Metode analisis data adalah menggunakan one-way analysis of variance
(ANOVA), karena hanya mempertimbangkan satu faktor yang menyebabkan
variasi. ANOVA merupakan prosedur pengujian hipotesis yang digunakan
untuk mengevaluasi perbedaan rata-rata antar dua populasi atau lebih
(Gravetter dan Wallnau, 2007 : 389). Metode ini menganalisis apakah ada
perbedaan variabilitas laba pada perdagangan mata uang asing berdasarkan
metode analisis teknikal yang digunakan.
H0 : µ1 = µ2 = µ3 = µ4 = µ5
H1 : µ1 ≠ µ2 ≠ µ3 ≠ µ4 ≠ µ5
keterangan :
µ1 = rata-rata laba dengan menggunakan SMA 3 dan 9
µ2 = rata-rata laba dengan menggunakan SMA 6 dan 15
µ3 = rata-rata laba dengan menggunakan SMA 9 dan 21
µ4 = rata-rata laba dengan menggunakan SMA 12 dan 27
µ5 = rata-rata laba dengan menggunakan SMA 15 dan 33
Level signifikansi atau alpha (£) yang digunakan dalam penelitian ini adalah 0,05. Jika nilai F yang diperoleh berada di daerah kritis, maka H0 ditolak dan H1 diterima.
a. H0 diterima atau H1 ditolak apabila – t£ ≤ t ≤ t£ ; atau probabilitas signifikannya lebih besar dari 5% atau 0,05.
b. H0 ditolak atau H1 diterima apabila t < -t£ atau t > t£ ; atau probabilitas signifikannya lebih kecil dari 5% atau 0,05.
Beberapa notasi yang digunakan dalam ANOVA (Gravetter dan Wallnau, 2007 : 397-398) :
- Jumlah populasi ditulis sebagai k. Dalam penelitian ini k = 3, yaitu data harga dari GBPUSD, EURUSD, dan AUDUSD.
- Banyaknya nilai yang diperoleh pada setiap populasi ditulis sebagai n.
Dalam penelitian ini, nilai adalah jumlah indikator beli dan jual
yang diberikan oleh MAs. Jumlah nilai pada tiap populasi akan
berbeda-beda, tergantung pada karakteristik dan volatilitas setiap
pasangan mata uang.
- Banyaknya nilai dari semua populasi ditulis sebagai N. Jika n adalah konstan untuk setiap populasi, maka N = kn.
- Penjumlahan nilai (∑X) pada setiap populasi ditulis sebagai T. Dalam penelitian ini, T merupakan jumlah pip yang diperoleh setiap pasangan mata uang selama transaksi dalam periode penelitian.
- Penjumlahan nilai dari semua populasi ditulis sebagai G. Atau G = ∑T.
1) Formula ANOVA
Hasil perhitungan akhir ANOVA adalah F-ratio, yang diperoleh dari dua varians (Gravetter dan Wallnau, 2007 : 398-399) :
F = varians antar populasi / varians didalam populasi
Sedangkan varians = s2 = SS
df
SS dan df yang akan dihitung adalah masing-masing untuk varians antar populasi (numerator F) dan varians didalam populasi (denominator F). Untuk memperoleh nilai SS dan df ini, ada dua analisis terpisah yang harus dilakukan, yaitu : Pertama, menghitung SS untuk semua studi dan menganalisa SS tersebut dalam dua komponen (antar populasi dan didalam populasi). Kedua, menghitung df untuk semua studi dan menganalisa df tersebut dalam dua komponen (diantara dan didalam populasi).
2) Analisis Sum of Squares (SS)
Ada tiga komponen SS yang perlu dihitung. Pertama adalah total Sum of Squares, yang kemudian dibagi menjadi dua komponen : SS antar populasi dan SS didalam populasi. (Gravetter dan Wallnau, 2007 : 399-401)
1. Sum of Squares total, SStotal. SStotal merupakan SS dari semua nilai N. Rumus adalah sebagai berikut :
SS total = ∑X2 – G2
N
2. Sum of Squares didalam populasi, SSdidalam populasi. Ini adalah variabilitas didalam masing-masing populasi.
SSdidalam populasi = ∑SSdidalam setiap populasi
3. Sum of Squares antar populasi, SSantar populasi . Perhitungan SSantar populasi ini cukup dengan mencari selisih sisa setelah SStotal dikurangi SSdidalam populasi.
Cara lain yang langsung untuk menghitung SSantar populasi adalah dengan menghitung SS untuk semua rata-rata sampel.
SSantar populasi = n(SSrata-rata)
3) Analisis Degrees of Freedom (df)
Sama seperti analisis SS, pertama-tama df akan dihitung untuk semua nilai N, yang kemudian dibagi menjadi dua komponen : df antar populasi dan df didalam populasi. Setiap nilai df berhubungan dengan satu nilai SS yang spesifik. (Gravetter dan Wallnau, 2007 : 402-403)
1. Degrees of Freedom total, dftotal. Nilai dftotal berhubungan dengan nilai SStotal. Karena nilai SS mengukur variabilitas untuk semua nilai N, maka rumus untuk menghitung nilai df adalah :
dftotal = N – 1
2. Degrees of Freedom didalam populasi, dfdidalam populasi. Nilai dfdidalam populasi berhubungan dengan SSdidalam populasi.
dfdidalam populasi = ∑(n – 1) = ∑dfdidalam setiap populasi
3. Degrees of Freedom antar populasi, dfantar populasi. Nilai dfantar populasi berhubungan dengan nilai SSantar populasi.
dfantar populasi = k – 1
Pada rumus dan SS dan df terdapat istilah total, didalam populasi, dan antar populasi. Definisinya adalah sebagai berikut (Gravetter dan Wallnau, 2007 : 403) :
- Total, mengacu pada keseluruhan nilai. SS dihitung untuk keseluruhan nilai N, dan nilai df adalah N – 1.
- Didalam populasi, mengacu pada perbedaan yang ada didalam masing-masing populasi. SS dan df dihitung didalam masing-masing populasi secara terpisah.
- Antar populasi, mengacu pada perbedaan antar satu populasi dengan populasi lainnya.
4) Perhitungan Varians (MS) dan F-ratio
Tahap berikutnya dalam ANOVA adalah menghitung varians antar populasi dan varians didalam populasi, sehingga kemudian F-ratio dapat dihitung. Dalam ANOVA, istilah mean square atau MS sering digunakan sebagai ganti istilah varians. Rumus untuk menghitung MS adalah sebagai berikut (Gravetter dan Wallnau, 2007 : 404) :
MS (varians) = s2 = SS
df
5) Distribusi F-hitung
Dalam ANOVA, F-hitung dibuat
sehingga numerator dan denominator rasio mengukur varians yang sama
besarnya apabila hipotesis nol benar. Dalam situasi ini, diharapkan
nilai F ada disekitar 1 dengan memperhatikan distribusi F-hitung. Ada dua karakteristik F-hitung (Gravetter dan Wallnau, 2007 : 406) :
- Karena F-hitung dihitung dari dua varians (numerator dan denominator), nilai F akan selalu positif.
- Ketika H0 benar, numerator dan denominator dari F-hitung
mengukur varians yang sama. Dalam hal ini, kedua sampel varians
harus berada pada ukuran yang kurang lebih sama, sehingga rasionya
harus dekat dengan 1. Dengan kata lain, distribusi F-hitung harus berada di sekitar 1.
Setelah itu, membandingkan nilai F-hitung dengan F-tabel dengan daerah penerimaan H0 dan H1. H0 diterima apabila F-hitung lebih kecil dari titik kritis dan H0 ditolak apabila F-hitung lebih besar dari titik kritis. Jika dengan membandingkan probabilitas signifikan dan £ 5% atau 0,05, maka (Gravetter dan Wallnau, 2007 : 407) :
H0 diterima apabila probabilitas signifikan > 5 % atau 0,05
H1 diterima apabila probabilitas signifikan < 5 % atau 0,05
Referensi :
Gravetter, Frederick J. and Wallnau, Larry B. (2007), “Statistics for the Behavioral Sciences,” Thomson Wadsworth, Seventh Edition.