OLS Harian Sederhana: Z-Score Rupiah vs VIX dan Risiko Spurious Regression (5 Bulan Terakhir)

Artikel ini dibuat untuk pembaca awam yang ingin memahami cara kerja regresi OLS dengan bahasa sederhana. Contohnya memakai dua variabel harian: z-score rupiah sebagai variabel dependen dan VIX sebagai variabel independen.

Kali ini jendela datanya diperbarui menjadi 5 bulan terakhir. Tujuannya tetap sama: memberi contoh belajar yang mudah dibaca, sekaligus menunjukkan bahwa model time series yang tampak rapi belum tentu benar secara ekonomi.

Apa itu OLS?

OLS adalah singkatan dari Ordinary Least Squares. Sederhananya, ini metode untuk mencari garis terbaik yang paling pas dengan data. Garis itu dipakai untuk melihat apakah satu variabel cenderung bergerak bersama variabel lain.

Dalam contoh ini, OLS dipakai sebagai alat belajar untuk melihat apakah perubahan VIX berkaitan dengan perubahan z-score rupiah. Jadi, ini bukan model final untuk kesimpulan kausal.

Data yang Dipakai

• Z-score rupiah: dihitung ulang dari level USD/IDR harian.
• VIX: indeks volatilitas pasar yang sering dipakai sebagai indikator sentimen risiko global.

Kenapa dua data ini dipakai? Karena keduanya sama-sama bergerak harian dan mudah dijelaskan ke orang awam. Itu cocok untuk menunjukkan masalah umum di data runtun waktu: dua seri bisa tampak saling terkait hanya karena sama-sama bergerak dalam periode yang sama.

Periode yang dipakai di sini adalah 5 bulan terakhir dengan total 104 observasi. Hasilnya tetap bersifat ilustratif, bukan hasil final penelitian.

Chart Ringkas 5 Bulan Terakhir

Grafik berikut merangkum rata-rata bulanan dua variabel agar pembaca bisa menangkap arah pergerakan umum secara cepat.

Grafik ini hanya ringkasan, bukan pengganti analisis statistik. Yang penting adalah membangun intuisi: dua seri bisa naik-turun bersama, tetapi itu belum berarti ada hubungan yang stabil.

Spesifikasi Model

Model yang dipakai:

z_score_t = α + β VIX_t + ε_t

• α: intercept.
• β: arah dan besar hubungan VIX terhadap z-score.
• ε: error yang tidak dijelaskan model.

Hasil Regresi

Variable	Coef.	Std. Err.	t-stat
Constant	1.7459	0.4992	3.4973
VIX	-0.0885	0.0249	-3.5596
N	104
R-squared	0.1105
Adj. R-squared	0.1018

Secara statistik, hasil ini terlihat lebih “hidup” dibanding sampel pendek sebelumnya. Koefisien VIX negatif dan signifikan secara statistik dalam sampel ini. Tetapi untuk pembaca awam, pesan terpentingnya bukan sekadar angka signifikan — melainkan bahwa signifikan tidak otomatis berarti kausal.

Karena ini data time series, kita tetap perlu hati-hati. Jika seri-seri punya tren, autokorelasi, atau pola bersama, OLS bisa memberi kesan hubungan yang terlalu percaya diri. Di sinilah risiko spurious regression muncul.

Kenapa Hasil Ini Masih Sementara?

Karena modelnya masih sangat sederhana. Belum ada uji stationarity, belum ada lag structure, belum ada pengecekan autokorelasi, dan belum ada transformasi yang lebih tepat untuk data runtun waktu.

Jadi, anggap hasil ini sebagai contoh belajar. Cocok untuk memahami ide dasar OLS, tapi belum cukup untuk klaim ekonomi yang final.

FAQ

1. Kenapa pakai z-score?
Supaya nilai rupiah lebih mudah dibaca dalam skala standar.

2. Kenapa pakai VIX?
Karena VIX mudah dijelaskan sebagai indikator kepanikan atau ketidakpastian pasar global.

3. Apakah hasil ini bisa dijadikan kesimpulan final?
Belum. Ini masih contoh awal.

4. Apa risiko utamanya?
Spurious regression: hubungan yang tampak nyata padahal hanya muncul karena pola waktu.

5. Kalau mau analisis yang lebih serius?
Perlu cek stationarity, autokorelasi, lag, dan model time series yang lebih tepat.

Kesimpulan

Untuk pembaca awam, inti artikel ini sederhana: OLS bisa dipakai untuk melihat hubungan awal, tetapi pada data time series kita tidak boleh langsung percaya hasilnya. Data 5 bulan terakhir memang memberi sinyal yang lebih jelas, namun tetap perlu dibaca sebagai langkah awal, bukan akhir.

Kalau ingin lanjut belajar dari fondasi, masuk ke kelas berikut: