berdasarkan kebutuhan pasar akan indeks yang reliable.

Setiap indeks IBPA dihitung berdasarkan kinerja dari nilai Total Return,

Clean Price, Gross Price, Effevtive Yield dan Gross Yield.

IBPA berpartisipasi secara signifikan dalam pengembangan efek

pendapatan tetap dan Sukuk di pasar modal Indonesia. IBPA selalu berusaha

mendorong inovasi dengan membuka potensi pasar dan pelaku untuk

berpatisipasi dalam pengembangan pasar modal yang kuat.

IBPA memiliki keyakinan bahwa ketersediaan harga pasar

wajar merupakan pilar penting yang memungkinkan pembangunan

berkelanjutan dalam pasar sekuritas pendapatan tetap dan Sukuk di Indonesia.

Dengan melakukan perhitungan harga pasar wajar, IBPA membuka jalan

untuk mendukung revitalisasi pasar dan meningkatkan likuiditas di pasar

modal sekunder

Page 25: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

8

Dengan berkembangnya pasar modal syariah, penelitian ini dilakukan

untuk mengetahui risiko yang dialami oleh fluktuasi sukuk di Indonesia

sebagai dasar pengambilan keputusan bagi investor dalam berinvestasi di

pasar obligasi di Indonesia, khususnya sukuk, karena dengan memahami

perilaku volatilitasnya, investor dapat memperkirakan resiko investasinya.

Oleh karena itu penulis tertarik untuk meneliti, “Analisis Volatilitas Dan

Value at Risk Pada Sukuk Indonesia Dengan Menggunakan Model

ARCH/GARCH (Studi Empiris Pada Tiga Indeks Sukuk Indonesia

ICSIX, IGSIX, dan ISIXC Periode 2011-2015)”

Kelebihan penelitian ini dibandingkan dengan penelitian terdahulu adalah

tema mengenai volatilitas dan VaR indeks sukuk Indonesia yang masih jarang

dalam literatur di Indonesia. Penelitian ini juga menggunakan

ARCH/GARCH sebagai parameter pengukuran besarnya risiko investasi di

Indonesia dalam penelitian time series keuangan.

Penelitian ini juga memiliki kelebihan dalam periode data yang

digunakan, yaitu dari tahun 2011 sampai dengan tahun 2015 periode yang

cukup panjang hal ini dimaksudkan agar penelitian mendapatkan hasil

statistik yang lebih baik, karena mengukur volatilitas dibutuhkan sampel yang

panjang agar terlihat pergerakan dari suatu data.

Page 26: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

9

B. Permasalahan

1. Identifikasi Masalah

Berdasarkan latar belakang yang telah dijelaskan di atas, penulis

mengidentifikasi masalah-masalah yang ada dalam penelitian ini sebagai

berikut :

a. Perekonomian Indonesia yang sedang mengalami fluktuasi dan

ketidakstabilan yang berimplikasi pada semakin besarnya risiko yang

dihadapi oleh investor. Risiko secara luas dapat diartikan sebagai

derajat ketidakpastian pengembalian dana di masa depan.

b. Pemilihan para investor instrumen investasi yang kurang tepat untuk

menanam modal.

2. Batasan Masalah

Berdasarkan identifikasi masalah di atas, maka agar penelitian ini

lebih terarah peneliti menetapkan batasan masalah, penelitian ini terfokus

pada Value at Risk yang menjadi ukuran standar untuk mengidentifikasi

risiko. VaR yang akan didaptakan dalam penelitian ini adalah dari

volatilitas (σ) yang akan diperoleh dengan pendekatan Autoregressive

Conditional Heteroscedasticity/Generalised Autoregressive Conditional

Heteroscedastic (ARCH/GARCH). Instrumen invesatsi yang digunakan

penelitian ini adalah indeks sukuk Indonesia.

Page 27: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

10

3. Rumusan Masalah

a. Bagaimana volatilitas Indeks Sukuk Indonesia dengan menggunakan

model Autoregressive Conditional Heteroscedasticity/ Generalized

Autoregressive Conditional heteroscedasticity (ARCH/ GARCH)?

b. Bagaimana risiko investasi Indeks Sukuk Indonesia dengan Value at

Risk (VaR)?

C. Tujuan Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah :

1. Untuk menganalisis volatilitas Indeks Sukuk Indonesia dengan

menggunakan model Autoregressive Conditional Heteroscedasticity/

Generalized Autoregressive Conditional heteroscedasticity (ARCH/

GARCH).

2. Untuk menganalisis risiko investasi Indeks Sukuk Indonesia dengan

Value at Risk (VaR).

D. Manfaat Penelitian

1. Para investor dalam memperoleh gambaran lebih lanjut mengenai imbal

hasil (return) dan risiko indeks sukuk Indonesia yang digunakan sebagai

pertimbangan untuk menentukan investasi yang tepat dalam mengalihkan

asetnya, sehingga dapat memberikan manfaat yang sesuai dengan

harapan.

Page 28: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

11

2. Bagi peneliti selanjutnya dapat mengambil kasus yang telah diteliti

sebagai bahan pelengkap dan pendukung penelitian mengenai

manajemen keuangan khususnya pasar modal untuk sukuk.

3. Bagi Akademik, penelitian ini diharapkan dapat memberikan

pengetahuan dan wawasan yang lebih mendalam serta sebagai dasar

acuan untuk kajian penelitian selanjutnya mengenai volatilitas dan VaR

indeks sukuk Indonesia. Hasil penelitian ini juga diharapkan dapat

menambah perbendaharaan atas pengembangan ilmu pengetahuan,

khususnya ilmu ekonomi dibidang manajemen keuangan.

Page 29: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

12

BAB II

TINJAUAN PUSTAKA

A. Kajian Teori

1. Investasi Dalam Perspektif Islam

Investasi diartikan dalam Huda dan Nasution (2007) sebagai

komitmen atas sejumlah dana atau sumber daya lainnya yang dilakukan

pada saat ini, dengan tujuan memperoleh sejumlah keuntungan di masa

yang akan datang. Investasi dalam perspektif Islam tentunya berbeda

dengan investasi secara konvensional, dimana dalam perspektif Islam

memiliki rambu-rambu tertentu dalam investasi. Islam sebagai aturan

hidup yang mengatur seluruh sisi kehidupan manusia, menawarkan

berbagai cara dan kiat menjalani kehidupan yang sesuai dengan norma

dan aturan Allah SWT. Dalam berinvestasi pun Allah dan Rasul-Nya

memberikan petunjuk dan rambu-rambu pokok yang seyogyanya diikuti

oleh muslim yang beriman. Dalam Huda dan Nasution (2007) dan

Rodoni (2009), rambu-rambu tersebut adalah sebagai berikut :

a. Terbebas unsur riba

Riba secara etimologi berarti tumbuh dan bertambah.

Sedangkan dalam terminologi syariah, para ulama banyak

memberikan definisi riba merupakan kelebihan yang tidak ada

pendanaan pengganti yang tidak dibenarkan oleh syariah yang

disyaratkan oleh salah satu dari dua orang yang berakad.

Page 30: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

13

Definisi lain menurut Imam Badrudin Al-Aini dalam kitabnya

Umtadu al-Qari mendefinisikan riba adalah penambahan atas

harta pokok tanpa adanya transaksi bisnis riil.

b. Terhindar unsur gharar

Gharar secara etimologi bermakna kekhawatiran atau risiko,

dan gharar berarti juga menghadapi suatu kecelakaan, kerugian

dan atau kebinasaan. Serta diartikan juga sebagai sesuatu yang

bersifat tidak pasti. Sedangkan menurut Imam Sayyid Sabiq

dalam Fiqh Sunnah halaman 53 jilid keempat mendefinisikan

gharar yaitu setiap jual beli yang mengandung sebuah

ketidakpastian (jahalah), atau mengandung unsur risiko atau

perjudian.

c. Terhindar unsur judi (maysir)

Secara etimologi bermakna mudah. Maysir merupakan

bentuk objek yang diartikan sebagai tempat untuk memudahkan

sesuatu. Memudahkan sesuatu karena seseorang yang

seharusnya menempuh jalan yang susah payah akan tetapi

mencari jalan pintas dengan harapan dapat mencapai apa yang

dikehendaki, walaupun jalan pintas tersebut bertentangan

dengan nilai serta aturan syariah.

d. Terhindar unsur haram

Sesuatu yang haram merupakan segala sesuatu yang

dilarang oleh Allah SWT dan Rasul-Nya SAW dalam Al Quran

Page 31: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

14

dan Sunnah. Kata haram secara etimologi dalam kaidah ushul

fiqh yang mendefinisikan bahwa haram adalah sesuatu yang

disediakan hukuman bagi yang melakukan dan disediakan

pahala bagi yang meninggalkan karena diniatkan untuk

menjalankan syariat-Nya.

e. Terhindar unsur syubhat

Kata syubhat berarti mirip, serupa, semisal dan bercampur.

Secara terminologi diartikan sebagai sesuatu perkara yang

tercampur (antara halal dan haram), akan tetapi tidak diketahui

secara pasti apakah ia sesuatu yang halal atau haram, dan apakah

ia hak ataukah batil.

Dalam Wahyuni (2010), investasi Islami dapat dilakukan secara

langsung maupun tidak langsung. Investasi yang langsung dilakukan

secara individual untuk melakukan penempatan pada instrumen halal

yang tersedia. Investasi tidak langsung adalah dengan memanfaatkan jasa

intermediaries yang juga dituntut Islami.

Proses investasi syariah menunjukan bagaimana seharusnya seorang

investor membuat keputusan investasi pada sekuritas yaitu sekuritas apa

yang akan dipilih, seberapa banyak investasi tersebut, dan kapan

investasi tersebut akan dilakukan. Untuk mengambil keputusan tersebut

diperlukan langkah-langkah menurut Rodoni (2009: 38) sebagai berikut:

Page 32: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

15

a. Menentukan tujuan investasi

Ada tiga hal yang dipertimbangkan dalam tahap ini, yaitu

tingkat pengembalian yang diharapkan, tingkat risiko, dan

ketersediaan jumlah dana yang akan diinvestasikan.

b. Melakukan analisis sekuritas

Tahap ini berarti melakukan analisis terhadap suatu efek

atau sekelompok efek. Salah satu tujuan penilaian ini adalah

untuk mengidentifikasikan efek yang salah harga (mispriced),

apakah harganya terlalu tinggi atau terlalu rendah. Untuk itu ada

dua pendekatan yang dapat digunakan, yaitu pendekatan

fundamental dan pendekatan teknikal.

c. Pembentuka portofolio

Portofolio berrati sekumpulan investasi. Tahap ini

menyangkut identifikasi sekuritas-sekuritas mana yang akan

dipilih, dan berapa proporsi dana yang akan diinvestasikan pada

masing-masing sekuritas tersebut.

d. Melakukan revisi portofolio

Tahap ini merupakan pengulangan terhadap tiga tahap

sebelumnya, dengan maksud kalau dirasa bahwa portofolio yang

sekarang dimilki tidak lagi optimal, atau tidak sesuai dengan

preferensi risiko pemodal, maka pemodal dapat melakukan

perubahan terhadap sekuritas-sekuritas yang membentuk

portofolio tersebut.

Page 33: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

16

e. Evaluasi kinerja portofolio

Dalam tahap ini pemodal melakukan penilian terhadap

kinerja portofolio, baik dala aspek tingkat keuntungan yang

diperoleh maupun risiko yng ditanggung.

2. Sukuk

Sukuk juga dikenal juga sebagai obligasi syariah. Namun pada

dasarnya, sukuk berbeda dengan obligasi. Ini dijelaskan dalam The

Accounting and Auditing Organization for Islamic Financial (AAOFI)

(Ayub, 2009), investment sukuk are different in nature from common

shares of joint stock companies. These are certificates of equal value

representing undivided shares in ownership of tangible assets of

particular projects or specific investment activity, usufruct and services.

Dalam Suruhanjaya Sekuriti (2009) bahwa sukuk tidak seperti dengan

obligasi, sukuk dapat terdiri dari baik kewajiban utang atau ekuitas,

tergantung pada karakteristik kontrak Islam yang mendasari.

Kalau mengarah pada IMF (Internationaly Monetary Funds), sukuk

lebih dikenal dalam era modern dengan sebutan instrumen keuangan

Islam. Atau disebut juga sebagai Islamic bond atau obligasi syariah,

namun dalam definisi ini tidak dijelaskan mengenai perbedaan diantara

dua jenis produk ini.

Rodoni (2009) menyebutkan berbagai pengertian dari sukuk. Secara

terminologi, sukuk adalah sebuah kertas (buku) atau catatan yang

Page 34: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

17

padanya terdapat perintah dari seseorang untuk pembayaran uang dengan

jumlah tertentu pada orang lain yang namanya tertera pada kertas

tersebut. Kata sukuk berasal dari bahasa Persia yaitu jak, lalu masuk ke

bahasa Arab dengan nama shak. Dan pengertian secara umum, sukuk

adalah obligasi yang dijamin oleh adanya aset, mempunyai pengembalian

yang stabil, dapat diperjualbelikan dan sesuai dengan aturan syariah.

Berdasarkan keputusan Ketua Badan Pengawas Pasar Modal dan

Lembaga Keuangan (Bapepam-LK) Nomor KEP-181/BL/2009, sukuk

didefinisikan sebagai efek syariah berupa sertifikat atau bukti

kepemilikan yang bernilai sama dan mewakili bagian penyertaan yang

tidak terpisahkan atau tidak terbagi atas:

a. Kepemilikan aset berwujud tertentu.

b. Nilai manfaat dan jasa atas aset proyek tertentu atau aktivitas

investasi tertentu; atau

c. Kepemilikan atas aset proyek tertentu atau aktivitas investasi

tertentu.

Merujuk pada fatwa Dewan Syariah Nasional (DSN) No. 32/DSN-

MUI/IX/2002, sukuk disebutkan dengan sebutan obligasi syariah, yaitu

suatu surat berharga jangka panjang berdasarkan prinsip syariah yang

dikeluarkan emiten kepada pemegang obligasi syariah yang mewajibkan

emiten untuk membayar pendapatan kepada pemegang obligasi syariah

berupa hasil/margin/fee, serta membayar kembali dana obligasi pada saat

jatuh tempo. Dalam pengertian tersebut dapat ditarik beberapa uraian

Page 35: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

18

bahwa obligasi syariah dilakukan dengan ketentuan tertentu berdasar

prinsip syariah, emiten wajib memberikan kepada pemegang obligasi

syariah yaitu hasil atau margin dan dana obligasinya pada saat jatuh

tempo. Seperti halnya obligasi, sukuk juga memiliki karakteristik

tersendiri. Menurut Buku Tanya Jawab Surat Berharga Syariah Negara

(2010) menyebutkan beberapa karakteristik sukuk yaitu:

a. Merupakan bukti kepemilikan suatu aset, hak manfaat, jasa atau

kegiatan investasi tertentu.

b. Pendapatan yang diberikan berupa imbalan, margin, bagi hasil,

sesuai dengan jenis akad yang digunakan dalam penerbitan.

c. Terbebas dari unsur riba, gharar dan maysir.

d. Memerlukan adanya underlying asset penerbitan.

e. Penggunaan proceeds harus sesuai dengan prinsip syariah.

Dalam Buku Tanya Jawab SBSN (2010) disampaikan bahwa suatu

sukuk yang diterbitkan dapat dikatakan memenuhi prinsip syariah apabila

seluruh kegiatan penerbitan sukuk, termasuk akad/perjanjian

penerbitannya, tidak bertentangan dengan prinsip-prinsip syariah, yaitu

antara lain transaksi yang dilakukan oleh para pihak harus bersifat adil,

halal, thayyib, dan maslahat. Sukuk juga harus terbebas dari berbagai

unsur larangan, antara lain riba, maysir, dan gharar. Untuk itu,

penerbitan Sukuk memerlukan adanya pernyataan kesesuaian syariah

(sharia compliance) dari ahli syariah yang diakui secara umum atau dari

Page 36: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

19

lembaga yang memiliki keahlian di bidang syariah, yang menyatakan

bahwa sukuk yang diterbitkan telah memenuhi prinsip-prinsip syariah.

Sering sukuk disamakan dengan obligasi konvensional, namun pada

beberapa sisi, sukuk memiliki kelebihan dibandingkan dengan obligasi

konvensional. Wahdy (2007), bahwa sukuk atau obligasi syariah lebih

kompetitif, diantaranya:

a. Kemungkinan perolehan dari bagi hasil pendapatan lebih tinggi

daripada obligasi konvensional.

b. Obligasi syariah lebih aman karena digunakan untuk mendanai

proyek-proyek prospektif.

c. Apabila terjadi kerugian diluar kontrol, investor atau pemegang

obligasi syariah tetap memperoleh aktiva.

d. Terobosan paradigma, bukan lagi surat hutang melainkan surat

investasi.

Sukuk memiliki jenis seperti dijelaskan dalam AAOIFI No 17

tentang investment sukuk, yaitu terdiri dari: (Ayub, 2007)

a. Sertifikat kepemilikan dalam aset yang disewakan

Sukuk ijarah yaitu sukuk yang diterbitkan berdasarkan

perjanjian atau akad ijarah (akad sewa menyewa atas suatu aset)

dimana satu pihak bertindak sendiri atau melalui wakilnya

menjual atau menyewakan hak manfaat atas suatu aset kepada

pihak lain berdasarkan harga sewa dan periode sewa yang

Page 37: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

20

disepakati, tanpa diikuti dengan pemindahan kepemilikan aset

tersebut.

b. Sertifikat kepemilikan atas manfaat

Sertifikat ini terdiri dari empat tipe, yaitu: sertifikat

kepemilikan atas aset yang telah ada, sertifikat kepemilikan atas

manfaat aset di masa depan, sertifikat kepemilikan atas jasa

pihak tertentu dan sertifikat kepemilikan atas jasa di masa depan.

c. Sertifikat salam

Sukuk salam adalah sukuk yang diterbitkan dengan tujuan

untuk mendapatkan dana untuk modal dalam akad salam,

sehingga barang yang akan disediakan melalui akad salam

menjadi pemilik pemegang sukuk.

d. Sertifikat istishna

Sukuk ishtisna adalah sukuk yang diterbitkan berdasarkan

perjanjian atau akad ishtisna dimana para pihak menyepakati

jual beli dalam rangka pembiayaan suatu proyek/barang.

Adapun harga, waktu penyerahan, dan spesifikasi barang/proyek

ditentukan terlebih dahulu berdasarkan kesepakatan para pihak.

e. Sertifikat mudharabah

Sukuk mudharabah adalah sukuk yang diterbitkan

berdasarkan akad mudharabah (akad kerjasama dimana salah

satu pihak menyediakan modal dan pihak lainnya menyediakan

tenaga dan keahliannya dimana keuntungan dibagi berdasar

Page 38: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

21

persentase yang disepakati sebelumnya dan kerugian menjadi

tanggung jawab pemilik modal).

f. Sertifikat musyarakah

Sukuk yang diterbitkan berdasarkan akad musyarakah yaitu

dimana kedua belah pihak atau lebih bekerjasama

menggabungkan modal yang digunakan untuk membangun

proyek baru, mengembangkan proyek yang telah ada atau

membiayai kegiatan usaha lain. Keuntungan dan kerugian

ditanggung bersama sesuai dengan jumlah partisipasi modal

masing-masing pihak.

g. Setifikat muzara’ah

Sukuk yang diterbitkan dengan tujuan mendapatkan dana

untuk membiayai kegiatan pertanian berdasarkan akad

muzara'ah (akad kerjasama dalam bidang pertanian, dimana

pemilik lahan memberi hak pengelolaan lahan kepada pihak

lain/petani, keuntungan panen dibagi berdasarkan kesepakatan),

sehingga pemegang sukuk berhak atas bagian dari hasil panen

sesuai dengan ketentuan dalam perjanjian.

h. Sertifikat musaqah

Sukuk yang diterbitkan dengan tujuan menggunakan dana

hasil penerbitan sukuk untuk melakukan kegiatan irigasi atas

tanaman berbuah, membayar biaya operasional dan perawatan

tanaman tersebut berdasarkan akak musaqah, dengan demikian

Page 39: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

22

pemegang sukuk berhak atas bagian dari hasil panen sesuai

kesepakatan.

i. Sertifikat mugharasa

(Ayub, 2007), menyebutkan tujuannya untuk proyek yang

melibatkan penanaman perkebunan.

Namun dalam Fatwa Dewan Syariah Nasional Nomor:

32/DSNMUI/IX/2002 tentang obligasi syariah, akad yang dapat

digunakan dalam penerbitan obligasi syariah antara lain:

a. Mudharabah (Muqaradhah)/ Qiradh

b. Musyarakah

c. Murabahah

d. Salam

e. Istishna, dan

f. Ijarah

3. Risiko

Sartono (2000:149) menjelaskan bahwa secara umum, risiko

mengacu pada probabilitas bahwa sesuatu yang diharapkan akan terjadi.

Griffin (2002:715) mendefinisikan risiko sebagai ketidakpastian tentang

peristiwa masa depan atas hal yang diinginkan atau tidak diinginkan.

Risiko berkaitan dengan penyimpangan atau ketidakpastian dari suatu

perbuatan atau kejadian. Menurut Basyaib (2007), risiko adalah peluang

terjadinya hasil yang tidak diinginkan sehingga risiko hanya terkait

Page 40: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

23

dengan situasi yang memungkinkan munculnya hasil negatif serta

berkaitan dengan kemampuan memperkirakan terjadinya hasil negatif

tadi. Arno (2008) menjelaskan bahwa risiko berkaitan dengan

ketidakpastian, namun mengacu kepada ketidakpastian yang bisa

diperkirakan (expected risks).

Menurut Djohanputro (2008:31), risiko merupakan ketidakpastian

yang bisa diperkirakan atau diukur. Risiko adalah ketidakpastian yang

telah diketahui tingkat probabilitas kejadiannya. Gumanti (2011:50)

mengartikan risiko sebagai kemungkinan mengalami kerugian, yang

biasanya diukur dalam bentuk kemungkinan (probability) bahwa

beberapa hasil akan muncul yang bergerak dalam kisaran sangat baik ke

sangat buruk. Berdasarkan beberapa definisi di atas, dapat disimpulkan

bahwa risiko merupakan ketidakpastian atas terjadinya hal yang

diinginkan atau tidak diinginkan, namun tingkat probabilitas kejadiannya

bisa diukur atau diperkirakan.

Damodaran (2002:60) menjelaskan bahwa risiko investasi

merupakan suatu kemungkinan dalam investasi di mana suatu pihak akan

menerima imbal hasil (return) atau keuntungan yang berbeda dari imbal

hasil yang diharapkan. Jogiyanto (2008:257) menyebutkan bahwa risiko

berhubungan dengan penyimpangan atau deviasi dari outcome yang

diterima dengan yang diekspektasi. Menurut Tandelilin (2010:8), risiko

dalam investasi adalah kemungkinan realisasi return sebenarnya lebih

rendah dari return minimum yang diharapkan. Gumanti (2011:21)

Page 41: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

24

menjelaskan bahwa, risiko investasi adalah kemungkinan terjadinya

kerugian yang akan dialami investor atau ketidakpastian atas return yang

akan diterima di masa mendatang. Seorang investor melakukan investasi

dengan harapan memperoleh keuntungan dari investasi tersebut, berupa

keuntungan modal (capital gain). Capital gain adalah selisih positif yang

diperoleh dari hasil penjualan aset atau sekuritas atas biaya perolehan

awalnya. Kebalikan dari capital gain adalah capital loss, yaitu kerugian

yang ditanggung oleh investor karena hasil penjualan suatu aset atau

sekuritas lebih rendah dari biaya perolehannya.

Definisi-definisi yang telah disebutkan di atas, mengarah pada

kesimpulan bahwa risiko investasi adalah kemungkinan terjadinya

penyimpangan positif maupun negatif dari return yang diharapkan oleh

investor. Penyimpangan positif berupa capital gain dan penyimpangan

negatif berupa capital loss. Namun, karena penyimpangan positif tidak

menimbulkan kerugian, sehingga penyimpangan tersebut tidak terlalu

diperhitungkan.

Samsul (2006:285) mengelompokkan dua (2) jenis risiko dalam

investasi yaitu risiko sistematis (systematic risk atau undiversifiable risk)

dan risiko tidak sistematis (unsystematic risk atau diversifiable risk).

Contoh risiko sistematis adalah kenaikan inflasi yang tajam, kenaikan

tingkat bunga, dan siklus ekonomi. Dalam upaya menguragi risiko

sistematis, investor dapat melakukan lindung nilai (hedging) di futures

marketatau di option market serta memahami perilaku siklus ekonomi

Page 42: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

25

dan gejala awal (leading indicator) pergantian siklus ekonomi. Risiko

tidak sistematis atau risiko spesifik hanya berdampak pada suatu saham

atau suatu sektor tertentu. Contoh risiko spesifik adalah peraturan

pemerintah menganai larangan ekspor atau impor suatu produk, secara

khusus risiko ini akan mempengaruhi harga saham perusahaan yang

menjual produk tersebut. Dalam upaya mengurangi kerugian, investor

sebaiknya berinvestasi dalam berbagai jenis saham di berbagai sektor.

Tandelilin (2010:103) menyebutkan ada delapan (8) sumber risiko

yang dapat mempengaruhi besarnya risiko suatu investasi. Pertama (1),

risiko suku bunga yang mempengaruhi variabilitas return suatu investasi.

Perubahan suku bunga akan mempengaruhi harga saham secara terbalik,

ceteris paribus. Artinya, apabila suku bunga meningkat maka harga

saham akan menurun, ceteris paribus. Kedua (2), risiko pasar yang

berasal dari fluktuasi pasar secara keseluruhan dan berdampak pada

variabilitas return suatu investasi. Fluktuasi pasar biasanya ditunjukkan

oleh perubahan indeks pasar saham secara keseluruhan. Perubahan pasar

dipengaruhi oleh faktor-faktor seperti kemunculan resesi ekonomi,

kerusuhan, atau gejolak politik. Tim studi volatilitas pasar modal

Indonesia (2011) menyebutkan bahwa faktor–faktor seperti resesi

ekonomi, kerusahan atau gejolak politik menjadi penyebab volatilitas

harga pasar saham. Selanjutnya, sumber risiko ketiga (3) adalah risiko

inflasi dimana peningkatan inflasi akan mengurangi daya beli rupiah

yang telah diinvestasikan. Apabila inflasi mengalami peningkatan,

Page 43: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

26

biasanya investor menuntut tambahan premium inflasi untuk

mengkompensasi penurunan daya beli yang dialami. Keempat (4) adalah

risiko bisnis yang dipengaruhi oleh karakteristik suatu industri. Sumber

risiko yang kelima (5) yaitu risiko finansial yang berkaitan dengan

keputusan perusahaan untuk menggunakan hutang dalam pembiayaan

modal perusahaan. Semakin besar proporsi hutang yang digunakan

perusahaan, semakin besar risiko finansial yang dihadapi perusahaan.

Sumber risiko keenam (6) adalah risiko likuiditas yang menunjukkan

seberapa cepat suatu sekuritas dapat diperdagangkan di pasar sekunder.

Semakin cepat suatu sekuritas diperdagangkan, semakin likuid sekuritas

tersebut. Sumber risiko selanjutnya (7) adalah risiko nilai tukar mata

uang yang berkaitan dengan nilai tukar mata uang domestik dengan nilai

mata uang lain.Sumber risiko yang terakhir (8) yaitu risiko negara yang

berhubungan dengan kondisi perpolitikan suatu negara. Bagi perusahaan

yang beroperasi di luar negeri, stabilitas politik dan ekonomi negara

bersangkutan sangat penting diperhatikan untuk menghindari risiko

negara yang terlalu tinggi.

Menurut Rodoni (2009) bisnis adalah pengembalian risko, karena

risiko selalu terdapat dalam aktivitas ekonomi. Ditambah lagi adanya

prinsip dasar, no risk no return. Selain karena alasan riba, prinsip ini juga

yang membawa implikasi penolakan terhadap bunga dalam pinjaman dan

juga sekuritas yang dianggap risk-free. Kalau kemudian risiko ini secara

Page 44: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

27

sederhana disamakan dengan ketidakpastian, dan ketidakpastian ini

dianggap gharar dan dilarang, maka ini akan menjadi rumit.

Sebuah transaksi yang gharar dapat timbul karena dua sebab,

pertama adalah kurangnya informasi atau pengetahuan pada pihak yang

melakukan kontrak. Kedua, akrena tidak adanya (non-exist) objek. Ada

pula yang membolehkan transaksi dengan objek yangs ecara aktual

belum ada, dengan diiringi syarat bahwa pihak yang melakukan transakti

memiliki kontrol untuk hampir bisa memastikan di masa depan.

4. Volatilitas

Volatilitas adalah pengukuran statistik untuk fluktuasi harga selama

periode tertentu (Firmansyah, 2006). Ukuran tersebut menunjukkan

penurunan dan peningkatan harga dalam periode yang pendek dan tidak

mengukur tingkat harga, namun derajat variasinya dari satu periode ke

periode berikutnya. Volatilitas yang tinggi mencerminkan karakteristik

penawaran dan permintaan yang tidak biasa. Hal ini menunjukkan bahwa

jika volatilitas nya tinggi keadaan reksadana ini tidak konstan, terjadi

penjualan yang besar dan penawaran yang rendah, begitu juga sebaliknya.

Terkadang nilai aktiva bersinh meningkat dan terkadang nilai aktiva

bersih menurun.

Volatilitas adalah kecepatan naik turunnya return sebuah reksadana.

Volatilitas tidak hanya terbatas pada reksadana namun juga seluruh

instrumen investasi, baik saham, emas, obligasi atau instrumen-instrumen

Page 45: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

28

\lainnya. Semakin tinggi volatilitasnya, maka ’kepastian’ return suatu

reksadana semakin rendah. Volatilitas merupakan sebuah terminologi

kepekaan (sensitifitas) atau ukuran dari ketidakpastian sebuah data deret

waktu keuangan sehingga merupakan risiko yang mungkin dihadapi

investor dalam perdagangan di bursa dimana besaran ini dinyatakan

sebagai standar deviasi dari laju perubahan penyusun data deret waktu

keuangan. (Yohanes dan Hokky:1993).

Volatilitas pasar terjadi akibat masuknya informasi baru ke dalam

pasar atau bursa. Akibatnya para pelaku pasar melakukan penilaian

kembali terhadap asset yang mereka perdagangkan. Pada pasar yang

efisien, tingkat harga akan melakukan penyesuaian dengan cepat

sehingga harga yang terbentuk mencerminkan informasi baru tersebut

(Anton, 2006).

Menurut Schwert dan W. Smith, Jr. (1992) terdapat lima jenis

volatilitas dalam pasar keuangan, yaitu :

a. Future Volatility

Future volatility adalah apa yang hendak diketahui oleh

para pemain dalam pasar keuangan (trader). Volatilitas yang

paling baik adalah yang mampu menggambarkan penyebaran

harga di masa yang akan datang untuk suatu underlying contract.

Secara teori angka tersebut merupakan yang kita maksud ketika

kita membicarakan input volatilitas ke dalam model teori

Page 46: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

29

pricing. Trader jarang membicarakan future volatility karena

masa depan tidak mungkin diketahui.

b. Historical Volatility

Untuk dapat mengetahui masa depan maka perlu

mempelajari masa lalu. Hal ini dilakukan dengan membuat suatu

permodelan dengan teori pricing berdasarkan data masa lalu

untuk dapat meramalkan volatilitas pada masa yang akan datang.

Terdapat bermacam-macam pilihan dalam menghitung

historical volatility, namun sebagian besar metode bergantung

pada pemilihan dua paremeter, yaitu periode historis dimana

volatilitas akan dihitung, dan interval waktu antara perubahan

harga. Periode historis dapat berupa jadi empat belas hari, enam

bulan, lima tahun, atau lainnya. Interval waktu dapat berupa

harian, mingguan, bulanan, atau lainnya. Future volatility dan

historical volatility terkadang disebut sebagai realized volatility.

c. Forecast Volatility

Seperti halnya terdapat jasa yang berusaha meramalkan

pergerakan arah masa depan harga suatu kontrak demikian juga

terdapat jasa yang berusaha meramalkan volatilitas masa depan

suatu kontrak. Peramalan bisa jadi untuk suatu periode, tetapi

biasanya mencakup periode yang identik dengan sisa masa

option dari underlying contract.

d. Implied Volatility

Page 47: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

30

Umumnya future, historical, dan forecast volatility

berhubungan dengan underlying contract. Implied volatility

merupakan volatilitas yang harus kita masukkan ke dalam model

teoritis pricing untuk menghasilkan nilai teoritis yang identik

dengan harga option di pasar.

e. Seasonal Volatility

Komoditas pertanian tertentu seperti jagung, kacang,

kedelai, dan gandum sangat sensitif terhadap faktor-faktor

volatilitas yang muncul dari kondisi cuaca musim yang jelek.

Oleh karena itu berdasarkan faktor-faktor tersebut seseorang

harus menetapkan volatilitas yang tinggi pada masa-masa

tersebut.

5. Value at Risk

Menurut Best (1998) dalam Sartono dan Andika (2006: 38),

menyampaikan bahwa “Value at Risk is the amount of money that maybe

loss on a portfolio over a given period of time, with a given level of

convidence”. Value at Risk (VaR) adalah suatu metode pengukuran

risiko secara statistik yang memperkirakan kerugian maksimum yang

mungkin terjadi atas suatu portofolio pada tingkat kepercayaan tertentu.

Nilai VaR selalu disertai dengan probabilitas yang menunjukkan

Page 48: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

31

seberapa mungkin kerugian yang terjadi akan lebih kecil dari nilai VaR

tersebut.

Penza dan Bansal (2001: 65) menerangkan mengenai definisi formal

dari VaR yaitu:

“given a probability of ω percent and a holding period of t days, an

entity‟ s VaR is the loss that is expected to be exceeded with a

probability of only x percent on the t day holding period”.

Dapat dijelaskan bahwa VaR pada intinya adalah perkiraan kerugian

yang dinilai dari tingkat probabilitas tertentu dan lama waktu

kepemilikan investasi.

Definisi lain menurut para ahli seperti Philipe Jorion adalah sebagai

berikut VaR summarizes the expected maximum loss (worst loss) over a

target horizon within a given confidence interval. Jadi VaR merupakan

perkiraan jumlah kerugian maksimum yang diderita dengan tingkat

kepercayaan tertentu. Sama seperti Philipe Jorion, menurut Dowd (1998)

dalam Ijtihadi (2010: 9), memberikan definisi VaR is the maximum

expected loss over a given horizon period at a given level of confidence.

VaR disini menunjukkan perkiraan maksimum dengan periode

kepemilikan investasi dan pada tingkat kepercayaan tertentu.

Ezra (2000: 187) juga menyebutkan bahwa VaR is probability-based

metric for quantifying the market risk of asset and portofolios. VaR is

often used as an approximation of the “maximum reasonable loss” over

a chosen time horizon. Jadi, VaR merupakan perhitungan berdasar

Page 49: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

32

probabilitas untuk menghitung risiko pasar dari suatu aset dan portofolio

yang menggunakan probabilitas kerugian maksimal (tertinggi) dengan

menggunakan batas waktu yang ditentukan.

6. Analisis Time Series

Para peneliti tidak selalu menggunakan metode hubungan sebab

akibat dalam menganlisis suatu fenomena, seperti yang digunakan pada

metode regresi korelasi. Pada metode regresi korelasi, peneliti

menggunakan dua variabel atau lebih dan mencari pengaruh satu atau

beberapa variabel terhadap variabel yang lain. Dalam dunia ekonomi,

dikenal juga data runtut waktu (time series), yang diduga memiliki

karakteristik tertentu, sehingga nilainya berfluktuasi. Sebagai contoh

adalah harga suatu indeks di pasar modal.

Harga saham berfluktuasi setiap hari dan para pengamat yakin

fluktuasi harga saham ini sangat dipengaruhi oleh berbagi faktor di luar

pasar saham, baik itu peristiwa politik, bencana alam, perkembangan

teknologi, dan sebagainya. Namun di sini lain, ada juga pengamat yang

berpendapat bahwa harga saham pada hari ini, sangat dipengaruhi oleh

harga saham pada hari kemarin, atau pada hari-hari sebelum kemarin.

Demikian juga harga saham hari ini, akan mempengaruhi harga saham

besok. Data seperti ini, yaitu yang terdiri atas suatu objek dan terdiri atas

beberapa periode waktu, disebut dengan data runtut waktu atau time

series. (Winarno, 2009: 71)

Page 50: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

33

Deret waktu (time series) merupakan serangkaian data pengamatan

yang terjadi berdasarkan indeks waktu secara beruntun dengan interval

waktu tetap. (Aswi dan Sukarna, 2006: 5)

Metode time series adalah metode peramalan dengan menggunakan

analisis pola hubungan antara variabel yang akan diperkirakan dengan

variabel waktu atau analisis time series, antara lain :

1. Metode smooting

2. Metode Box-Jenkins (ARIMA)

3. Metode Proyeksi trend dengan regresi

Hal yang perlu diperhatikan dalam melakukan peramalan adalah

pada galat (error), yang tidak dapat dipisahakan dalam metode

peramalan. Untuk mendapatkan hasil yang mendekati data asli, maka

seorang peramala berusaha membuat error-nya sekecil mungkin.

Analisis deret waktu adalah salah satu prosedur statistik yang

diterapkan untuk meramalkan struktur probabilistik keadaan yang akan

terjadi di masa yang akan datang dalam rangka pengabilan keputusan.

(Aswi dan Sukarna, 2006: 5)

Analisis time series atau runtun waktu pertama kali diperkenalkan

dan dikembangkan pada tahun 1970 oleh Box dan Jenkins. Runtun waktu

adalah himpunan observasi terurut dalam waktu atau dalam dimensi lain.

Waktu antara dua observasi yang berurutan biasanya adalah konstan atau

tidak dapat dilakukan akumulasi terhadap observasi untuk suatu periode

waktu yang digunakan tidak benar-benar konstan misalnya bulan

Page 51: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

34

kalender. Menurut sejarah nilai observasinya, runtun waktu dibedakan

menjadi dua yaitu runtun waktu deterministik dan runtun waktu stokastik.

Runtun waktu deterministik adalah suatu runtun waktu dimana keadaan

yang akan datang dapat diramalakan secara pasti dan tidak perlu

penyelidikan kembali. Runtun waktu stokastik adalah suatu runtun waktu

dimana keadaan yang akan datang bersifat probabilistik, menurut

observasi yang di masa lampau (Soejoeti, 1987: 2.2).

Hal yang terpenting dalam menentukan model runtun waktu yang

harus dipenuhi adalah kestasioneran data yang artinya sifat-sifat yang

mendasari proses tidak dipengaruhi oleh waktu atau proses berada dalam

keseimbangan. Jika hal dalam kestasioneran data tidak terpenuhi atau

belum terpenuhi maka suatu deret belum dapat atau tidak dapat

ditentukan model runtun waktunya. Tetapi suatu deret yang tidak

stasioner atau nonstasioner dapat menjadi deret yang stasioner yaitu

dengan cara mentransformasikan data.

Data Time Series yaitu data yang dikumpulkan dari waktu ke waktu

untuk melihat perkembangan suatu kegiatan (misal perkembangan

penjualan, harga dan lain sebagainya), apabila data digambarkan akan

menunjukkan fluktuasi dan dapat digunakan untuk dasar penarikan trend

yang dapat digunakan untuk dasar peramalan yang berguna untuk dasar

perencanaan dan penarikan kesimpulan (Supranto, 2001: 15). Menurut

Makridakis dan Wheelwrigt (1999: 21), pola data time series dapat

dibedakan menjadi empat jenis yaitu :

Page 52: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

35

a. Pola horizontal (H)

Terjadi apabila nilai dari data mengalami fluktuasi di daerah

nilai rata-rata konstan. (Nilai rata-ratanya stasioner). Misal suatu

produk yang nilai penjualannya tidak mengalami peningkatan

atau penurunan dalam waktu tertentu.

b. Pola musiman (S)

Terjadi apabila suatu deret dari data dipengaruhi oleh faktor

musiman yang ditunjukkan oleh adanya pola yang teratur yang

bersifat musiman. Misal data penjuaan produk yang dicatat

secara tahunan, bulanan, atau harian.

c. Pola siklis (C)

Terjadi apabila pola data deret waktu mengalami fluktuasi

ekonomi jangka panjang berhubungan dengan siklus bisnis.

Misal penjualan produk seperti mobil dan peralatan utama

lainnya.

d. Pola trend (T)

Terjadi apabila pola data mengalami kenaikan atau

penurunan, pola data seperti ini bervariasi tak beraturan. Misal

penjualan banyak perusahaan, produk bruto nasional (GNP) dan

berbagai indikator sektor ekonomi atau bisnis lainnya mengikuti

suatu pola trend selama perubahan sepanjang waktu.

Page 53: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

36

Dasar pemikiran Time Series adalah pengamatan sekarang (Xt)

tergantung pada satu atau beberapa pengamatan yang dilakukan

sebelumnya (Xt-1). Dengan kata lain, model Time Series dibuat karena

secara statistik terdapat korelasi antar deret pengamatan. Untuk melihat

adanya korelasi antar pengamatan, kita dapat melakukan uji korelasi

antar pengamatan yang sering dikenal dengan Autocorrelation Function

(ACF).

Metode ARIMA (Autoregressive Integrated Moving Average) adalah

salah satu metode dari analisis runtun waktu, ARIMA merupakann

metode yang secara intensif dikembangkan dan dipelajari oleh George

Box dan Gwilym Jenkins, oleh karena itu nama mereka sering dikaitkan

dengan proses ARIMA yang diaplikasikan untuk analisis data dan

peramalan data runtun waktu. ARIMA sebenarnya merupakan usaha

untuk mencari pola data yang paling cocok dari sekelompok data,

sehingga metode ARIMA memerlukan sepenuhnya data historis dan data

sekarang untuk menghasilkan ramalan jangka pendek. (Sugiarto dan

Harijono, 2000)

Secara umum model Box Jenkins dirumuskan dengan notasi

ARIMA(p,d,q). Dalam hal ini: p = Orde atau derajat AR (Autoregressive)

d = Orde atau derajat pembeda (Differencing) q = Orde atau derajat MA

(Moving Average) Hubungan antara metode ARIMA dengan model

ARIMA adalah model ARIMA merupakan bagian dari metode ARIMA

(Sugiarto dan Harijono, 2000:177).

Page 54: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

37

Menurut Widarjono (2009:270) langkah-langkah yang harus diambil

di dalam menganalisis data dengan menggnakan teknin Box-Jenkin

adalah indentifikasi model pemilihan p,d,q secara tentatif, estimasi

parameter model, uji diagnosis, dan kemudian prediksi.

B. Penelitian Terdahulu

Tabel 2. 1

Penelitian Terdahulu

No Nama

Peneliti Judul Penelitian

Metode

Penelitian Perbedaan Hasil Penelitian

1 Nadhem

Selmi,

et, al

(1015)

The Dynamics Of

The Dow Jones

Sukuk Volatility:

Evidence From

EGARCH Model

ICSS

Algorithm

dan

EGARCH

(1, 1)

Penelitian

menganalisis

volatilitas dengan

menggunakan

ARCH/GARCH

pada indeks

sukuk Dow Jones

dan penulis

menganalisis

sukuk Indonesia

dengan metode

yang sama.

Hasil penelitian

ini menunjukkan

bahwa indeks

sukuk Dow

Jones terbukti

signifikan

terhadap

behavior

volatility yang

ditunjukkan

pada tingginya

pergerakan

pasar pada

periode 2010-

2013

2 Hong-

Bae

Kim

The Volatility

Spillover Effects

in Islam Financial

GARCH,

VECM-

bivariate

Penelitian

menganalisis

volatilitas dengan

Hasil dari model

GARCH-BEKK

menunjukkan

Page 55: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

38

(2013) Market GARCH,

dan

GARCH-

BEKK

menggunakan

ARCH/GARCH

pada indeks

saham syariah

dan sukuk

Malaysia dan

penulis

menganalisis

sukuk Indonesia

dengan metode

yang sama.

bahwa ada

searah volatilitas

spillover dari

pasar Sukuk GII

ke Syariah pasar

saham selama

krisis keuangan,

menyiratkan

bahwa pasar

Sukuk memiliki

pengaruh yang

kuat pada pasar

saham, namun

tidak sebaliknya.

Akan tetapi, kita

tidak

menemukan

efek spillover

volatilitas antara

pasar MSG

Bond dan pasar

saham syariah

setelah krisis

keungan

3 Maya,

et, al

(2013)

An Application of

GARCH Modeling

on the Malaysian

Sukuk

Spreads

GARCH

(1,1)

Penelitian

menganalisis

volatilitas dengan

metode

ARCH/GARCH

pada indeks

sukuk malaysia

penelitian ini

memberikan

kontribusi yang

signifikan

terhadap

volatilitas dari

estimasi

Page 56: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

39

dan penulis

menganalisis

sukuk Indonesia

dengan metode

yang sama

GARCH(1,1)

memberikan

informasi

faktor-faktor

yang

mempengaruhi

harga dan risiko

berinvestasi

dalam sukuk

4 Syazwa

ni

(2015)

Forcasting

Volatility Using

Bootstrap

MCEWMA

Following Sukuk

Ijarah Issuances

Bootstrap

MCEWMA

Penelitian

menganalisis

volatilitas dengan

menggunakan

metode

MCEWMA, dan

penulis

menganalisis

volatilitas dengan

metode

ARCH/GARCH

pada indeks

sukuk Indonesia

Hasi dari studi

yang dilakukan

penelitian ini

adalah untuk

mengestimasi

volatilitas sukuk

dengan

menggunakan

model

MCEWMA dari

tahun 2008-

2011. Penelitian

ini mencari

model dan

metode terbaik

untuk

menganalisis

volatilitas pada

tahun yang

diteliti, hasilnya

model Bootstrap

MCEWMA

Page 57: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

40

lebih baik dari

MCEWMA

5 Pantea

Hafezia

n, et, al

(2015)

Estimating Value

At Risk For Sukuk

Market Using

Generalized Auto

Regressive

Conditional

Heteroskedasticity

Models

EGARCH,

GJR-

GARCH,

dan

IGARCH

Penelitian

menganalisis

VaR dan

volatilitas dengan

menggunakan

metode

ARCH/GARCH

pada sukuk dan

penulis

menganalisis

VaR dan

volatilitas dengan

metode yang

sama pada indeks

sukuk Indonesia

Hasil penelitian

ini menunjukkan

bahwa ada unsur

asimetrik pada

model yang

digunakan untuk

meestimasi VaR

6 Sri, et,

al

(2015)

Analisis

Volatilitas Imbal

Hasil Obligasi

Syariah Dengan

Model

Autoregressive

Conditional

Heteroskedasticity

(GARCH): Studi

Pada Pasar

Obligasi Syariah

Di Indonesia.

Model-

Model

GARCH

Penelitian ini

memperoleh VaR

dari imbal hasil

obligasi yang

dihitung dengan

pendekatan yield

to maturity (ytm).

Penulis

megestimasi VaR

dari model

ARCH/ GARCH

dari return indeks

harian sukuk

Hasil estimasi

menunjukkan

bahwa runtun

waktu imbal

hasil obligasi

syariah

memperlihatkan

volatilitas

berkerumun,

berlangsung

terus, kembali

pada rata-

ratanya, dan

Page 58: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

41

Indonesia dipengaruhi

secara tidak

simetris oleh

kejutan. Namun,

terus

berlangsungnya

volatilitas return

tidak berumur

panjang.

Kejutan baru

mempunyai

pengaruh besar

pada volatilitas,

sedangkan

informasi masa

lalu sangat cepat

memudar.

8 Dian, et,

al

(2014)

Perhitungan

Value At Risk

Menggunakan

Model Integrated

Generalized

Autoregressive

Conditional

Heteroscedasticity

(IGARCH)

(Studi Kasus pada

Return Kurs

Rupiah terhadap

Dollar Australia)

IGARCH

(1,1)

Data yang

digunakan dalam

penelitian ini

adalah return

kurs rupiah

terhadap dollar.

Penulis

megestimasi VaR

dari model

ARCH/ GARCH

dengan data

indeks sukuk

Indonesia

Hasil penelitian

isi disimpulkan

bahwa model

IGARCH (1,1)

adalah model

terbaik yang

diperoleh dari

ARIMA

(10,0,19)

Dari

perhitungan

VaR didapat

yang tertinggi

pada tanggal 3

Page 59: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

42

Maret 2014

sebesar 1.07%

9 Rudolf

(2010)

ARCH/GARCH

Volatility untuk

Perhitungan

Value at Risk

Tiga Saham

Emiten Penghasil

CPO.

ARCH/

GARCH

Data yang

digunakan dalam

penelitian ini

adalah return

saham CPO.

Penulis

megestimasi VaR

dari model

ARCH/ GARCH

dengan data

indeks sukuk

Indonesia

Dari antara

ketiga

emiten tersebut,

UNSP adalah

emiten dengan

VAR yang

tertinggi

sehingga

mempunyai

faktor

risiko tertinggi.

Model terbaik

untuk ketiga

emiten tersebut

menggunakan

model GARCH

(1,1)

Page 60: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

43

C. Kerangka Pemikiran

Berikut adalah kerangka pemikiran dari penelitian ini:

Gambar 2. 1

Kerangka Pemikiran Teoritis

IBPA

Pengumpulan Data Indeks Sukuk Indonesia

ICSIX, IGSIX, dan ISIXC

Perhitungan Return Indeks

Uji Stasioneritas Data

dengan ADF

Sudah Stasioner Belum Stasioner

Homokedastisitas Heteroskedastisitas

Analisis Model ARCH/GARCH

(Penentuan Model ARCH/GARCH Terbaik)

Nilai Value at Risk

St. Deviasi

Analisis Model ARIMA

(Penentuan Model ARIMA Terbaik)

Uji ARCH Effect - LM

Differencing

Page 61: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

44

BAB III

METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian

Dalam penelitian ini penulis memilih data indeks sukuk Indonesia untuk

melakukan penelitian. Objek penelitian terbatas pada return indeks sukuk

Indonesia selama periode 2011-2015. Data yang digunakan dalam penelitian

ini bersifat kuantitatif, yaitu data yang berupa angka dan numerik

(Sudarmanto, 2013). Penelitian ini termasuk jenis penelitian empiris dengan

menggunakan data sekunder yang diperoleh dari Indonesia Bond Pricing

Agency (IBPA). Dilihat dari dimensi waktunya, penelitian ini termasuk

dalam kelompok data runtut waktu (time series) yaitu sekumpulan observasi

dalam tentang waktu tertentu (Widarjono, 2009), yakni 2011-2015.

Penilitian ini dimulai dengan langkah pertama mengumpulkan data-data

yang dibutuhkan terkait return indeks sukuk dengan menggunakan harga

bersih (clean price). Langkah selanjutnya dengan data yang ada, dilakukan

perhitungan return dengan rumus countinously copounded. Setelah nilai

diperoleh, selanjutnya dilakukan uji stasioneritas data dengan menggunakan

Augmented Dickey-Fuller (ADF), jika data sudah stasioner maka penelitian

dapat dilanjutkan tanpa masalah, namun bila data ternyata belum stasioner

dalam tingkat level maka dilakukan Differencing hingga mencapai stasioner.

Lalu dilakukan pengujian correloram Q-stat untuk melihat apakah

terdapat autokorelasi di dalam model tersebut, jika terdapat autokorelasi maka

Page 62: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

45

terlebih dahulu dilakukan pemodelan ARIMA dengan memasukkan variabel

AR atau MA kedalam model, maka penelitian dapat dilanjutkan ke tahap

selanjutnya.

Sebelum melakukan pemodelan ARCH/GARCH maka perlu diperiksa

apakah dalam model tersebut terdapat ARCH Effect dengan pengujian

ARCH-LM. Jika dalam model terdapat ARCH Effect maka penelitian dapat

dilanjutkan ke tahap pemodelan ARCH/GARCH kemudian pemilihan model

terbaik dan terakhir pegambilan kesimpulan.

B. Metode Penentuan Sampel

1. Populasi

Polulasi adalah keseluruhan objek yang diteliti. Populasi ini sering

juga disebut universe (Suharjo, 2013). Populasi diartikan sebagai wilayah

generalisasi yang terdiri atas objek/subjek yang mempunyai kualitas dan

karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan

kemudian ditarik kesimpulannya (Sugiyono, 2009) dan (Sudarmanto,

2013). Populasi dalam penelitian ini adalah seluruh indeks sukuk

Indonesia periode 2011-2015 yang diperoleh dari Indonesian Bond

Pricing Agency (IBPA) atau Penilai Harga Efek Indonesia di situs

www.ibpa.co.id.

2. Sampel

Sampel adalah bagian dari populasi yang menjadi objek penelitian

(Suharjo, 2013). Sampel penelitian merupakan bagian dari populasi yang

Page 63: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

46

akan diteliti dengan cara tertentu sebagaimana yang ditetapkan oleh

peneliti (Sudarmanto, 2013). Teknik pengambilan sampel yang

digunakan dalam penelitian ini adalah teknin nonprobability sampling.

Teknik ini tidak memberikan kesempatanatau peluang yang sama kepada

anggota populasi yang akan diambil sampelnya (Sudarmanto, 2013). Dari

teknik nonprobability sampling, diambil teknik pengambilan sampling

dengan purposive sampling. Purposive sampling adalah teknik penentuan

sampel dengan pertimbangan tertentu. Dalam pengambilan sampel,

sebelumnya peneliti telah menetapkan kriteria sampel yang diharapkan.

(Sugiyono, 2009) dan (Sudarmanto, 2013).

Sampel adalah bagian dari populasi, pemilihan sampel dalam

penelitian ini yaitu menggunakan metode purposive sampling. Metode

purposive sampling adalah penentuan sampel dengan pengambilan data-

data tertentu yang dianggap sesuai dan terkait dengan penelitian yang

dilakukan. Sampel dalam penelitian ini ditentukan dalam beberapa kriteria

sebagai berikut :

a. Indeks sukuk yang sudah ada sejak atau sebelum diambilnya

penelitian yakni dari tahun 2011.

b. Indeks sukuk yang berada di Indonesia.

Dari data purposive tersebut maka penelitian ini akan mencakup

seluruh indeks sukuk Indonesia , yaitu ICSIX, IGSIX, dan ISIXC.

Page 64: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

47

C. Metode Pengumpulan Data

Metode secara umum diartikan sebagai proses, cara, atau prosedur yang

digunakan untuk memecahkan suatu masalah. Dalam penelitian ini, penulis

menggunakan metode studi pustaka dalam pengumpulan data yang

diperlukan. Studi pustaka merupakan teknik pengumpulan data dengan

mengadakan studi penalaran terhadap buku-buku, literatur-literatur, caratan-

catatan, dan laporan-laporan yang ada hubungannya dengan masalah yang

dipecahkan (Sudarmanto, 2013). Data yang diperoleh dalam penelitian ini

adalah data sekunder.

Data yang diperoleh merupakan data yang sudah diterbitkan atau

digunakan oleh pihak lain (Suharjo, 2013). Penulis menggunakan data

sekunder yang diperoleh melalui internet. Data yang diperoleh meliputi

sampel indeks, perkembangan indeks, dan besarnya nilai indeks tersebut.

Penulis menggunakan data sekunder yang diperoleh dari Indonesian

Bond Pricing Agency (IBPA) atau Penilai Harga Efek Indonesia di situs

www.ibpa.co.id. Data berupa data harian clean price indeks sukuk Indonesia

periode 2011-2015 yang terkait dengan perhitungan return.

D. Metode Analisis Data

Penelitian ini menggunakan alat analisis statistik dan ekonometrika

dalam menguji rumusan masalah yang ditetapkan :

Page 65: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

48

1. Perhitungan Return Indeks Sukuk

Pengujian akan dilakukan dengan parameter return di setiap indeks

sukuk dan data return disajikan sebagai continuesly compounded return

sebagai berikut:

Sumber : Soedewi (2015)

Keterangan :

Rt = return indeks pada hari ke-t

Pt = harga clean price pada hari ke-t pada indeks sukuk

Pt-1 = harga clean price pada hari ke-t-1 pada indeks sukuk

Pengolahan data statistik deskriptif terhadap tiga indeks sukuk

Indonesia ini akan dapat memberikan gambaran umum terhadap data

sampel periode pengamatan.

2. Uji Stasioneritas Data

Stasioneritas merupakan salah satu prasyarat penting dalam model

ekonometrika untuk data runtut waktu (time series). Data stasioner

adalah data yang menunjukkan mean, varians dan autovarians (pada

variasi lag) tetap sama pada waktu kapan saja data itu dibentuk atau

dipakai, artinya dengan data yang stasioner model time series dapat

dikatakan lebih stabil. Apabila data yang digunakan dalam model ada

yang tidak stasioner, maka data tersebut dipertimbangkan kembali

Page 66: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

49

validitas dan kestabilannya, karena hasil regresi yang berasal dari data

yang tidak stasioner akan menyebabkan spurious regression. Spurious

regression adalah regresi yang memiliki R2 yang tinggi, namun tidak ada

hubungan yang berarti dari keduanya.

Salah satu konsep formal yang dipakai untuk mengetahui

stasioneritas data adalah melalui uji akar unit (unit root test). Uji ini

merupakan pengujian yang populer, dikembangkan oleh David Dickey

dan Wayne Fuller dengan sebutan Augmented Dickey-Fuller (ADF) Test.

Jika suatu data time series tidak stasioner pada orde nol, I(0), maka

stasioneritas data tersebut bisa dicari melalui order berikutnya sehingga

diperoleh tingkat stasioneritas pada order ke-n (first difference atau I(1),

atau second difference atau I(2), dan seterusnya. Beberapa model yang

dapat dipilih untuk melakukan Uji ADF (Nachrowi, 2006):

ΔYt = δYt-1 + ut (tanpa intercept)

ΔYt = β + δYt-1 + ut (dengan intercept)

ΔYt = β1 + β2t + δYt-1 + ut (intercept dengan trend waktu)

Keterangan :

Δ= first difference dari variabel yang digunakan

t = variabel trend

Hipotesis untuk pengujian ini adalah :

H0 : δ = 0 (terdapat unit root, tidak stasioner)

H1 : δ ≠ 0 (tidak terdapat unit root, stasioner)

Page 67: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

50

Pada tingkat level ada beberapa variabel yang tidak stasioner

sehingga perlu dilihat variabel tersebut di tingkat first difference.

Hasilnya terlihat bahwa seluruh variabel dapat stasioner pada tingkat first

difference dengan berbagai kondisi.

3. Penentuan Model ARIMA Terbaik

Metodologi Box-Jenkins mengacu pada himpunan prosedur untuk

mengidentifikasikan, mencocokkan, dan memeriksa model ARIMA

dengan data deret waktu. Metode ini sangatlah berbeda dengan

kebanyakan metode peramalan lainnya karena model ini tidak

mengasumsikan pola tertentu pada data historis deret yang diramalkan.

Model ini menggunakan pendekatan iteratif pada identifikasi suatu moel

yang mungkin dari model umum.

Model ARIMA telah dikembangkan oleh dua orang, yaitu George

Box dan ARIMA yang diterapkan untuk analisis deret berkala, peramalan

dan pengendalian. Model Autoregresif (AR) pertama kali dikembangan

oleh Yule (1926) dan kemudian dikembangkan oleh Walker (1931),

sedangkan model Moving average (MA) dikembangkan oleh Slutzky

(1937) pada tahun 1938 Wold menggabungkan kedua proses tersebut.

Wold membentuk model ARMA yang dikembangkan pada tiga hal.

Pertama, identifikasi efisien dan prosedur penaksiran untuk proses AR,

MA, dan ARMA campuran. Kedua, pelusuran dari hasi tersebut untuk

Page 68: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

51

cakup deret berkala musiman. Ketiga, pengembangan hal-hal sederhana

yang mencakup proses-proses non stasioner. (Makridakis, 1999)

Pemodelan ARIMA dilakukan dengan menggunakan perangkat

antara lain sebagai berikut:

a. Autoregressive (AR)

Model AR mengasumsikan bahwa data periode sekarang

dipengaruhi oleh data pada periode sebelumnya. Asumsi data

yang mengikuti proses AR dapat dinyatakan sebagai berikut:

Yt = β0 + β1Yt-1 + β2Yt-2 + ..........+ βp Yt-p+et

Dimana:

Y = Variabel dependen

Yt-p = kelambanan (lag) dari Y

et = residual atau kesalahan penganggu

p = tingkat AR

b. Integrated (I)

Pada kenyataanya, data time series bersifat tidak stasioner.

Seringkali data time series yang terintegrasi pada tingkat (order)

pertama, I(1), akan menjadi stasioner pada diferensiasi

pertamanya, atau I(0), yang berarti data tersebut telah stasioner.

Demikian juga bila data time series tersebut terintegrasi pada

order kedua atau I(2), maka pada diferensiasi keduanya data

series tersebut akan bersifat stasioner. Bila dirumuskan

stasioneritas pada data time series dapat dituliskan dengan I(d),

Page 69: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

52

yang berarti bahwa setelah didiferensiasikan sebanyak d kali,

maka akan didapatkan data yang stasioner.

c. Moving Average (MA)

Di dalam pemodelan univariat kita berasumsi bahwa rentet

data akan mengikuti proses MA. Model MA mengasumsikan

data periode sekarang dipengaruhi oleh nilai residual data

periode sebelumnya. Model ini digunakan untuk meramalkan

model ditingkat error menggunakan lag values. First-order

moving average atau MA(1) artinya digunakan satu periode

sebelumnya untuk meramalkan error, second-order moving

average atau MA(2) artinya digunakan dua periode sebelumnya

untuk meramalkan error, dan seterusnya. Hal mendasar yang

harus selalu diingat dalam pemodelan univariat dengan salah

satunya menggunakan metode ARIMA adalah data yang

digunakan haruslah stasioner terlebih dahulu. Hal ini untuk

memastikan bahwa pemodelan yang dilakukan dapat konvergen.

Implikasi lainnya adalah jika ada penambahan lag pada model

bisa meminimumkan gangguan autokorelasi pada residual

regresi.

Page 70: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

53

Gambar 3. 1

Langkah-Langkah Penggunaan Model Box-Jenkin

Sumber: Widarjono (2009), Winarno (2009)

Selanjutnya langkah-langkah untuk menetukan order ARMA (p,q)

adalah sebagai berikut:

a. Identifikasi Cara ini dilakukan dengan melihat correlogram Q-

statistic-nya dari model dan pastikan pada lag ke berapa saja yang

terlihat keluar dari confidence interval 95% atau dengan kata lain

yang masih memiliki spike. Adanya spike menunjukkan bahwa

masih terjadinya autokorelasi atau korelasi pada residual dari

persamaan regresi yang diestimasi.

Page 71: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

54

b. Estimasi Untuk meminimumkan gangguan autokorelasi tersebut,

maka masukan rumus AR dan rumus MA pada ke dalam model,

atau gabungkan keduanya. Untuk menentukan apakah

menggunakan perangkat AR atau MA dalam meminimumkan

gangguan autokorelasi, maka dilakukan proses plotting

autocorrelation function (ACF) dan partial autocorrelation

function (PACF). Jika yang Pemodelan memiliki spike adalah

autocorrelation function (ACF), maka digunakan estimasi AR.

Namun sebaliknya jika yang memiliki spike adalah partial

autocorrelation function (PACF), maka digunakan estimasi MA.

Sedangkan jika baik autocorrelation function (ACF) dan partial

autocorrelation function (PACF) keduanya memiliki spike, maka

dilakukan kombinasi yang terbaik dari perangkat ARMA.

c. Model Checking Setelah dilakukan pemodelan ARIMA, maka lihat

kembali apakah model yang dibuat sudah memenuhi syarat atau

belum. Hal ini dapat dilakukan dengan dua cara. Cara yang pertama

adalah dengan melakukan overfitting, yaitu menetukan model yang

parameternya melebihi lag yang diidentifikasi pada langkah

pertama. Cara kedua dapat dilakukan dengan residual diagnostic,

yaitu dengan mengecek residual dari model dan melihat apabila

masih ada lag yang signifikan yang belum dimasukkan ke dalam

model.

Page 72: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

55

Pemodelan dalam analisis time series dapat dilakukan dengan

beberapa cara untuk data yang memuat kondisi homokedastisitas dapat

dimodelkan dengan menggunakan Autoregressive (AR), Moving Average

(MA), Autoregressive Moving Average (ARMA), dan Autoregressive

Integrated Moving Average (ARIMA). Sementara untuk data yang

memuat suatu kondisi heteroscedasticitas atau memiliki tingkat

volatilitas yang tinggi dapat dimodelkan dengan menggunakan ARCH-

GARCH.

Sebelum pemodelan ARCH/GARCH, maka dilakukan pemodelan

time series untuk mengetahui model time series mana yang paling sesuai

dengan data tersebut. Pemodelan time series dilakukan dengan

menganalisis hasil plot ACF dan PACF untuk mengetahui apakah data

mengikuti pola AR, MA, ARMA atau ARIMA.

Kriteria model terbaik adalah dari pengamatan grafik autokolerasi

parsial bahwa semua batang grafik berada di antara dua garis batas

terputus-putusnya yang disebut dengan garis Bartlett, untuk

membandingkan model terbaik dapat dilihat dari nilai Akaike Info

Criterion (AIC) dan Schwarz Criterion (SIC) yang paling kecil.

(Winarno, 2009)

4. Uji ARCH Effect – LM

Uji Lagrange Multiplier digunakan untuk mendeteksi keberadaan

proses ARCH, yaitu keheterogenan ragam sisaan yang dipengaruhi

Page 73: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

56

kuadrat sisaan periode sebelumnya atau biasa disebut keheterogenan

ragam sisaan bersyarat (conditional heteroscedasticity) dalam deret

waktu. Dengan hipotesis nol adalah ragam sisaan heterogen tidak

bersyarat (tidak terdapat proses ARCH). Uji Lagrange Multiplier

dirumuskan sebagai berikut:

LM = N × R2

Keterangan:

N = banyak pengamatan

R2 = besarnya kontribusi keragaman sisaan yang dapat dijelaskan data

deret waktu sebelumnya.

Uji LM merupakan uji untuk melihat adanya ARCH effect dalam

model. Uji LM ini merupakan langkah awal untuk membangun model

ARCH-GARCH. (Nastiti, 2012)

Tujuan dari uji LM ini adalah untuk menguji kehadiran unsur

heteroskedasticity. Ide dasar uji LM adalah bahwa variance residual

bukan hanya merupakan fungsi dari variabel tetapi bergantung dari

residual kuadrat pada periode sebelumnya. Apabila nilai probability lebih

kecil dari confidend level 5% maka dapat dikatakan bahwa dalam model

terdapat ARCH effect. Sehingga estimasi dapat dilakukan dengan

menggunakan model ARCH ataupun GARCH.

Untuk menentukan suatu residual bersifat heteroscedasticitity atau

homoscedasticity dilakukan uji statistik dengan menggunakan hipotesis

sebagai berikut :

Page 74: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

57

H0 : residu homoscedasticity, jika p‐value pada correlogram squared

of residual > 5% maka hipotesis null gagal ditolak, yang artinya residu

sudah homoscedastic.

H1 : residu heteroscedasticity, jika p‐value pada correlogram squared

of residual < 5% maka tolak hipotesis null, yang berarti residu dalam

kondisi heteroscedastic, Bila memang terdapat efek ARCH pada residu,

maka pemodelan dapat dilanjutkan dengan menggunakan ARCH/

GARCH.

5. Penentuan Model ARCH/GARCH Terbaik

Model ARCH pertama kali diperkenalkan oleh Engle (1982). Model

ARCH merupakan suatu teknik pemodelan data time series yang memuat

sifat heteroskedastisitas dalam varian residual atau varian residual

merupakan suatu fungsi bersyarat (Lubrano dan Bauwens, 1998).

Misalkan suatu model time series tZ mengikuti suatu model ARMA

(p,q) yang dapat ditulis sebagai berikut:

0 1

1 1

p q

t i t i i t t

i i

z z u u

dimana tu adalah residual, dan pada kasus-kasus tertentu model tZ

dapat berupa random walk sehingga model t tZ u , maka model ARCH

(q) dapat dituliskan sebagai berikut:

t t tu h v ,

Page 75: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

58

2 2 20 1 1 2 2 ...t t t q t qh u u u

dimana 0,t tu N h , 0 0, 0 1,2, ,i i q dan tv suatu

variabel ran-dom yang memenuhi asumsi white noise yang identik,

independen dan ber-distribusi normal dengan mean nol dan varian satu.

Pada tahun 1986, Bollerslev mengembangkan model ARCH dengan

model GARCH. Bollerslev menyatakan bahwa varian residual tidak

hanya tergantung dari residual periode lalu, tetapi juga varian residual

periode lalu. Pada model GARCH(p,q), nilai th pada persamaan

sebelumnya dapat ditulis sebagai berikut:

20

1 1

q p

t i t i j t ji j

h u h

,

dimana: 0 0, 0, 0 1,2, , dan 1,2, ,i j i p j q

dan 1 1

1

q p

i j

i j

Salah satu pengembangan dari model GARCH adalah model

EGARCH. Model ini pertama kali diusulkan oleh Nelson (1991). Model

umum dari EGARCH dapat dituliskan berdasarkan persamaan

sebelumnya , dengan nilai th sebagai berikut:

01 1

ln lnq p

t j t j j t j t j t jj j

h v v E v h

Page 76: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

59

Persamaan di atas oleh Nelson (1991) didefinisikan sebagai model

EGARCH (p,q). Kriteria model yang terbaik adalah memiliki ukuran

kebaikan model yang besar dan koefisien yang nyata. Terdapat dua

bentuk pendekatan yang dapat digunakan sebagai ukuran kebaikan model

yaitu :SIC dan AIC adalah dua standar informasi yang menyediakan

ukuran informasi yang dapat menemukan keseimbangan antara ukuran

kebaikan model dan spesifikasi model yang terlalu hemat. Nilai ini dapat

membantu untuk mendapatkan seleksi model terbaik. Model yang baik

dipilih berdasarkan nilai AIC dan SIC yang terkecil dengan melihat juga

signifikansi koefisien model.

Menurut Brooks (2002), model juga dapat diseleksi berdasarkan

asumsi nonnegativity constrains yang mensyaratkan tidak boleh ada

koefisien yang negatif. Hal ini dilakukan agar tidak terjadi nilai varians

yang negatif karena nilai yang negatif akan tidak berarti.

6. Value at Risk

Value at risk (VaR) dari suatu saham adalah ringkasan peluang

kerugian maksimum selama periode waktu tertentu. Secara matematis

VaR dapat didefinisikan melalui rumus menurut Tsay (2002:279) sebagai

berikut:

𝑽𝒂 = rt+1 – Zα(σt+1×b)

Keterangan:

Zα = Confidence level (nilai z distribusi normal)

Page 77: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

60

σt+1 = Peramalan volatilitas waktu ke t+1/Standar deviasi return

b = Periode kepemilikan saham

rt+1 = Peramalan return waktu ke t+1

VaR memiliki hubungan erat dengan metode Model ARCH dan

GARCH yang sering digunakan jika terjadi ketidakhomogenan ragam

dari data tingkat pengembalian dan menduga nilai volatilitas yang akan

datang. Hal tersebut merupakan kelebihan metode ARCH-GARCH.

E. Operasional Variabel Penelitian

Variabel dalam penelitian ini merupakan clean price dari seluruh indeks

sukuk Indonesia yang dihitungan masing-masing nilai return dari indeks

tersebut, yaitu:

1. Variabel Indeks ICSIX

Indonesia Corporate Sukuk Index (ICSIX) adalah salah satu indeks

sukuk Indonesia yang menunjukan indikator kinerja sukuk korporasi

Indonesia yang diterbitkan oleh Indonesian Bond Pricing Agency (IBPA)

atau penilai Harga Efek Indonesia.

2. Variabel Indeks IGSIX

Indonesia Government Sukuk Index (IGSIX) adalah salah satu

indeks sukuk Indonesia yang menunjukan indikator kinerja pemerintah

Indonesia yang diterbitkan oleh Indonesian Bond Pricing Agency (IBPA)

atau penilai Harga Efek Indonesia.

Page 78: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

61

3. Variabel Indeks ISIXC

Indonesia Sukuk Index Composite (ISIXC) adalah salah satu indeks

sukuk Indonesia yang menunjukan indikator kinerja sukuk gabungan

Indonesia yang diterbitkan oleh Indonesian Bond Pricing Agency (IBPA)

atau penilai Harga Efek Indonesia.

Page 79: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

62

BAB IV

ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

Dalam perkembangannya sukuk dapat diterbitkan dengan 14 struktur

model melalui rekomendasi The Accounting and Auditing Organisation Of

Islamic Financial Institutions (AAOIFI), namun dalam prakteknya model

sukuk yang diterbitkan hanya 7 model saja, yaitu struktur ijarah, musyarakah,

salam, murabahah, istishna’, mudharabah, dan hybrid (percampuran

beberapa akad), dan struktur penerbitan yang paling sering digunakan adalah

ijarah.

Total penerbitan sukuk yang menggunakan struktur ijarah hampir 50%

lebih dari total penerbitan di dunia, karena pada prakteknya ijarah lebih

mudah dalam aplikasinya (Nawawi, 2008). Sukuk merupakan investasi baru

yang mewarnai pasar modal Indonesia sejak tahun 2002. Pionernya adalah

PT. Indosat, telah meluncurkan sukuk mudharabah senilai Rp. 175 miliar.

Langkah ini kemudian diikuti banyak perusahaan seperti Matahari Putra

Prima, Sona Topas, Toursm Industry, Barlian Laju Tanker, Bank Bukopin, dll.

Sampai dengan akhir tahun 2003 terdapat 6 emiten yang menawarkan sukuk

dengan total emisi sebesar Rp. 740 miliar. Pada tahun 2004 ada penambahan

sebanyak 7 emiten baru yang telah mendapat pernyataan efektif dari

Bapepam. Sehingga total sukuk pada tahun Rp. 1,424 triliun yang berarti ada

peningkatan sebesar 92,43% (Adrian, 2009).

Page 80: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

63

Pada tahun 2008, pemerintah menjual dua seri Surat Berharga Syariah

Negara (SBSN) atau Sukuk Negara, yaitu IFR-0001 dan IFR-0002. Seri IFR-

0001 memiliki jangka waktu tujuh tahun dan IFR-0002 selama sepuluh tahun

tahun. Sukuk berakad ijarah sale and lease back ini dijual dengan nilai

nominal per unit Rp. 1 juta dan pembelian minimal 1.000 unit atau Rp. 1

miliar. Penjualan sukuk Negara lebih ditujukan ke investor institusi bukan

ritel, seperti dana pensiun, perbankan, atau manager investasi, baik local

maupun asing. Penerbitan Sukuk Negara atau Obligasi Syariah Negara RI

didasarkan pada UU 19/2008 tentang Surat Berharga Syariah Negara.

Untuk menerbitkan SBSN, pemerintah melalui Menteri Keuangan dapat

meminta fatwa atau pernyataan kesesuaian SBSN dengan prinsip-prinsip

syariah dari lembaga yang memiliki kewenangan mengeluarkan fatwa.

Apabila penerbitannya di dalam negeri, lembaga yang berwenang

mengeluarkan fatwa ialah Dewan Syariah Nasional Majelis Ulama Indonesia

(DSN-MUI). Sedangkan apabila penerbitan SBSN di luar negeri, fatwa dapat

dimintakan kepada lembaga syariah internasional yang ditentukan

berdasarkan hasil kesapakatan. Tujuan fatwa ialah untuk mendapatkan

Syariah Compliance Endorsement (SCE) dalam penerbitan SBSN.

SBSN diterbitkan dengan tujuan untuk membiayai Anggaran Pendapatan

dan Belanja Negara (APBN) termasuk membiayai pembangunan proyek.

Kewenangan menerbitkan SBSN untuk tujuan sebagaimana dimaksud dalam

Pasal 4 berada pada Pemerintah. Kewenangan dilaksanakan oleh Menteri.

SBSN diterbitkan dalam bentuk warkat atau tanpa warkat, serta dapat

Page 81: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

64

diperdagangkan melalui bursa atau di luar bursa. Penjualan SBSN ada yang

diarahkan bagi pembeli dari kalangan perusahaan, dan ada juga SBSN retail

yang khusus diarahkan bagi kalangan individu/perseorangan. Dan penerbitan

SBSN dengan cara Sale and Lease Back diatur dalam Fatwa No. 71 /DSN-

MUI/VI/2008 tentang Sale and Leaseback.

Gambar 4. 1

Perkembangan Sukuk Korporasi di Indonesia

Sumber: http://www.ojk.go.id/ Data Statistik sukuk 2016

Pada gambar 4.1 yang tertera di atas menunjukkan bahwa sukuk

korporasi di Indonesia mengalami peningkatan dari tahun 2010 sampai

dengan tahun 2016. Walaupun sukuk korporasi terus meningkat dari tahun

awal penerbitan sukuk di Indonesia tahun 2002, namun peningkatan tidak

secepat peningkatan obligasi.

Page 82: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

65

Pada tanggal 19 September 2007, Bapepam dan LK kemudian

mengeluarkan Peraturan No V.C.3 tentang Lembaga Penilaian Harga Efek

(LPHE). Peraturan tersebut mengatur persyaratan pendirian dan kewajiban

LPHE sebagai pihak yang melakukan penilaian harga Efek bersifat utang,

Sukuk,dan surat berharga lainnya untuk menetapkan harga pasar wajar secara

objektif, independen, kredibel, dan dapat dipertanggungjawabkan.

Pembentukan LPHE, atau biasa disebut juga Bond Pricing Agency(BPA)

merupakan fenomena baru di Indonesia. Kehadiran BPA juga sudah menjadi

kebutuhan di beberapa negara, khususnya di negara-negara yang

perkembangan pasar surat utangnya diawali oleh krisis sektor keuangan.

Negara-negara seperti Meksiko, Korea Selatan, Malaysia, dan Thailand

adalah negara-negara yang pernah mengalami krisis sektor keuangan

sebelumnya. Kebutuhan suatu pasar surat utang yang transparan, likuid, wajar,

teratur, dan efisien, telah mendorong otoritas pasar modal untuk membentuk

BPA sebagai lembaga resmi yang melakukan penilaian dan penetapan harga

pasar wajar secara harian dari seluruh instrumen surat utang, Sukuk, dan surat

berharga lainnya yang diperdagangkan di pasar sekunder. Dalam

perkembangannya, informasi harga pasar wajar yang diterbitkan BPA

menjadi referensi yang wajib digunakan oleh institusi keuangan dalam

penetapan secara harian nilai aset bersih (NAB) dan nilai pasar wajar

portfolio.

Sekarang dinamakan Indonesia Bond Pricing Agency (IBPA) atau

Penilai Harga Efek Indonesia, IBPA berpartisipasi secara signifikan dalam

Page 83: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

66

pengembangan efek pendapatan tetap dan Sukuk di pasar modal Indonesia.

Dalam penelitian ini menggunakan salah satu produk atau fitur yang

diterbitkan oleh IBPA, yaitu Indonesia Sukuk Index (ISIX) yang merupakan

indikator kinerja pasar sukuk Indonesia, dihitung berdasarkan kebutuhan

pasar akan indeks yang reliable. Setiap indeks IBPA dihitung berdasarkan

kinerja dari nilai Total Return, Clean Price, Gross Price, Effevtive Yield dan

Gross Yield.

Gambar 4. 2

Grafik Pergerakan Return ISIXC

Sumber: http://www.ibpa.co.id/ 2016

Gambar 4. 3

Grafik Pergerakan Return IGSIX

Sumber: http://www.ibpa.co.id/ 2016

Page 84: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

67

Gambar 4. 4

Grafik Pergerakan Return ICSIX

Sumber: http://www.ibpa.co.id/ 2016

Pada gambar grafik di atas menunjukkan pergerakan yang signifikan

yang dialami oleh indeks-indeks sukuk indonesia yang diterbitkan oleh IBPA,

yaitu Indonesia Sukuk Index Composite (ISIXC), Indonesia Government

Sukuk Index (IGSIX), dan Indonesia Corporate Sukuk Index (ICSIX).

B. Hasil dan Pembahasan Penelitian

1. Statistik Deskriptif

Statistik deskriptif merupakan statistik yang berfungsi untuk

mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti

melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan

analisis dan membuat kesimpulan yang berlaku untuk umum (Sugiyono,

2009: 29).

Statistik deskriptif digunakan untuk memberikan deskripsi suatu data

yang dilihat dari rata-rata (mean), standar deviasi (standard deviation),

varian, maksimum, minimum, sum, range, kurtosis, dan skewness. Mean

Page 85: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

68

digunakan untuk memperkirakan besar rata-rata populasi yang

diperkirakan dari sampel. Standar deviasi digunakan untuk menilai

dispersi rata-rata dari sampel. Maksimum dan minimum adalah nilai

paling besar dan paling kecil dari data yang digunakan untuk melihat

nilai minimum dan maksimum dari populasi. Hal ini perlu dilakukan

untuk melihat gambaran keseluruhan dari sampel yang berhasil

dikumpulkan dan memenuhi syarat untuk dijadikan sampel penelitian

(Ghozali, 2013: 19).

Menurut Misbahuddin dan Hasan (2013: 258), analisis deskriptif

merupakan bentuk analisis data untuk menguji generalisasi hasil

penelitian yang didasarkan atas satu sampel. Analisis deskriptif ini

menggunakan satu variabel atau lebih, tapi bersifat mandiri. Oleh karena

itu, analisis ini berbentuk perbandingan atau hubungan.

Sebelum melakukan pengujian secara kemaknaan mengenai hasil

dari analisa data berdasarkan pengamatan sejumlah variabel yang dipakai

dalam penelitian ini, terlebih dahulu akan ditinjau mengenai deskripsi

variabel penelitian dengan analisis statistik deskriptif.

Penelitian ini menggunakan data harian harga indeks sukuk selama

periode observasi tanggal 1 Januari 2011 sampai dengan tanggal 31

Desember 2015 atau selama 1825 hari. Data tersebut adalah harga

Indonesia Sukuk Index (ISIX) yang diperoleh dari Indonesian Bond

Pricing Agency (IBPA) atau penilai Harga Efek Indonesia. Selanjutnya

data tersebut akan digunakan dalam pembentukan data return untuk

Page 86: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

69

mengestimasi volatilitas dan VaR untuk mengetahui risiko investasi

dalam indeks sukuk tersebut. Adapun data tiga indeks sukuk selama masa

observasi yang didapatkan adalah (1) Indonesia Corporate Sukuk Index

(ICSIX), (2) Indonesia Government Sukuk Index (IGSIX), dan (3)

Indonesia Sukuk Index Composite (ISIXC).

Dengan menggunakan program Eviews versi 8.0 berikut hasil

statistik deskriptif dari data yang telah diolah sesuai kriteria yang telah

dipaparkan sebelumnya maka didapatkan deskripsi data baik untuk rata-

rata, median, tingkat maksimum, minimum dan lainnya. Selengkapnya

mengenai hasil statistik deskriptif penelitian dapat dilihat pada tabel 4.1

sebagai berikut :

Tabel 4. 1

Statistik Deskriptif Return Indeks Sukuk Indonesia

ICSIX IGSIX ISIXC

Mean -0.000022 -0.000039 -0.000111

Median 0.000000 0.000000 0.000000

Maximum 0.013190 0.023601 0.021163

Minimum -0.015907 -0.026697 -0.226555

Std. Dev. 0.001733 0.003842 0.006326

Skewness -0.078699 0.106388 -25.11009

Kurtosis 17.69225 12.63508 901.4425

Jarque-Bera 16416.42 7062.757 61572536

Sum -0.040071 -0.072445 -0.203093

Sum Sq. Dev. 0.005476 0.026924 0.073005

Observations 1825 1825 1825

Sumber: http://www.ibpa.co.id. Data diolah Eviews 8.0 2016

Berdasarkan data statistik deskriptif yang disajikan pada tabel 4.1 di

atas, dapat dilihat bahwa ketiga indeks yang diobservasi menunjukkan

perbedaan yang signifikan, data tersebut memiliki return dengan nilai

Page 87: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

70

rata-rata (mean) yang seluruhnya bernilai negatif. Hal ini berarti seluruh

indeks tersebut selama periode observasi kecenderungan memiliki

kerugian. Sedangkan bila dilihat dari nilai standar deviasi yang

mencerminkan volatilitas, maka dapat dilihat bahwa indeks yang

memiliki volatilitas paling tinggi pada periode observasi adalah indeks

Indonesia Sukuk Index Composite (ISIXC). Berdasarkan estimasi

statistik skewness indeks ICSIX dan ISIXC lebih condong kearah kiri

namun indeks IGSIX lebih condong kearah kanan.

2. Uji Stasioneritas Data

Data ekonomi time series pada umumnya bersifat stokastik atau

memiliki tren yang tidak stasioner. Artinya data tersebut merupakan data

yang mengandung akar unit (unit root). Untuk dapat mengestimasi suatu

model menggunakan data tersebut maka langkah pertama yang harus

dilakukan adalah uji stasioneritas, apabila data yang digunakan tidak

stasioner maka akan sulit untuk mengestimasi suatu model dengan

menggunakan data tersebut dikarenakan tren data tersebut cenderung

berfluktuasi dan tidak disekitar nilai rata-ratanya. Maka dapat

disimpulkan bahwa data yang stasioner akan cenderung untuk mendekati

nilai rata-ratanya dan berfluktuasi di sekitar nilai rata-ratanya. (Gujarati,

2003)

Metode pengujian stasioneritas data yang dilakukan dalam penelitian

ini menggunakan Augmented Dickey Fuller Test. Bila nilai statistik lebih

Page 88: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

71

besar dari pada tinggkat kritis McKinnon, pada tingkat kritis (critical

value) yang telah ditentuka yaitu, 1%, 5%, atau 10%, maka H0 diterima

yang berarti data mengandung akar unit atau tidak stsioner. Sebaliknya

bila nilai statistik lebih kecil dari pada nilai kritis (critical value)

McKinnon maka H0 ditolak yang mengindikasikan bahwa data tersebut

adalah data stasioner. Pada tingkat level ada beberapa variabel yang tidak

stasioner sehingga perlu dilihat variabel tersebut di tingkat first

difference, hasilnya terlihat bahwa variabel stasioner pada tingkat first

difference atau second difference dengan berbagai kondisi.

Prosdur untuk menentukan apakah data stasioner atau tidak dengan

cara membandingkan antara nilai statistik Augmented Dickey Fuller

(ADF) dengan nilai kritisnya yakni distribusi statistik (critical value),

nilai statistik ADF ditunjukkan oleh nilai t-statistic. Jika nilai statistik DF

lebih kecil dari nilai kritisnya maka ditoka hipotesis nol sehingga data

yang diamati menunjukkan bahwa data stasioner. Sebaliknya data tidak

stasioner jika nilai statistik ADF lebih besar dari nilai kritis distribusi

statistik (critical value). (Widarjono, 2009:309)

Selengkapnya mengenai hasil pengujian stasioneritas data penelitian

ini dengan Augmented Dickey Fuller test dapat dilihat pada tabel 4.2

sebagai berikut :

Page 89: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

72

Tabel 4. 2

Hasil Pengujian Stasioneritas Data

Variabel t-Statistic

Critical

Value

(1%)

Critical

Value

(5%)

Critical

Value

(10%)

Prob. Kesimpulan

ICSIX -34.641 -3.433734 -2.862921 -2.567552 0.0000 Stasioner

IGSIX -20.609 -3.433737 -2.862923 -2.567553 0.0000 Stasioner

ISIXC -39.469 -3.433734 -2.862921 -2.567552 0.0000 Stasioner

Sumber: Data diolah menggunakan Eviews 8.0 2016

Dari tabel 4.2 di atas, menampilkan hasil uji ADF pada indeks

ICSIX niali statistik ADF -34.641 lebih kecil dari nilai kritis McKinnon

pada α = 1%; α = 5%; α = 10%; masing-masing adalah -3.433734;

-2.86292; -2.567552.

Kemudian menampilkan hasil uji ADF pada indeks IGSIX niali

statistik ADF -20.609 lebih kecil dari nilai kritis McKinnon pada α = 1%;

α = 5%; α = 10%; masing-masing adalah -3.433737; -2.862923;

-2.567553.

Terakhir menampilkan hasil uji ADF pada indeks ISIXC niali

statistik ADF -39.469 lebih kecil dari nilai kritis McKinnon pada α = 1%;

α = 5%; α = 10%; masing-masing adalah -3.433734; -2.862921;

-2.567552.

Hasil ADF test menunjukkan bahwa setiap indeks sukuk mempunyai

nilai t-statistik yang lebih kecil dari pada nilai critical value McKinnon

untuk level 1%, 5%, atau 10%, sehingga nilai probabilitasnya menjadi

kurang dari α 5% bahkan nol. Dengan nilai tersebut maka semua data

indeks sukuk stasioner atau data return tidak mempunyai unit root atau

Page 90: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

73

data sudah stasioner. Semua data indeks tidak diperlukan proses

differencing dan dapat dilanjutkan ketahan selanjutnya.

3. Penentuan Model ARIMA

Model Box-Jenkins merupakan salah satu teknik peramalan model

time series yang hanya berdasarkan perilkau data variabel yang diamati.

Model Box-Jenkins ini secara teknis dikenal sebagai model

Aotpregressive Integrated Moving Average (ARIMA). Analisis ini

berbeda dengan model struktural baik model kausal maupun simultan

dimana persamaan model tersebut menunjukkan hubungan antara

variabel-variabel ekonomi yang diteliti seperti pergerakan nilai tukar,

harga saham, inflasi seringkali sulit dijelaskan oleh teori-teori ekonomi.

Model ini tidak ada asumsi khusus tentang data historis dari runtun waktu,

tetapi menggunakan metode iteratif untuk menentukan model terbaik.

Model terbaik akan diperoleh jika risidual antara model peramalan

dan data historis kecil, didistribusikan secara random dan independen.

Namun bila model yang terpilih tidak mampu menjelaskan dengan baik

maka proses penentuan model perlu diulangi. Model Box-Jenkins ini

terdiri dari beberapa model, yaitu Autoregressive (AR), Moving Average

(MA), Autoregressive Moving Average (ARMA), dan Autoregressive

Integrated Moving Average (ARIMA). (Widarjono, 2009: 269)

Berdasarkan prosedur Box-Jenkins untuk menentukan bentuk

ARIMA yang paling tepat dilihat dari plot ACF maupun PACF dari data

Page 91: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

74

yang sudah stasioner. Berdasarkan ADF test sebelumnya, diketahui

bahwa semua data sudah stasioner pada level, sehingga dipastikan bahwa

menggunakan model ARIMA (p,d,q) untuk melakukan pendugaan dan

mencari ordo yang paling tepat. Kriteria model terbaik adalah dari

pengamatan grafik autokolerasi parsial bahwa semua batang grafik

berada di antara dua garis batas terputus-putusnya yang disebut dengan

garis Bartlett, untuk membandingkan model terbaik dapat dilihat dari

nilai Akaike Info Criterion (AIC) dan Schwarz Criterion (SIC) yang

paling kecil.

Selengkapnya mengenai model peramalan ARIMA terbaik dalam

penelitian ini dapat dilihat pada tabel 4.3 sebagai berikut :

Tabel 4. 3

Model Peramalan Terbaik

Variabel Model Peramalan Type Coef SE Coef T Prob. Keterangan

ICSIX ARIMA (2,0,2)

AR(2) -0.838261 0.00004 -22.75502 0.0000 Significant

MA(2) 0.855924 0.03683 23.80856 0.0000 Significant

Constant -0.000027 0.03595 -0.68958 0.4905

IGSIX ARIMA (2,0,2)

AR(2) -0.853156 0.04514 -18.89824 0.0000 Significant

MA(2) 0.859182 0.04581 18.75510 0.0000 Significant

Constant -0.000048 0.00009 -0.54984 0.5825

ISIXC ARIMA(2,0,2)

AR(2) -0.856398 0.08289 -10.33062 0.0000 Significant

MA(2) 0.856184 0.08377 10.22057 0.0000 Significant

Constant -0.000120 0.00014 -0.81280 0.4164

Sumber: Data diolah menggunakan Eviews 8.0 2016

Keterangan: Nilai prob. < α 5% maka signifikan

Dari tabel 4.3, hasil menunjukkan bahwa indeks ICSIX data

sebelumnya sudah stasioner pada level, ACF cuts off after lag-2 maka

dugaan order q sementara adalah 2, kemudian plot PACF cuts off after

Page 92: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

75

lag-2 maka dugaan order p sementara 2, pola plot ACF PACF

membentuk dugaan sementara untuk indeks ICSIX adalah ARIMA (p,d,q)

ARIMA (2,0,2). ARIMA (2,0,2) adalah model terbaik untuk peramalan

indeks ICSIX dilihat dari nilai Akaike Info Criterion (AIC) -9.926169

dan Schwarz Criterion (SIC) -9.917105 yang didapat dari output Eviews

dibandingkan dengan orde ARIMA lainnya, ARIMA (2,0,2) adalah

model terbaik dari nilai AIC dan SIC terkecil. Setelah ditentukan

perkiraan model, maka selanjutnya dilakukan estimasi dengan

menggunakan metode estimasi Least Squares.

Data indeks IGSIX sebelumnya sudah stasioner pada level. ACF cuts

off after lag-2, maka dugaan order q sementara adalah 2. Plot PACF cuts

off after lag-2, maka dugaan order p sementara adalah 2. Pola plot ACF

dan PACF membentuk dugaan sementara untuk indeks IGSIX adalah

ARIMA (p,d,q) ARIMA (2,0,2). ARIMA (2,0,2) adalah model terbaik

untuk peramalan indeks ICSIX dilihat dari nilai Akaike Info Criterion

(AIC) -8.313952 dan Schwarz Criterion (SIC) -8.304887 yang didapat

dari output Eviews dibandingkan dengan orde ARIMA lainnya, ARIMA

(2,0,2) adalah model terbaik dari nilai AIC dan SIC terkecil. Setelah

ditentukan perkiraan model, maka selanjutnya dilakukan estimasi dengan

menggunakan metode estimasi Least Squares.

Data indeks ISIXC sebelumnya sudah stasioner pada level. ACF cuts

off after lag-2, maka dugaan order q sementara adalah 2. Plot PACF cuts

off after lag-2, maka dugaan order p sementara adalah 2. Pola plot ACF

Page 93: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

76

dan PACF membentuk dugaan sementara untuk variabel ISIXC adalah

ARIMA (p,d,q) ARIMA (2,0,2). ARIMA (2,0,2) adalah model terbaik

untuk peramalan indeks ICSIX dilihat dari nilai Akaike Info Criterion

(AIC) -7.294107 dan Schwarz Criterion (SIC) -7.285042 yang didapat

dari output Eviews dibandingkan dengan orde ARIMA lainnya, ARIMA

(2,0,2) adalah model terbaik dari nilai AIC dan SIC terkecil. Setelah

ditentukan perkiraan model, maka selanjutnya dilakukan estimasi dengan

menggunakan metode estimasi Least Squares.

4. Uji ARCH Effect – LM

Untuk mengetahui keberadaan ARCH dari model ARIMA yang

telah dipilih dilakukan uji Langrange Multiplier. Jika terdapat efek

ARCH atau data heteroskedastisitas maka model estimasi dapat

dilakukan dengan model ARCH/GARCH, tetapi jika tidak terdapat efek

ARCH atau data homokedastisitas maka tidak dapat dilanjutkan dengan

model ARCH/GARCH. Pengujian tersebut dilihat dari nilai probabilitas

yang lebih kecil dari 5% sehingga H0 ditolak, yang berarti bahwa

terdapat heteroskedastisitas dan estimasi dapat dilakukan dengan model

ARCH/GARCH, tetapi jika nilai probabilitas yang lebih besar dari 5%

maka data homokedastisitas dan tidak dapat dilanjutkan dengan model

ARCH/GARCH. Selengkapnya mengenai pengujian ARCH Effect dalam

penelitian ini dapat dilihat pada tabel 4.4 sebagai berikut :

Page 94: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

77

Tabel 4. 4

Hasil Pengujian ARCH Effect

Variabel Obs*R-squared Prob. Chi-Square(1) Kesimpulan

ICSIX 89.54354 0.0000 Terdapat Efek ARCH

IGSIX 56.92087 0.0000 Terdapat Efek ARCH

ISIXC 0.001201 0.9724 Tidak terdapat Efek ARCH

Sumber: Data diolah menggunakan Eviews 8.0 2016

Keterangan: Nilai prob. < α 5% maka heteroskedastisitas

Dari tabel 4.4 di atas, jika nilai prob. < α 5% maka dengan demikian

ada unsur ARCH dalam model atau data heteroskedastisitas. Hasil

menunjukkan bahwa indeks ICSIX dan IGSIX memiliki nilai probabilitas

yang lebih kecil dari α 5% artinya terdapat efek ARCH pada pemodelan

peramalan kedua indeks tersebut, sedangkan indeks ISIXC memiliki nilai

probabilitas yang lebih besar dari α 5% artinya tidak terdapat efek ARCH,

maka indeks ISIXC tidak dapat dilanjutkan dengan model

ARCH/GARCH.

5. Penentuan Model ARCH/GARCH Terbaik

Setelah diketahui keberadaan efek ARCH yang signifikan, dilakukan

estimasi dengan menggunakan ordo dari model ARIMA sebagai input

pada estimasi ARCH/GARCH. Pemilihan model ARCH/GARCH dengan

ordo yang berbeda-beda untuk mengetahui model yang paling tepat.

Model yang terbaik dilakukan dengan memerhatikan Log Likelihood

serta kriteria AIC dan SIC.

Page 95: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

78

Tabel 4. 5

Model ARCH/GARCH Terbaik

Variance Equation

Variabel Model Koef Std. Error z-Statistic Prob. Keterangan

ICSIX EGARCH(2,2)

ω0 -13.8083 0.0314 -439.6731 0.0000 Significant

β1 0.8932 0.0281 31.7894 0.0000 Significant

β2 0.3512 0.0208 16.8758 0.0000 Significant

φ 0.1236 0.0271 4.5603 0.0000 Significant

IGSIX ARCH(1) ω0 0.0000 0.0000 40.9306 0.0000 Significant

β1 1.1217 0.0619 18.1107 0.0000 Significant

Sumber: Data diolah menggunakan Eviews 8.0 2016

Keterangan: Nilai prob. < α 5% maka signifikan

Dari tabel 4.5 di atas, hasil estimasi model yang terpilih pada indeks

ICSIX adalah model EGARCH (2,2) dan indeks IGSIX adalah model

ARCH(1). Model time series yang sudah diperoleh di-input kedalam

sofware Eviews 8.0 untuk kemudian diolah. Kriteria model terbaik

adalah mempunyai nilai parameter yang signifikan dan nilai AIC dan SIC

yang terkecil. Unsur ARCH (2) dan GARCH (2) secara statistik

signifikan. Sedangkan koefisien ARCH(1) dan GARCH(2) cukup dekat

dengan 1 dijumlahkan, EGARCH (2,2) adalah model terbaik untuk

peramalan indeks ICSIX dilihat dari nilai Akaike Info Criterion (AIC)

-10.42646, Schwarz Criterion (SIC) -10.39927 dan nilai Log Likelihood

9512.719 yang didapat dari output Eviews dibandingkan dengan model

ARCH/GARCH lainnya, dikatkan model terbaik dikarenakan dari nilai

AIC, SIC terkecil dan Log Likelihood terbesar. hal ini berarti bahwa

Page 96: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

79

model time series mempunyai komponen yang kuat dan menunjukkan

bahwa model EGARCH (2,2) adalah model yang tepat untuk indeks

ICSIX. Untuk melihat validnya model orde tersebut dilihat dari standar

error terkecil.

Indeks IGSIX adalah model ARCH(1) unsur ARCH (1) secara

statistik signifikan, sedangkan koefisien ARCH(1) cukup dekat dengan 1

dijumlahkan, ARCH (1) adalah model terbaik untuk peramalan indeks

ICSIX dilihat dari nilai Akaike Info Criterion (AIC) -8.820102, Schwarz

Criterion (SIC) -8.792909 dan nilai Log Likelihood 8048.523 yang

didapat dari output Eviews dibandingkan dengan model ARCH/GARCH

lainnya, dikatkan model terbaik dikarenakan dari nilai AIC, SIC terkecil

dan Log Likelihood terbesar.hal ini berarti bahwa model time series

mempunyai komponen yang kuat dan menunjukkan bahwa model

ARCH(1) adalah model yang tepat.

6. Analisis Volatilitas Indeks Sukuk Indonesia

Hasil estimasi volatilitas dengan model ARCH/GARCH dapat dilihat

dari grafik, yaitu dengan melihat sebaran secara temporal dari volatilitas

harga clen price indeks sukuk. Berikut adalah grafik conditional

standard deviation (simpangan baku bersyarat) untuk mengetahui

perilaku volatilitas yang terjadi pada indeks sukuk yang diteliti.

Volatilitas yang tinggi ditunjukkan dengan simpangan baku bersyarat

Page 97: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

80

Conditional Standart Deviation yang jauh lebih besar dari lainnya yang

ditunjukkan pada grafik berikut yang diperoleh dari Eviews 8.0.

Gambar 4. 5

Plot Volatilitas ICSIX

.00

.01

.02

.03

.04

.05

.06

250 500 750 1000 1250 1500 1750

Conditional standard deviation

Gambar 4. 6

Plot Volatilitas IGSIX

.000

.005

.010

.015

.020

.025

.030

250 500 750 1000 1250 1500 1750

Conditional standard deviation

Page 98: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

81

Gambar 4. 7

Plot Volatilitas ISIXC

-40

-30

-20

-10

0

10

250 500 750 1000 1250 1500 1750

Standardized Residuals

Grafik volatilitas yang ditunjukkan oleh gambar-gambar di atas

dapat menjelaskan bahwa potensi risiko indek sukuk tersebut berubah

seusai dengan waktu. Ketidakstabilan yang sangat tinggi ini dilihat dari

nilai CSD pada periode tersebut yang lebih tinggi dibandingkan dengan

CSD pada periode lainnya. Hal ini disebabkan adanya faktor-faktor

ekonomi seperti inflasi yang cukup besar dan ketidak stabilan ekonomi

pada periode tersebut. Volatilitas paling tinggi terjadi pada indeks ISIXC,

karena indeks ISIXC mencapai titik paling tinggi daripada indeks lainnya.

Tingginya nilai volatilitas indeks ISIXC juga menunjukkan bahwa

potensi risiko pada indeks ISIXC lebih tinggi dibandingkan indeks

lainnya.

Page 99: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

82

Berdasarkan Grafik volatilitas yang ditunjukkan oleh penelitian

terdahulu oleh (Annila, 2015) dapat menjelaskan bahwa potensi risiko

saham-saham tersebut berubah seusai dengan waktu. Kondisi paling tidak

stabil terjadi pada periode Agustus sampai dengan September 2013.

Ketidakstabilan yang sangat tinggi ini dilihat dari nilai CSD pada periode

tersebut yang lebih tinggi dibandingkan dengan CSD pada periode

lainnya. Hal ini disebabkan adanya peningkatan inflasi yang cukup besar

pada periode tersebut serta dipengaruhi kegiatan pasca lebaran yang

membuat masyarakat melakukan penarikan secara tunai lebih besar pada

periode tersebut. Pergerakan rupiah terhadap USD yang turun juga

membuat pelaku pasar panik yang terlihat dari adanya pelemahan

pergerakan IHSG. Pada periode Agustus sampai September 2013,

volatilitas paling tinggi terjadi pada saham AALI, karena saham AALI

mencapai titik paling tinggi daripada saham-saham lainnya. Selain itu,

pada periode tersebut terjadi karena meroketnya harga kelapa sawit yang

disebabkan beberapa faktor. Faktor pertama yaitu menurunnya produksi

kelapa sawit dari Malaysia. Faktor selanjutnya disebabkan oleh

penurunan nilai rupiah dan menyebabkan harga minyak kelapa sawit

sangat tinggi bahkan tertinggi dari delapan bulan sebelumnya. Tingginya

nilai volatilitas saham AALI juga menunjukkan bahwa potensi risiko

pada saham AALI lebih tinggi.

Page 100: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

83

7. Analisis Value at Risk

Setelah didapatkan nilai peramalan volatilitas, maka dapat dihitung

VaR untuk periode ke depan dengan holding period satu hari dan tingkat

kepercayaan 95%. Besarnya volatilitas diperoleh dari estimasi volatilitas

model ARCH/GARCH. Hasil perhitungan value at risk adalah sebagai

berikut.

Tabel 4. 6

Tabel Value at Risk

ICSIX IGSIX ISIXC

VaR 0.00124 0.002285 0.006267

Sumber: Data diolah menggunakan Ecxel 2016

Berdasarkan tabel 4.6 dapat dijelaskan dengan tingkat kepercayaan

95% dan holding period satu hari. Value at risk tertinggi adalah indeks

ISIXC 0.006267, kemudian VaR indeks IGSIX 0.002285, dan VaR

terendah adalah indeks ICSIX 0.00124.

Hasil estimasi volatilitas EGARCH (2,2) digunakan untuk

menghitung value at risk indeks ICSIX dan ARCH (1) untuk estimasi

volatilitas indeks IGSIX periode ke depan dengan holding period satu

hari dan tingkat kepercayaan 95%. Dari hasil pemodelan ARCH/GARCH,

diperoleh volatilitas setiap indeks sukuk. Dengan mengaplikasikan

persamaan yang diperoleh maka diperoleh nilai VaR.

Dengan demikian dapat diartikan bahwa pengukuran VaR dengan

estimasi volatilitas ARCH/GARCH pada return indeks sukuk ICSIX dan

IGSIX diperoleh pada horizon 1 hari dengan tingkat kepercayaan 95%

Page 101: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

84

dikarenakan hasil data return bersifat heteroskedastik. Namun demikian

hasil VaR indeks ISIXC didapatkan dari nilai volalitas dengan rumus

standard deviasi biasa karena hasil data return bersifat homokedastisitas.

VAR adalah salah satu instrumen untuk manajemen risiko, namun selain

VAR investor juga perlu mengetahui faktor risiko mana yang paling

dominan. Dengan demikian investor akan semakin aman berinvestasi.

Page 102: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

85

BAB V

PENUTUP

A. Kesimpulan

Berdasarkan hasil yang telah diperoleh, maka kesimpulan yang bisa

ditarik dari analisis dan pembahasan sebelumnya sebagai berikut :

1. Data yang dipakai dalam penelitian ini merupakan data yang

stasioner yang telah diuji dengan ADF test, hasil menunjukkan

bahwa ketiga indeks sukuk Indonesia yang digunakan dalam

penelitian ini ICSIX, IGSIX, dan ISIXC sudah stasioner pada level

tanpa tahap diffencing nilai yang diperoleh masing-masing, yaitu -

34.641, -20.609, dan 39.469 lebih kecil dari nilai critical value

McKinnon. Dengan mengamati plot ACF dan PACF dari data

penelitian yang sudah stasioner dilanjutkan dengan peramalan model

terbaik menggunakan prosedur Box-Jenkins ARIMA (p,d,q) yang

menghasilkan dengan menggunakan software Eviews 8.0 dan

Minitab 15 bahwa data yang digunakan mengikuti ARIMA seasonal,

yaitu ICSIX ARIMA (2,0,2), IGSIX ARIMA (2,0,2) dan ISIXC

ARIMA (2,0,2). Orde peramalan yang didapatkan dari ARIMA

model dilanjutkan pemilihan model ARCH/GARCH terbaik untuk

mengestimasi volatilitas dan VaR, tetapi sebelum melakukan model

ARCH/GARCH diuji ARCH effect pada data menggunakan uji

Langrange Multiplier, hasil yang diperoleh bahwa ICSIX dan IGISX

Page 103: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

86

dapat dilanjutkan dengan model ARCH/GARCH karena nilai prob.

yang dihasilkan lebih kecil dari α 5% yaitu maka data dikatakan

heteroskedastisitas, namun data ISIXC hasil prob. lebih besar dari α

5% maka data tersebut homokedastisitas, yaitu 0.8975, data yang

bersifat heteroskedastisitas dapat dilanjutkan dengan model

ARCH/GARCH untuk estimasi volatilitas dan VaR, namun data

yang homokedastisitas dilanjutkan dengan perhitungan standar

deviasi biasa untuk estimasi volatilitas dan VaR. Dengan

memerhatikan Log Likelihood serta kriteria AIC dan SIC dapat

dihasilkan model ARCH/GARCH terbaik untuk data return ICSIX

dan IGSIX, yaitu EGARCH (2,2) untuk indeks ICISX dan ARCH (1)

untuk IGSIX. Setelah mendapatkan model terbaik ARCH/GARCH

dengan menggunakan software Eviews 8.0 dihasilkan persamaan

yang digunakan untuk menganalisis volatilitas dan VaR indeks

sukuk Indonesia.

2. Dengan didapatnya nilai peramalan volatilitas, maka dapat dihitung

VaR untuk periode ke depan dengan holding period satu hari dan

tingkat kepercayaan 95%. Besarnya volatilitas diperoleh dari

estimasi volatilitas model ARCH/GARCH. Hasil perhitungan value

at risk adalah sebagai berikut, niali VaR ICSIX sebesar 0.00124,

IGSIX sebesar 0.002285, dan ISIXC 0.006267. Dapat disimpulkan

dari hasil yang didapat bahwa risiko tertinggi dimiliki oleh indeks

ISIXC.

Page 104: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

87

B. Saran

Berikut adalah saran yang bisa disampaikan peneliti mengenai

pembahasan dalam penelitian ini sebagai berikut :

1. Memperhatikan aspek terpenting dalam pemodelan VaR adalah

pengujian validitas model tersebut atau yang lebih sering disebut

sebagai backtesting. Backtesting dilakukan dengan membandingkan

antara nilai VAR harian dengan nilai P/L (profit dan loss) harian

yang sesungguhnya. Jika Loss yang diderita lebih besar dari VAR,

maka hasil VAR pada hari tersebut dianggap failure atau tidak

mengikuti kejadian sesungguhnya yang terjadi pada hari tersebut.

Total jumlah failure untuk setiap emiten dihitung untuk kemudian

dimasukkan kedalam persamaan TNoF (total number of failure)

yang dibuat oleh Kupiec (1995).

2. melakukan penelitian lebih lanjut jika hendak melakukan pemodelan

ARCH/GARCH untuk obyek yang mempunyai perubahan harga

yang ekstrim, maka peneliti harus memperpanjang rentang waktu

(time span) data penelitian. Hal ini karena sifat model

ARCH/GARCH yang memaksimumkan fungsi likelihood dimana

semakin besar rentang waktu, maka nilai estimator akan konvergen

menuju nilai yang sesungguhnya atau dengan kata lain model akan

semakin akurat. Dalam penelitian VaR salah satu instrumen untuk

Page 105: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

88

manajemen risiko, perlu mengetahui faktor risiko mana yang paling

dominan. Dengan demikian investor akan semakin aman berinvestasi.

3. Dalam pemodelan analisis volatilitas dapat juga digunakan model

ARCH-GARCH yang non linier seperti Threshold Generalized

Autoregressive Conditional Heteroskedasticity (TGARCH) atau

model-model ARCH/GARCH lainnya dengan menggunakan data

rentang waktu pengamatan yang lebih panjang.

4. Saran terakhir untuk penelitian selanjutnya diharapkan dapat

menggunakan lebih banyak jenis obligasi dan sukuk yang

dibandingkan. Sehingga diharapkan hasil penelitian ini dapat

dijadikan acuan yang tepat dan valid untuk diterapkan pada semua

jenis obligasi dan sukuk.

Page 106: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

89

DAFTAR PUSTAKA

Anton, 2006. “Analisis Model Volatilitas Return Saham”. Universitas Diponegoro

Aswi dan Sukarna. 2006. “Analisis Deret Waktu Teori dan Aplikasi”. Makassar :

Andira Publisher.

Ayub. 2007. Muhammad. “Understanding Islamic Finance”. England: John

Wiley and Sons Ltd.

Best, P. 2008. “Implementing Value at Risk”. England: John Wiley & Sons, Inc.

Santoso T. 2011. “Aplikasi Model GARCH pada Data Inflasi Bahan

Makanan Indonesia 2005.1-2010”.6. Jurnal Organisasi dan Manajemen,

Vol 7 No.1, hal. 38-52.

Box, P.E.G, Jenkins M.G dan Reinsel C. G., 1994. “Time Series Analysis:

Forecasting and Control”, New Jersey, Prentice Hall.

Brooks, C. 2008. “Intoductory Econometrics for Finance” (Second ed). USA:

Cambridge University Press

Buchdadi, Agung D. 2008. “Penghitungan VaR Portofolio Optimum Saham

Perusahaan Berbasis Syariah dengan Pendekatan EWMA”. Jurnal

Akuntansi dan Keuangan Indonesia, Vol 5, No 2, Hal 182-201.

Crouhy, M., D. Galai dan R. Mark. 2002. “Risk Manajement”. New York:

McGraw Hill

Damodaran, Aswath. 2002. “Investment Valuation”. Second Edition. New York:

Dewan Syariah Nasional (DSN) Majelis Ulama Indonesia (MUI). “Fatwa Dewan

Syariah Nasional”. Jakarta

Engle, RF. 2001. “The Use of ARCH/GARCH Models in Applied Econometrics”.

Journal of Economic Perspectives, 4: 157-158.

Ezra, Zask. 2000. “Global Investment Risk Management: Protecting International

Portofolios Against Currency, Interest Rate, Equity, and Commodity Risk”.

New York: McGraw-Hill.

Ghozali, Imam. 2001. “Aplikasi Analisis Multivariate dengan Program SPSS”.

Semarang : BPUNDIP

Page 107: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

90

Ghozali, Imam. 2006. “Aplikasi Analisis Multivariate Dengan Program SPSS”.

Semarang : Universitas Diponegoro.

Ghozali, Imam. 2013. “Analisis Multivariate dengan Program IBM SPSS 21

Update PLS Regresi”. Edisi 7, Cetakan Ketujuh. Semarang: Badan

Penerbit Universitas Diponegoro.

Griffin, R. W. Dan Ronald J. Ebert. 2002. Bisnis. Edisi 5. New Jersey: Prentice

Hall Inc

Gumanti, Tatang Ary. 2011. “Manajemen Investasi Konsep, Teori, dan Aplikasi”.

Jakarta: Mitra Wacana Media.

Huda, Nurul dan Nasution, Mustafa E. 2007. “Investasi pada Pasar Modal

Syariah”. Jakarta: Kencana Prenada Media Group.

Ijtihadi, Ahmad F. 2010. “Analisis Pengukuran Value at Risk pada Portofolio

Sukuk dan Obligasi”. Tesis Pascasarjana Fakultas Ekonomi Universitas

Indonesia.

J. Supranto, 2001. “Statistik Teori dan Aplikasi”, Cetakan Kedua, Jakarta:

PEnerbit Erlangga.

Jogiyanto H. 2008. “Teori Portofolio dan Analisis Investasi”.Yogyakarta: BPFE.

Jogiyanto, hartono. 2000. “Teori Portofolio dan Analisis Investasi”. Yogyakarta,

BPFE yogyakarta

Jorion, P. 2001. “Value at Risk: the New Benchmark for Managing Financial

Risk“, 2nd ed. McGraw-Hill. California. North America.

Kasmir. 2010. “Pengantar Manajemen Keuangan”. Jakarta: Prenada Media Grup.

Lo, M. S. 2003. “Generalized Autoregressive Conditional Heteroscedasticity

Time Series Model”. Thesis Departement of Statistics and Actuaria

Science. Simon Fraser University. Spanyol

Lubrano dan Bauwens, 1998. “Bayesian Inference on GARCH models using the

Gibbs Sampler”, Journal of Econometrics, Vol. 1, hal. C23 – C46

Makridakis, S. and S.C. Wheelwright. 1989. “Forecasting Methods for

Management”. Fifth Edition. John Wiley & Sons.

Makridakis, Spyros, Wheelwright, C, Steven, McGee, E, Victor. 1999. Metode

dan Aplikasi Peramalan.Jkarta: PT Erlanga

Page 108: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

91

Misbahuddin dan Iqbal Hasan, 2013. Analisis Data Penelitian dengan Statistik.

Edisi Kedua. Jakarta: PT Bumi Aksara.

Nachrowi, N, D, dan Usman, hardius. 2006. “Pendekatan Populer dan Praktis

Ekonometrika Untuk Analisis Ekonomi dan Keuangan”. Jakarta: Lembaga

Penerbitan Fakultas Ekonomi Universitas Indonesia

Nanaeva, Zhamal K. 2010. “How Risky Sukuk are: Comparative Analysis of

Risks Associated with Sukuk and Conventional Bonds”. Dubai: The British

University in Dubai.

Nawawi, Nazwar U. 2012. “Mengenal Sukuk”. Pontianak Post, Selasa 2

September 2008. Pedoman Penulisan Skripsi. Fakultas Syariah dan Hukum

Universitas Islam Negeri Syarif Hidayatullah. Jakarta.

Nelson, D. B. 1991. "Conditional heteroskedasticity in asset returns: A new

approach", Econometrica 59: 347-370.

Penyusun. 2010. “Tanya Jawab Surat Berharga Syariah Nasional (Sukuk Negara)

Instrumen Keuangan Berbasis Syariah”. Edisi Kedua.

Penza, Pietro and Vipul K Bansal. 2001. “Measuring Market Risk with Value at

Risk”. USA: John Wiley and Sons Inc.

Putri, Nurissalma Alivia dkk. 2013. “Pengukuran VaR Menggunakan Prosedur

Volatility Updating Hull and White berdasarkan Exponentially Weighted

Moving Average (EWMA)”. Jurnal Gaussian Vol 2, No 14, Hal 351-359.

R. Gunawan Sudarmanto, 2013. “Statistik Terapan Berbasis Komputer”, Jilid 1,

Jakarta, Mitra Wacana Media

Ramasamy, Ravindran et all, 2011. “Relative Risk of Islamic Sukuk Over

Government and Conventional Bonds”. Global Journal of Management

and Business Research ISSN: 0975-5853 Volume11, Issue 6, Version 1.0.

USA: Global Journals Inc.

Rodoni, Ahmad dan Herni Ali. 2010. “Manajemen Keuangan”. Jakarta: Mitra

Wacana Media.

Rodoni, Ahmad. 2009. “Investasi Syariah”. Cetakan kesatu. Jakarta: Lembaga

Penelitian UIN Jakarta.

Samsul, mohammad. 2006, “Pasar Modal dan Manajemen Portofolio”, jakarta:

Erlangga

Page 109: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

92

Sartono, Agus. 1996. “Manajemen Keuangan”. Edisi 4, BPFE : Yogyakarta.

Sartono, Agus. 2010. “Manajemen Keuangan Teori dan Aplikasi”. Edisi 4.

Yogyakarta: BPFE.

Sasono, Bayu. 2009. “Analisis Volatilitas Harga Buah-Buahan Indonesia (Kasus

Pasar Induk Kramat Jati Jakarta”. Bogor: IPB

Schwert, G. William. 1989. “Why Does Stock Market Volatility Change Over

Time?”. The Journal Of Finance. Vol. XLIV, No. 5

Schwert,_____________1992. “Empirical Research in Capital Market”. Mc

Graw Hill

Soedewi, Srie dan Purqon, A. 2015. “Analisis Volatilitas Lima Saham Berbeda

Sektor pada Indeks Kompas100 dengan Metode ARCH-GARCH”. ITB

Soejoeti, Z. 1987. “Analisis Runtun Waktu”. Jakarta : Karunika.

Sugiarto dan Harijono, 2000. “Peramalan Bisnis”, PT Gramedia Pustaka Utama,

Jakarta.

Sugiyono. 2007. “Statistik untuk Penelitian”. Bandung: Alfabeta.

Sugiyono. 2009. “Statistika untuk Penelitian”. Bandung: Alfabeta.

Suharjo, Bambang. 2013. Analisis Regresi Terapan Dengan SPSS. Yogyakarta:

Graha Ilmu.

Suliyanto. 2011. “Ekonometrika Terapan: Teori dan Aplikasi dengan SPSS”.

Yogyakarta: Andi Ofsset.

Sumaryanto. 2009. “Analisis Volatilitas Harga Eceran Beberapa Komoditas

Pangan Utama dengan Model ARCH/GARCH”. Pusat Analisis Sosial

Ekonomi dan Kebijakan Pertanian

Suruhanjaya Sekuriti Securities Commision Malaysia, 2009. “Sukuk: Islamic

Capital Market Series”. Malaysia: Sweet & Maxwell Asia.

Tandelilin, Eduardus. 2010. “Portofolio dan Investasi: Teori dan Aplikasi”.

Yogyakarta: Kanisius.

Tsay, R.S. 2005. “Analysis of Financial Time Series” (Second ed) Now Jersey:

John Wiley & Sons, Inc.

Page 110: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

93

Wahdy, Affandi. 2007. “Perbandingan Risiko dan Imbal Hasil Sukuk dan

Obligasi Konvensional di Pasar Sekunder (Studi Kasus di Bursa Efek

Surabaya 2004 – 2006)”. Tesis Pascasarjana Ekonomi dan Keuangan

Syariah Universitas Indonesia.

Wahyuni, Yayuk S. 2011. “Analisis Komparasi Imbal Hasil dan Risiko Sukuk

dengan Menggunakan Harga Pasar dan Harga Wajar (Studi Kasus pada

Sukuk yang diterbitkan di Indonesia Periode 2009 – 2011)”. Tesis

Pascasarjana Universitas Indonesia.

Widarjono, Agus. 2009. “Ekonometrika Pengantar dan Aplikasinya”. Edisi ketiga.

Yogyakarta: Ekonosia.

Widarjono, Agus. 2010. “Analisis Multivariat Terapan”. Yogyakarta: UPP STIM

YKPN.

Winarno, Wing Wahyu. 2007. “Analisis Ekonometrika dan Statistika Keuangan

dengan Eviews”. Edisi 2. Yogyakarta: UPP STIM YKPN.

Winarno, Wing Wahyu. 2009. “Analisis Ekonometrika dan Statistik dengan

Eviews”. Edisi 2. Yogyakarta: UPP STIM YKPN.

Winarno, Wing Wahyu. 2011. “Analisis Ekonometrika dan Statistika Keuangan”.

Edisi 2. Yogyakarta: UPP STIM YKPN.

Yasin, Hasbi. 2014. “Pemodelan Volatilitas Untuk Penghitungan Value At Risk

(VaR) Menggunakan Feed Forward Neural Network dan Algoritma

Genetika”. Universitan Diponegoro.

Yohanes, S dan Hokky S. 2003. “Sifat Statistika Data Ekonomi Keuangan Studi

Empirik Beberapa Indeks Saham Indonesia”. WPF 2003. Bandung FE

Institute.

Yusri. 2013. “Statistika Sosial: Aplikasi dan Interpretasi”. Yogyakarta: Graha

Ilmu.

Accounting and Auditing Organization for Islamic Financial Institutions. Shari‟ a

Standard No. 17 –Investment Sukuk tersedia di www.aaoifi.com

www.ojk.go.id/

www.ibpa.co.id/

Page 111: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

94

LAMPIRAN

Lampiran 1: Plot Runtun Waktu Return Indeks

182016381456127410929107285463641821

0,010

0,005

0,000

-0,005

-0,010

-0,015

Index

ICS

IX

Time Series Plot of ICSIX

182016381456127410929107285463641821

0,03

0,02

0,01

0,00

-0,01

-0,02

-0,03

Index

IGS

IX

Time Series Plot of IGSIX

Page 112: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

95

182016381456127410929107285463641821

0,00

-0,05

-0,10

-0,15

-0,20

-0,25

Index

ISIX

CTime Series Plot of ISIXC

Lampiran 2: Output Eviews 8.0 Uji Stasioneritas

Null Hypothesis: ICSIX has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=24)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -34.64084 0.0000

Test critical values: 1% level -3.433734

5% level -2.862921

10% level -2.567552

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: IGSIX has a unit root

Exogenous: Constant

Lag Length: 2 (Automatic - based on SIC, maxlag=24)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -20.60863 0.0000

Test critical values: 1% level -3.433737

5% level -2.862923

10% level -2.567553

*MacKinnon (1996) one-sided p-values.

Page 113: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

96

Null Hypothesis: ISIXC has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=24)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -39.46888 0.0000

Test critical values: 1% level -3.433734

5% level -2.862921

10% level -2.567552

*MacKinnon (1996) one-sided p-values.

Lampiran 3: Plot ACF Indeks

80706050403020101

1,0

0,8

0,6

0,4

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

Lag

Au

toco

rre

lati

on

Autocorrelation Function for ICSIX(with 5% significance limits for the autocorrelations)

Page 114: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

97

80706050403020101

1,0

0,8

0,6

0,4

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

Lag

Au

toco

rre

lati

on

Autocorrelation Function for IGSIX(with 5% significance limits for the autocorrelations)

80706050403020101

1,0

0,8

0,6

0,4

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

Lag

Au

toco

rre

lati

on

Autocorrelation Function for ISIXC(with 5% significance limits for the autocorrelations)

Page 115: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

98

Lampiran 4: Plot PACF Indeks

80706050403020101

1,0

0,8

0,6

0,4

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

Partial Autocorrelation Function for ICSIX(with 5% significance limits for the partial autocorrelations)

80706050403020101

1,0

0,8

0,6

0,4

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

Partial Autocorrelation Function for IGSIX(with 5% significance limits for the partial autocorrelations)

Page 116: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

99

80706050403020101

1,0

0,8

0,6

0,4

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

Partial Autocorrelation Function for ISIXC(with 5% significance limits for the partial autocorrelations)

Page 117: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

100

Lampiran 5: Output Korelogram Eviews 8.0

Page 118: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

101

Page 119: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

102

Page 120: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

103

Lampiran 6: Output Eviews 8.0 Model Peramalan ARIMA Terbaik

ICSIX ARIMA (2,0,2)

Dependent Variable: ICSIX

Method: Least Squares

Date: 10/09/16 Time: 12:44

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 43 iterations

MA Backcast: 1 2 Variable Coefficient Std. Error t-Statistic Prob. C -2.76E-05 4.00E-05 -0.689588 0.4905

AR(2) -0.838261 0.036839 -22.75502 0.0000

MA(2) 0.855924 0.035950 23.80856 0.0000 R-squared 0.028468 Mean dependent var -2.81E-05

Adjusted R-squared 0.027400 S.D. dependent var 0.001714

S.E. of regression 0.001690 Akaike info criterion -9.926169

Sum squared resid 0.005200 Schwarz criterion -9.917105

Log likelihood 9050.703 Hannan-Quinn criter. -9.922825

F-statistic 26.66451 Durbin-Watson stat 1.597823

Prob(F-statistic) 0.000000

IGSIX ARIMA (2,0,2)

Dependent Variable: IGSIX

Method: Least Squares

Date: 10/09/16 Time: 13:27

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 13 iterations

MA Backcast: 1 2 Variable Coefficient Std. Error t-Statistic Prob. C -4.89E-05 8.89E-05 -0.549842 0.5825

AR(2) -0.853156 0.045145 -18.89824 0.0000

MA(2) 0.859182 0.045811 18.75510 0.0000 R-squared 0.020020 Mean dependent var -4.95E-05

Adjusted R-squared 0.018943 S.D. dependent var 0.003821

S.E. of regression 0.003785 Akaike info criterion -8.313952

Sum squared resid 0.026072 Schwarz criterion -8.304887

Log likelihood 7581.167 Hannan-Quinn criter. -8.310608

F-statistic 18.59045 Durbin-Watson stat 1.479014

Prob(F-statistic) 0.000000

Page 121: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

104

ISIXC ARIMA (2,0,2)

Dependent Variable: ISIXC

Method: Least Squares

Date: 10/09/16 Time: 13:57

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 15 iterations

MA Backcast: 1 2 Variable Coefficient Std. Error t-Statistic Prob. C -0.000120 0.000148 -0.812802 0.4164

AR(2) -0.856398 0.082899 -10.33062 0.0000

MA(2) 0.856184 0.083771 10.22057 0.0000 R-squared 0.005927 Mean dependent var -0.000121

Adjusted R-squared 0.004834 S.D. dependent var 0.006318

S.E. of regression 0.006302 Akaike info criterion -7.294107

Sum squared resid 0.072292 Schwarz criterion -7.285042

Log likelihood 6651.578 Hannan-Quinn criter. -7.290763

F-statistic 5.425353 Durbin-Watson stat 1.846752

Prob(F-statistic) 0.004475

Lampiran 7: Output Eviews 8.0 Uji ARCH Effect

ICSIX

Heteroskedasticity Test: ARCH F-statistic 94.06830 Prob. F(1,1820) 0.0000

Obs*R-squared 89.54354 Prob. Chi-Square(1) 0.0000

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 10/09/16 Time: 14:52

Sample (adjusted): 4 1825

Included observations: 1822 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 2.22E-06 2.61E-07 8.499725 0.0000

RESID^2(-1) 0.221688 0.022857 9.698881 0.0000 R-squared 0.049146 Mean dependent var 2.85E-06

Adjusted R-squared 0.048623 S.D. dependent var 1.11E-05

S.E. of regression 1.08E-05 Akaike info criterion -20.03265

Sum squared resid 2.12E-07 Schwarz criterion -20.02661

Log likelihood 18251.75 Hannan-Quinn criter. -20.03042

F-statistic 94.06830 Durbin-Watson stat 2.039732

Prob(F-statistic) 0.000000

Page 122: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

105

IGSIX

Heteroskedasticity Test: ARCH F-statistic 58.69198 Prob. F(1,1820) 0.0000

Obs*R-squared 56.92087 Prob. Chi-Square(1) 0.0000

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 10/09/16 Time: 14:54

Sample (adjusted): 4 1825

Included observations: 1822 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 1.18E-05 1.15E-06 10.24279 0.0000

RESID^2(-1) 0.176753 0.023072 7.661069 0.0000 R-squared 0.031241 Mean dependent var 1.43E-05

Adjusted R-squared 0.030709 S.D. dependent var 4.78E-05

S.E. of regression 4.70E-05 Akaike info criterion -17.09100

Sum squared resid 4.02E-06 Schwarz criterion -17.08496

Log likelihood 15571.90 Hannan-Quinn criter. -17.08877

F-statistic 58.69198 Durbin-Watson stat 2.026182

Prob(F-statistic) 0.000000

ISIXC

Heteroskedasticity Test: ARCH F-statistic 0.001200 Prob. F(1,1820) 0.9724

Obs*R-squared 0.001201 Prob. Chi-Square(1) 0.9724

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 10/09/16 Time: 14:54

Sample (adjusted): 4 1825

Included observations: 1822 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 3.97E-05 2.82E-05 1.409444 0.1589

RESID^2(-1) -0.000812 0.023440 -0.034641 0.9724 R-squared 0.000001 Mean dependent var 3.97E-05

Adjusted R-squared -0.000549 S.D. dependent var 0.001202

S.E. of regression 0.001202 Akaike info criterion -10.60878

Sum squared resid 0.002629 Schwarz criterion -10.60274

Log likelihood 9666.601 Hannan-Quinn criter. -10.60655

F-statistic 0.001200 Durbin-Watson stat 2.000001

Prob(F-statistic) 0.972370

Page 123: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

106

Lampiran 8: Output Eviews 8.0 Model ARCH/GARCH Terbaik

ICSIX

EGARCH 2,2

Dependent Variable: ICSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 14:38

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 28 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6)

*ABS(RESID(-2)/@SQRT(GARCH(-2))) + C(7)*RESID(-1)

/@SQRT(GARCH(-1)) + C(8)*LOG(GARCH(-1)) + C(9)*LOG(GARCH(

-2)) Variable Coefficient Std. Error z-Statistic Prob. C -4.09E-05 2.88E-05 -1.418971 0.1559

AR(2) 0.276294 0.176814 1.562623 0.1181

MA(2) -0.177580 0.178270 -0.996128 0.3192 Variance Equation C(4) -0.447206 0.049836 -8.973613 0.0000

C(5) 0.455198 0.026498 17.17887 0.0000

C(6) -0.213051 0.029559 -7.207702 0.0000

C(7) -0.035694 0.007226 -4.939578 0.0000

C(8) 0.642187 0.059628 10.76997 0.0000

C(9) 0.335522 0.058125 5.772443 0.0000 R-squared -0.016322 Mean dependent var -2.81E-05

Adjusted R-squared -0.017438 S.D. dependent var 0.001714

S.E. of regression 0.001729 Akaike info criterion -10.42646

Sum squared resid 0.005440 Schwarz criterion -10.39927

Log likelihood 9512.719 Hannan-Quinn criter. -10.41643

Durbin-Watson stat 1.655038 Inverted AR Roots .53 -.53

Inverted MA Roots .42 -.42

Page 124: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

107

IGSIX

EGARCH 2,2

Dependent Variable: IGSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 15:14

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 20 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6)

*ABS(RESID(-2)/@SQRT(GARCH(-2))) + C(7)*RESID(-1)

/@SQRT(GARCH(-1)) + C(8)*LOG(GARCH(-1)) + C(9)*LOG(GARCH(

-2)) Variable Coefficient Std. Error z-Statistic Prob. C -0.000226 5.33E-05 -4.245815 0.0000

AR(2) 0.572836 0.088529 6.470607 0.0000

MA(2) -0.414642 0.093466 -4.436282 0.0000 Variance Equation C(4) -0.567512 0.044749 -12.68206 0.0000

C(5) 0.769879 0.028053 27.44378 0.0000

C(6) -0.417483 0.037386 -11.16686 0.0000

C(7) -0.076787 0.009659 -7.949811 0.0000

C(8) 0.736937 0.043613 16.89714 0.0000

C(9) 0.233517 0.042884 5.445348 0.0000 R-squared -0.018315 Mean dependent var -4.95E-05

Adjusted R-squared -0.019434 S.D. dependent var 0.003821

S.E. of regression 0.003858 Akaike info criterion -8.820102

Sum squared resid 0.027092 Schwarz criterion -8.792909

Log likelihood 8048.523 Hannan-Quinn criter. -8.810071

Durbin-Watson stat 1.588264 Inverted AR Roots .76 -.76

Inverted MA Roots .64 -.64

Page 125: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

108

Lampiran 9: Output Eviews 8.0 Model Peramalan ARIMA

ICSIX Prob. Log

likelihood

Akaike info

criterion

Schwarz

criterion

ARIMA (1,0,1) C 0.6449 9058.145 -9.928887 -9.919826

AR(2) 0.0132

MA(2) 0.0000

ARIMA (2,0,1) C 0.5572 9065.127 -9.941994 -9.932929

AR(2) 0.2733

MA(2) 0.0000

ARIMA (1,0,2) C 0.6306 9053.377 -9.923659 -9.914599

AR(2) 0.0000

MA(2) 0.0014

ARIMA (2,0,2) C 0.4905 9050.703 -9.926169 -9.917105

AR(2) 0.0000

MA(2) 0.0000

ARIMA (3,0,3) C 0.4722 9032.994 -9.912178 -9.903109

AR(2) 0.1788

MA(2) 0.0454

IGSIX Prob. Log

likelihood

Akaike info

criterion

Schwarz

criterion

ARIMA (1,0,1) C 0.7226 7626.064 -8.358623 -8.349563

AR(2) 0.2585

MA(2) 0.0000

ARIMA (2,0,1) C 0.6649 7628.352 -8.365719 -8.356654

AR(2) 0.6473

MA(2) 0.0000

ARIMA (1,0,2) C 0.7166 7624.638 -8.357059 -8.347999

AR(2) 0.0000

MA(2) 0.0054

ARIMA (2,0,2) C 0.5825 7581.167 -8.313952 -8.304887

AR(2) 0.0000

MA(2) 0.0000

ARIMA (3,0,3) C 0.5719 7575.315 -8.312091 -8.303022

AR(2) 0.2538

MA(2) 0.0481

Page 126: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

109

ISIXC Prob. Log

likelihood

Akaike info

criterion

Schwarz

criterion

ARIMA (1,0,1) C 0.4705 6653.585 -7.292308 -7.283247

AR(2) 0.0067

MA(2) 0.0219

ARIMA (2,0,1) C 0.4522 6651.439 -7.293954 -7.28489

AR(2) 0.7403

MA(2) 0.0012

ARIMA (1,0,2) C 0.4875 6652.382 -7.290989 -7.281928

AR(2) 0.0009

MA(2) 0.9465

ARIMA (2,0,2) C 0.4164 6651.578 -7.294107 -7.285042

AR(2) 0.0000

MA(2) 0.0000

ARIMA (3,0,3) C 0.4097 6644.746 -7.29061 -7.281541

AR(2) 0.4412

MA(2) 0.3863

ICSIX

ARIMA 1,0,1

Dependent Variable: ICSIX

Method: Least Squares

Date: 10/09/16 Time: 12:41

Sample (adjusted): 2 1825

Included observations: 1824 after adjustments

Convergence achieved after 16 iterations

MA Backcast: 1 Variable Coefficient Std. Error t-Statistic Prob. C -2.15E-05 4.67E-05 -0.460940 0.6449

AR(1) -0.223896 0.090215 -2.481790 0.0132

MA(1) 0.446253 0.082871 5.384909 0.0000 R-squared 0.052456 Mean dependent var -2.20E-05

Adjusted R-squared 0.051415 S.D. dependent var 0.001733

S.E. of regression 0.001688 Akaike info criterion -9.928887

Sum squared resid 0.005189 Schwarz criterion -9.919826

Log likelihood 9058.145 Hannan-Quinn criter. -9.925544

F-statistic 50.40500 Durbin-Watson stat 1.979414

Prob(F-statistic) 0.000000 Inverted AR Roots -.22

Inverted MA Roots -.45

Page 127: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

110

ARIMA 2,0,1

Dependent Variable: ICSIX

Method: Least Squares

Date: 10/09/16 Time: 12:43

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 6 iterations

MA Backcast: 2 Variable Coefficient Std. Error t-Statistic Prob. C -2.74E-05 4.66E-05 -0.587121 0.5572

AR(2) -0.025973 0.023702 -1.095801 0.2733

MA(1) 0.217260 0.023341 9.308167 0.0000 R-squared 0.043721 Mean dependent var -2.81E-05

Adjusted R-squared 0.042670 S.D. dependent var 0.001714

S.E. of regression 0.001677 Akaike info criterion -9.941994

Sum squared resid 0.005118 Schwarz criterion -9.932929

Log likelihood 9065.127 Hannan-Quinn criter. -9.938650

F-statistic 41.60470 Durbin-Watson stat 2.003332

Prob(F-statistic) 0.000000 Inverted MA Roots -.22

ARIMA 1,0,2

Dependent Variable: ICSIX

Method: Least Squares

Date: 10/09/16 Time: 12:43

Sample (adjusted): 2 1825

Included observations: 1824 after adjustments

Convergence achieved after 6 iterations

MA Backcast: 0 1 Variable Coefficient Std. Error t-Statistic Prob. C -2.28E-05 4.74E-05 -0.480962 0.6306

AR(1) 0.227850 0.023403 9.735897 0.0000

MA(2) -0.076617 0.023960 -3.197748 0.0014 R-squared 0.047490 Mean dependent var -2.20E-05

Adjusted R-squared 0.046444 S.D. dependent var 0.001733

S.E. of regression 0.001692 Akaike info criterion -9.923659

Sum squared resid 0.005216 Schwarz criterion -9.914599

Log likelihood 9053.377 Hannan-Quinn criter. -9.920317

F-statistic 45.39516 Durbin-Watson stat 1.985559

Prob(F-statistic) 0.000000 Inverted AR Roots .23

Inverted MA Roots .28 -.28

Page 128: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

111

ARIMA 2,0,2

Dependent Variable: ICSIX

Method: Least Squares

Date: 10/09/16 Time: 12:44

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 43 iterations

MA Backcast: 1 2 Variable Coefficient Std. Error t-Statistic Prob. C -2.76E-05 4.00E-05 -0.689588 0.4905

AR(2) -0.838261 0.036839 -22.75502 0.0000

MA(2) 0.855924 0.035950 23.80856 0.0000 R-squared 0.028468 Mean dependent var -2.81E-05

Adjusted R-squared 0.027400 S.D. dependent var 0.001714

S.E. of regression 0.001690 Akaike info criterion -9.926169

Sum squared resid 0.005200 Schwarz criterion -9.917105

Log likelihood 9050.703 Hannan-Quinn criter. -9.922825

F-statistic 26.66451 Durbin-Watson stat 1.597823

Prob(F-statistic) 0.000000

ARIMA 3,0,3

Dependent Variable: ICSIX

Method: Least Squares

Date: 10/09/16 Time: 12:44

Sample (adjusted): 4 1825

Included observations: 1822 after adjustments

Convergence achieved after 116 iterations

MA Backcast: 1 3 Variable Coefficient Std. Error t-Statistic Prob. C -3.06E-05 4.25E-05 -0.719029 0.4722

AR(3) -0.157014 0.116737 -1.345025 0.1788

MA(3) 0.233641 0.116670 2.002578 0.0454 R-squared 0.009338 Mean dependent var -3.12E-05

Adjusted R-squared 0.008249 S.D. dependent var 0.001709

S.E. of regression 0.001702 Akaike info criterion -9.912178

Sum squared resid 0.005270 Schwarz criterion -9.903109

Log likelihood 9032.994 Hannan-Quinn criter. -9.908832

F-statistic 8.573057 Durbin-Watson stat 1.584848

Prob(F-statistic) 0.000197 Inverted AR Roots .27+.47i .27-.47i -.54

Inverted MA Roots .31+.53i .31-.53i -.62

Page 129: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

112

IGSIX

ARIMA 1,0,1

Dependent Variable: IGSIX

Method: Least Squares

Date: 10/09/16 Time: 13:25

Sample (adjusted): 2 1825

Included observations: 1824 after adjustments

Convergence achieved after 7 iterations

MA Backcast: 1 Variable Coefficient Std. Error t-Statistic Prob. C -3.86E-05 0.000109 -0.355004 0.7226

AR(1) -0.090758 0.080298 -1.130256 0.2585

MA(1) 0.368200 0.074949 4.912664 0.0000 R-squared 0.073423 Mean dependent var -3.97E-05

Adjusted R-squared 0.072406 S.D. dependent var 0.003843

S.E. of regression 0.003701 Akaike info criterion -8.358623

Sum squared resid 0.024947 Schwarz criterion -8.349563

Log likelihood 7626.064 Hannan-Quinn criter. -8.355281

F-statistic 72.14945 Durbin-Watson stat 1.985982

Prob(F-statistic) 0.000000 Inverted AR Roots -.09

Inverted MA Roots -.37

ARIMA 2,0,1

Dependent Variable: IGSIX

Method: Least Squares

Date: 10/09/16 Time: 13:25

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 6 iterations

MA Backcast: 2 Variable Coefficient Std. Error t-Statistic Prob. C -4.84E-05 0.000112 -0.433200 0.6649

AR(2) 0.011074 0.024203 0.457545 0.6473

MA(1) 0.278983 0.023327 11.95972 0.0000 R-squared 0.069460 Mean dependent var -4.95E-05

Adjusted R-squared 0.068437 S.D. dependent var 0.003821

S.E. of regression 0.003688 Akaike info criterion -8.365719

Sum squared resid 0.024757 Schwarz criterion -8.356654

Log likelihood 7628.352 Hannan-Quinn criter. -8.362375

F-statistic 67.92685 Durbin-Watson stat 2.012655

Prob(F-statistic) 0.000000 Inverted AR Roots .11 -.11

Inverted MA Roots -.28

Page 130: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

113

ARIMA 1,0,2

Dependent Variable: IGSIX

Method: Least Squares

Date: 10/09/16 Time: 13:26

Sample (adjusted): 2 1825

Included observations: 1824 after adjustments

Convergence achieved after 7 iterations

MA Backcast: 0 1 Variable Coefficient Std. Error t-Statistic Prob. C -4.10E-05 0.000113 -0.363051 0.7166

AR(1) 0.284384 0.023341 12.18381 0.0000

MA(2) -0.067721 0.024288 -2.788219 0.0054 R-squared 0.071973 Mean dependent var -3.97E-05

Adjusted R-squared 0.070954 S.D. dependent var 0.003843

S.E. of regression 0.003704 Akaike info criterion -8.357059

Sum squared resid 0.024986 Schwarz criterion -8.347999

Log likelihood 7624.638 Hannan-Quinn criter. -8.353717

F-statistic 70.61387 Durbin-Watson stat 2.002778

Prob(F-statistic) 0.000000 Inverted AR Roots .28

Inverted MA Roots .26 -.26

ARIMA 2,0,2

Dependent Variable: IGSIX

Method: Least Squares

Date: 10/09/16 Time: 13:27

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 13 iterations

MA Backcast: 1 2 Variable Coefficient Std. Error t-Statistic Prob. C -4.89E-05 8.89E-05 -0.549842 0.5825

AR(2) -0.853156 0.045145 -18.89824 0.0000

MA(2) 0.859182 0.045811 18.75510 0.0000 R-squared 0.020020 Mean dependent var -4.95E-05

Adjusted R-squared 0.018943 S.D. dependent var 0.003821

S.E. of regression 0.003785 Akaike info criterion -8.313952

Sum squared resid 0.026072 Schwarz criterion -8.304887

Log likelihood 7581.167 Hannan-Quinn criter. -8.310608

F-statistic 18.59045 Durbin-Watson stat 1.479014

Prob(F-statistic) 0.000000

Page 131: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

114

ARIMA 3,0,3

Dependent Variable: IGSIX

Method: Least Squares

Date: 10/09/16 Time: 13:28

Sample (adjusted): 4 1825

Included observations: 1822 after adjustments

Convergence achieved after 13 iterations

MA Backcast: 1 3 Variable Coefficient Std. Error t-Statistic Prob. C -5.47E-05 9.68E-05 -0.565300 0.5719

AR(3) -0.146929 0.128715 -1.141502 0.2538

MA(3) 0.251515 0.127149 1.978120 0.0481 R-squared 0.013960 Mean dependent var -5.57E-05

Adjusted R-squared 0.012876 S.D. dependent var 0.003813

S.E. of regression 0.003788 Akaike info criterion -8.312091

Sum squared resid 0.026106 Schwarz criterion -8.303022

Log likelihood 7575.315 Hannan-Quinn criter. -8.308745

F-statistic 12.87615 Durbin-Watson stat 1.491322

Prob(F-statistic) 0.000003 Inverted AR Roots .26+.46i .26-.46i -.53

Inverted MA Roots .32+.55i .32-.55i -.63

Page 132: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

115

ISIXC

ARIMA 1,0,1

Dependent Variable: ISIXC

Method: Least Squares

Date: 10/09/16 Time: 13:55

Sample (adjusted): 2 1825

Included observations: 1824 after adjustments

Convergence achieved after 96 iterations

MA Backcast: 1 Variable Coefficient Std. Error t-Statistic Prob. C -0.000122 0.000169 -0.721845 0.4705

AR(1) 0.550213 0.202564 2.716245 0.0067

MA(1) -0.486302 0.212061 -2.293217 0.0219 R-squared 0.007424 Mean dependent var -0.000111

Adjusted R-squared 0.006334 S.D. dependent var 0.006328

S.E. of regression 0.006308 Akaike info criterion -7.292308

Sum squared resid 0.072462 Schwarz criterion -7.283247

Log likelihood 6653.585 Hannan-Quinn criter. -7.288965

F-statistic 6.809969 Durbin-Watson stat 1.972858

Prob(F-statistic) 0.001131 Inverted AR Roots .55

Inverted MA Roots .49

ARIMA 2,0,1

Dependent Variable: ISIXC

Method: Least Squares

Date: 10/09/16 Time: 13:56

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 5 iterations

MA Backcast: 2 Variable Coefficient Std. Error t-Statistic Prob. C -0.000120 0.000160 -0.751880 0.4522

AR(2) 0.007776 0.023461 0.331444 0.7403

MA(1) 0.075780 0.023435 3.233616 0.0012 R-squared 0.005775 Mean dependent var -0.000121

Adjusted R-squared 0.004682 S.D. dependent var 0.006318

S.E. of regression 0.006303 Akaike info criterion -7.293954

Sum squared resid 0.072303 Schwarz criterion -7.284890

Log likelihood 6651.439 Hannan-Quinn criter. -7.290610

F-statistic 5.285761 Durbin-Watson stat 1.999052

Prob(F-statistic) 0.005141 Inverted AR Roots .09 -.09

Inverted MA Roots -.08

Page 133: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

116

ARIMA 1.0.2

Dependent Variable: ISIXC

Method: Least Squares

Date: 10/09/16 Time: 13:56

Sample (adjusted): 2 1825

Included observations: 1824 after adjustments

Convergence achieved after 5 iterations

MA Backcast: 0 1 Variable Coefficient Std. Error t-Statistic Prob. C -0.000111 0.000161 -0.694369 0.4875

AR(1) 0.078013 0.023433 3.329188 0.0009

MA(2) 0.001578 0.023505 0.067129 0.9465 R-squared 0.006114 Mean dependent var -0.000111

Adjusted R-squared 0.005022 S.D. dependent var 0.006328

S.E. of regression 0.006312 Akaike info criterion -7.290989

Sum squared resid 0.072558 Schwarz criterion -7.281928

Log likelihood 6652.382 Hannan-Quinn criter. -7.287646

F-statistic 5.600724 Durbin-Watson stat 1.996625

Prob(F-statistic) 0.003759 Inverted AR Roots .08

ARIMA 2,0,2

Dependent Variable: ISIXC

Method: Least Squares

Date: 10/09/16 Time: 13:57

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 15 iterations

MA Backcast: 1 2 Variable Coefficient Std. Error t-Statistic Prob. C -0.000120 0.000148 -0.812802 0.4164

AR(2) -0.856398 0.082899 -10.33062 0.0000

MA(2) 0.856184 0.083771 10.22057 0.0000 R-squared 0.005927 Mean dependent var -0.000121

Adjusted R-squared 0.004834 S.D. dependent var 0.006318

S.E. of regression 0.006302 Akaike info criterion -7.294107

Sum squared resid 0.072292 Schwarz criterion -7.285042

Log likelihood 6651.578 Hannan-Quinn criter. -7.290763

F-statistic 5.425353 Durbin-Watson stat 1.846752

Prob(F-statistic) 0.004475

Page 134: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

117

ARIMA 3,0,3

Dependent Variable: ISIXC

Method: Least Squares

Date: 10/09/16 Time: 13:58

Sample (adjusted): 4 1825

Included observations: 1822 after adjustments

Convergence achieved after 11 iterations

MA Backcast: 1 3 Variable Coefficient Std. Error t-Statistic Prob. C -0.000125 0.000151 -0.824548 0.4097

AR(3) -0.212011 0.275202 -0.770382 0.4412

MA(3) 0.237757 0.274351 0.866616 0.3863 R-squared 0.001461 Mean dependent var -0.000126

Adjusted R-squared 0.000363 S.D. dependent var 0.006315

S.E. of regression 0.006313 Akaike info criterion -7.290610

Sum squared resid 0.072506 Schwarz criterion -7.281541

Log likelihood 6644.746 Hannan-Quinn criter. -7.287264

F-statistic 1.330373 Durbin-Watson stat 1.848169

Prob(F-statistic) 0.264636 Inverted AR Roots .30+.52i .30-.52i -.60

Inverted MA Roots .31+.54i .31-.54i -.62

Lampiran 10: Output Eviews 8.0 Model ARCH/GARCH

ICSIX Log likelihood Akaike info criterion Schwarz criterion

ARCH 1 9249.999 -10.14262 -10.12751

ARCH 2 9295.242 -10.19116 -10.17303

EGARCH 1,1 9481.711 -10.39464 -10.37349

EGARCH 2,1 9481.711 -10.39464 -10.37349

EGARCH 1,2 9506.267 -10.42048 -10.39631

EGARCH 2,2 9512.719 -10.42646 -10.39927

IGSIX Log likelihood Akaike info criterion Schwarz criterion

ARCH 1 8048.523 -8.820102 -8.792909

ARCH 2 7871.428 -8.629103 -8.610974

EGARCH 1,1 7974.783 -8.741396 -8.720246

EGARCH 2,1 8046.98 -8.819506 -8.795334

EGARCH 1,2 8036.552 -8.808066 -8.783894

EGARCH 2,2 7753.675 -8.501015 -8.485908

Page 135: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

118

ICSIX

ARCH 1

Dependent Variable: ICSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 14:34

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 61 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

GARCH = C(4) + C(5)*RESID(-1)^2 Variable Coefficient Std. Error z-Statistic Prob. C -4.63E-05 2.06E-05 -2.251270 0.0244

AR(2) 0.447219 0.033158 13.48756 0.0000

MA(2) -0.163167 0.035394 -4.610032 0.0000 Variance Equation C 1.10E-06 2.74E-08 40.11042 0.0000

RESID(-1)^2 1.359690 0.056722 23.97105 0.0000 R-squared -0.092411 Mean dependent var -2.81E-05

Adjusted R-squared -0.093611 S.D. dependent var 0.001714

S.E. of regression 0.001792 Akaike info criterion -10.14262

Sum squared resid 0.005847 Schwarz criterion -10.12751

Log likelihood 9249.999 Hannan-Quinn criter. -10.13705

Durbin-Watson stat 1.745264 Inverted AR Roots .67 -.67

Inverted MA Roots .40 -.40

ARCH 2

Dependent Variable: ICSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 14:35

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 25 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*RESID(-2)^2 Variable Coefficient Std. Error z-Statistic Prob. C -7.45E-05 2.64E-05 -2.824986 0.0047

AR(2) 0.525971 0.022428 23.45126 0.0000

MA(2) -0.139522 0.025064 -5.566670 0.0000 Variance Equation

Page 136: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

119

C 8.09E-07 2.68E-08 30.15925 0.0000

RESID(-1)^2 1.010608 0.040660 24.85532 0.0000

RESID(-2)^2 0.275772 0.029068 9.487116 0.0000 R-squared -0.164473 Mean dependent var -2.81E-05

Adjusted R-squared -0.165753 S.D. dependent var 0.001714

S.E. of regression 0.001851 Akaike info criterion -10.19116

Sum squared resid 0.006233 Schwarz criterion -10.17303

Log likelihood 9295.242 Hannan-Quinn criter. -10.18447

Durbin-Watson stat 1.783292 Inverted AR Roots .73 -.73

Inverted MA Roots .37 -.37

EGARCH 1,1

Dependent Variable: ICSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 14:36

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 34 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6)

*RESID(-1)/@SQRT(GARCH(-1)) + C(7)*LOG(GARCH(-1)) Variable Coefficient Std. Error z-Statistic Prob. C -4.92E-05 3.07E-05 -1.604835 0.1085

AR(2) 0.338878 0.203813 1.662686 0.0964

MA(2) -0.244419 0.209029 -1.169306 0.2423 Variance Equation C(4) -0.353442 0.028385 -12.45150 0.0000

C(5) 0.184015 0.008019 22.94728 0.0000

C(6) -0.028211 0.005031 -5.607214 0.0000

C(7) 0.981943 0.001952 502.9960 0.0000 R-squared -0.016925 Mean dependent var -2.81E-05

Adjusted R-squared -0.018042 S.D. dependent var 0.001714

S.E. of regression 0.001729 Akaike info criterion -10.39464

Sum squared resid 0.005443 Schwarz criterion -10.37349

Log likelihood 9481.711 Hannan-Quinn criter. -10.38683

Durbin-Watson stat 1.652114 Inverted AR Roots .58 -.58

Inverted MA Roots .49 -.49

Page 137: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

120

EGARCH 2,1

Dependent Variable: ICSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 14:36

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 34 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6)

*RESID(-1)/@SQRT(GARCH(-1)) + C(7)*LOG(GARCH(-1)) Variable Coefficient Std. Error z-Statistic Prob. C -4.92E-05 3.07E-05 -1.604835 0.1085

AR(2) 0.338878 0.203813 1.662686 0.0964

MA(2) -0.244419 0.209029 -1.169306 0.2423 Variance Equation C(4) -0.353442 0.028385 -12.45150 0.0000

C(5) 0.184015 0.008019 22.94728 0.0000

C(6) -0.028211 0.005031 -5.607214 0.0000

C(7) 0.981943 0.001952 502.9960 0.0000 R-squared -0.016925 Mean dependent var -2.81E-05

Adjusted R-squared -0.018042 S.D. dependent var 0.001714

S.E. of regression 0.001729 Akaike info criterion -10.39464

Sum squared resid 0.005443 Schwarz criterion -10.37349

Log likelihood 9481.711 Hannan-Quinn criter. -10.38683

Durbin-Watson stat 1.652114 Inverted AR Roots .58 -.58

Inverted MA Roots .49 -.49

EGARCH 1,2

Dependent Variable: ICSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 14:37

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 42 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6)

*RESID(-1)/@SQRT(GARCH(-1)) + C(7)*LOG(GARCH(-1)) + C(8)

*LOG(GARCH(-2)) Variable Coefficient Std. Error z-Statistic Prob. C -4.58E-05 2.99E-05 -1.530658 0.1259

AR(2) 0.389722 0.203479 1.915292 0.0555

MA(2) -0.305656 0.208737 -1.464312 0.1431

Page 138: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

121

Variance Equation C(4) -0.696900 0.063305 -11.00862 0.0000

C(5) 0.355328 0.017866 19.88902 0.0000

C(6) -0.032034 0.009351 -3.425809 0.0006

C(7) 0.287197 0.033059 8.687288 0.0000

C(8) 0.676943 0.032816 20.62861 0.0000 R-squared -0.015918 Mean dependent var -2.81E-05

Adjusted R-squared -0.017035 S.D. dependent var 0.001714

S.E. of regression 0.001728 Akaike info criterion -10.42048

Sum squared resid 0.005438 Schwarz criterion -10.39631

Log likelihood 9506.267 Hannan-Quinn criter. -10.41156

Durbin-Watson stat 1.645445 Inverted AR Roots .62 -.62

Inverted MA Roots .55 -.55

EGARCH 2,2

Dependent Variable: ICSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 14:38

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 28 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6)

*ABS(RESID(-2)/@SQRT(GARCH(-2))) + C(7)*RESID(-1)

/@SQRT(GARCH(-1)) + C(8)*LOG(GARCH(-1)) + C(9)*LOG(GARCH(

-2)) Variable Coefficient Std. Error z-Statistic Prob. C -4.09E-05 2.88E-05 -1.418971 0.1559

AR(2) 0.276294 0.176814 1.562623 0.1181

MA(2) -0.177580 0.178270 -0.996128 0.3192 Variance Equation C(4) -13.80825 0.031406 -439.6731 0.0000

C(5) 0.893182 0.028097 31.78938 0.0000

C(6) 0.351213 0.020812 16.87575 0.0000

C(7) 0.123597 0.027103 4.560330 0.0000 R-squared -0.016322 Mean dependent var -2.81E-05

Adjusted R-squared -0.017438 S.D. dependent var 0.001714

S.E. of regression 0.001729 Akaike info criterion -10.42646

Sum squared resid 0.005440 Schwarz criterion -10.39927

Log likelihood 9512.719 Hannan-Quinn criter. -10.41643

Durbin-Watson stat 1.655038 Inverted AR Roots .53 -.53

Page 139: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

122

Inverted MA Roots .42 -.42

IGSIX

ARCH 1

Dependent Variable: IGSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 15:10

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 27 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

GARCH = C(4) + C(5)*RESID(-1)^2 Variable Coefficient Std. Error z-Statistic Prob. C -0.000294 5.44E-05 -5.400009 0.0000

AR(2) 0.471961 0.027939 16.89268 0.0000

MA(2) -0.205373 0.028517 -7.201806 0.0000 Variance Equation C 5.16E-06 1.26E-07 40.93059 0.0000

RESID(-1)^2 1.121745 0.061938 18.11071 0.0000 R-squared -0.055737 Mean dependent var -4.95E-05

Adjusted R-squared -0.056897 S.D. dependent var 0.003821

S.E. of regression 0.003928 Akaike info criterion -8.820102

Sum squared resid 0.028088 Schwarz criterion -8.792909

Log likelihood 8048.523 Hannan-Quinn criter. -8.495442

Durbin-Watson stat 1.654173 Inverted AR Roots .69 -.69

Inverted MA Roots .45 -.45

ARCH 2

Dependent Variable: IGSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 15:11

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 25 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*RESID(-2)^2 Variable Coefficient Std. Error z-Statistic Prob. C -0.000311 5.50E-05 -5.656293 0.0000

Page 140: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

123

AR(2) 0.567862 0.025478 22.28817 0.0000

MA(2) -0.139320 0.024413 -5.706724 0.0000 Variance Equation C 3.30E-06 1.06E-07 31.13924 0.0000

RESID(-1)^2 0.930820 0.055155 16.87631 0.0000

RESID(-2)^2 0.396593 0.026388 15.02943 0.0000 R-squared -0.158068 Mean dependent var -4.95E-05

Adjusted R-squared -0.159341 S.D. dependent var 0.003821

S.E. of regression 0.004114 Akaike info criterion -8.629103

Sum squared resid 0.030810 Schwarz criterion -8.610974

Log likelihood 7871.428 Hannan-Quinn criter. -8.622416

Durbin-Watson stat 1.731192 Inverted AR Roots .75 -.75

Inverted MA Roots .37 -.37

EGARCH 1,1

Dependent Variable: IGSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 15:12

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 49 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6)

*RESID(-1)/@SQRT(GARCH(-1)) + C(7)*LOG(GARCH(-1)) Variable Coefficient Std. Error z-Statistic Prob. C -9.28E-05 4.53E-05 -2.048204 0.0405

AR(2) -0.869817 0.040708 -21.36711 0.0000

MA(2) 0.886667 0.036650 24.19311 0.0000 Variance Equation C(4) -1.071070 0.058099 -18.43534 0.0000

C(5) 0.448252 0.014703 30.48732 0.0000

C(6) -0.054425 0.009068 -6.001711 0.0000

C(7) 0.930673 0.004848 191.9582 0.0000 R-squared 0.018996 Mean dependent var -4.95E-05

Adjusted R-squared 0.017918 S.D. dependent var 0.003821

S.E. of regression 0.003787 Akaike info criterion -8.741396

Sum squared resid 0.026100 Schwarz criterion -8.720246

Log likelihood 7974.783 Hannan-Quinn criter. -8.733594

Durbin-Watson stat 1.484628

Page 141: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

124

EGARCH 2,1

Dependent Variable: IGSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 15:12

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 24 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6)

*ABS(RESID(-2)/@SQRT(GARCH(-2))) + C(7)*RESID(-1)

/@SQRT(GARCH(-1)) + C(8)*LOG(GARCH(-1)) Variable Coefficient Std. Error z-Statistic Prob. C -0.000254 5.66E-05 -4.478707 0.0000

AR(2) 0.557948 0.078024 7.150973 0.0000

MA(2) -0.375627 0.082879 -4.532260 0.0000 Variance Equation C(4) -0.424653 0.030825 -13.77622 0.0000

C(5) 0.811074 0.026455 30.65828 0.0000

C(6) -0.545553 0.026203 -20.82009 0.0000

C(7) -0.075372 0.007815 -9.644749 0.0000

C(8) 0.977990 0.002284 428.1812 0.0000 R-squared -0.025129 Mean dependent var -4.95E-05

Adjusted R-squared -0.026255 S.D. dependent var 0.003821

S.E. of regression 0.003871 Akaike info criterion -8.819506

Sum squared resid 0.027273 Schwarz criterion -8.795334

Log likelihood 8046.980 Hannan-Quinn criter. -8.810589

Durbin-Watson stat 1.603091 Inverted AR Roots .75 -.75

Inverted MA Roots .61 -.61

EGARCH 1,2

Dependent Variable: IGSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 15:13

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 33 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6)

*RESID(-1)/@SQRT(GARCH(-1)) + C(7)*LOG(GARCH(-1)) + C(8)

*LOG(GARCH(-2)) Variable Coefficient Std. Error z-Statistic Prob.

Page 142: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

125

C -0.000199 5.58E-05 -3.558035 0.0004

AR(2) 0.646242 0.100870 6.406690 0.0000

MA(2) -0.541614 0.108113 -5.009699 0.0000 Variance Equation C(4) -1.129001 0.067299 -16.77597 0.0000

C(5) 0.612382 0.018148 33.74298 0.0000

C(6) -0.072444 0.012825 -5.648600 0.0000

C(7) 0.288312 0.024255 11.88672 0.0000

C(8) 0.647564 0.025581 25.31401 0.0000 R-squared -0.007716 Mean dependent var -4.95E-05

Adjusted R-squared -0.008823 S.D. dependent var 0.003821

S.E. of regression 0.003838 Akaike info criterion -8.808066

Sum squared resid 0.026810 Schwarz criterion -8.783894

Log likelihood 8036.552 Hannan-Quinn criter. -8.799149

Durbin-Watson stat 1.553074 Inverted AR Roots .80 -.80

Inverted MA Roots .74 -.74

EGARCH 2,2

Dependent Variable: IGSIX

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 10/09/16 Time: 15:14

Sample (adjusted): 3 1825

Included observations: 1823 after adjustments

Convergence achieved after 20 iterations

MA Backcast: 1 2

Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(4) + C(5)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(6)

*ABS(RESID(-2)/@SQRT(GARCH(-2))) + C(7)*RESID(-1)

/@SQRT(GARCH(-1)) + C(8)*LOG(GARCH(-1)) + C(9)*LOG(GARCH(

-2)) Variable Coefficient Std. Error z-Statistic Prob. C -0.000226 5.33E-05 -4.245815 0.0000

AR(2) 0.572836 0.088529 6.470607 0.0000

MA(2) -0.414642 0.093466 -4.436282 0.0000 Variance Equation C(4) -0.567512 0.044749 -12.68206 0.0000

C(5) 0.769879 0.028053 27.44378 0.0000

C(6) -0.417483 0.037386 -11.16686 0.0000

C(7) -0.076787 0.009659 -7.949811 0.0000

C(8) 0.736937 0.043613 16.89714 0.0000

C(9) 0.233517 0.042884 5.445348 0.0000 R-squared -0.018315 Mean dependent var -4.95E-05

Adjusted R-squared -0.019434 S.D. dependent var 0.003821

S.E. of regression 0.003858 Akaike info criterion -8.820102

Page 143: ANALISIS VOLATILITAS DAN VALUE AT RISK PADA SUKUK ...repository.uinjkt.ac.id/dspace/bitstream/123456789/38750/1/SHEFA... · Judul Skripsi : Analisis Volatilitas Dan Value at Risk

126

Sum squared resid 0.027092 Schwarz criterion -8.792909

Log likelihood 8048.523 Hannan-Quinn criter. -8.810071

Durbin-Watson stat 1.588264 Inverted AR Roots .76 -.76

Inverted MA Roots .64 -.64