ANALISIS PORTOFOLIO SAHAM-SAHAM TERPILIH INDEKS LQ 45
PUSPA ERVILLIA
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa tesis berjudul Analisis Portofolio Saham–Saham Terpilih Indeks LQ 45 adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam daftar pustaka di bagian akhir tesis ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juli 2013 Puspa Ervillia NIM H251090181
RINGKASAN PUSPA ERVILLIA. Analisis Portofolio Saham – Saham Terpilih Indeks LQ 45. Dibimbing oleh ABDUL KOHAR IRWANTO dan MA‟MUN SARMA. Tujuan investasi adalah untuk mendapatkan tingkat pengembalian yang besar (return). Semakin tinggi return yang diharapkan maka semakin tinngi juga risiko yang akan ditanngung. Risiko investasi dapat diperkecil dengan membentuk portofolio investasi. Saham merupakan salah satu pilihan investasi. Tujuan penelitian adalah untuk (1) Menganalisis nilai return dan risiko portofolio saham dari kombinasisaham-saham terpilihdengan metode Mean Variance dan metode Mean Absolute Deviation, (2) Menganalisis nilaiValue at Risk dari portofolio saham yang terbentuk(3) Menganalisis korelasi antara penghitungan returnportofolio pada metode Mean Variance dan metode Mean Absolute Deviationsertakorelasi penghitungan risikoportofolio antara metode Mean Variancedan metode Mean Absolute Deviation dan (4) Menganalisis perbedaan penghitungan returnportofolio pada metode Mean Variance dan metode Mean Absolute Deviationsertaperbedaan penghitungan risikoportofolio antara metode Mean Variancedan metode Mean Absolute Deviation. Penelitianini mempunyai empat skenario investasi. Setiap skenario terdiri dari 84 portofolio yang terbentuk dari tiga saham terpilih. Saham–saham terpilih dari Indeks LQ 45 periode Februari–Juli 2013. Saham–saham terpilih itu adalah LSIP, ITMG, INTP, ASII, GGRM, LPKR, JSMR, BBNI, dan UNTR. Saham– saham ini dipilih karena saham–saham ini stabil di Indeks LQ 45 selama 3 tahun dan memiliki nilai return tertinggi pada masing–masing sektornya. Proporsi nilai investasi pada skenario kesatu dan skenario ketiga pada semua saham sama yaitu 33, 33%. Skenariokedua dan skenario keempat, proporsi nilai investasi tergantung pada peringkat return saham di masing-masing portofolio. saham yang memiliki nilai return tertinggi proporsi nilai investasinya adalah 50%, selanjutnya untuk peringkat kedua proporsi nilai investasinya 30% dan terkecil proporsi nilai investasinya 20%. Data yang digunakan pada skenario kesatu dan skenario kedua adalah data harga saham bulanan dari tahun 2008–2012. Padaskenario ketiga dan keempat datayang digunakan adalah data harga saham harian selama 100 hari dari bulan Januari–Juni 2013. Portofolio–portofolio yang terbentuk dihitung nilai return dan risiko berdasarkan skenario yang dibuat dengan metode Mean Variancedan Mean Absolute Deviation. Nilai return portofolioyang dihasilkan pada semua skenario lebih tinggi daripada nilai return saham–saham pembentuknya. Nilai return yang dihasilkan metode Mean Variancesama dengan Mean Absolute Deviation. Nilairisiko portofolio yang dihasilkan oleh metode Mean Variancelebih kecil dibandingkan nilai risiko yang dihasilkan oleh metode Mean Absolute Deviation. Penelitian ini juga meneliti nilai risiko maksimal yang dihasilkan oleh portofolio–portofolio yang dibentuk sesuai dengan empat skenario yang ada. Nilai risiko maksimal atau biasa disebut dengan Value at Risk dicari dengan metode kovarian. Portofolio yang dibentuk oleh saham-saham yang memiliki nilai risiko besar mempunyai nilai VaR yang besar. Uji korelasi penghitungan return pada metode Mean Variancedan metode Mean Absolute Deviation menghasilkan bahwa ada hubungan signifikan antara
kedua metode tersebut. Hal ini sejalan dengan uji beda penghitungan return pada metode Mean Variancedan metode Mean Absolute Deviationdi mana tidak ada perbedaan anatara kedua metode tersebut dalam penghitungan return.Ujikorelasi penghitungan risikopada metode Mean Variancedan metode Mean Absolute Deviationmenghasilkan tidak ada hubungan antara kedua metode tersebut dalam penghitungan risiko portofolio. Sehingga uji beda yang dilakukan menunjukkan adanya perbedaan penghitungan risikopada metode Mean Variancedan metode Mean Absolute Deviation. Kata kunci : Mean Absolute Deviation, Mean Variance, portofolio, saham, Value at Risk.
SUMMARY PUSPA ERVILLIA. Analysis of Selected Portfolio Stocks Index LQ 45. Supervised byABDUL KOHAR IRWANTO and MA‟MUN SARMA. Investment objective is to get a great rate of return. The higher the expected return, the higher the risk. Investment risk can be minimized by establishing an investment portfolio. Stock is one investment option.Research objectives are, (1) to analyze the return value and the risk of a stock portfolio combinations of stocks chosen by Mean Variance and Mean Absolute Deviation method, (2) to analyze Value at Risk of a portfolio of stocks that is formed, (3) to analyze the correlation between the portfolio return calculation of Mean Variance and Mean Absolute Deviation method as well as the correlation between the portfolio risk calculation of Mean Variance and Mean Absolute Deviation method, and (4) to analyze the differences in calculating portfolio return of Mean Variance and Mean Absolute Deviation method as well as calculating the difference between the portfolio risk of Mean Variance and Mean Absolute Deviation method. This study consists of four investment scenarios. Each scenario consists of 84 portfolios, which are formed from three selected stocks. Stocks selected from LQ 45 period from February to July 2013. The selected stocks are LSIP, ITMG, INTP, ASII, GGRM, LPKR, JSMR, BBNI, and UNTR. Stocks have been because these stocks stable at LQ 45 for 3 years and has the highest return on the value of each sector. Proportion of investment in the first scenario and three scenarios at all equal stocks, namely 33,33%. Secondscenario and the fourth scenario, the proportion of the value of the investment depends on the ranking of stock returns in each portfolio. Stocks that have the highest proportion of the value of its investment return is 50%, then to the second rank, the proportion of 30% of the investment value and the smallest proportion of 20% of its investment. The data used in the first scenario and the second scenario is the monthly stock price data from the year 2008 to 2012. While the data used in the third and fourth scenario is the daily stock price data for 100 days from January - June 2013. Portfolios are formed calculated values return and risk based scenarios created by the method of mean variance and mean absolute deviation. The resulting portfolio return value in all scenarios is higher than return value of the constituent stocks. Value return who generated method of mean variance equal with the mean absolute deviation.Valueof the portfolio risk generated by mean variance is smaller than value of risk generated by the mean absolute deviation. Value of portfolio risk in the first and second scenario almost all less than value of the risk of its constituent stocks. Therisk value of the portfolio at second and third scenario is greater than risk of its constituent stocks. Proportion value of investment and the amount of of data which used one of the factors determinants of value of risk the portfolio. This study also examined the maximum risk value generated by portfolios formed according to the four scenarios. Maximum risk value or commonly referred to as value at risk searched by covariance methode. Portfolios formed by stocks that have great value risk, VaR has great value.
Correlation test of calculation of return on mean variance method and mean absolute deviationmethode result that there is a significant relationship between the two methods. This is consistent with calculation of return on the different test mean variance and mean absolute deviation method in which there are no differences between the two methods in calculating returns.Correlationof risk calculation on the mean variance method and the mean absolute deviation method produces no correlation between the two methods in calculating portfolio risk. So that different test conducted showed the difference in the risk calculation method of mean variance and mean absolute deviation method. Keys word: Mean Absolute Deviation, Mean Variance, Portfolio, Stock, Value at Risk.
© Hak Cipta Milik IPB, Tahun 2013 Hak Cipta Dilindungi Undang-Undang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB
ANALISIS PORTOFOLIO SAHAM-SAHAM TERPILIH INDEKS LQ 45
PUSPA ERVILLIA
Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Ilmu Manajemen
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013
Penguji Luar Komisi : Prof Dr Ir W H Limbong, MS
Judul Tesis : Analisis Portofolio Saham-Saham Terpilih Indeks LQ 45 Nama : Puspa Ervillia NIM : H251090181
Disetujui oleh
Komisi Pembimbing
~------~~-----------
Dr Ir Abdul Kohar Irwanto, MSC Ketua
Dr Ir Ma'mun Sarma, MS, MEC
Anggota
Diketahui oleh
Ketua Program Studi
Ilmu Manajemen
Dr Ir Abdul Kohar Irwanto, MSC
Tanggal Ujian: 28 Juni 2013
Tanggal Lulus:
D1 AUG 20 IJ
Judul Tesis : Analisis Portofolio Saham–Saham Terpilih Indeks LQ 45 Nama : Puspa Ervillia NIM : H251090181 Disetujui oleh Komisi Pembimbing
Dr IrAbdul Kohar Irwanto, MSC Ketua
Dr Ir Ma‟mun Sarma,MS,MEC Anggota
Diketahui oleh
Ketua Program Studi Ilmu Manajemen
Dr IrAbdul Kohar Irwanto, MSC
Tanggal Ujian: 28 Juni 2013
Dekan Sekolah Pascasarjana
Dr Ir Dahrul Syah, MScAgr
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2013 ini ialah portofolio saham, dengan judul Analisis Portofolio Saham– Saham Terpilih Indeks LQ 45. Terima kasih penulis ucapkan kepada Bapak Dr Ir Abdul Kohar dan Bapak Dr Ir Ma‟mun Sarma selaku pembimbing. Ungkapan terima kasih juga disampaikan kepada Almarhum ayahanda Bapak Achmad Buchori, ibu Sudarnani, suami saya Agustiawan Hidayat, adik-adik saya Nita, Septi dan Enggar serta seluruh keluarga, atas segala doa dan kasih sayangnya. Semoga karya ilmiah ini bermanfaat.
Bogor, Juli 2013 Puspa Ervillia
DAFTAR ISI DAFTAR TABEL
v
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
1 PENDAHULUAN
1
Latar Belakang Perumusan Masalah Tujuan Penelitian Ruang Lingkup Penelitian 2 TINJAUAN PUSTAKA Investasi Pasar Keuangan Pasar Modal Tingkat Pengembalian (Return) dan Risiko Menghitung Return Yang Diharapkan Menghitung Risiko Portofolio Mean Absolute Deviation Menghitung Return yang Diharapkan dari Portofolio Menghitung Risiko Portofolio Penelitian Terdahulu 3 METODE Kerangka Pemikiran Penelitian Waktu Penelitian Jenis dan Sumber Data Jumlah Sampel dan Metode Penarikan Sampel Teknik Pengambilan Data Pengolahan dan Analisis Data 4 HASIL DAN PEMBAHASAN Kondisi Umum Objek Penelitian Tingkat Pengembalian (Return) Portofolio Mean Variance Mean Absolute Deviation Value at Risk (VaR) Uji Statistik
1 3 4 4 4
4 5 5 6 7 7 8 9 10 10 11 13
13 14 15 15 15 16 18
18 23 26 28 30 31
SIMPULAN dan SARAN
43
DAFTAR PUSTAKA
44
LAMPIRAN
46
DAFTAR TABEL 1. 2. 3.
4.
5. 6. 7.
8.
9. 10. 11.
12.
13. 14. 15.
16.
17. 18.
Nilai return dan risiko saham-saham terpilih 18 Nilai retun rata-rata dan risiko rata-rata saham-saham terpilih 100 hari 25 Hasil uji korelasi penghitungan return portofolio metode Mean Variance dan penghitungan return portofolio metode Mean Absolute Deviation skenario kesatu 32 Hasil uji korelasi penghitungan risiko portofolio metode Mean Variance dan penghitungan risiko portofolio metode Mean Absolute Deviation skenario kesatu 33 Hasil uji beda penghitungan return metode Mean Variance dan penghitungan return metode Mean Absolute Deviation skenario kesatu 34 Hasil uji beda penghitungan risiko metode Mean Variance dan penghitungan risiko metode Mean Absolute Deviation skenario kesatu 35 Hasil uji korelasi penghitungan return portofolio metode Mean Variance dan penghitungan return portofolio metode Mean Absolute 36 Deviation skenario kedua Hasil uji korelasi penghitungan risiko portofolio metode Mean Variance dan penghitungan risiko portofolio metode Mean Absolute Deviation skenario kedua 36 Hasil uji beda penghitungan return metode Mean Variance dan penghitungan return metode Mean Absolute Deviation skenario kedua 37 Hasil uji beda penghitungan risiko metode Mean Variance dan penghitungan risiko metode Mean Absolute Deviation skenario kedua 37 Hasil uji korelasi penghitungan return portofolio metode Mean Variance dan penghitungan return portofolio metode Mean Absolute Deviation skenario ketiga 38 Hasil uji korelasi penghitungan risiko portofolio metode Mean Variance dan penghitungan risiko portofolio metode Mean Absolute Deviation skenario kedua 39 Hasil uji beda penghitungan return metode Mean Variance dan penghitungan return metode Mean Absolute Deviation skenario ketiga 39 Hasil uji beda penghitungan risiko metode Mean Variance dan penghitungan risiko metode Mean Absolute Deviation 40 Hasil uji korelasi penghitungan return portofolio metode Mean Variance dan penghitungan return portofolio metode Mean Absolute Deviation skenario ketiga 41 Hasil uji korelasi penghitungan risiko portofolio metode Mean Variance dan penghitungan risiko portofolio metode Mean Absolute Deviation skenario kedua 41 Hasil uji beda penghitungan return metode Mean Variance dan penghitungan return metode Mean Absolute Deviation skenario ketiga 42 Hasil uji beda penghitungan risiko metode Mean Variance dan penghitungan risiko metode Mean Absolute Deviation skenario keempat 43
DAFTAR GAMBAR 1. Hubungan return dan risiko instrumen keuangan (Tendelilin 2001) 2. Grafik pergerakan harga saham-saham yang stabil di Indeks LQ 45 dari Tahun 2008 - 2012 3. Kerangka Pemikiran
1 2 14
DAFTAR LAMPIRAN 1. Hasil penghitungan return dan risiko saham-saham yang stabil di Indeks LQ 45 dari Agustus 2010 - Juli 2013 46 2. Hasil penghitungan nilai return, risiko dan VaR pada skenario kesatu 47 3. Hasil penghitungan nilai return, risiko dan VaR pada skenario kedua 49 4. Hasil penghitungan nilai return, risiko dan VaR pada skenario ketiga 51 5. Hasil penghitungan nilai return, risiko dan VaR pada skenario keempat 53 6. Tabel rekapitulasi penelitian 56
1
1 PENDAHULUAN Latar Belakang Tujuan utama orang melakukan investasi adalah untuk menghasilkan sejumlah uang. Menurut Alwi (2007) investasi adalah penanaman uang atau modal dalam suatu perusahaan atau proyek untuk tujuan memperoleh keuntungan. Konsep dasar investasi yang akan menjadi dasar pijakan dalam setiap tahap pembuatan keputusan investasiadalah tingkat pengembalian (return) yang diharapkan dan risiko yang akan ditanggung oleh investor. Return dan risiko mempunyai hubungan yang searah dan linier. Artinya semakin besar risiko yang harus ditanggung, maka semakin tinggi tingkat return yang diharapkan (Husnan 2003). Tendelilin (2001) menggambarkan hubungan return dan risiko pada pilihan instrumen keuangan yang dapat dijadikan pilihan investasi. Salah satu instrumen keuangan adalah saham, di mana nilai return saham lebih besar dibandingkan obligasi. Sedangkan obligasi adalah instrumen keuangan yang paling kecil tingkat pengembaliannya. Walaupun saham memiliki risiko yang lebih besar daripada obligasi, tetapi risiko pada saham lebih kecil dibandingkan instrumen keuangan lainnya seperti opsi dan kontrak future. Ilustrasi hubungan return dan risiko pada instrumen keuangan dapat dilihat pada Gambar 1. Tingkat bunga bebas risiko
Opsi „put‟ &‟call‟
Obligasi perusahaan Returnyangdiharapkan
Kontrak „futures‟
Saham
Ekuitas internasional
Obligasi pemerintah Garis pasar modal
Risiko rendah
Risiko moderat
Risiko diatas rata-rata
Risiko sedang
Risiko tinggi
Risiko
Gambar 1Hubungan return dan risiko instrumen keuangan (Tendelilin 2001) Transaksi jual dan beli saham di Indonesia dilakukan di Bursa Efek Indonesia (BEI).Bursa Efek Indonesia mempunyai sembilan sektor usaha yaitu 1. Pertanian 2. Pertambangan 3. Industri dasar dan kimia 4. Aneka industri 5. Barang konsumsi 6. Properti, real estate dan konstruksi bangunan
2
7. Infrastruktur, utilitas dan transportasi 8. Perbankan 9. Perdangan, Jasa dan investasi. Bursa Efek Indonesia jugamempunyai 11 indeks harga saham. Indeks harga saham adalah indikator atau cerminan pergerakan harga saham. Indeks merupakan salah satu pedoman bagi investor untuk melakukan investasi di pasar modal, khususnya saham (BEI 2011). Salah satuindeks pada Bursa efek Indonesia adalah Indeks LQ 45 yaituindeks yang terdiri dari 45 saham perusahaan tercatat (emiten) yang dipilih berdasarkan pertimbangan likuiditas dan kapitalisasi pasar, dengan kriteria-kriteria yang sudah ditentukan. Review dan penggantian saham dilakukan setiap 6 bulan.Dalam Buku Panduan Indeks 2010 kriteria pemilihan saham-saham yang termasuk dalam Indeks LQ 45 yaitu 1. Telah tercatat di BEI minimal 3 bulan. 2. Aktivitas transaksi di pasar reguler yaitu nilai, volume dan frekuensi transaksi. 3. Jumlah hari perdagangan di pasar reguler. 4. Kapitalisasi pasar pada periode waktu tertentu. 5. Selain mempertimbangkan kriteria likuiditas dan kapitalisasi pasar tersebut di atas, akan dilihat juga keadaan keuangan dan prospek pertumbuhan perusahaan tersebut.
350000
Harga (Rp)
300000 250000 200000 150000 100000 50000
Oct-12
Jul-12
Apr-12
Jan-12
Oct-11
Jul-11
Apr-11
Jan-11
Oct-10
Jul-10
Apr-10
Jan-10
Oct-09
Jul-09
Jan-09
Apr-09
Oct-08
Jul-08
Apr-08
Jan-08
0
Periode (per 4 bulan) AALI
ANTM
ASII
BBCA
BBNI
BBRI
BDMN
BMRI
BUMI
GGRM
INCO
INDF
INTP
ITMG
JSMR
KLBF
LPKR
LSIP
PGAS
PTBA
SMGR
TLKM
UNTR
UNVR
Gambar 2Grafik pergerakan harga saham-saham yang stabil di Indeks LQ 45 dari Tahun 2008 – 2012
3
Saham-saham pada Indeks LQ 45 akan menjadi pilihan investasi bagi investor karena nilai likuiditas dan kapaitalisasi pasar yang tinggi menjadi jaminan bagi investor. Gambar 2 merupakan grafik pergerakan harga sahamsaham yang stabil di Indeks LQ 45 dari Tahun 2008–2012. Bisa dilihat pergerakan saham–saham pada Indeks LQ 45 hampir sama di mana pada Tahun 2008 ketika sebagian besar negara–negara di dunia mengalami krisis, harga saham–saham pun menurun tetapi semakin hari harga saham pun meningkat. Hal ini mengindikasikan bahwa masih banyak investor yang berminat berinvestasi pada saham–saham ini karena kinerja perusahaan yang bagus. Jika seseorang telah menginvestasikan seluruh dananya hanya dalam bentuk saham tunggal, maka bisa dipastikan dia akan mengalami kebangkrutan jika harga saham yang dimiliki mengalami penurunan. Risiko pada saham tunggal diharapkan dapat diminimalis dengan menggabungkannya dalam portofolio. Husnan (2003) portofolio berarti sekumpulan investasi. Teori portofolio membahas proses seleksi berbagai portofolio yang optimum, yaitu portofolio yang memberikan hasil pengembalian tertinggi pada suatu tingkat risiko tertentu, atau tingkat risiko rendah dengan suatu hasil tertentu. Hary M. Markowitz (1952) telah membuktikan bahwa risiko berinvestasi dapat dikurangi dengan menggabungkan beberapa aset-aset keuangan dalam suatu portofolio. Model portofolio Markowitz memang bisa membantu investor dalam menghitung nilai return yang diharapkan dan risiko yang akan ditanggung, tetapi model yang dikenal dengan Mean Variance(MV) memerlukan perhitungan dengan menggunakan kovarians yang terlalu kompleks. Selain dengan menggunakan MeanVariance, Konno dan Yamazaki (1991) mengenalkan metode Mean Absolute Deviation (MAD) sebagai alternatif dari model yang dikenalkan oleh Markowitz. Model MAD menggunakan absolute deviation sebagai parameter untuk risiko. Pembentukan portofolio merupakan salah satu usaha memaksimalkan return yang diharapkan pada tingkat risiko tertentu. Salah satu alat ukur untuk mengestimasi risiko adalah Value at Risk. Menurut Best (1998) Value at Riskadalah metode pengukuran risiko secara statistik yang memperkirakan kerugian maksimum yang mungkin terjadi atas suatu portofolio pada tingkat kepercayaan (level of confident) tertentu. Nilai VaR selalu disertai dengan nilai kemungkinan yang menunjukkan seberapa mungkin kerugian yang terjadi apakah lebih besar atau lebih kecil dari nilai VaR.
Perumusan Masalah Tingkat pengembalian (return) bagi seorang investor sangatlah penting, tetapi investor harus melihat risiko yang akan ditanggungnya juga. Hal itu yang akan menjadi pertimbangan seorang investor akan memilih berinvestasi pada saham tunggal atau beberapa saham dalam portofolio. Dari alasan tersebut penelitian ini dilakukan dengan perumusan masalah sebagai berikut: 1. Bagaimana nilai return dan risiko portofoliosaham dari kombinasisahamsaham terpilihdengan metode Mean Variance dan metode Mean Absolute Deviation? 2. Bagaimana nilai Value at Risk dari portofoliosaham yang terbentuk?
4
3. Bagaimana korelasi antara penghitungan returnportofolio pada metode Mean Variance dan metode Mean Absolute Deviationsertakorelasi penghitungan risikoportofolioantara metode Mean Variancedan metode Mean Absolute Deviation? 4. Apakah terdapat perbedaan penghitungan returnportofolio pada metode Mean Variance dan metode Mean Absolute Deviationsertaperbedaan penghitungan risikoportofolioantara metode Mean Variancedan metode Mean Absolute Deviation?
Tujuan Penelitian Tujuan penelitian ini ada beberapa antara lain: 1. Menganalisis nilai return dan risiko portofolio saham dari kombinasisahamsaham terpilihdengan metode Mean Variance dan metode Mean Absolute Deviation. 2. Menganalisis nilaiValue at Risk dari portofolio saham yang terbentuk. 3. Menganalisiskorelasi antara penghitungan returnportofolio pada metode Mean Variance dan metode Mean Absolute Deviationsertakorelasi penghitungan risikoportofolio antara metode Mean Variancedan metode Mean Absolute Deviation. 4. Menganalisisperbedaan penghitungan returnportofolio pada metode Mean Variance dan metode Mean Absolute Deviationsertaperbedaan penghitungan risikoportofolio antara metode Mean Variancedan metode Mean Absolute Deviation.
Ruang Lingkup Penelitian Penelitian menggunakan data sekunder dan hanya pada perusahaanperusahaan yang tergabung di Indeks LQ 45di Bursa Efek Jakarta periode Februari–Juli 2013. Penelitian ini dilaksanakan lebih mendalam hanya pada saham–saham terpilih yang dilakukan pada penelitian ini dengan beberapa kriteria yang sudah ditentukan.
2 TINJAUAN PUSTAKA Investasi Tandelilin (2001) mengatakan investasi adalah komitmen atas sejumlah dana dan sumberdaya lainnya yang dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan di masa datang. Seorang investor membeli sejumlah saham saat ini dengan harapan memperoleh keuntungan dari kenaikan harga saham ataupun sejumlah dividen dimasa akan datang, sebagai imbalan atas waktu dan risiko yang terkait dengan investasi tersebut. Istilah investasi bisa berkaitan dengan berbagai macam aktivitas. Menginvestasikan sejumlah dana
5
pada aset riil (tanah, emas, mesin atau bangunan), maupun aset finansial (deposito, saham ataupun obligasi) merupakan aktivitas investasi yang umum dilakukan. Bagi investor yang pintar dan lebih berani menanggung risiko, aktivitas investasi yang mereka lakukan juga bisa mencakup investasi pada asetaset finansial lainnya yang lebih kompleks seperti warrants, option, dan futures maupun ekuitas internasional.
Pasar Keuangan Perpindahan dana dari unit yang surplus tabungan atau perolehan dana dari unit yang defisit tabungan menciptakan aktiva keuangan (financial asets) dan kewajiban keuangan (financial liabilities). Misalnya, dana yang disimpan dalam rekening tabungan di sebuah bank merupakan aktiva keuangan pada neraca pribadi spemegang rekening tetapi merupakan perkiraan kewajiban bagi lembaga keuangan tersebut. Sebaliknya, suatu pinjaman ke lembaga keuangan merupakan aktiva keuangan pada neracanya tetapi merupakan kewajiban keuangan bagi peminjamnya. Bermacam-macam klaim keuangan, termasuk surat promes (sory notes), obligasi, dan saham biasa, diterbitkan oleh unit-unit defisit tabungan (Copeland dan Weston 1997). Perbedaan segmen pasar keuangan dicirikan oleh perbedaan pengaruh permintaan dan penawaran. Jika harta dan kewajiban keuangan diperjual-belikan mempunyai jatuh tempo kurang satu tahun, maka transaksi itu tergolong pasar uang (money market). Jika jatuh tempo lebih dari satu tahun, maka transaksinya tergolong pasar modal (capital market). Walaupun modal yang sebenarnya dalam arti ekonomi biasanya dinyatakan dalam bentuk barang (seperti pabrik, mesin dan alat-alat), instrumen keuangan jangka panjang pada akhirnya dianggap sebagai hak atau klaim atas sumberdaya yang sebenarnya dalam sistem perekonomian. Berdasarkan alasan tersebut, pasar di mana instrumen keuangan jangka panjang diperdagangkan dianggap sebagai pasar modal (Copeland dan Weston 1997).
Pasar Modal Pasar modal adalah pertemuan antara pihak yang memiliki kelebihan dana dengan pihak yang membutuhkan dana dengan cara memperjualbelikan sekuritas. Dengan demikian, pasar modal juga bisa diartikan sebagai pasar untuk memperjualbelikan sekuritas yang umumnya memiliki umur lebih dari satu tahun, seperti saham dan obligasi. Sedangkan tempat di mana terjadinya jual beli sekuritas disebut bursa efek (Tendelilin 2001). Menurut Husnan (2003), secara formal pasar modal dapat didefinisikan sebagai pasar untuk berbagai instrument keuangan (atau sekuritas) jangka panjang yang bisa diperjualbelikan, baik dalam bentuk hutang ataupun modal sendiri, baik diterbitkan oleh pemerintah, public authorities, maupun perusahaan swasta. Dengan demikian pasar modal merupakan konsep yang lebih sempit dari pasar keuangan (financial market). Pasar modal dapat juga berfungsi sebagai lembaga perantara (intermediaries). Fungsi ini menunjukkan peran penting pasar modal dapat dihubungkan pihak yang membutuhkan dana dengan pihak yang mempunyai
6
kelebihan dana. Disamping itu, pasar modal dapat mendorong terciptanya alokasi dana yang efisien, karena dengan adanya pasar modal maka pihak yang kelebihan dana (investor) dapat memilih alternatif investasi yang memberikan return yang paling optimal (Tendelilin 2001). Tendelilin (2001) mengatakan dana yang didapatkan perusahaan melalui penjualan sekuritas (saham) merupakan hasil perdagangan saham-saham perusahaan yang dilakukan di pasar perdana. Di pasar perdana inilah perusahaan untuk pertama kalinya menjual sekuritasnya dan prose situ disebut dengan istilah Initial Public Offering (IPO) atau penawaran umum. Setelah sekuritas tersebut dijual perusahaan di pasar perdana, barulah kemudian sekuritas diperjualbelikan oleh investor-investor di pasar sekunder atau dikenal juga dengan pasar regular. Transaksi yang dilakukan investor di pasar sekunder tidak akan memberikan tambahan dana lagi bagi perusahaan yang menerbitkan sekuritas (emiten), karena transaksi hanya terjadi atar investor, bukan dengan perusahaan.
Tingkat Pengembalian (Return) dan Risiko Bagian yang sulit dalam pengambilan keputusan dalam ketidakpastian adalah berapa banyak hasil pengembalian ekstra yang dibutuhkan untuk menerima suatu tingkat risiko yang terukur. Tujuan investor dalam berinvestasi adalah memaksimalkan return, tanpa melupakan faktor risiko investasi yang harus dihadapinya. Menurut Tandelilin (2001) return merupakan salah satu faktor yang memotivasi investor berinvestasi dan juga merupakan imbalan atas keberanian investor untuk menanggung risiko atas investasi yang dilakukannya. Sumbersumber return investasi terdiri dari dua komponen utama, yaitu yield dan capital gain (loss). Yield merupakan komponen return yang mencerminkan aliran kas atau pendapatan yang diperoleh secara periodic dari suati investasi. Sedangkan capital gain (loss) sebagi komponen kedua dari return merupakan kenaikan (penurunan)harga suatu surat berharga, yang bisa memberikan keuntungan (kerugian) bagi investor. Selain return, investor juga mempertimbangkan tingkat risiko suatu investasi sebagai dasar keputusan investasi. Tandelilin (2001) mengatakan risiko merupakan kemungkinan perbedaan antara return actual yang diterima dengan return yang diharapkan. Semakin besar kemungkinan perbedaannya, berarti semakin besar risiko investasi tersebut. Menurut Keown et all (2005) risiko adalah penyimpangan arus kas yang mungkin terjadi di masa yang akan datang. Semakin besar rentang penyimpangan yang mungkin terjadi, maka akan semakin besar risikonya. Copeland dan Weston (1997) membedakan tiga jenis sikap terhadap risiko, yaitu yang senang mengambil risiko (risk seeker), anti risiko (risk aversion), dan acuh (indifferences) terhadap risiko. Kelompok pengambil risiko adalah mereka yang senang mengambil risiko. Jika mereka dihadapkan dengan dua pilihan, yaitu investasi yang kurang atau lebih berisiko dengan perkiraan jumlah hasil yang sama, maka seorang pengambil risiko akan lebih suka memilih jenis investasi yang mengandung lebih berisiko. Tetapi dengan kondisi yang sama, seorang penghindar risiko akan cenderung menjatuhkan keputusannya pada jenis investasi
7
yang kurang mengandung risiko. Sementara itu seorang yang acuh terhadap risiko tidak akan peduli akan jenis investasi mana yang akan diambil.
Menghitung Return Yang Diharapkan Tendelilin (2001) untuk mengestimasi return sekuritas sebagai aset tunggal (stand-alone risk), investor harus memperhitungkan setiap kemungkinan terwujudnya tingkat return tertentu, atau yang lebih dikenal dengan probabilitas kejadian. Sedangkan hasil perkiraan return yang akan terjadi dan probabilitasnya disebut sebagai distribusi probabilitas. Dengan kata lain, distribusi probabilitas menunjukkan spesifikasi berapa tingkat return yang akan diperoleh dan berapa probabilitas terjadinya return tersebut. Estimasi return suatu sekuritas dilakukan dengan menghitung return yang diharapkan atas sekuritas tersebut. Perhitungan return yang diharapkan bisa dilakukan dengan menghitung rata-rata dari semua return yang mungkin terjadi, dan setiap return yang mungkin terlebih dahulu sudah diberi bobot berdasarkan probabalitas kejadiannya. Secara matematis, rumus untuk menghitung return yang diharapkan dari sebuah sekuritas bisa dituliskan dalam persamaan berikut: ....................................................................(1) Di mana E(R) = return yang diharapkan dari suatu sekuritas Ri = return ke-I yang mungkin terjadi pri = probabilitas kejadian return ke-i n = banyaknya return yang mungkin terjadi
Menghitung Risiko Investor harus mampu menghitung risiko dari suatu investasi. Untuk menghitung besarnya risiko total yang dikaitkan dengan return yang diharapkan dari suatu investasi, bisa kita lakukan dengan menghitung varians dan standar deviasi return investasi bersangkutan. Varians maupun standar deviasi merupakan ukuran besarnya penyebaran distribusi probabilitas, yang menunjukkan seberapa besar varians atau standar deviasi investasi tersebut. Untuk menghitung varians, maupun standar deviasi (merupakan akar kuadarat varians), kita harus menghitung terlebih dahulu distribusi return yang diharapkan. Secara matematis, rumus untuk menghitung varians dan standar deviasi, biasa dituliskan sebagai berikut: -
............................................(2)
Dan .................................................. (3) Di mana σ2 = varians return σ = standar deviasi E(R) = return yang diharapkan dari sebuah sekuritas Ri = return ke-I yang mungkin terjadi
8
pri = probabilitas kejadian return ke-i Dalam pengukuran risiko sekuritas kita juga perlu menghitung risiko relatif sekuritas tersebut. Risiko relatif ini menunjukkan risiko per unit return yang diharapkan. Hal ini diperlukan karena informasi risiko yang hanya berupa varians dan standar deviasi kadangkala bisa menyesatkan, terutama jika terdapat penyebaran return diharapkan yang sangat besar. Ukuran risiko relatif yang biasa dipakai adalah koefisien variasi. Rumus untuk menghitung koefisien variasi adalah: ..................................(4) .............................................................(5)
Portofolio Pemodal menghadapi kesempatan investasi yang berisiko, pilihan investasi tidak dapat hanya mengandalkan pada tingkat keuntungan yang diharapkan. Apabila pemodal mengharapkan untuk memperoleh tingkat keuntungan yang tinggi, maka ia harus bersedia menanggung risiko yang tinggi pula. Salah satu karakteristik investasi pada sekuritas adalah kemudahan untuk membentuk portofolio investasi. Artinya, pemodal dapat dengan mudah menyebar (melakukan divesifikasi) investasinya pada berbagai kesempatan investasi (Husnan 2003). Copeland dan Weston (1997) mengemukan kombinasi beberapa aktiva yang mengandung risiko, dalam bentuk portofolio, merupakan sekumpulan peluang investasi bagi para investor. Yang dimaksud dengan portofolio adalah kombinasi atau gabungan berbagai aktiva. Teori portofolio membahas proses seleksi berbagai portofolio yang optimim, yaitu portofolio yang memberikan hasil pengembalian tertinggi pada suatu tingkat risiko tertentu, atau tingkat risiko rendah dengan suatu hasil tertentu. Markowirz (1952), ”Portfolio of securities is an integrated whole, each security complementing the other”. Husnan (2003) portofolio berarti sekumpulan investasi. Tahapan awal dalam pembentukan portofolio menyangkut identifikasi sekuritas-sekuritas mana yang akan dipilih, dan berapa proporsi dana yang akan ditanamkan pada masing-masing sekuritas tersebut. Investor untuk menurunkan risiko portofolio perlu melakukan diversifikasi. Diversifikasi dalam pernyataan tersebut bisa bermakna bahwa investor perlu membentuk portofolio sedemikian rupa hingga risiko dapat diminimalkan tanpa mengurangi return yang diharapkan. Mengurangi risiko tanpa mengurangi return adalah tujuan investor dalam berinvestasi. Beberapa investor berpendapat bahwa diversifikasi portofolio bisa saja dilakukan dengan memfokuskan pilihan hanya pada satu kelas aset, saham misalnya. Pertanyaan yang muncul adalah, saham perusahaan mana saja yang harus dimasukkan dalam portofolio, dan berapa dana yang akan dialokasikan dalam masing-masing saham yang dipilih. Berdasarkan kedua gambar dan situasi tersebut, terlihat bahwa investor perlu melakukan diversifikasi pada berbagai aset untuk meminimalkan risiko. Diversifikasi dibagi dua yaitu : 1. Diversifikasi random.
9
Diversifikasi random terjadi ketika investor menginvestasikan dananya secara acak pada berbagai jenis saham yang berbeda atau pada berbagai jenis aset yang berbeda dan berharap bahwa varians return sebagai ukuran risiko portofolio tersebut akan bisa diturunkan. Dalam hal ini, investor memilih asetaset yang akan dimasukkan kedalam portofolio tanpa terlalu memperhatikan karakteristik aset-aset bersangkutan. 2. Diversifikasi Markowitz. Untuk memperoleh manfaat pengurangan risiko yang lebih optimal dari diversifikasi, tentunya kita tidak bisa mengabaikan begitu saja informasiinformasi penting tentang karakteristik aset-aset yang akan dimasukkan dalam portofolio, seperti yang dilakukan dalam diversifikasi random. Diversifikasi yang lebih efisien dari diversifikasi secara random, adalah diversifikasi berdasarkan model Henry Markowitz. Kontribusi penting dari ajaran Markowitz adalah bahwa risiko portofolio tidak boleh dihitung dari penjumlahan semua risiko aset-aset yang ada dalam portofolio, tetapi harus dihitung dari kontribusi risiko aset tersebut terhadap risiko portofolio, atau diistilahkan dengan kovarians. Kovarians adalah suatu aturan absolut yang menunjukkan sejauh mana return dari kedua sekuritas dalam portofolio cenderung untuk bergerak secara bersama-sama. Kovarian adalah suatu aturan absolut yang menunjukkan sejauh mana dua variabel mempunyai kecenderungan untuk bergerak secara bersama-sama. Dalam konteks manajemen portofolio, kovarians menunjukkan sejauh mana return dari kedua sekuritas dalam portofolio cenderung untuk bergerak secara bersama-sama. Kovarians bisa berbentuk angka positif, negatif ataupun nol. Sebagai contoh, misalnya kita menggabungkan dua sekuritas A dan B. Kovarians positif berarti kecenderungan dua sekuritas bergerak dalam arah yang sama, jika return sekuritas A naik, maka return sekuritas B juga akan mengalami kenaikan, demikian sebaliknya. Kovarians negatif berarti bahwa return dua buah sekuritas cenderung untuk bergerak menuju arah yang berkebalikan, jika return sekuritas A naik, maka returnsekuritas B turun, demikian sebaliknya. Sedangkan kovarian nol mengindikasikan bahwa pergerakan dua buah sekuritas bersifat independen satu dengan lainnya. Secara matematis, rumus untuk menghitung kovarians dua buah sekuritas A dan B adalah: ...................................(6) Di mana σAB= kovarians antara sekuritas A dan B RA,i = return sekuritas A pada saat i E(RA) = nilai yang diharapkan dari return sekuritas A m = jumlah hasil sekuritas yang mungkin terjadi pada periode tertentu pri = probabilitas kejadian return ke-i
Mean Absolute Deviation Konno dan Yamazaki (1991) mengusulkan model optimisasi portofolio dengan metode Mean Absolute Deviation (MAD) sebagai alternatif untuk mode Mean Variance (MV). Mereka mengklaim metode ini dapat melengkapi semua
10
fitur-fitur positif dari model Mean Variance (MV), menghemat waktu proses komputasi dan tidak membutuhkan Matriks Covariance. Simaan (1997) pada jurnalnya menunjukkan bahwa mengabaikan hasil dari Matriks Covariancedalam model MAD akan menghasilkan kehilangan informasi yang dapat menimbulkan kesalahan estimasi yang lebih besar. Pada kedua model, kesalahan estimasi lebih besar terjadi pada bentuk sampel yang lebih kecil (pengamatan yang kecil tergantung juga terhadap jumlah aset) dan untuk investor yang tidak takut dengan risiko tinggi. Model MV dengan estimasi risiko terendah sangat cocok untuk sampel yang kecil dan untuk investor yang memilih risiko rendah.
Menghitung Return yang Diharapkan dari Portofolio Return yang diharapkan dari portofolio bisa diestimasi dengan menghitung rata-rata tertimbang dari return yang diharapkan dari masing-masing aset individual yang ada dalam portofolio. Persentase nilai portofolio yang diinvestasikan dalam setiap aset-aset individual dalam portofolio disebut sebagai “bobot portofolio”, yang dilambangkan dengan W. Jika seluruh bobot portofolio dijumlahkan, akan berjumlah total 100% atau 1,0, artinya seluruh dana telah diinvestasikan dalam portofolio. Rumus untuk menghitung return yang diharapkan dari portofolio adalah sebagai berikut: .............................................................(7) Di mana: E(Rp) = return yang diharapkan dari portofolio Wi = bobot portofolio sekuritas ke-i E(Ri) = return yang diharapkan dari sekuritas ke-i N = jumlah sekuritas-sekuritas yang ada dalam portofolio
Menghitung Risiko Portofolio Menghitung risiko portofolio tidak sama dengan menghitung return portofolio, karena risiko portofolio bukan merupakan rata-rata tertimbang risiko masing-masing sekuritas individual dalam portofolio. Penelitian ini akan mengukur tingkat risiko portofolio dengan menggunakan metode Value at Risk(VAR). VaR adalah metode pengukuran risiko yang mempunyai kelebihan yaitu dapat diaplikasikan ke seluruh produk-produk finansial yang diperdagangkan. Angka yang didapatkan merupakan hasil perhitungan secara agregrat atau menyeluruh terhadap risiko produk-produk sebagai satu kesatuan. VaR juga memberikan estimasi kemungkinan atau probabilitas mengenai timbulnya kerugian yang telah ditentukan. Var juga memperhatikan perubahan harga aset-aset yang ada dan pengaruhnya terhadap aset-aset yang lain. Hal ini memungkinkan dilakukan pengukuran terhadap berkurangnya risiko yang diakibatkan oleh diversifikasi kelompok produk atau portofolio (Sartono dan setiawan 2006). Salah satu metode dalam VAR adalah metode kovarian. Dengan menggunakan ukuran kovarians seperti yang telah dibahas, kita bisa menghitung
11
besarnya risiko portofolio, baik yang terdiri dari dua buah sekuritas maupun n sekuritas. Dalam menghitung risiko portofolio, ada tiga hal yang perlu ditentukan, yaitu varians setiap sekuritas, kovarians antara satu sekuritas dengan sekuritas lainnya dan bobot portofolio untuk masing-masing sekuritas 1. Dua sekuritas Untuk mengukur risiko portofolio yang terdiri dari dua sekuritas, kita bisa menghitung standar deviasi return kedua sekuritas tersebut. Secara matematis, rumus yang dipakai adalah: ...............................(8) Di mana: σp = standar deviasi portofolio WA = bobot portofolio pada aset A ρAB = koefisien korelasi aset A dan B 2. N-sekuritas Rumus untuk mengitung standar deviasi untuk dua buah sekuritas di atas bisa diperluas untuk menghitung risiko portofolio yang terdiri dari n-sekuritas. Ukuran yang dipakai adalah varians return dan n-sekuritas adalah: ..........................................................(9) Di mana: σ2p = varians return portofolio σ2i = varians return sekuritas i σ2j = varians return sekuritas j Wi = bobot atau porsi dana yang diinvestasikan pada sekuritas i
Penelitian Terdahulu Markowitz (1952) mengatakan proses dari pemilihan portofolio dapat dibagi menjadi dua tahap. Tahap pertama dimulai dengan pengamatan dan pengalaman danberakhir dengan keyakinan tentang kinerja masa depan sekuritas yang tersedia. Tahap kedua dimulai dengan keyakinan yang relevan tentang kinerja masa depan dan diakhiri dengan pilihan portofolio. Dalam jurnalnya lebih ke proses tahapan kedua. Di mana Markowitz pertama mempertimbangkan aturan bahwa investor harus memaksimalkan diskon yang diharapkan, atau pengantisipasian tingkat pengembalian. Aturan ini ditolak baik sebagai hipotesis untuk menjelaskan perilaku investasi, dan untuk memaksimumkan perilaku investasi. Selanjutnya mempertimbangkan aturan bahwa investor harus mempertimbangkan kembali hal yang diharapkan atau diinginkan dan variasi pengembalian yang tidak diinginkan. Aturan ini memiliki poin suara banyak, baik untuk memaksimumkan dan sebagai hipotesis tentang perilaku investasi. Markowitz menggambarkan hubungan geometris antara keyakinan dan pilihan portofolio dalam aturan varians pengembalian yang diharapkan dari tingkat pengembalian (return). Indraty (2002) dalam penelitiannya berjudul, “Optimalisasi pemanfaatan limit dalam pengelolaan portofolio ForeignExchange melalui pendekatan ValueatRisk (VaR)” mengatakan bahwa efek korelasi telah menurunkan potensi kerugian portofolio mata uang. Prasetyo (2004) yang melakukan penelitian di PT.
12
Bank Haga yang berjudul, “Analisis perhitungan risiko nilai tukar atas posisi devisa neto PT. Bank Haga dengan metode Value at Risk” menghasilkan bahwa efek korelasi yang terjadi antar mata uang dapat menekan potensi kerugian yang timbul. Hal ini dibuktikan dengan nilai VAR portofolio yang lebih kecil dari total penjumlahan masing-masing VAR aset dalam portofolio tersebut. Selain mengukur potensi kerugian metode VAR juga digunakan untuk mengukur jumlah modal yang harus dicadangkan untuk menutup potensi kergian yang terjadi. Sartono dan Setiawan (2006) dalam jurnalnya yang ber judul, “VAR portfolio optimal: perbandingan antara metode markowitz dan Mean Absolute Deviation”, menghasilkan: 1. Metode optimalisasi portofolio yangdikenalkan oleh Markowitz (1952) yaitu metode Mean Variance menghasilkan portofolio-portofolio yang komposisinya berbeda dengan portofolio-portofolio yang dihasilkan oleh metode optimalisasi Mean Absolute Deviation yang dikenalkan oleh Konno dan Yamazaki (1991). 2. Metode Mean Variance menghasilkan portofolio-portofolio yangnilai standar deviasinya rata-rata sedikit lebih kecil daripada portofolio-portofolio yang dihasilkan dengan metode Mean Absolute Deviation. Dengan kata lain, tingkat risiko yang dihasilkan kedua metode optimalisasi tersebut berbeda satu dengan yang lainnya. 3. Ada korelasi positif antara standar deviasi dan return portofolio, baik pada portofolio-portofolio yang dihasilkan metode Mean Variance maupun metode Mean Absolute Deviation. Namun secara statistik, korelasi ini tidak cukup kuat. Dapat disimpulkan bahwa standar deviasi tidak cukup baik sebagai tolok ukur risiko suatu portofolio. 4. Pada analisa hasil perhitungan nilai VaR dengan metode delta normal didapat bahwa portofolio-portofolio hasil metode Mean Variance memiliki nilai VaR delta normal yang rata-rata lebih rendah bila dibandingkan dengan portofolio-portofolio yang dihasilkan dengan metode Mean Absolute Deviation. Bila dibandingkan dengan analisa hasil perhitungan standar deviasi, dapat dilihat sebuah kesamaan di mana nilai standar deviasi secara rata-rata pada metode Mean-Variance lebih rendah daripada nilai standar deviasi pada metode Mean-Absolute Deviation. Hal ini memungkinkan karena perhitungan nilai VaR delta normal didasarkan pada nilai standar deviasi. 5. Pada analisa hasil perhitungan nilai VaR dengan metode simulasi historis didapat bahwa tidak ada perbedaan nilai VaR simulasi historis antara portofolio-portofolio hasil metode Mean-Variance dan Mean Absolute Deviation. Karena perhitungan nilai VaR simulasi historis menggunakan data-data historis yang aktual, dapat dikatakan bahwa nilai VaR yang dihasilkan pada metode ini lebih akurat bila dibandingkan dengan nilai VaR hasil metode delta normal. Penelitian yang berjudul, “Analisis investasi portofolio saham kelompok LQ 45 di Bursa Efek Indonesia (pada periode krisis subpime mortgage)” yang dilakukan oleh Wicaksono (2010) menghasilkan pembentukan portofolio optimal saham-saham yang terpilih dari kelompok LQ 45, terlihat perbedaaan antara kedua model yang digunakan yaitu model Markowitz dan model index tunggal. Portofolio yang dihasilkan dari model Markowitz menghasilkan kurang lebih
13
sebelas bentuk portofolio, sedangkan model index tunggal membentuk satu macam portofolio. Rijal (2011) dalam penelitiannya yang berjudul “ pembentukan portofolio optimal terhadap reksadana saham dan reksadana pendapatan tetap menggunakan metode single index model dan teori Markowitz” menghasilkan dalam pengukuran kinerja portofolio dengan pengukuran Treynor measure, Sharpe‟s measure, Jensen‟s measure, kombinasi dan proporsi portofolio yang lebih baik dipilih adalah portofolio yang dihasilkan teori Markowitz. Di mana metode single index model menghasilkan portofolio optimal yang terdiri dari 6 unit reksadana pendapatan tetap dengan expected returnsebesar 0.89% dan standar deviasi sebesar 0.07%, sedangkan teori Markowitz menghasilkan portofolio optimal terdiri dari 13 unit reksadana pendapatan tetap dengan expected return sebesar 0.85% dan standar deviasi sebesar 0.03%.
3 METODE Kerangka Pemikiran Penelitian Penelitian ini membuat skenario investasi pada saham–saham Indeks LQ 45 periode Februari–Juli 2013 yang dipilih berdasarkan dua kriteria yaitu berada dalam Indeks LQ 45 minimal selama tiga tahun (6 periode) dan mempunyai nilai tingkat pengembalian (return) terbesar pada sektornya. Asumsi investasi pada penelitian ini bahwa investor hanya menginginkan return dan tidak menyukai risiko. Asumsi ini berlaku pada strategi pasif dalam berinvestasi di pasar modal terutama investasi padasaham.Investor pada strategi pasif cenderung hanya mengikuti indeks pasar di mana investor tidak aktif mencari informasi ataupun melakukan jual beli saham untuk menghasilkan return yang besar. Berdasarkan kriteria pemilihan saham maka ada 9 saham terpilih yang menjadi objek penelitian ini. Penelitian ini membentuk portofolio dari kombinasi tiga saham terpilih. Portofolio–portofolio yang terbentuk dihitung nilai return dan risikonya menggunakan dua metode yaitu metode Mean Variancedan metode Mean Absolute Deviation. Hasil–hasil penghitungan ini menjadi bahan pertimbangan dan rekomendasi untuk investor. Objek penelitian ini dari keempat skenario adalah sama yaitu 9 saham terpilih sesuai krteria, yang membedakannya adalah pada skenario kesatu dan kedua data yang digunakan adalah data harga saham bulanan dari tahun 2008– 2012 sedangkan pada skenario ketiga dan keempat adalah data harga saham harian selama 100 hari kerja dari Januari–Juni 2013. Selain itu proporsi investasi juga membedakannya, pada skenario kesatu dan skenario ketiga proporsi masing– masing saham pada setiap portofolio adalah sama yaitu 33,33%. Sedangkan pada skenario kedua dan skenario keempat proporsi nilai investasi pada setiap saham di masing–masing portofolio berdasarkan nilai return sahamnya. Untuk saham yang memiliki nilai return tertinggi mempunyai proporsi nilai investasi 50%, nilai return tertinggi kedua 30% dan terendah 20%. Penelitian ini selain memberikan rekomendasi kepada investor berupa portofolio berdasarkan nilai return dan risikonya tetapi juga memberikan
14
informasi risiko maksimal yang akan ditanggung oleh investor pada portofolio– portofolio terbentuk dengan nilai Value at Risk (VaR).Penghitungan VaR menggunakan metode kovarian. Selain itu penelitian ini juga menganalisis korelasi dan perbedaan antara penghitungan return dan risiko pada metode Mean Variance dan Mean Absolute Deviation. Investor
Bursa Efek Indonesia
Saham
Strategi pasif
Strategi aktif
Indeks LQ 45 periode Februari – Juli 2013 Return
Risiko
Portofolio Saham
Skenario investasi 1
Skenario investasi 2
Skenario investasi3
Skenario investasi 4
Mean Variance
Mean Absolute Deviation
Uji korelasi dan uji beda
Return portofolio
Value at Risk
Risiko portofolio
Rekomendasi
Gambar 3Kerangka Pemikiran Waktu Penelitian Penelitian ini dilakukan pada bulan Februari–Mei 2013.
15
Jenis dan Sumber Data Data yang digunakan pada penelitian ini adalah data sekunder berupa harga saham pada Indeks LQ 45 periode Februari-Juli 2013 dari Desember 2007-Juni 2013 yang didapat dari Bursa Efek Indonesia, serta literatur-literatur lainnya yang menunjang penelitian ini. Jumlah Sampel dan Metode Penarikan Sampel Populasi dalam penelitian ini adalah saham-saham yang tergabung dalam Indeks LQ 45 periode Februari–Juli 2013. Dari 45 emiten yang tergabung akan dipilih emiten yang stabil dalam Indeks LQ 45 selama 3 tahun. Dari 45 emiten hanya ada 26 emiten yang memenuhi kriteria pertama. Dari 26 emiten tersebut, ada tiga emiten yang pernah tidak melakukan transaksi pada waktu tertentu sehingga yang dihitung return dan risiko ada 23 saham. Data yang digunakan untuk penghitungan return dan risiko adalah data harga saham selama lima tahun dari bulan Desember 2007 sampai bulan Desember tahun 2012. Hasil dari penghitungan return dan risiko ke-23 saham dapat dilihat pada Lampiran 1. Dari nilai return yang dihasilkan dipilih satu emiten dari masing–masing sektor sehingga sampel pada penelitian ini ada sembilan. Rumus Return yang digunakan adalah: ................................................................(10) Di mana: E(Ri) = return saham Rij = selisih keuntungan dari bulan n dam n-1 N = periode yang dilihat (60 bulan) Rumus risiko saham yang digunakan adalah: -
.........................................................(11)
Di mana: α = standar deviasi (risiko saham) Teknik Pengambilan Data Data yang diambil pada penelitian ini ada yang secara langsung datang ke Bursa Efek Indonesia dan ada juga yang mendapatkannya dari situs resmi Bursa Efek Indonesia.
16
Pengolahan dan Analisis Data Data yang diambil masih dalam bentuk data mentah yang dipakai sebagai dasar penghitungan dan analisis. Metode yang digunakan dalam melakukan analisis adalah: a. Deskriptif, yaitu dengan melukiskan/menggambarkan keadaan obyek penelitian berdasarkan informasi yang didapat. b. Kuantitatif Penelitian ini membentuk empat skenario investasi yaitu: 1. Skenario kesatu adalah nilai investasi masing–masing saham sama yaitu 33,33% di mana data yang digunakan dari tahun 2008–2012 2. Skenario kedua adalah nilai investasi masing–masing saham berbeda berdasarkan nilai return. Nilai investasi return tertinggi adalah 50%, posisi kedua 30% dan posisi ketiga 20%di mana data yang digunakan dari tahun 2008–2012 3. Skenario ketiga adalah nilai investasi masing–masing saham sama yaitu 33,33% di mana data yang digunakan data harian 100 hari dari bulan Januari–Juni 2013 4. Skenario keempat adalah nilai investasi masing–masing saham berbeda berdasarkan nilai return. Nilai investasi return tertinggi adalah 50%, posisi kedua 30% dan posisi ketiga 20%di manadata harian 100 hari dari bulan Januari–Juni 2013 Pada penelitian ini ada tiga metode yangdigunakan dan ketiga metode ini menggunakan Microsoft Office Excel 2007 sebagai alat dalam mengolah datanya. Ketiga metode tersebut adalah: 1. Metode Mean Variance Minimize ..................................................................(12) Dengan kendala-kendala sebagai berikut:
2.
Notasi: α = suku bunga SBI wi = proporsi investasi pada saham i MetodeMean Absolute Deviation Minimize ......................................................(13) Dengan kendala-kendala sebagai berikut:
17
Langkahselanjutnya adalah menghitung nilai VaR kedua golongan portofolio tersebut. 3. Value at Risk (VaR) Portofolio yang terbentuk dari metode Mean Variancedan Mean Absolute Deviation akan dihitung juga nilai Value at Risk dengan menggunakan metode Varian-Kovarian. Rumus penghitungan VaR dengan metode varian-kovarian adalah: Var = ασiW Di mana αsenilai 1,645 karena confidence level 95%. σiadalah standar deviasi dari saham-saham tunggal dalam portofolioterbentuk. Penelitian ini juga menambah beberapa analisis yang diuji menggunakan software SPSS (statistical product and service solution) 19. Analasis statistik yang akan digunakan yaitu: a. Analisis korelasi antara return portofolio optimal yang dihasilkan oleh metode Mean Variance dan metode Mean Absolute Deviation Analisa ini dilakukan dengan menghitung pearson correlation coefficient antara nilai return portofolio optimal yang dihasilkan oleh metode Mean Variance (MV) dan metode Mean Absolute Deviation(MAD). Uji statistik dilakukan dengan menggunakan selang kepercayaan 95%. H0 : Tidak ada hubungan antara penghitungan return MAD dengan penghitungan return MV H1 : Ada hubungan antara penghitungan return MAD dengan penghitungan return MV b. Analisis korelasi antara risiko portofolio optimal yang dihasilkan oleh metode Mean Variance dan metode Mean Absolute Deviation Analisa ini dilakukan dengan menghitung pearson correlation coefficient antara nilai risiko portofolio optimal yang dihasilkan oleh metode Mean Variance (MV) dan metode Mean Absolute Deviation(MAD). Uji statistik dilakukan dengan menggunakan selang kepercayaan 95%. H0 : Tidak ada hubungan antara penghitungan risiko MAD dengan penghitungan risiko MV H1 : Ada hubungan antara penghitungan risiko MAD dengan penghitungan risiko MV c. Perbandingan uji beda antara nilai return hasil metode optimalisasi portofolio Mean-Variance dan Mean-Absolute Deviation Uji statistik yang dilakukan adalah uji F dan uji T dilakukan dengan menggunakan selang kepercayaan 95%.Hipotesis untuk uji beda adalah sebagai berikut: H0: Tidak ada perbedaan antara penghitungan return MAD dengan penghitungan return MV H1: Ada perbedaan antara penghitungan return MAD dengan penghitungan return MV d. Perbandingan uji beda antara nilai risiko hasil metode optimalisasi portofolio Mean-Variance dan Mean-Absolute Deviation Uji statistik yang dilakukan adalah uji F dan uji T dilakukan dengan menggunakan selang kepercayaan 95%.Hipotesis untuk uji beda adalah sebagai berikut:
18
H0: Tidak ada perbedaan antara penghitungan risiko MAD dengan penghitungan risiko MV H1: Ada perbedaan antara penghitungan risiko MAD dengan penghitungan risiko MV.
4 HASIL DAN PEMBAHASAN Kondisi Umum Objek Penelitian Objek penelitian ini adalah sembilan saham indeks LQ 45 periode Februari– Juli 2013 yang terpilih dari dua kriteria yaitu stabil di Indeks LQ 45 dalam waktu tiga tahun (6 periode) terakhir dan memiliki nilai return rata-rata tertinggi pada sektornya. Nilai return dan risiko kesembilan saham terpilih dapat dilihat pada Tabel 1. Tabel 1 disusun berdasarkan nilai return tertinggi pada saham – saham terpilih. Nilai return tertinggi terdapat pada saham GGRM senilai 3.39% dan nilai risiko tertinggi terdapat pada saham ITMG senilai 18.05%. Saham yang memiliki nilai return terkecil adalah saham LPKR senilai 1.31% dan saham yang memiliki nilai risiko terkecil adalah saham JSMR senilai 9.79% Tabel 1Nilai return dan risiko saham-saham terpilih No
Kode Emiten
Nama Emiten
Sektor
E(R)
Risiko
1
GGRM
PT Gudang Garam Tbk
5
3.93%
12.84%
2
ITMG
PT Indo Tambangraya Megah Tbk
2
3.08%
18.05%
3
ASII
PT Astra International Tbk
4
2.50%
12.14%
4
INTP
PT Indocement Tunggal Prakarsa Tbk
3
2.41%
11.67%
5
UNTR
PT United Tractors Tbk
9
2.37%
14.71%
6
JSMR
PT Jasa Marga Tbk
7
2.26%
9.79%
7
BBNI
PT Bank Negara Indonesia Tbk
8
2.21%
15.53%
8
LSIP
PT PP London Sumatra Indonesia Tbk
1
1.35%
15.41%
9
LPKR
PT Lippo Karawaci Tbk
6
1.31%
12.23%
Kondisi umum tentang saham – saham terpilih tersebut adalah sebagai berikut: PT PP London SumatraIndonesia Tbk PT PP London Sumatra Indonesia Tbk memiliki visi menjadi perusahaan agribisnis terkemuka yang berkelanjutan dalam hal tanaman, biaya, lingkungan yang berbasis penelitian dan pengembangan. Dengan misinya menambah nilai bagi stakeholders di bidang agribisnis. Perusahaan ini memiliki tiga nilai perusahaan yaitu integritas (jujur dan bertanggung jawab), kerjasama (saling menghormati dan peduli) dan unggul (disiplin dan perbaikan terus menerus). PT PP London Sumatra Indonesia Tbk didirikan oleh Harrisons & Crosfield Plc pada tahun 1906 dan dikenal dengan nama Lonsum. Di awal berdirinya, perusahaan ini melakukan diversifikasi melalui penanaman karet, teh, dan kakao. Di awal kemerdekaan, perusahaan lebih memfokuskan usahanya pada tanaman
19
karet dan kemudian beralih ke kalapa sawit di era tahun 1980. Pada akhir dekade berikutnya, kelapa sawit telah menggantikan karet sebagai komoditas utama perusahaan. Lonsum memiliki perkebunan inti dan perkebunan plasma di Sumatera, Jawa, Kalimantan dan Sulawesi, yang memanfaatkan keunggulan perusahaan di bidang penelitian dan pengembangan, keahlian di bidang agro– manajemen, serta tenaga kerja terampil dan profesional. Tahun 1994, Harrisons & Crosfield menjual seluruh kepemilikan sahamnya di lonsum kepada PT Pan London Sumatra Plantations (PPLS) yang kemudian mencatatkan Lonsum kepada perusahaan publik melalui pencatatan saham di Bursa Efek Jakarta dan Surabaya pada tahun 1996. Pada bulan Oktober 2007, Indofood Agri Resources Ltd (IndoAgri), anak perusahaan PT Indofood Sukses Makmur Tbk dibidang agribisnis, menjadi pemegang saham mayoritas perusahaan melalui anak perusahaannya di Indonesia, PT Salim Ivormas Pratama Tbk (SIMP), sehingga perusahaan menjadi bagian dari Grup Indofood. Di bulan Desember 2010, IndoAgri melepaskan 8% kepemilikannya di Lonsum, di mana 3,1% dijual ke SIMP. Pelepasan kepemilikan ini telah meningkatkan porsi saham bagi investor publik menjadi sebesar 40,5% dari 35,6% (LSIP 2012). PT Indo Tambangraya Megah Tbk PT Indo Tambangraya Megah mempunyai visi menjadi perusahaan energi batubara terkemuka di Indonesia dengan pertumbuhan berkesinambungan yang dicapai melalui profesionalisme dan kepedulian terhadap karyawan, masyarakat dan lingkungan. Dengan beberapa visinya adalah (1) mengembangkan keunggulan pada semua lini operasi untuk melayani pelanggan dengan kualitas dan kuantitas produk dan jasa yang konsisten, (2) mengembangkan karyawan yang piawai, sistem dan infrastruktur yang efisien berdasarkan budaya yang berinovasi, berintegritas, berkepedulian dan bersinergi, (3) berinvestasi dalam bisnis energi berbasis batubara yang berkesinambungan memperkuat posisi perusahaan, dan (4) untuk mendorong dan berkontribusi bagi perkembangan masyarakat dengan bertindak sebagai warga yang baik dan berkontribusi terhadap ekonomi dan masyarakat. Indo Tambangraya Megah (ITM) merupakan perusahaan produsen batubara Indonesia terkemuka untuk pasar energi dunia. Perusahaan berupaya untuk menetapkan standar tertinggi dalam bidang Good Coorporate Goverment, serta kepatuhan terhadap kualitas, lingkungan, dan keselamatan kerja. ITM didirikan pada tahun 1987, pada tahun 2001 ITM diakuisisi oleh Banpu Group dari Thailand. Di akhir tahun 2007 ITM menjadi perusahaan publik, pada saat itu Banpu melalui PT Centralink Wisesa International memegang 77.60% saham, PT Sigma Buana Cemerlang memiliki 2.40% dan sisanya oleh masyarakat. Di Tahun 2008, saham PT Centralink Wisesa International dialihkan kepada Banpu Minerals (Singapore) Pte. Ltd. Sebanyak 73.72% dan bagian publik meningkat dari 20% menjadi 26.28%. Pada tahun 2010, Banpu Minerals (Singapore) Pte. Lte. melepaskan 8.72% sahamnya kepada publik sehingga kepemilikannya menjadi 65% dan sisanya dikuasai oleh publik dan individu lainnya masingmasing kurang dari 5% (ITMG 2012).
20
PT Indocement Tunggal Prakarsa Tbk Visi dari PT Indocement Tunggal Prakarsa adalah pemain dalam bisnis semen domestik dan pemimpin pasar di bidang usaha beton siap pakai, agregat dan pasir di Jawa. Dengan moto perusahaannya turut membangun kehidupan bermutu, perusahaan mempunyai misi berkecimpung dalam bisnis penyediaan semen dan bahan bangunan berkualitas dengan harga kompetitif dan tetap memerhatikanpembangunan berkelanjutan. PT Indocement Tunggal Prakarsa adalah perusahaan yang memproduksi semen juga memiliki beberapa anak perusahaan yang memproduksi beton siap pakai serta mengelola tambang agregat dan trass. Berdiri sejak 16 Januari 1985, perusahaan merupakan penggabungan dari enam perusahaan semen yang saat itu memiliki delapan pabrik. Selama 37 tahun pabrik beroperasi, Indocement terus meningkatkan kapasitas produksinya dan merupakan salah satu produsen semen terbesar di Indonesia. Indocement pertama kali mencatatkan sahamnya di Bursa Efek Indonesia dengan kode transaksi INTP pada 5 Desember 1989. Sejak 2001, mayoritas saham dimiliki HeidebergCement Group yang berbasis di Jerman melalui anak perusahaannya Kimmeridge enterprise Pte. Ltd. Tahun 2003 Kimmeridge enterprise Pte. Ltd. mengalihkan kepemilikan sahamnya di Indocement kepada HC Indocement GmbH. Di tahun 2005 penggabungan usaha dilakukan antara HC Indocement GmbH dengan HeidebergCement South-East GmbH, di mana HeidebergCement South-East GmbH menjadi pemegang saham mayoritas langsung Indocement. HeidebergCement South-East GmbH melakukan penggabungan usaha di tahun 2006 dengan HeidebergCement AG sehingga HeidebergCement AG mengguasai 65.14% saham Indocement. Kepemilikan saham HeidebergCement AG dialihkan seluruhnya kepada Birchwood Omnia Ltd. di mana 100% perusahaan itu dimiliki oleh HeidebergCement Group di tahun 2008. Birchwood Omnia Ltd. menjual 14.1% sahamnya kepada publik pada tahun 2009 (INTP 2012). PT Astra International Tbk Astra berdiri pada tahun 1957 sebagai perusahaan perdagangan. Seiring dengan perjalanan waktu, Astra membentuk kerja sama dengan sejumlah perusahaan kelas dunia. Sejak tahun 1990 Perseroan menjadi perusahaan publik yang tercatat di Bursa Efek Indonesia, dengan kapitalisasi pasar pada akhir tahun 2011 sebesar Rp 300 triliun. Saat ini Astra bergerak dalam enam bidang usaha yaitu otomotif, jasa keuangan, alat berat dan pertambangan, agribisnis, infrastruktur dan logistik, serta teknologi informasi. Pada tanggal 31 Desember 2011 jumlah karyawan Grup Astra mencapai 168.703 orang yang tersebar di 158 perusahaan, termasuk anak perusahaan, perusahaan asosiasi dan jointly controlled entities. Astra memiliki motto yaitu berjuang dan menembus segala tantangan untuk mencapai bintang. Insan Astra adalah pekerja cerdas, keras, ikhlas dan tuntas. Di mana visi dari Astra adalah menjadi salah satu perusahaan dengan pengelolaan terbaik di Asia Pasifik dengan penekanan pada pertumbuhan yang berkelanjutan dengan pembangunan kompetensi melalui pengembangan sumber daya manusia, struktur keuangan yang solid, kepuasan pelanggan dan efisien. Selain itu Astra akan menjadi perusahaan yang mempunyai tanggung jawab sosial serta ramah lingkungan. Astra mempunyai empat filosofi yaitu menjadi milik yang bermanfaat
21
bagi bangsa dan negara, memberikan pelayanan terbaik kepada pelanggan, menghargai individu dan membina kerjasama, dan senantiasa berusaha mencapai yang terbaik (ASII 2012). PT Gudang Garam Tbk Perusahaan rokok Gudang Garam adalah salah satu industri rokok terkemuka di tanah air yang telah berdiri sejak tahun 1958 di kota Kediri, jawa Timur. Gudang Garam mempunyai visi menjadi perusahaan terkemuka kebanggaan nasional yang bertanggung jawab dan memberikan nilai tambah bagi para pemegang saham, serta manfaat bagi segenap pemangku kepentingan secara berkesinambungan. Dengan catur dharma yang merupakan misi perusahaan adalah (1) kehidupan yang bermakna dan berfaedah bagi masyarakat luas merupakan suatu kebahagiaan, (2) kerja keras, ulet, jujur, sehat dan beriman adalah persyaratan kesuksesan, (3) kesuksesan tidak dapat terlepas dari peranan dan kerja sama dengan orang lain, dan (4) karyawan adalah mitra usaha yang utama. Tahun 1990 Gudang Garam mencatatkan saham pertamanya di Bursa Efek Jakarta dan Bursa Efek Surabaya (GGRM 2012). Lippo Karawaci Tbk PT Lippo Karawaci Tbk merupakan perusahaan terkemuka dalam industri real estat di Indonesia dan sebagai perusahaan properti terbuka terbesar berdasarkan aset, pendapatan, dan laba bersih. Dengan model bisnis yang unik, terfokus, terintegrasi dan dengan brand recognition yang kuat, Lippo Karawaci terus meningkatkan kinerja dan komitmennya untuk memberikan dampak positif dan menyentuh seluruh aspek kehidupan masyarakat luas. Sentuhan positif tersebut terlihat dalam setiap proyek berkesinambungan Perseroan yang menjadi dasar kuat bagi perkembangan komunitas di mana proyek-proyek Perseroan dikembangkan dan sekaligus menjadi pendukung perkembangan perekonomian nasional. Visi dari Lippo Karawaci adalah menjadi perusahaan properti terkemuka di Indonesia dan secara regional dengan tekad untuk menyentuh kehidupan masyarakat luas disemua lini bisnis dan senantiasa menciptakan nilai tambah bagi pemegang saham. Misi-misinya adalah memenuhi kebutuhan masyarakat Indonesia kelas menengah dan atas di bidang perumahan, pusat perbelanjaan dan komersial, layanan kesehatan, hiburan, infrastruktur dan jasa perhotelan, memelihra kelangsungan pertumbuhan usaha melalui pengembangan sumber pendapatan berkesinambungan dan kegiatan pengembangan yang berkelanjutan, dan memberikan lingkungan hidup berkualitas yang meningkatkan pengalaman sosial dan spritual bagi para pelanggan, serta menyediakan suasana ramah lingkungan terbaik pada setiap proyek pengembangannya (LPKR 2012). PT Jasa Marga Tbk Indonesia membutuhkan jaringan jalan yang handal untuk mendukung gerak pertumbuhan ekonomi. Melalui Peraturan Pemerintah No. 04 Tahun 1978, pada tanggal 01 Maret 1978 Pemerintah mendirikan PT Jasa Marga (Persero) Tbk. Akhir dasawarsa tahun 80-an Pemerintah Indonesia mulai mengikutsertakan pihak swasta untuk berpartisipasi dalam pembangunan jalan tol melalui mekanisme Build, Operate and Transfer (BOT). Di mana Perseroan mempunyai visi 2017
22
yaitumenjadi perusahaan pengembang dan operator jalan tol terkemuka di Indonesia. Sedangkan visi 2022 adalahmenjadi salah satu perusahaan terkemuka di Indonesia. Untuk misinya antara lain (1) mewujudkan percepatan pembangunan jalan tol, (2) menyediakan jalan tol yang efisien dan andal, dan (3) meningkatkan kelancaran distribusi barang dan jasa. Salah satu cara untuk mewujudkan visinya tersebut PT Jasa Marga mendaftarkan sahamnya pada Tahun 2007 (JSMR 2012). Bank Negara Indonesia Tbk Berdiri sejak tahun 1946, BNI yang dahulu dikenal sebagai Bank Negara Indonesia merupakan bank pertama yang didirikan dan dimiliki oleh Pemerintah Indonesia. Tahun 1955 status BNI diubah menjadi bank komersial milik pemerintah sehubungan dengan penambahan modal. Perubahan ini melandasi pelayanan yang lebih baik dan tuas bagi sektor usaha nasional. Sejalan dengan keputusan penggunaan tahun pendirian sebagai bagian dari identitas perusahaan, nama Bank Negara Indonesia 1946 resmi digunakan mulai akhir tahun 1968. Perubahan ini menjadikan Bank Negara Indonesia lebih dikenal sebagai “BNI 46”. Pada tahun 1992, status hukum dan nama BNI berubah menjadi PT Bank Negara Indonesia (Persero), sementara keputusan untuk menjadi perusahaan publik diwujudkan melalui penawaran saham perdana di pasar modal pada tahun 1996. Kemampuan BNI untuk beradaptasi terhadap perubahan dan kemajuan lingkungan sosial budaya serta teknologi dicerminkan melalui penyempurnaan identitas perusahaan yang berkelanjutan dari masa ke masa. Hal ini juga menegaskan dedikasi dan komitmen BNI terhadap perbaikan kualitas kinerja secara terus-menerus. Pada tahun 2004, identitas perusahaan yang diperbaharui mulai digunakan untuk menggambarkan prospek masa depan yang lebih baik. Pada akhir tahun 2011, Pemerintah Republik Indonesiamemegang 60% saham BNI, sementara 40% saham selebihnya dimiliki oleh pemegang saham publik baik individu maupun institusi domestik dan asing. BNI bertekad untuk memberikan pelayanan yang terbaik bagi negeri, serta senantiasa menjadi kebanggaan negara. Dengan visinya menjadi bank yang unggul, terkemuka dan terdepan dalam layanan dan kinerja. Misi BNI ada lima yaitu memberikan layanan prima dan solusi yang bernilai tambah kepada seluruh nasabah, dan selaku mitra pilihan utama, meningkatkan nilai investasi yang unggul bagi investor, menciptakan kondisi terbaik sebagai tempat kebanggaan untuk berkarya dan berprestasi, meningkatkan kepedulian dan tanggung jawab terhadap lingkungan dan sosial, menjadi acuan pelaksanaan kepatuhan dan tata kelola perusahaan yang baik (BBNI 2012). United TractorsTbk United Tractors (UT/Perseroan) didirikan pada 13 Oktober 1972 sebagai distributor tunggal alat berat Komatsu di Indonesia. Pada tanggal 19 september 1989, Perseroan mencatatkan saham perdana di Bursa Efek Jakarta dan Bursa Efek Surabaya, dengan kode perdagangan UNTR, dan PT Astra International Tbk sebagai pemegang saham mayoritasnya. Selain menjadi distributor alat berat terkemuka di Indonesia, Perseroan juga aktif bergerak dibidang kontraktor penambangan dan bidang pertambangan batu bara. Ketiga segmen usaha ini
23
dikenal dengan sebutan mesin kontruksi, kontraktor penambangan dan pertambangan. Visi dari UT adalah menjadi perusahaan kelas dunia berbasis solusi di bidang alat berat, pertambangan dan energi untuk menciptakan manfaat bagi para pemangku kepentingan. Dengan misinya menjadi perusahaan yang bertekad membantu pelanggan meraih keberhasilan melalui pemahaman usaha yang komprehensif dan interaksi berkelanjutan, menciptakan peluang bagi insan perusahaan untuk dapat meningkatkan status sosial dan aktualisasi diri melalui kinerjanya, menghasilkan nilai tambah yang berkelanjutan bagi para pemegang saham melalui tiga aspek berimbang dalam hal ekonomi, sosial dan lingkungan, serta memberi sumbangan yang bermakna bagi kesejahteraan bangsa (UNTR 2012)
Tingkat Pengembalian (Return) Portofolio Penelitian ini membentuk empat skenario investasi di mana sembilan saham yang terpilih dimasukkan dalam beberapa portofolio. Setiap portofolio terdiri dari tiga saham terpilih maka dihasilkan 84 portofolio. 84 portofolio ini terbentuk berdasarkan rumus kombinasi yaitu: .........................................................................(14) Di mana: n = jumlah saham terpilih (9 saham) r = jumlah saham pada portofolio (3 saham) Skenario kesatu Portofolio – portofolio yang terbentuk terdiri dari tiga saham dengan proporsi nilai investasi yang sama yaitu 33.33%. Dari sembilam saham terpilih itu terbentuklah 84 portofolio, yang dihitung nilai return portofolio yang terbentuk, hasil penghitungan return 84 portofolio dapat dilihat pada Lampiran 2. Hasil penghitungan return portofolio didapat bahwa secara keseluruhan nilai return portofolio lebih tinggi dibandingkan nilai return saham tunggalnya kecuali saham GGRM tetapi tidak dalam satu portofolio utuh. Nilai return portofolio terbesar terdapat pada portofolio kombinasi saham ITMG, ASII dan GGRM senilai 3.17%. Dari nilai return portofolio yang dihasilkan dapat dibandingkan dengan return saham-saham tunggalnya. Saham ITMG mempunyai nilai return 3.08%, saham ASII mempunyai nilai return 2.50% dan saham GGRM mempunyai nilai return 3.98%. Ketiga saham ini merupakan tiga saham yang mempunyai nilai return tertinggi pada saham-saham terpilih. Sehingga ada kemungkinan bahwa saham– saham yang memiliki nilai return yang tinggi jika dimasukkan ke dalam portofolio juga akan menghasilkan nilai return portofolio yang tinggi pula. Hasil ini dapat mempengaruhi pertimbangan investor dalam memilih saham GGRM untuk dijadikan investasi dalam bentuk saham tunggal atau dalam portofolio. Nilai return portofolio terkecil adalah kombinasi saham–saham LSIP, LPKR dan BBNI senilai 1.63%. Dapat dibandingkan dengan nilai return sahamsaham tunggalnya, untuk saham LSIP nilai return 1.35% , saham LPKR senilai 1.31% dan saham BBNI senilai 2.21% maka pada kondisi seperti seorang investor bisa memilih apakah akan berinvestasi pada saham tunggal BBNI atau memilih
24
portofolio ini. Dari hasil nilai return portofolio terbesar dan terkecil dapat dilihat ada salah satu nilai return saham tunggal yang lebih besar dari nilai return portofolio. Sama halnya dengan kombinasi saham–saham pada portofolio yang mempunyai nilai return tertinggi, saham LSIP, LPKR dan BBNI juga merupakan tiga saham yang memiliki nilai return terkecil pada saham–saham terpilih. Sehingga nilai return pada saham tunggal dapat mempengaruhi nilaireturn portofolio yang dibentuknya. Skenario kedua Perbedaan skenario kesatu dan kedua adalah proporsi nilai investasi pada masing–masing portofolio. Saham yang memiliki nilai return tertinggi mempunyai nilai proporsi investasi 50%, saham dengan nilai return tertinggi kedua mempunyai nilai proporsi investasi 30% dan proporsi nilai investasi terkecil adalah 20%. Nilai returnportofolio dan proporsi nilai investasi selengkapnya pada skenario kedua dapat dilihat pada Lampiran 3. Hasil yang didapat pada skenario kedua ini adalah portofolio yang mempunyai nilai return tertinggi adalah portofolio kombinasi saham ITMG, saham ASII dan saham GGRM senilai 3.39% dengan nilai proporsi investasi 30%, 20% dan 50%. Hasil yang didapat sama dengan skenario kesatudi mana saham– saham yang memiliki nilai return yang tinggi akan menghasilkan nilai return portofolio yang tinggi pula. Nilai return portofolionya lebih besar dibandingkan dengan skenario kesatu. Nilai pada portofolio ini bukan kombinasi nilai proporsi yang maksimal, harus dilakukan penelitian lain yang mencari kombinasi nilai proporsi portofolio seperti yang dilakukan oleh Priyatna dan Sukono (2003) meneliti pembentukan portofolio optimum pada empat saham unggulan Indeks LQ 45 dengan hasil proporsi nilai investasi 51% saham HM Sampoerna dan 49% saham telkom. Nilai return portofolio terkecil pada skenario kedua ini adalah 1.77% pada portofolio kombinasi saham LSIP, LPKR dan BBNI dengan proporsi nilai investasi 30%, 20% dan 50%. Skenario kesatu dan skenario kedua untuk portofolio yang menghasilkan nilai return terbesar dan terkecil sama. Nilai return yang dihasilkan pada skenario kedua lebih besar daripada skenario kesatu. Skenario ketiga Skenario ketiga dan keempat berbeda dengan skenario kesatu dan kedua. Pada skenario ketiga dan keempat, data harga sahamyang digunakan adalah harga saham 100 hari kerja yaitu dari Bulan Januari sampai Juni 2013. Tetapi portofolio yang digunakan pada skenario ketiga dan keempat sama dengan skenario kesatu dan skenario kedua. Pada skenario ketigainiproporsi nilai investasi yang digunakan pada tiga saham terpilih di masing–masing portofolio senilai 33.33%. Dikarenakan data harga saham berbeda dengan skenario kesatu dan kedua maka dapat dilihat pada Tabel 2 nilai return rata-rata dan risiko rata–rata 100 hari 9 saham terpilih.
25
Tabel 2Nilai retun rata-rata dan risiko rata-rata saham-saham terpilih 100 hari No
Saham – saham terpilih
Return
Risiko
1
LSIP
0.217%
2.387%
2
ITMG
0.337%
2.404%
3
INTP
-0.163%
2.465%
4
GGRM
0.036%
2.127%
5
ASII
-0.078%
2.205%
6
LPKR
0.419%
2.454%
7
JSMR
0.111%
1.788%
8
BBNI
0.039%
2.347%
9
UNTR
-0.028%
2.388%
Nilai return saham tertinggi pada skenario kesatu dan kedua adalah saham GGRM senilai 3.93% yang didapat dari return rata–rata selama 5 tahun. Sedangkan pada skenario ketiga dan keempat yang menggunakan return rata–rata saham selama 100 hari, saham yang memiliki nilai return rata–rata tertinggi adalah LPKR senilai 0.419%. Perbedaan data yang digunakan sangat mempengaruhi nilai yang akan didapat sehingga akan mempengaruhi investor dalam pemilihan saham yang akan diinvestasinya. Penghitungan awal menunjukkan bahwa saham LPKR adalah saham yang memiliki nilai return rata– rata terendah. Penghitungan return rata–rata 100 hari pada saham–saham terpilih menghasilkan tiga dari sembilan return saham–saham terpilih bernilai negatif. Hal ini disebabkan rentang waktu yang digunakan sangat kecil, berbeda dengan skenario kesatu dan kedua. Hasil yang didapat pada skenario ketiga ini adalah portofolio yang memiliki nilai return tertinggi adalah kombinasi saham LSIP, ITMG, LPKR senilai 0.32%. Kombinasi ketiga saham pada portofolio tersebut adalah kombinasi tiga saham yang memiliki nilai return tertinggi. Begitu juga dengan kombinasi saham–saham yang memiliki nilai return terendah yaitu INTP, ASII dan UNTR merupakan portofolio yang memiliki nilai return terendah yaitu -0.09%. Hasil ini sama dengan hasil pada skenario kesatu dan kedua bahwa nilai return saham tunggal mempengaruhi nilai return portofolio yang dibentuknya. Nilai return semua portofolio untuk skenario ketiga ini dapat dilihat pada Lampiran 4. Skenario keempat Skenario keempat hampir sama dengan skenario kedua di mana proporsi nilai invetasi pada masing–masing saham pada portofolio tergantung nilai return saham tersebut. Tetapi data yang digunakan pada skenario keempat ini adalah data harga saham harian dari bulan Januari–Juni 2013. Hasil penghitungan pada skenario ini adalah portofolio kombinasi saham LSIP, ITMG dan LPKR merupakan portofolio yang memiliki nilai return tertinggi senilai 0.354% dengan proporsi nilai investasi 20%, 30% dan 50%. Walaupun proporsi nilai investasi berbeda, tetapi kombinasi saham pada portofolio yang memiliki nilai return tertinggi pada skenario ketiga dan keempat sama. Begitu juga dengan kombinasi saham pada portofolio yang memiliki nilai return terendah yang dihasilkan oleh skenario ketiga dan keempat yaitu kombinasi saham INTP, ASII dan UNTR. Pada
26
skenario keempat nilai return portofolio terendah senilai -0.07% dengan proporsi nilai investasi 20%, 30% dan 50%. Nilai return semua portofolio untuk skenario ketiga ini dapat dilihat pada Lampiran 5.
Mean Variance Portofolio yang terbentuk juga dihitung nilai risikonya dengan menggunakan dua metode yaitu Mean Variancedan Mean Absolute Deviation. Skenario kesatu Hasil penghitunganrisiko semua portofolio skenario kesatuyang terbentuk pada metode Mean Variancedapat dilihat pada Lampiran 2. Berbeda dengan nilai return portofolio yang dihasilkan, semua nilai risiko portofolio yang dihasilkan pada skenario kesatudari metode Mean Variancelebih kecil daripada nilai risiko saham tunggalnya. Portofolio yang mempunyai nilai risiko terbesar adalah kombinasi saham LSIP, ITMG dan BBNI senilai 9.62%. Jika dilihat nilai risiko saham tunggalnya untuk saham LSIP nilai risikonya 15.53%, nilai risiko saham ITMG 18.05% dan nilai risiko saham BBNI adalah 15.53%. Semua nilai risiko emiten yang tergabung dalam portofolio tersebut lebih besar dari nilai risiko portofolionya. Seorang calon investor pasti akan lebih tertarik dengan nilai risiko portofolio yang kecil ini. Tetapi calon investor harus memilih kombinasi saham apa saja yang mempunyai nilai risiko portofolio yang paling kecil. Portofolio yang mempunyai nilai risiko paling kecil adalah portofolio kombinasi saham INTP, LPKR dan JSMR senilai 6.53%. Saham LSIP, INTP dan BBNI yang merupakan saham–saham pembentuk portofolio yang mempunyai nilai risiko tertinggi merupakan tiga saham yang mempunyai nilai risiko tertinggi. Tetapi tidak dengan saham–saham pembentuk portofolio yang mempunyai nilai risiko terkecil yaitu saham INTP, LPKR dan JSMR, satu diantaranya bukan merupakan saham ketiga terkecil yang mempunyai nilai risiko terkecil dibandingkan saham–saham terpilih lainnya. Tiga saham yang memiliki nilai risiko terkecil adalah saham ASII, INTP dan JSMR. Nilai risiko portofolio dengan kombinasi saham–saham tersebut adalah 6.54%. Walaupun portofolio tersebut bukan merupakan portofolio yang memiliki nilai risiko terkecil tetapi nilai risiko portofolio ini terkecil kedua. Sehingga sama halnya dengan hubungan nilai return saham tunggal dengan nilai return portofolio yang dibentuknya, nilai risiko saham tunggal juga mempengaruhi nilai risiko portofolio yang dibentuknya. Skenario kedua Komposisi saham LSIP, ITMG dan UNTR dengan proporsi nilai investasi 20%, 50% dan 30% merupakan komposisi portofolio yang memiliki nilai risiko terbesar senilai 15.21%. Hasil skenario kedua berbeda dengan skenario kesatudi manarisiko portofolio yang dihasilkan tidak semuanya lebih kecil daripada risiko saham pembentuknya. Saham LSIP dan ITMG pada portofolio ini mempunyai nilai risiko lebih besar daripada risiko portofolionya yaitu 15.41% dan 18.05% sedangkan saham UNTR mempunyai nilai risiko yang lebih rendah daripada risiko portofolionya yaitu 14.72%. Dari 84 portofolio terbentuk ada 47 portofolio
27
yang nilai risikonya lebih rendah daripada nilai risiko saham–saham yang membentuknya. Skenario kedua menghasilkan nilai risiko portofolio terkecil senilai 7.96% yang disusun oleh saham GGRM, LPKR dan JSMR dengan proporsi investasi 50%, 20% dan 30%. Perbedaan proporsi investasi pada penelitian ini bukannya proporsi yang maksimalkan yang dapat meminimalkan risiko yang akan ditanggung oleh investor, perlu penelitian yang lain untuk mengetahui proporsi maksimal untuk memperkecil risiko. Walaupun portofolio kombinasi saham GGRM, LPKR dan JSMR bukan kombinasi saham–saham dengan nilai risiko terkecil tetapi salah satunya yaitu saham JSMR adalah saham yang memiliki nilai risiko terkecil. Hal ini berbeda dengan return portofolio di mana nilai return saham salah faktor yang mempengaruhi nilai return portofolio yang dibentuknya. Hasil nilai risiko portofolio metode Mean Variance pada skenario kedua dapat dilihat pada Lampiran 3. Skenario ketiga Portofolio yang menghasilkan nilai risiko terbesar dengan menggunakan data 100 hari dari bulan Januari sampai Juni 2013 adalah portofolio kombinasi saham GGRM, LPKR dan BBNI senilai 1.78%. Proporsi nilai investasi pada skenario kesatu dan skenario ketiga sama yaitu 33.33% masing–masing pada portofolio–portofolio terbentuk. Hasilnya pun sama yaitu semua nilai risiko portofolionya lebih kecil dibandingkan dengan nilai risiko saham–saham terpilih. Saham–saham pada portofolio yang memiliki nilai risiko terbesar pada skenario ini bukanlah termasuk saham–saham yang memiliki nilai risiko terbesar. Ini merupakan salah satu informasi untuk investor bahwa risiko pada saham bukan faktor utama yang mempengaruhi nilai risiko portofolio yang dibentuknya. Karena pada investasi saham, informasi–informasi baik dari lingkungan dalam dan luar emiten lah yang lebih mempengaruhi risiko yang akan ditanggung oleh investor. Kombinasi saham LSIP, INTP dan UNTR adalah kombinasi saham untuk portofolio yang memiliki nilai risiko terendah pada skenario ketiga dengan metode Mean Variance. Nilai risiko portofolio yang dihasilkan adalah 0.09%. Jika dibandingkan dengan nilai risiko masing–masing sahamnya, ketiga saham ini merupakan saham–saham yang memiliki nilai risiko yang besar diantara saham– saham terpilih lainnya. Hal ini menunjukkan proporsi investasi ini adalah salah satu proporsi investasi yang dapat memperkecil nilai risiko pada saham–saham ini dengan metode Mean Variance. Nilai risiko portofolio–portofolio pada skenario empat dengan metode Mean Variancedapat dilihat pada Lampiran 4. Skenario keempat Hasil nilai risiko portofolio–portofolio pada skenario investasi ini adalah semua nilai risiko portofolio lebih kecil dibandingkan nilai risiko saham–saham terpilih. Kombinasi saham pada portofolio yang menghasilkan nilai risiko tertinggi pada skenario keempat metode Mean Variance sama dengan skenario ketiga yaitu kombinasi saham GGRM, LPKR dan BBNI. Nilai risiko portofolio tertinggi senilai 1.87% lebih kecil dibandingkan dengan hasil pada skenario ketiga. Hal ini menunjukkan proporsi investasi 20%, 50% dan 30% lebih baik daripada proporsi investasi 33.33% pada portofolio tersebut. Begitu juga dengan
28
portofolio yang memiliki nilai risiko terkecil pada skenario ketiga dan keempat juga sama yaitu kombinasi saham LSIP, INTP dan UNTR. Proporsi nilai investasi pada portofolio tersebut dengan nilai risikonya 1.12% yaitu 50%, 20% dan 30%. Tetapi nilai risiko terendah pada skenario keempat lebih besar daripada skenario ketiga sehingga proporsi investasi yang sama lebih baik daripada proporsi investasi yang berbeda. Hal ini harus dibuktikan lagi dengan penelitian lebih lanjut untuk menentukan proporsi maksimal sehingga akan mendapatkan nilai risiko portofolio paling kecil. Nilai risiko portofolio hasil skenario keempat dengan metode Mean Variance dapat dilihat pada Lampiran5.
Mean Absolute Deviation Skenario kesatu Nilai risiko portofolio juga dihitung dengan metode Mean Absolute Deviation. Hasil penghitungan risiko skenario kesatudengan metode ini dapat dilihat pada Lampiran 2. Nilai risiko portofolio terbesar yang dihasilkan pada metode ini terdapat pada portofolio kombinasi saham LSIP, ITMG dan BBNI senilai 10.84%. Portofolio pada skenario kesatuyang memiliki nilai risiko terbesar hasil penghitungan Mean Variancedan Mean Absolute Deviation sama tetapi nilai risikonya yang berbeda. Nilai risiko yang dihasilkan oleh Mean Variancelebih kecil dibandingkan dengan nilai risiko yang dihasilkan oleh Mean Absolute Deviation. Hasil penelitian ini sama dengan penelitian yang dilakukan oleh Sartono dan Setiawan (2006) yang meneliti dua portofolio saham Indeks LQ 45 periode 2003 di mana hasilnya adalah nilai standar deviasi portofolio yang dihasilkan oleh Mean Variancelebih kecil dibandingkan dengan nilai standar deviasi portofolio yang dihasilkan oleh Mean Absolute Deviation. Portofolio yang mempunyai nilai risiko terkecil yang dihasilkan oleh metode Mean Absolute Deviationadalah kombinasi saham INTP, ASII dan JSMR senilai 8.16%. Pada metode Mean Variance portofolio ini adalah portofolio urutan kedua terkecil dengan nilai 6.54%.Nilai yang dihasilkan oleh kedua metode ini menunjukkan bahwa salah satu hal yang harus diperhatikan oleh investor dalam memilih saham–saham untuk dimasukkan ke dalam portofolionya adalah nilai return dan risiko saham–saham tunggalnya. Skenario kedua Skenario kesatu pada metode Mean Variance dan metode Mean Absolute Deviationmenghasilkan portofolio yang sama untuk nilai risiko tertinggi. Tetapi pada skenario kedua untuk metode Mean Variancedan Mean Absolute Deviation berbeda walaupun proporsi nilai investasi pada portofolio–portofolio yang terbentuk sama antara kedua metode tersebut. Nilai risiko portofolio tertinggi di skenario kedua pada metode Mean Absolute Deviationadalah 11.14%. Kombinasi saham pada portofolio tersebut adalah saham LSIP, ITMG dan BBNI dengan proporsi investasinya 20%, 50% dan 30%. Pada metode Mean Variancedi skenario kedua, portofolio ini mempunyai nilai risiko 14.91% lebih besar daripada metode Mean Absolute Deviation. Hasil perbandingan nilai risiko antara metode Mean Variancedan Mean Absolute Deviation pada skenario kesatu berbeda dengan hasil perbandingan nilai risiko di skenario kedua. Proporsi nilai
29
investasi salah satu faktor yang mempengaruhi hasil penghitungan risiko pada kedua metode yang digunakan. Portofolio yang mempunyai nilai risiko terkecil diskenario kedua pada metode Mean Absolute Deviation adalah kombinasi saham LSIP, JSMR dan BBNI senilai 7.28%. Proporsi nilai investasi masing–masing saham pada portofolio ini adalah 20%, 50%, dan 30%. Hampir seluruh portofolio memiliki nilai risiko yang lebih kecil daripada nilai risiko saham–saham pembentuknya, tetapi ada 7 portofolio yang nilai risikonya lebih tinggi daripada nilai risiko salah satu saham pembentuknya. Saham yang dimaksud adalah saham JSMR. Saham JSMR adalah saham yang memiliki nilai risiko terkecil diantara saham–saham terpilih lainnya yaitu senilai 9.79%, sedangkan ketujuh saham yang dimaksud memiliki nilai risiko portofolio diatas 9.79%. Nilai risiko semua portofolio pada skenario kedua metode Mean Absolute Deviationdapat dilihat pada Lampiran 3. Skenario ketiga Skenario ketiga di mana proporsi investasi sama pada masing–masing saham terpilih di setiap portofolionya tergantung peringkat nilai return dan data yang digunakan pada skenario ini adalah data 100 hari harga saham dari bulan Januari sampai Juni 2013. Dari skenario–skenario yang telah dibahas, hasil penghitungan nilai risiko menggunakan metode Mean Absolute Deviationpada skenario ketiga ini sangat berbeda dengan yang lain yaitu semua nilai risiko portofolio yang dihasilkan lebih besar daripada nilai risiko saham–saham terpilih. Hal ini menunjukkan bahwa proporsi nilai investasi harus dipenghitungan terlebih dahulu sebelum membentuk portofolionya. Hasil skenario ketiga pada metode Mean Absolute Deviationadalah portofolio yang mempunyai nilai risiko terbesar kombinasi saham LSIP, ITMG, dan BBNI senilai 2.90%. Sedangkan untuk portofolio yang memiliki nilai risiko portofolio terkecil adalah kombinasi saham ASII, GGRM dan JSMR senilai 2.44%. Walaupun nilai risiko portofolio pada skenario ini lebih besar daripada nilai risiko sahamnya tetapi hasil ini konsisten menunjukkan bahwa nilai risiko yang dihasilkan oleh metode Mean Absolute Deviationlebih besar daripada nilai risiko yang dihasilkan oleh metode Mean Variance. Nilai risiko semua portofolio pada skenario ketiga menggunakan metode Mean Absolute Deviationdapat dilihat pada Lampiran 4. Skenario keempat Skenario ketiga dan skenario keempat data yang digunakan sama hanya proporsi nilai investasinya yang berbeda. Pada skenario ketiga metode Mean Absolute Deviationnilai risiko portofolionya lebih besar daripada saham tunggalnya. Skenario keempat pun menghasilkan hal yang sama tetapi ada 7 portofolio yang nilai risikonya lebih kecil daripada satu atau dua saham pembentuknya. Nilai risiko portofolio skenario keempat pada metode Mean Absolute Deviationdapat dilihat pada Lampiran 5. Nilai risiko portofolio teringgi terdapat pada kombinasi saham ITMG, ASII, LPKR senilai 3.60%. sedangkan portofolio yang memiliki nilai risiko terkecil adalah kombinasi saham ITMG, JSMR dan BBNI senilai 1.87%.
30
Value at Risk (VaR) Penelitian ini juga meneliti risiko maksimal pada portofolio–portofolio terbentuk yaitu Value at Riskdengan metode kovarian. Karena antara metode Mean Variancedan Mean Absolute Deviationportofolio yang digunakan sama maka VaR yang dihasilkan tidak membedakan antara kedua metode tersebut, hanya VaR pada masing–masing skenario investasi yang diteliti. Skenario kesatu Hasilpenghitungan nilai Value at Riskportofolio–portofolio terbentuk pada skenario kesatudapat dilihat pada Lampiran 2. Hasil yang didapat adalah nilai VaR terbesar terdapat pada portofolio kombinasi saham LSIP, ITMG, BBNI senilai 15.87%. hal ini menunjukkan jika nilai investasi pada portofolio ini senilai Rp 1 Milyar maka risikonya senilai 15.87% x Rp 1 Milyar sama dengan Rp 158.7 juta. Penghitungan VaR menggunakan selang kepercayaan 95% sehingga jika nilai investasi pada portofolio ini senilai Rp 1 milyar maka ada kemungkinan 95% terjadi kerugian maksimal senilai Rp 158.7 juta dan ada kemungkinan 5% terjadi kerugian lebih besar dari Rp 158.7 juta. Kombinasi saham pada portofolio yang memiliki nilai VaR terbesar sama dengan kombinasi saham pada portofolio yang memiliki nilai risiko terbesar pada metode Mean Variancedan Mean Absolute Deviationdi skenario kesatu. Untuk portofolio yang memiliki nilai VaR terkecil adalah portofolio dengan kombinasi saham saham INTP, LPKR dan JSMR senilai 10.78%. Kombinasi ini sama dengan kombinasi saham pada portofolio yang memiliki nilai risiko terkecil pada metode Mean Variancedi skenario kesatu. Sedangkan untuk kombinasi saham pada portofolio yang memiliki nilai risiko terkecil pada metode Mean Absolute Deviationterdapat pada posisi kedua terkecil senilai 10.80%. Sehingga investor benar–benar harus memperhatikan nilai risiko pada saham tunggal yang akan dipilihnya. Skenario kedua Hasil penghitungan Value at Riskpada skenario kesatu dan kedua yang membedakannya adalah nilainya. Portofolio yang menghasilkan nilai VaR tertinggi dan terendah pada kedua skenario ini adalah sama. Portofolio kombinasi saham LSIP, ITMG dan BBNI mempunyai nilai VaR tertinggi yaitu 17.74% dengan proporsi investasi 20%, 50% dan 30% maka proporsi nilai ini mempunyai risiko maksimal lebih besar daripada risiko maksimal pada proporsi nilai investasi yang sama pada masing–masing saham terpilih. Untuk portofolio kombinasi saham INTP, LPKR dan JSMR merupakan portofolio yang memiliki nilai VaR terendah yaitu 11.55% dengan proporsi investasinya 50%, 20% dan 30%. Sama halnya dengan nilai risiko maksimal pada portofolio yang mempunyai nilai VaR tertinggi, portofolio kombinasi saham INTP, LPKR dan JSMR dengan skenario kedua memiliki nilai risiko maksimal lebih besar daripada skenario kesatu. Nilai VaR portofolio–portofolio yang terbentuk pada skenario kedua dapat dilihat pada Lampiran 3.
31
Skenario ketiga Skenario ketiga pada penghitungan Value at Risk menghasilkan portofolio kombinasi saham yang berbeda dari skenario–skenario sebelumnya. Kombinasi saham ITMG, INTP dan LPKR merupakan portofolio saham yang memiliki nilai VaR terbesar pada skenario ketiga. Ketiga saham tersebut pada data harga saham 100 hari merupakan tiga saham yang memiliki nilai risiko terbesar diantara saham–saham terpilih lainnya. Nilai VaR yang dihasilkan pada kombinasi saham ini sebesar 2.33%. Portofolio yang memiliki nilai VaR terkecil adalah kombinasi saham ASII, GGRM dan JSMR sebesar 1.95%. Ketiga saham ini juga merupakan saham yang memiliki nilai risiko terkecil dibandingkan saham–saham terpilih lainnya menggunakan data 100 hari. Begitu juga dengan skenario kesatudi mana kombinasi saham pada portofolio yang memiliki nilai VaR terbesar adalah saham–saham yang memiliki nilai risiko terbesar diantara saham–saham terpilih lainnya. Yang membedakan antara skenario kesatu dan ketiga adalah data harga sahamnya. Nilai VaR portofolio–portofolio yang terbentuk pada skenario ketiga dapat dilihat pada Lampiran 4. Skenario keempat Portofolio yang memiliki nilai VaR terbesar pada skenario ketiga dan keempat sama begitu juga portofolio yang memiliki nilai VaR terkecilnya. Kombinasi saham ITMG, INTP dan LPKR pada skenario ketiga mempunyai nilai VaR 2.33 % sedangkan pada skenario keempat memiliki nilai VaR sebesar 2.48%. Untuk kombinasi saham ASII, GGRM dan JSMR merupakan portofolio yang memiliki nilai VaR terendah pada skenario ketiga dan keempat mempunyai nilai VaR yang sama yaitu 1.95%. Jika desimal yang digunakan lebih banyak maka nilai VaR terkecil diskenario keempat lebih besar daripada skenario ketiga. Hal ini menunjukkan bahwa proporsi investasi yang sama lebih baik daripada proporsi yang berbeda seperti skenario keempat karena nilai risiko maksimalnya lebih rendah. Nilai VaR portofolio–portofolio yang terbentuk pada skenario ketiga dapat dilihat pada Lampiran 5.
Uji Statistik Skenario–skenario investasi dalam penelitian ini diuji statistiknya untuk mengetahui hubungan penghitungan return antara metode Mean Variancedan mean absolute devition, untuk mengetahui hubungan penghitungan risiko antara metode Mean Variancedan mean absolute devition, untuk mengetahui perbedaan penghitungan return antara metode Mean Variancedan Mean Absolute Devition, dan untuk mengetahui perbedaan penghitungan risiko antara metode Mean Variancedan Mean Absolute Devition. Skenario kesatu Uji statistik yang pertama dilakukan pada skenario ini adalah uji korelasi antara penghitungan return metode Mean Variance(MV)dan penghitungan return metode Mean Absolute Deviation(MAD).Tabel 3 menunjukan nilai korelasi pearson penghitungan return antara metode Mean Variancedan metode Mean Absolute Deviataionsebesar 1.000. Tanda bintang berjumlah 2 artinya korelasi
32
signifikan pada level 0.01 dengan uji 2 sisi. Nilai korelasi positif artinya terjadi hubungan positif yaitu jika penghitungan return dengan metode Mean Variance meningkat maka penghitungan returndengan metode Mean Absolute Deviation juga semakin tinggi.Untuk pengujian signifikansi sebagai berikut: 1. Menentukan hipotesis Ho:Tidak ada hubungan antara penghitungan returnmetode Mean Variance dengan penghitungan return metode Mean Absolute Deviation H1: Ada hubungan antara penghitungan returnmetode Mean Variance dengan penghitungan return metode Mean Absolute Deviation Menentukan tingkat signifikansi 2. Menentukan tingkat signifikansi Pengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5% 3. Nilai signifikansi Dari output diatas diketahui nilai signifikansi sebesar 0.000 4. Kriteria pengujian Ho diterima jika signifikansi > 0.05 Ho ditolak jika signifikansi < 0.05 5. Membandingkan nilai signifikansi Nilai signifikansi 0.000 lebih kecil dari 0.05 maka Ho ditolak 6. Kesimpulan Nilaisig yang dihasilkan kurang dari 0.05 maka Ho ditolak, artinya ada hubungan signifikan antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation. Tabel 3Hasil uji korelasi penghitungan return portofolio metode Mean Variance dan penghitungan return portofolio metode Mean Absolute Deviationskenario kesatu Correlations MAD_Return Pearson Correlation MAD_Return Sig. (2-tailed) N Pearson Correlation MV_Return Sig. (2-tailed) N **. Correlation is significant at the 0.01 level (2-tailed).
1 84 1.000** .000 84
MV_Return 1.000** .000 84 1 84
Uji statistik yang kedua dilakukan pada skenario ini adalah uji korelasi antara penghitungan risikometode Mean Variance(MV)dan penghitungan risikometode Mean Absolute Deviation(MAD). Tabel 4 menunjukkan nilai korelasi pearson risiko antara metode Mean Variancedan metode Mean Absolute Deviation 0.953. Tanda bintang berjumlah 2 artinya korelasi signifikan pada level 0.01 dengan uji 2 sisi. Nilai korelasi positif artinya terjadi hubungan positif yaitu jika penghitungan risiko dengan metode Mean Variance meningkat maka penghitungan risiko dengan metode Mean Absolute Deviation juga semakin tinggi.Untuk pengujian signifikansi sebagai berikut: 1. Menentukan hipotesis Ho:Tidak ada hubungan antara penghitungan risikometode Mean Variance dengan penghitungan risiko metode Mean Absolute Deviation H1: Ada hubungan antara penghitungan risikometode Mean Variance dengan penghitungan risiko metode Mean Absolute Deviation
33
2. Menentukan tingkat signifikansi Pengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5% 3. Nilai signifikansi Dari output diatas diketahui nilai signifikansi sebesar 0.000 4. Kriteria pengujian Ho diterima jika signifikansi > 0.05 Ho ditolak jika signifikansi < 0.05 5. Membandingkan nilai signifikansi Nilai signifikansi 0,000 lebih kecil dari 0,05 maka Ho ditolak 6. Kesimpulan Hasil uji korelasi ini adalah nilai sig kurang dari 0.05 maka Ho ditolak, artinya ada hubungansignifikan antara penghitungan risikometode Mean Variance dengan penghitungan risiko metode Mean Absolute Deviation. Tabel 4Hasil uji korelasi penghitungan risiko portofolio metode MeanVariancedan penghitungan risiko portofolio metode MeanAbsoluteDeviationskenario kesatu Correlations MAD_Risiko MAD_Risiko
MV_Risiko
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
1 84 .953** .000 84
MV_Risiko .953** .000 84 1 84
Uji statistik yang ketiga dilakukan pada skenario ini adalah uji beda antara penghitungan return metode Mean Variance(MV)dan penghitungan return metode Mean Absolute Deviation(MAD).Tabel 5 yaitu tabel uji independence samples test, yang terdiri dari uji levane (homogenitas) dan uji t 2 sample bebas. Pertama kali dilakukan adalah uji levane dengan F test, artinya jika varian sama maka uji t menggunakan output equal variances assumed (diasumsikan varian sama) dan jika varian berbeda menggunakan equal variance not assumed (diasumsikan varian berbeda).Langkah-langkah uji F sebagai berikut: 1. Menentukan hipotesis Ho : Kedua varian adalah sama (penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation) H1 : Kedua varian adalah berbeda (penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation) 2. Kriteria pengujian Ho diterima jika signifikansi > 0.05 Ho ditolak jika signifikansi < 0.05 3. Membandingkan nilai signifikansi Nilai signifikansi 1.000 lebih besar dari 0.005 maka Ho diterima 4. Kesimpulan Hasil pada uji F adalah nilai sig lebih besar dari 0.05 maka Ho diterima. Jadi dapat disimpulkan bahwa kedua varian sama. Dengan ini maka penggunaan uji t menggunakan equal variances assumed (diasumsikan sama). Langkah uji t : 1. Menentukan hipotesis
34
2. 3. 4.
5.
6. 7.
Tabel
Ho: Tidak ada perbedaan antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation H1: Ada perbedaan antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation Menentukan tingkat signifikansi Pengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5% Menentukan t hitung Dari output didapat nilai t hitung equal variances assumed sebesar 0.000 Menentukan t tabel Harus cari nilai t tabelnya pada α = 5% : 2 = 2.5% (uji dua sisi), dengan derajat bebas (df) = 166maka t tabelnya adalah 1.974. Kriteria pengujian Ho diterima jika –t tabel ≤ t hitung ≤ t tabel Ho ditolak jika –t tabel < -t hitung atau t hitung > t tabel Membandingkan t hitung Nilai t hitung ≤ t tabel (0 < 1,974) maka Ho diterima Kesimpulan Hasil uji t adalah nilai t hitung ≤ t tabel (0 < 1,974) maka Ho diterima. Jadi dapat disimpulkan tidak ada perbedaan antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation. 5Hasil uji beda penghitungan return metode Mean Variancedan penghitungan return metode Mean Absolute Deviationskenario kesatu Independent Samples Test Levene's Test for Equality of Variances
Return
Equal variances assumed Equal variances not assumed
t-test for Equality of Means
F
Sig.
T
Df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
.000
1.000
.000
166
1.000
.0000000
.0005874
-.0011598
.0011598
.000
166
1.000
.0000000
.0005874
-.0011598
.0011598
Tabel 6 adalah hasil uji statistik terakhir yang dilakukan pada skenario ini yaitu uji beda anatara penghitungan risiko antara metode Mean Variancedan metode Mean Absolute Deviation. Hasil pada uji independence samples test, yang terdiri dari uji levane (homogenitas) dan uji t 2 sample bebas.Untuk pertama dilakukan uji levane dengan F test, artinya jika varian sama maka uji t menggunakan output equal variances assumed (diasumsikan varian sama) dan jika varian berbeda menggunakan equal variance not assumed (diasumsikan varian berbeda). Langkah-langkah uji F sebagai berikut: 1. Menentukan hipotesis Ho : Kedua varian adalah sama (penghitungan risiko metode Mean Variancedengan penghitungan risiko metode Mean Absolute Deviation) H1 : Kedua varian adalah (penghitungan risiko metode Mean Variancedengan penghitungan risiko metode Mean Absolute Deviation)
35
2. Kriteria pengujian Ho diterima jika signifikansi > 0.05 Ho ditolak jika signifikansi < 0.05 3. Membandingkan nilai signifikansi Nilai signifikansi 0.255 lebih besar dari 0.05 maka Ho diterima 4. Kesimpulan Nilaisig pada uji F lebih besar dari 0.05 maka Ho diterima. Jadi dapat disimpulkan bahwa kedua varian sama. Dengan ini maka penggunaan uji t menggunakan equal variances assumed (diasumsikan sama). Tabel 6Hasil uji beda penghitungan risiko metode Mean Variance dan penghitungan risiko metode Mean Absolute Deviationskenario kesatu Independent Samples Test Levene's Test for Equality of Variances
Equal variances assumed Return Equal variances not assumed
t-test for Equality of Means
F
Sig.
T
df
1.306
.255
14.632
166
14.632
163. 769
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
.000
.0155852
.0010652
.0134822
.0176882
,000
.0155852
.0010652
.0134820
.0176884
Sig. (2-tailed)
Langkah uji t : 1. Menentukan hipotesis Ho : Tidak ada perbedaan antara penghitungan risiko metode Mean Variancedengan penghitungan risiko metode Mean Absolute Deviation H1 : Ada perbedaan antara penghitungan risiko metode Mean Variancedengan penghitungan risiko metode Mean Absolute Deviation 2. Menentukan tingkat signifikansi Pengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5% 3. Menentukan t hitung Dari output didapat nilai t hitung equal variances not assumed sebesar 14.632 4. Menentukan t tabel Harus cari nilai t tabelnya pada α = 5% : 2 = 2.5% (uji dua sisi), dengan derajat bebas (df) = 111.maka t tabelnya adalah 1.981. 5. Kriteria pengujian Ho diterima jika –t tabel ≤ t hitung ≤ t tabel Ho ditolak jika –t tabel < -t hitung atau t hitung > t tabel 6. Membandingkan t hitung Nilai t hitung > t tabel (14.632 >1.981) maka Ho diterima 7. Kesimpulan Nilait hitung > t tabel (14.632 > 1.981) maka Ho diterima. Jadi dapat disimpulkan tidak ada perbedaan antara penghitungan risiko metode Mean Variancedengan penghitungan risiko metode Mean Absolute Deviation.
36
Skenario kedua Uji statistik yang pertama dilakukan pada skenario ini adalah uji korelasi antara penghitungan return metode Mean Variance(MV)dan penghitungan return metode Mean Absolute Deviation(MAD).Tabel 7 menunjukan nilai korelasi pearson penghitungan return antara metode Mean Variancedan metode mean absolute deviataion sebesar 1.000. Tanda bintang berjumlah 2 artinya korelasi signifikan pada level 0.01 dengan uji 2 sisi. Nilai korelasi positif artinya terjadi hubungan positif yaitu jika penghitungan return dengan metode Mean Variance meningkat maka penghitungan return dengan metode Mean Absolute Deviation juga semakin tinggi. Hasil ini sama dengan hasil pada skenario kesatu. Tabel 7Hasil uji korelasi penghitungan return portofolio metode MeanVariancedan penghitungan return portofolio metode MeanAbsoluteDeviationskenario kedua Correlations MAD_Return MAD_Return
MV_Return
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
1 84 1.000** .000 84
MV_Return 1.000** .000 84 1 84
Pada uji korelasi skenario dua ini hasilnya adalah nilai sig kurang dari 0.05 maka Ho ditolak, artinya ada hubungan signifikan antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation.Uji statistik yang kedua dilakukan pada skenario ini adalah uji korelasi antara penghitungan risikometode Mean Variance(MV)dan penghitungan risikometode Mean Absolute Deviation(MAD). Tabel 8 menunjukkan nilai korelasi pearson risiko antara metode Mean Variancedan metode Mean Absolute Deviation 0.743. Tanda bintang berjumlah 2 artinya korelasi signifikan pada level 0.01 dengan uji 2 sisi. Nilai korelasi positif artinya terjadi hubungan positif yaitu jika penghitungan risiko dengan metode Mean Variance meningkat maka penghitungan risiko dengan metode Mean Absolute Deviation juga semakin tinggi. Untuk penghitungan korelasi risiko antara kedua metode tersebut pada skenario kesatu dan kedua juga menghasilkan kesimpulan yang sama bahwa terdapat hubungan antara kedua metode tersebut karena nilai sig kurang dari 0.05 maka Ho ditolak. Tabel 8Hasil uji korelasi penghitungan risiko portofolio metode MeanVariancedan penghitungan risiko portofolio metode MeanAbsoluteDeviationskenario kedua Correlations MAD_Risiko Pearson Correlation MAD_Risiko Sig. (2-tailed) N Pearson Correlation MV_Risiko Sig. (2-tailed) N **. Correlation is significant at the 0.01 level (2-tailed).
1 84 .743** .000 84
MV_Risiko .743** .000 84 1 84
37
Uji statistik yang ketiga dilakukan pada skenario ini adalah uji beda antara penghitungan return metode Mean Variance(MV)dan penghitungan return metode Mean Absolute Deviation(MAD).Tabel 9 yaitu tabel uji independence samples test, yang terdiri dari uji levane (homogenitas) dan uji t 2 sample bebas. Pertama kali dilakukan adalah uji levane dengan F test, artinya jika varian sama maka uji t menggunakan output equal variances assumed (diasumsikan varian sama) dan jika varian berbeda menggunakan equal variance not assumed (diasumsikan varian berbeda). Hasil yang didapat pada uji F adalah Nilaisig lebih besar dari 0.05 maka Ho diterima. Jadi dapat disimpulkan bahwa kedua varian sama. Dengan ini maka penggunaan uji t menggunakan equal variances assumed (diasumsikan sama). Tabel 9Hasil uji beda penghitungan return metode Mean Variancedan penghitungan return metode Mean Absolute Deviationskenario kedua Independent Samples Test Levene's Test for Equality of Variances
Return
Equal variances assumed Equal variances not assumed
t-test for Equality of Means
F
Sig.
t
Df
Sig (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
.001
.971
.020
166
.984
.0000135
.0006646
-.0012987
.0013258
.020
165. 998
.984
.0000135
.0006646
-.0012987
.0013258
Pada Tabel di atas didapat nilai t hitung equal variances assumed sebesar 0.020. Nilait tabelnya pada α = 5% : 2 = 2.5% (uji dua sisi), dengan derajat bebas (df) = 166adalah 1.974. Sehingga hasil uji t adalah nilai t hitung ≤ t tabel (0.020< 1,974) maka Ho diterima. Jadi dapat disimpulkan tidak ada perbedaan antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation. Tabel 10Hasil uji beda penghitungan risiko metode Mean Variance dan penghitungan risiko metode Mean Absolute Deviation skenario kedua Independent Samples Test Levene's Test for Equality of Variances F Equal variances assumed Return Equal variances not assumed
Sig.
27.323 .000
t-test for Equality of Means
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
t
df
Sig. (2-tailed)
7.962
166
.000
-.0151675
.0019050 -.0189287 -.0114064
7.962
123.337
.000
-.0151675
.0019050 -.0189383 -.0113968
38
Tabel 10 adalah hasil uji statistik terakhir yang dilakukan pada skenario kedua yaitu uji beda anatara penghitungan risiko antara metode Mean Variancedan metode Mean Absolute Deviation. Hasil pada uji independence samples test, yang terdiri dari uji levane (homogenitas) dan uji t 2 sample bebas.Untuk pertama dilakukan uji levane dengan F test dengan hasil nilaisig lebih kecil dari 0.05 maka Ho ditolak. Jadi dapat disimpulkan bahwa kedua varian berbeda. Dengan ini maka penggunaan uji t menggunakan equal variances not assumed (diasumsikan berbeda). Pada Tabel 10didapat nilai t hitung equalvariancesnotassumed sebesar -7.962 dan nilai t tabelnya pada α = 5% : 2 = 2.5% (uji dua sisi), dengan derajat bebas (df) = 123, maka t tabelnya adalah 1.979. Hasil uji t pada skenario ini adalah nilai -t tabel<-t hitung (-7.962< -1.979) maka Ho ditolak . Jadi dapat disimpulkan ada perbedaan antara penghitungan risiko metode Mean Variancedengan penghitungan risiko metode Mean Absolute Deviation. Hasil ini berbeda dengan skenario kesatudi mana pada skenario kesatu tidak ada perbedaan antara penghitungan risiko metode Mean Variancedengan penghitungan risiko metode Mean Absolute Deviation. Hal ini disebabkan nilai risiko yang dihasilkan pada kedua skenario ini memang berbeda karena proporsi nilai investasi yang berbeda. Investor dapat melakukan penghitungan proporsi nilai investasi seperti yang dilakukan oleh Priyatna (2003) dimana penelitiannya menghasilkan proporsi nilai investasi pada portofolio optimal yaitu kombinasi saham sampoerna 51% dan Telkom 49%. Skenario ketiga Sama dengan skenario kesatu dan kedua uji statistik yang pertama dilakukan adalah uji korelasi antara penghitungan return metode Mean Variance(MV)dan penghitungan return metode Mean Absolute Deviation(MAD).Tabel 11 menunjukan nilai korelasi pearson penghitungan return antara metode Mean Variancedan metode mean absolute deviataion sebesar 1.000. Tanda bintang berjumlah 2 artinya korelasi signifikan pada level 0.01 dengan uji 2 sisi. Nilai korelasi positif artinya terjadi hubungan positif yaitu jika penghitungan return dengan metode Mean Variance meningkat maka penghitungan return dengan metode Mean Absolute Deviation juga semakin tinggi. Hasil ini sama dengan hasil pada skenario kesatudan skenario kedua karena nilai sig kurang dari 0.05 maka Ho ditolak. Tabel 11Hasil uji korelasi penghitungan return portofolio metode MeanVariancedan penghitungan return portofolio metode Mean AbsoluteDeviationskenario ketiga Correlations MAD_Return Pearson Correlation MAD_Return Sig. (2-tailed) N Pearson Correlation MV_Return Sig. (2-tailed) N **. Correlation is significant at the 0.01 level (2-tailed).
1 84 1.000** .000 84
MV_Return 1.000** .000 84 1 84
Uji statistik yang kedua dilakukan pada skenario ini adalah uji korelasi antara penghitungan risikometode Mean Variance(MV)dan penghitungan risikometode Mean Absolute Deviation(MAD). Tabel 12 menunjukkan nilai
39
korelasi pearson risiko antara metode Mean Variancedan metode Mean Absolute Deviation 0.031. Nilai korelasi positif artinya terjadi hubungan positif yaitu jika penghitungan risiko dengan metode Mean Variance meningkat maka penghitungan risiko dengan metode Mean Absolute Deviation juga semakin tinggi. Untuk penghitungan korelasi risiko antara kedua metode tersebut pada skenario kesatu dan kedua juga menghasilkan kesimpulan yang sama bahwa terdapat hubungan antara kedua metode tersebut. Tabel 12Hasil uji korelasi penghitungan risiko portofolio metode MeanVariancedan penghitungan risiko portofolio metode MeanAbsoluteDeviationskenario kedua Correlations MAD_Risiko Pearson Correlation MAD_Risiko Sig. (2-tailed) N Pearson Correlation MV_Risiko Sig. (2-tailed) N **. Correlation is significant at the 0.01 level (2-tailed).
MV_Risiko 1 84 .031 .778 84
.031 .778 84 1 84
Jika dibandingkan pada skenario kesatu yang sama–sama menggunakan proporsi nilai investasi yang sama pada saham–saham terpilih, hasil uji statistik ini berbeda hasilnya di mana pada skenario kesatu ada hubungan antara kedua metode dalam penghitungan nilai risikonya. Hal ini dapat disebabkan oleh jumlah data yang digunakan. Walaupun pada skenario kesatu data yang digunakan adalah data bulanan dari tahun 2008 sampai 2012 tetapi jumlahnya lebih sedikit dibandingkan dengan data 100 hari pada skenario ketiga. Tabel 13Hasil uji beda penghitungan return metode Mean Variancedan penghitungan return metode Mean Absolute Deviationskenario ketiga Independent Samples Test Levene's Test for Equality of Variances F
Return
Equal variances assumed Equal variances not assumed
Sig.
.000 1.000
t-test for Equality of Means
t
df
Sig (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
.000
166
1.000
.0000000
.0001410
-.0002784
.0002784
.000
166
1.000
.0000000
.0001410
-.0002784
.0002784
Uji statistik yang ketiga dilakukan pada skenario ini adalah uji beda antara penghitungan return metode Mean Variance(MV) dan penghitungan return metode Mean Absolute Deviation(MAD). Hasil penghitungannya dapat dilihat pada Tabel 13 yaitu tabel uji independence samples test, yang terdiri dari uji levane (homogenitas) dan uji t 2 sample bebas. Pertama kali dilakukan adalah uji levane dengan F testhasil penghitungan menunjukkan nilai sig lebih besar dari 0.05 maka Ho diterima. Jadi dapat disimpulkan bahwa kedua varian sama. Dengan ini maka penggunaan uji t menggunakan equal variances
40
assumed(diasumsikan sama). Tabel 13 menunjukkan nilai t hitung equal variances assumed sebesar 0.020. Nilait tabelnya pada α = 5% : 2 = 2.5% (uji dua sisi), dengan derajat bebas (df) = 166adalah 1.974.Pada uji t didapat nilai t hitung ≤ t tabel (0.000< 1.974) maka Ho diterima. Jadi dapat disimpulkan tidak ada perbedaan antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation. Tabel 14 adalah hasil uji statistik terakhir yang dilakukan pada skenario ketiga yaitu uji beda anatara penghitungan risiko antara metode Mean Variancedan metode Mean Absolute Deviation. Hasil pada uji independence samples test, yang terdiri dari uji levane (homogenitas) dan uji t 2 sample bebas.Nilaisig pada uji F lebih kecil dari 0.05 maka Ho ditolak. Jadi dapat disimpulkan bahwa kedua varian berbeda. Dengan ini maka penggunaan uji t menggunakan equal variances not assumed (diasumsikan berbeda).Dari output didapat nilai t hitung equal variances not assumed sebesar 50.964. Nilai t tabelnya pada α = 5% : 2 = 2.5% (uji dua sisi), dengan derajat bebas (df) = 145 adalah 1.974. Hasil uji t adalah nilai t hitung > t tabel (50.964 >1.974) maka Ho ditolak. Jadi dapat disimpulkan ada perbedaan antara penghitungan risiko metode Mean Variancedengan penghitungan risiko metode Mean Absolute Deviation. Skenario kedua dan ketiga menunjukkan bahwa penghitungan risiko antara metode mean varince danMean Absolute Deviation terdapat perbedaan. Secara rumus pada metode Mean Variance objek yang digunakan adalah nilai return sedangkan pada metode Mean Absolute Deviation menggunakan nilai standar deviasi (risiko) mutlak. Tabel 14Hasil uji beda penghitungan risiko metode Mean Variance dan penghitungan risiko metode Mean Absolute Deviation Independent Samples Test Levene's Test for Equality of Variances F Equal variances assumed Return Equal variances not assumed
Sig.
t-test for Equality of Means
t
9.977 .002 50.964
50.964
95% Confidence Interval of the Difference Lower Upper
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
166
.000
.0135159
.0002652
.0129923
.0140395
145.530
.000
.0135159
.0002652
.0129918
.0140401
Skenario keempat Uji statistik yang pertama dilakukan adalah uji korelasi antara penghitungan return metode Mean Variance(MV)dan penghitungan return metode Mean Absolute Deviation(MAD).Tabel 15 menunjukan nilai korelasi pearson penghitungan return antara metode Mean Variancedan metode mean absolute deviataion sebesar 1.000. Tanda bintang berjumlah 2 artinya korelasi signifikan pada level 0.01 dengan uji 2 sisi. Nilai korelasi positif artinya terjadi hubungan positif yaitu jika penghitungan return dengan metode Mean Variance meningkat maka penghitungan return dengan metode Mean Absolute Deviation juga semakin tinggi. Hasil ini sama dengan hasil pada skenario kesatu.
41
Hasil penghitungan ini adalah nilaisig kurang dari 0.05 maka Ho ditolak, artinya ada hubungan signifikan antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation. Semua uji korelasi antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation menunjukkan adanya hubungan signifikan antara kedua metode tersebut. Tabel 15Hasil uji korelasi penghitungan return portofolio metode Mean Variance dan penghitungan return portofolio metode Mean Absolute Deviationskenario ketiga Correlations MAD_Return Pearson Correlation MAD_Return Sig. (2-tailed) N Pearson Correlation MV_Return Sig. (2-tailed) N **. Correlation is significant at the 0.01 level (2-tailed).
1 84 1.000** .000 84
MV_Return 1.000** .000 84 1 84
Uji statistik yang kedua dilakukan pada skenario ini adalah uji korelasi antara penghitungan risikometode Mean Variance(MV)dan penghitungan risikometode Mean Absolute Deviation(MAD). Tabel 16 menunjukkan nilai korelasi pearson risiko antara metode Mean Variancedan metode Mean Absolute Deviation0.207. Nilai korelasi positif artinya terjadi hubungan positif yaitu jika penghitungan risiko dengan metode Mean Variance meningkat maka penghitungan risiko dengan metode Mean Absolute Deviation juga semakin tinggi. Untuk penghitungan korelasi risiko antara kedua metode tersebut pada skenario kesatu dan kedua juga menghasilkan kesimpulan yang sama bahwa terdapat hubungan antara kedua metode tersebut. Tabel 16Hasil uji korelasi penghitungan risiko portofolio metode MeanVariancedan penghitungan risiko portofolio metode MeanAbsoluteDeviationskenario kedua Correlations MAD_Risiko Pearson Correlation MAD_Risiko Sig. (2-tailed) N Pearson Correlation MV_Risiko Sig. (2-tailed) N **. Correlation is significant at the 0.01 level (2-tailed).
MV_Risiko 1 84 .207 .059 84
.207 .059 84 1 84
Skenario keempat menghasilkan nilai sig lebih besar dari 0,05 maka Ho diterima, artinya tidak ada hubungansignifikan antara penghitungan risiko metode Mean Variance dengan penghitungan risiko metode Mean Absolute Deviation.Dua skenario yang menggunakan data 100 hari menunjukkan tidak adanya hubungan signifikan antara penghitungan risikometode Mean Variance dengan penghitungan risiko metode Mean Absolute Deviation. Tetapi dua skenario yang menggunakan data bulanan dari 2008 sampai 2012 menunjukkan adanya hubungan signifikan antara penghitungan risikometode Mean Variance dengan penghitungan risiko metode Mean Absolute Deviation. Hal ini
42
menunjukkan jumlah data yang digunakan mempengaruhi penghitungan risiko pada kedua metode ini. Uji statistik yang ketiga dilakukan pada skenario ini adalah uji beda antara penghitungan return metode Mean Variance(MV)dan penghitungan return metode Mean Absolute Deviation(MAD). Hasil penghitungannya dapat dilihat pada Tabel 17 yaitu tabel uji independence samples test, yang terdiri dari uji levane (homogenitas) dan uji t 2 sample bebas. Pertama kali dilakukan adalah uji levane dengan F testdimana hasilnya adalah lebih besar dari 0.05 maka Ho diterima. Jadi dapat disimpulkan bahwa kedua varian sama. Dengan ini maka penggunaan uji t menggunakan equal variances assumed (diasumsikan sama). Tabel 17Hasil uji beda penghitungan return metode Mean Variancedan penghitungan return metode Mean Absolute Deviationskenario ketiga Independent Samples Test Levene's Test for Equality of Variances F
Return
Equal variances assumed Equal variances not assumed
Sig.
,000 1,000
t-test for Equality of Means
T
df
Sig (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
,000
166
1,000
,0000000
,0001557
-,0003074
,0003074
,000
166
1,000
,0000000
,0001557
-,0003074
,0003074
Tabel 17 menunjukkan nilai t hitung equal variances assumed sebesar 0.020. Nilai t tabelnya pada α = 5% : 2 = 2.5% (uji dua sisi), dengan derajat bebas (df) = 166 adalah 1.974.Hasil uji t adalah nilai t hitung ≤ t tabel (0.000< 1.974) maka Ho diterima. Jadi dapat disimpulkan tidak ada perbedaan antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation. Semua skenario pada penelitian ini menunjukkan bahwa tidak ada perbedaan antara penghitungan returnmetode Mean Variancedengan penghitungan returnmetode Mean Absolute Deviation. Tabel 18 adalah hasil uji statistik terakhir yang dilakukan pada penelitian ini yaitu uji beda anatara penghitungan risiko antara metode Mean Variancedan metode Mean Absolute Deviationpada skenario keempat. Hasil pada uji independence samples test, yang terdiri dari uji levane (homogenitas) dan uji t 2 sample bebas.Nilaisig pada uji F adalah lebih besar dari 0.05 maka Ho diterima Jadi dapat disimpulkan bahwa kedua varian sama. Dengan ini maka penggunaan uji t menggunakan equal variances assumed (diasumsikan sama).Dari output didapat nilai t hitung equal variances assumed sebesar 37.135. Nilai t tabelnya pada α = 5% : 2 = 2.5% (uji dua sisi), dengan derajat bebas (df) = 166 adalah 1.974. Nilait hitung > t tabel (37.135 > 1.974) maka Ho ditolak. Jadi dapat disimpulkan ada perbedaan antara penghitungan risiko metode Mean Variancedengan penghitungan risiko metode Mean Absolute Deviation.
43
Tabel 18Hasil uji beda penghitungan risiko metode Mean Variance dan penghitungan risiko metode Mean Absolute Deviationskenario keempat Independent Samples Test Levene's Test for Equality of Variances F Equal variances assumed Return Equal variances not assumed
Sig.
t-test for Equality of Means
T
3.745 .055 37.135
37.135
95% Confidence Interval of the Difference Lower Upper
df
Sig (2-tailed)
Mean Difference
Std. Error Difference
166
.000
.0128724
.0003466
.0121880
.0135568
143.800
.000
.0128724
.0003466
.0121873
.0135576
Selain skenario kesatu, skenario yang lain menunjukkan ada perbedaan antara penghitungan risiko metode Mean Variancedengan penghitungan risiko metode Mean Absolute Deviation. Penelitian ini berasumsi bahwa investor tidak menyukai risiko jika dilihat nilai risiko portofolio yang dihasilkan oleh metode Mean Variance lebih kecil dibandingkan nilai risiko portofolio yang dihasilkan oleh metode Mean Absolute Deviation. Investor yang tidak menyukai risiko akan lebih menyukai hasil Mean Variance, hal ini sejalan dengan penelitian Simaan (1997) di mana kesimpulan penelitiannya adalah metode Mean Variancepaling bagus digunakan untuk sampel data yang sedikit dan mempunyai toleransi risiko yang kecil.
SIMPULAN dan SARAN Simpulan Hasil penelitian ini dapat diambil beberapa simpulan antara lain: 1. Saham-saham terpilih pada Indeks LQ 45 periode Februari–Juli 2013 adalah LSIP, ITMG, INTP, ASII, GGRM, LPKR, JSMR, BBNI dan UNTR. Nilai return portofolio yang dihasilkan lebih besar daripada nilai return saham– saham terpilih. Nilai risiko yang dihasilkan oleh metode Mean Varince lebih kecil dibandingkan nilai risiko yang dihasilkan oleh metode Mean Absolute Deviation. 2. Portofolio yang dibentuk dari saham–saham yang memiliki nilai risiko besar akan menghasilkan nilai Value at Risk(VaR) atau risiko maksimal yang besar pula. 3. Uji korelasi penghitungan return antara metode Mean Variancedan metode Mean Absolute Deviation pada semua skenario menunjukkan bahwa adanya hubungan antara kedua metode tersebut sehingga investor dapat memilih salah satu metode yang akan digunakan untuk penghitungan return. Sedangkan untuk uji korelasi penghitungan risiko antara metode Mean Variancedan metode Mean Absolute Deviation menunjukkan perbedaan data yang
44
digunakan akan menunjukkan hubungan penghitungan kedua metode tersebut. Jumlah data mempengaruhi penghitungan risiko pada kedua metode ini. Mean Variancelebih cocok menggunakan data yang lebih sedikit dibandingkan Mean Absolute Deviation. 4. Hubungan penghitungan return antara kedua metode yang digunakan pada penelitian ini sejalan dengan uji beda yang dilakukan. Untung penghitungan return yang menunjukkan adanya hubungan antara kedua metode juga membuktikan tidak ada bedanya penghitungan return pada metode Mean Variancedan penghitungan metode Mean Absolute Deviation. Begitu juga dengan hubungan penghitungan risiko antara kedua metode yang menunjukkan tidak adanya hubungan antara kedua metode tersebut juga menunjukkan bahwa adanya perbedaan penghitungan risiko pada kedua metode tersebut. Jika penghitungan return memilih salah satu metode, tetapi sebaiknya untuk penghitungan risiko investor bisa menggunakan kedua metode ini sebagai pertimbangan. Saran Perhitungan return dan risiko hanya sebagian kecil dari faktor-faktor yang harus diperhatikan dalam memilih saham sebagai investasi. Sebaiknya penelitian ini dapat dilengkapi dengan faktor fundamental dan teknikal sebagai tambahan informasi untuk calon investor.Faktor fundamental adalah di mana harga saham dipengaruhi oleh keadaan ekonomi, industri dan perusahaan yang menerbitkan saham. Faktor ini sangat penting, karena harga saham sangat berhubungan dengan kemampuan perusahaan untuk menciptakan keuntungan di masa datang bagi pemegang saham. Faktor teknikal adalahdi mana harga saham dipengaruhi oleh pergerakan harga jual beli saham, jumlah saham yang diperdagangkan dan data lain yang bersumber dari pasar. Selain itu hal yang harus diperhitungkan oleh investor untuk pertama kali adalah proporsi investasi pada masing – masing saham yang akan dibentuk ke dalam portofolio karena nilai return dan risiko pada saham akan mempengaruhi nilai return dan risiko portofolio yang dibentuknya.
DAFTAR PUSTAKA Alwi H. 2007. Kamus Besar Bahasa Indonesia. Jakarta (ID). Balai Pustaka. Astra International (ASII). 2012. Annual Report Tahunan 2012. Jakarta (ID) Bank Negara Indonesia (BNI). 2012. Annual Report Tahunan 2012. Jakarta (ID) Bursa Efek Indonesia. 2011. The Fact of Book 2011. Jakarta (ID) Copeland T dan Weston J F. 1997. Manajemen Keuangan. Jakarta (ID). Binarupa Aksara. Gudang Garam (GGRM). 2012. Annual Report Tahunan 2012. Jakarta (ID) Harianto F dan Sudomo S. 2001. Perangkat dan Teknik Analisis Investasi di Pasar Modal Indonesia. Jakarta (ID). PT Bursa Efek Jakarta. Heizer J dan B Render. 2006. Manajemen Operasi. Jakarta (ID).Salemba Empat. Husnan S.2003. Dasar-dasar Teori Portofolio dan Analisis Sekuritas. Edisi Ketiga. Yogyakarta (ID).Unit Penerbit dan Percetakan AMP YKPN.
45
Indocement Tunggal Prakarsa (INTP). 2012. Annual Report Tahunan 2012. Jakarta (ID) Indo Tambangraya Megah (ITMG). 2012. Annual Report Tahunan 2012. Jakarta (ID) Indraty N. 2002. Optimalisasi Pemanfaatan Limit dalam Pengelolaan Portofolio Foreign Exchange Melalui Pendekatan VAR. Tesis. Manajemen Bisnis. Institut Pertanian Bogor. Jasa Marga (JSMR). 2012. Annual Report Tahunan 2012. Jakarta (ID) Karacabey, Ali Argun. 2006. Is Mean Variance Efficient than MAD in Istanbul?. International Research Journal of Finance and Economics Keown A J, Martin JD, Petty JW dan Scott DF. 2005. Manajemen Keuangan: Prinsip-prinsip dan Aplikasi. Jakarta (ID). Indeks. Konno H dan H Yamazaki. 1991. Mean-absolute Deviation Portfolio OptimizationModel and Its Application to Tokyo Stock Exchange.Management Science,Vol. 37, No. 5. pp 519-531. Lippo Karawaci (LPKR). 2012. Annual Report Tahunan 2012. Jakarta (ID) London Sumatra (LSIP). 2012. Annual Report Tahunan 2012. Jakarta (ID) Markowitz H. 1952. PortfolioSelection.Journal of Finance,Vol. VII, No. 1, pp.7791. Priyatna Y dan F Sukono. 2003. Optimasi Portofolio Investasidengan Menggunakan Model Markowitz. Jurnal Matematika dan Komputer, Vol 6 No. 1, 1 - 10, April 2003, ISSN : 1410-8518. Rijal M. 2011. Pembentukan Portofolio Terhadap Reksadana saham dan Reksadana Pendapatan Tetap Menggunakan Metode Single Index dan Teori Markowitz. Tesis. Manajemen Bisnis. Institut Pertanian Bogor Sartono RA dan Setiawan AA. 2006. VAR Portofolio Optimal: Perbandingan Antara Metode Markowitz dan Mean Absolute Deviation. Jurnal Siasat Bisnis, Vol. 11, No. 1, Hal 37-50. Simaan Y. 1997. Estimation Risk in Portofolio Selection : The Mean Variance Model Versus The Mean Absolute Deviation Model. Management Science, Vol. 43, no. 10. pp 1437-1446. Tendelilin E. 2001. Analisis Investasi dan Manajemen Portofolio. Yogyakarta (ID).BPFE. United Tractor (UNTR). 2012. Annual Report Tahunan 2012. Jakarta (ID) Wicaksono M A D. 2010. Analisis Investasi portofolio saham kelompok LQ 45 di Bursa efek Indonesia. Tesis. Manajemen Bisnis. Institut Pertanian Bogor.
46
LAMPIRAN Lampiran 1Hasil penghitungan return dan risiko saham-saham yang stabil di Indeks LQ 45 dari Agustus 2010 - Juli 2013 No
Keterangan
Kode emiten
Sektor
Return
Risiko
1
LSIP
1
1.35%
15.41%
2
AALI
1
0.38%
13.36%
3
ITMG
2
3.08%
18.05%
4
PTBA
2
1.34%
13.77%
5
ANTM
2
-1.19%
13.16%
6
BUMI
2
-1.25%
22.64%
7
INTP
3
2.41%
11.68%
8
SMGR
3
2.17%
9.51%
9
ASII
4
2.50%
12.14%
10
GGRM
5
3.93%
12.84%
11
KLBF
5
3.28%
13.63%
12
INDF
5
2.21%
12.75%
13
UNVR
5
2.19%
7.42%
14
LPKR
6
1.31%
12.23%
15
JSMR
7
2.26%
9.79%
16
PGAS
7
1.26%
11.05%
17
TLKM
7
0.11%
8.09%
18
BBNI
8
2.21%
15.53%
19
BMRI
8
2.09%
12.28%
20
BBCA
8
1.95%
9.09%
21
BBRI
8
1.72%
11.69%
22
BDMN
8
0.22%
12.24%
23
UNTR
9
2.37%
14.72%
= Saham –saham terpilih
47
Lampiran 2Hasil penghitungan nilai return, risiko dan VaR pada skenario kesatu No
Risiko
Return
Emiten
VAR MV
MAD
1
LSIP
ITMG
INTP
2.28%
8.92%
10.23%
14.72%
2
LSIP
ITMG
ASII
2.31%
9.01%
10.39%
14.87%
3
LSIP
ITMG
GGRM
2.79%
9.10%
10.68%
15.02%
4
LSIP
ITMG
LPKR
1.91%
8.99%
10.46%
14.83%
5
LSIP
ITMG
JSMR
2.23%
8.66%
9.76%
14.30%
6
LSIP
ITMG
BBNI
2.21%
9.62%
10.84%
15.87%
7
LSIP
ITMG
UNTR
2.27%
9.48%
10.81%
15.64%
8
LSIP
INTP
ASII
2.09%
7.67%
9.26%
12.66%
9
LSIP
INTP
GGRM
2.56%
7.79%
9.54%
12.85%
10
LSIP
INTP
LPKR
1.69%
7.66%
9.32%
12.64%
11
LSIP
INTP
JSMR
2.01%
7.27%
8.63%
12.00%
12
LSIP
INTP
BBNI
1.99%
8.35%
9.71%
13.78%
13
LSIP
INTP
UNTR
2.04%
8.19%
9.68%
13.51%
14
LSIP
ASII
GGRM
2.59%
7.88%
9.70%
13.00%
15
LSIP
ASII
LPKR
1.72%
7.75%
9.48%
12.80%
16
LSIP
ASII
JSMR
2.03%
7.37%
8.79%
12.16%
17
LSIP
ASII
BBNI
2.02%
8.45%
9.86%
13.94%
18
LSIP
ASII
UNTR
2.07%
8.28%
9.84%
13.66%
19
LSIP
GGRM
LPKR
2.20%
7.86%
9.77%
12.97%
20
LSIP
GGRM
JSMR
2.51%
7.49%
9.07%
12.36%
21
LSIP
GGRM
BBNI
2.50%
8.55%
10.15%
14.10%
22
LSIP
GGRM
UNTR
2.55%
8.38%
10.12%
13.82%
23
LSIP
LPKR
JSMR
1.64%
7.36%
8.85%
12.14%
24
LSIP
LPKR
BBNI
1.63%
8.42%
9.93%
13.90%
25
LSIP
LPKR
UNTR
1.68%
8.26%
9.90%
13.63%
26
LSIP
JSMR
BBNI
1.94%
8.08%
9.24%
13.34%
27
LSIP
JSMR
UNTR
1.99%
7.90%
9.21%
13.04%
28
LSIP
BBNI
UNTR
1.98%
8.92%
10.28%
14.72%
29
ITMG
INTP
ASII
2.66%
8.31%
9.76%
13.71%
30
ITMG
INTP
GGRM
3.14%
8.41%
10.04%
13.87%
31
ITMG
INTP
LPKR
2.27%
8.28%
9.83%
13.67%
32
ITMG
INTP
JSMR
2.58%
7.93%
9.13%
13.08%
33
ITMG
INTP
BBNI
2.57%
8.95%
10.21%
14.76%
34
ITMG
INTP
UNTR
2.62%
8.80%
10.18%
14.51%
35
ITMG
ASII
GGRM
3.17%
8.50%
10.20%
14.02%
36
ITMG
ASII
LPKR
2.30%
8.37%
9.98%
13.81%
37
ITMG
ASII
JSMR
2.61%
8.02%
9.29%
13.23%
38
ITMG
ASII
BBNI
2.60%
9.03%
10.37%
14.90%
48
Lanjutan Lampiran 2 No
Risiko
Return
Emiten
MV
VAR MAD
39
ITMG
ASII
UNTR
2.65%
8.88%
10.34%
14.66%
40
ITMG
GGRM
LPKR
2.77%
8.46%
10.27%
13.97%
41
ITMG
GGRM
JSMR
3.09%
8.13%
9.58%
13.41%
42
ITMG
GGRM
BBNI
3.07%
9.12%
10.65%
15.05%
43
ITMG
GGRM
UNTR
3.13%
8.97%
10.62%
14.80%
44
ITMG
LPKR
JSMR
2.21%
8.00%
9.36%
13.20%
45
ITMG
LPKR
BBNI
2.20%
9.00%
10.43%
14.85%
46
ITMG
LPKR
UNTR
2.25%
8.86%
10.40%
14.61%
47
ITMG
JSMR
BBNI
2.52%
8.69%
9.74%
14.33%
48
ITMG
JSMR
UNTR
2.57%
8.52%
9.71%
14.06%
49
ITMG
BBNI
UNTR
2.55%
9.49%
10.79%
15.66%
50
INTP
ASII
GGRM
2.95%
7.12%
9.07%
11.74%
51
INTP
ASII
LPKR
2.07%
6.97%
8.85%
11.50%
52
INTP
ASII
JSMR
2.39%
6.54%
8.16%
10.79%
53
INTP
ASII
BBNI
2.37%
7.72%
9.23%
12.74%
54
INTP
ASII
UNTR
2.43%
7.54%
9.20%
12.43%
55
INTP
GGRM
LPKR
2.55%
7.09%
9.13%
11.70%
56
INTP
GGRM
JSMR
2.87%
6.68%
8.44%
11.02%
57
INTP
GGRM
BBNI
2.85%
7.83%
9.52%
12.92%
58
INTP
GGRM
UNTR
2.91%
7.64%
9.49%
12.61%
59
INTP
LPKR
JSMR
1.99%
6.53%
8.22%
10.78%
60
INTP
LPKR
BBNI
1.98%
7.69%
9.30%
12.70%
61
INTP
LPKR
UNTR
2.03%
7.51%
9.27%
12.40%
62
INTP
JSMR
BBNI
2.29%
7.32%
8.61%
12.08%
63
INTP
JSMR
UNTR
2.35%
7.11%
8.58%
11.74%
64
INTP
BBNI
UNTR
2.33%
8.22%
9.65%
13.56%
65
ASII
GGRM
LPKR
2.58%
7.19%
9.29%
11.86%
66
ASII
GGRM
JSMR
2.90%
6.78%
8.60%
11.19%
67
ASII
GGRM
BBNI
2.88%
7.92%
9.68%
13.08%
68
ASII
GGRM
UNTR
2.93%
7.74%
9.65%
12.77%
69
ASII
LPKR
JSMR
2.02%
6.63%
8.38%
10.94%
70
ASII
LPKR
BBNI
2.01%
7.79%
9.46%
12.85%
71
ASII
LPKR
UNTR
2.06%
7.61%
9.43%
12.56%
72
ASII
JSMR
BBNI
2.32%
7.42%
8.76%
12.24%
73
ASII
JSMR
UNTR
2.38%
7.21%
8.73%
11.90%
74
ASII
BBNI
UNTR
2.36%
8.31%
9.81%
13.71%
75
GGRM
LPKR
JSMR
2.50%
6.76%
8.66%
11.16%
49
Lanjutan Lampiran 2 No
Risiko
Return
Emiten
MV
VAR MAD
76
GGRM
LPKR
BBNI
2.49%
7.89%
9.74%
13.02%
77
GGRM
LPKR
UNTR
2.54%
7.71%
9.71%
12.72%
78
GGRM
JSMR
BBNI
2.80%
7.54%
9.05%
12.44%
79
GGRM
JSMR
UNTR
2.85%
7.33%
9.02%
12.10%
80
GGRM
BBNI
UNTR
2.84%
8.41%
10.10%
13.87%
81
LPKR
JSMR
BBNI
1.93%
7.39%
8.83%
12.20%
82
LPKR
JSMR
UNTR
1.98%
7.20%
8.80%
11.87%
83
LPKR
BBNI
UNTR
1.97%
8.28%
9.88%
13.66%
84
JSMR
BBNI
UNTR
2.28%
7.93%
9.18%
13.09%
Lampiran 3Hasil penghitungan nilai return, risiko dan VaR pada skenario kedua No
Kombinasi dan proporsi saham Saham 1 Saham 2 Saham 3
Return
MV
Risiko MAD
VAR
1
LSIP
20%
ITMG
50%
INTP
30%
2.532%
13.33%
10.548%
16.909%
2
LSIP
20%
ITMG
50%
ASII
30%
2.557%
13.89%
10.690%
17.015%
3
LSIP
20%
ITMG
30%
GGRM
50%
3.159%
11.97%
10.531%
15.362%
4
LSIP
30%
ITMG
50%
LPKR
20%
2.205%
13.44%
10.871%
17.365%
5
LSIP
20%
ITMG
50%
JSMR
30%
2.485%
13.18%
10.125%
16.606%
6
LSIP
20%
ITMG
50%
BBNI
30%
2.472%
14.91%
11.094%
17.744%
7
LSIP
20%
ITMG
50%
UNTR
30%
2.520%
15.21%
11.068%
17.585%
8
LSIP
20%
INTP
30%
ASII
50%
2.243%
10.64%
9.084%
12.727%
9
LSIP
20%
INTP
30%
GGRM
50%
2.960%
10.09%
9.511%
13.166%
10
LSIP
30%
INTP
50%
LPKR
20%
1.873%
9.29%
9.171%
12.986%
11
LSIP
20%
INTP
50%
JSMR
30%
2.153%
9.45%
8.426%
11.987%
12
LSIP
20%
INTP
50%
BBNI
30%
2.140%
11.07%
9.394%
13.456%
13
LSIP
20%
INTP
50%
UNTR
30%
2.187%
10.86%
9.368%
13.223%
14
LSIP
20%
ASII
30%
GGRM
50%
2.986%
10.92%
9.653%
13.291%
15
LSIP
30%
ASII
50%
LPKR
20%
1.916%
10.38%
9.407%
13.300%
16
LSIP
20%
ASII
50%
JSMR
30%
2.196%
10.31%
8.661%
12.318%
17
LSIP
20%
ASII
50%
BBNI
30%
2.183%
12.08%
9.630%
13.766%
18
LSIP
20%
ASII
50%
UNTR
30%
2.231%
11.99%
9.604%
13.540%
19
LSIP
30%
GGRM
50%
LPKR
20%
2.634%
9.32%
9.834%
13.709%
20
LSIP
20%
GGRM
50%
JSMR
30%
2.913%
10.02%
9.088%
12.780%
21
LSIP
20%
GGRM
50%
BBNI
30%
2.900%
11.48%
10.057%
14.168%
22
LSIP
20%
GGRM
50%
UNTR
30%
2.948%
10.93%
10.031%
13.934%
23
LSIP
30%
LPKR
20%
JSMR
50%
1.795%
8.57%
8.466%
11.879%
24
LSIP
30%
LPKR
20%
BBNI
50%
1.774%
11.33%
10.081%
15.567%
25
LSIP
30%
LPKR
20%
UNTR
50%
1.853%
11.28%
10.038%
15.021%
26
LSIP
20%
JSMR
50%
BBNI
30%
2.062%
11.18%
7.277%
12.393%
50
Lanjutan Lampiran 3 No
Kombinasi dan proporsi saham Saham 1 Saham 2 Saham 3
Return
MV
Risiko MAD
VAR
27
LSIP
20%
JSMR
50%
UNTR
30%
2.109%
10.23%
10.704%
12.119%
28
LSIP
20%
BBNI
30%
UNTR
50%
2.120%
13.23%
10.261%
15.433%
29
ITMG
50%
INTP
20%
ASII
30%
2.770%
12.67%
10.311%
16.622%
30
ITMG
30%
INTP
20%
GGRM
50%
3.371%
10.96%
10.153%
14.474%
31
ITMG
50%
INTP
30%
LPKR
20%
2.524%
11.53%
10.303%
16.538%
32
ITMG
50%
INTP
30%
JSMR
20%
2.713%
12.01%
9.888%
16.375%
33
ITMG
50%
INTP
30%
BBNI
20%
2.704%
12.98%
10.533%
16.916%
34
ITMG
50%
INTP
30%
UNTR
20%
2.736%
12.99%
10.516%
16.843%
35
ITMG
30%
ASII
20%
GGRM
50%
3.389%
11.59%
10.247%
14.533%
36
ITMG
50%
ASII
30%
LPKR
20%
2.550%
12.18%
10.445%
16.640%
37
ITMG
50%
ASII
30%
JSMR
20%
2.739%
12.58%
10.029%
16.478%
38
ITMG
50%
ASII
30%
BBNI
20%
2.730%
13.66%
10.675%
17.020%
39
ITMG
50%
ASII
30%
UNTR
20%
2.762%
13.73%
10.658%
16.949%
40
ITMG
30%
GGRM
50%
LPKR
20%
3.151%
9.85%
8.327%
14.488%
41
ITMG
30%
GGRM
50%
JSMR
20%
3.340%
10.92%
9.871%
14.314%
42
ITMG
30%
GGRM
50%
BBNI
20%
3.332%
11.86%
10.516%
14.915%
43
ITMG
30%
GGRM
50%
UNTR
20%
3.363%
11.57%
10.499%
14.819%
44
ITMG
50%
LPKR
20%
JSMR
30%
2.477%
10.87%
9.880%
16.224%
45
ITMG
50%
LPKR
20%
BBNI
30%
2.464%
12.28%
10.849%
17.370%
46
ITMG
50%
LPKR
20%
UNTR
30%
2.512%
12.50%
10.823%
17.210%
47
ITMG
50%
JSMR
30%
BBNI
20%
2.657%
12.97%
10.111%
16.611%
48
ITMG
50%
JSMR
20%
UNTR
30%
2.701%
13.05%
10.408%
17.052%
49
ITMG
50%
BBNI
20%
UNTR
30%
2.692%
14.56%
11.053%
17.581%
50
INTP
20%
ASII
30%
GGRM
50%
3.198%
10.64%
9.274%
12.853%
51
INTP
30%
ASII
50%
LPKR
20%
2.235%
9.70%
8.839%
12.305%
52
INTP
30%
ASII
50%
JSMR
20%
2.424%
10.16%
8.424%
12.077%
53
INTP
30%
ASII
50%
BBNI
20%
2.415%
11.31%
9.070%
12.767%
54
INTP
30%
ASII
50%
UNTR
20%
2.447%
11.24%
9.052%
12.656%
55
INTP
30%
GGRM
50%
LPKR
20%
2.952%
8.56%
9.266%
12.749%
56
INTP
30%
GGRM
50%
JSMR
20%
3.141%
9.76%
8.851%
12.547%
57
INTP
30%
GGRM
50%
BBNI
20%
3.132%
10.67%
9.497%
13.203%
58
INTP
30%
GGRM
50%
UNTR
20%
3.164%
10.24%
9.479%
13.085%
59
INTP
50%
LPKR
20%
JSMR
30%
2.145%
7.99%
8.181%
11.547%
60
INTP
50%
LPKR
30%
BBNI
20%
2.042%
8.96%
9.149%
12.538%
61
INTP
50%
LPKR
20%
UNTR
30%
2.180%
9.47%
9.123%
12.804%
62
INTP
50%
JSMR
30%
BBNI
20%
2.325%
10.34%
8.411%
12.031%
63
INTP
50%
JSMR
20%
UNTR
30%
2.369%
10.12%
8.708%
12.585%
64
INTP
50%
BBNI
20%
UNTR
30%
2.360%
11.64%
9.354%
13.251%
65
ASII
30%
GGRM
50%
LPKR
20%
2.978%
9.15%
9.408%
12.872%
66
ASII
30%
GGRM
50%
JSMR
20%
3.167%
10.27%
8.992%
12.670%
51
Lanjutan Lampiran 3 No
Kombinasi dan proporsi saham Saham 1
Saham 2
Saham 3
Return
Risiko MV
MAD
VAR
67
ASII
30%
GGRM
50%
BBNI
20%
3.158%
11.19%
9.638%
13.327%
68
ASII
30%
GGRM
50%
UNTR
20%
3.190%
10.80%
9.621%
13.210%
69
ASII
50%
LPKR
20%
JSMR
30%
2.188%
8.54%
8.416%
11.877%
70
ASII
50%
LPKR
20%
BBNI
30%
2.175%
10.09%
9.385%
13.350%
71
ASII
50%
LPKR
20%
UNTR
30%
2.223%
10.13%
9.359%
13.121%
72
ASII
50%
JSMR
30%
BBNI
20%
2.369%
10.83%
8.647%
12.356%
73
ASII
50%
JSMR
20%
UNTR
30%
2.412%
10.69%
8.944%
12.904%
74
ASII
50%
BBNI
20%
UNTR
30%
2.403%
12.28%
9.589%
13.564%
75
GGRM
50%
LPKR
20%
JSMR
30%
2.905%
7.96%
8.843%
12.346%
76
GGRM
50%
LPKR
20%
BBNI
30%
2.893%
9.42%
9.812%
13.757%
77
GGRM
50%
LPKR
20%
UNTR
30%
2.940%
9.24%
9.786%
13.518%
78
GGRM
50%
JSMR
30%
BBNI
20%
3.086%
10.72%
9.074%
12.817%
79
GGRM
50%
JSMR
20%
UNTR
30%
3.129%
10.34%
9.371%
13.325%
80
GGRM
50%
BBNI
20%
UNTR
30%
3.121%
11.79%
10.016%
13.956%
81
LPKR
20%
JSMR
50%
BBNI
30%
2.054%
10.01%
8.419%
11.936%
82
LPKR
20%
JSMR
30%
UNTR
50%
2.125%
10.18%
9.047%
13.733%
83
LPKR
20%
BBNI
30%
UNTR
50%
2.112%
12.11%
10.016%
15.039%
84
JSMR
30%
BBNI
20%
UNTR
50%
2.305%
12.13%
9.277%
14.157%
Lampiran 4Hasil penghitungan nilai return, risiko dan VaR pada skenario ketiga No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Emiten LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP LSIP
ITMG ITMG ITMG ITMG ITMG ITMG ITMG INTP INTP INTP INTP INTP INTP ASII ASII ASII ASII ASII GGRM GGRM GGRM
Return INTP ASII GGRM LPKR JSMR BBNI UNTR ASII GGRM LPKR JSMR BBNI UNTR GGRM LPKR JSMR BBNI UNTR LPKR JSMR BBNI
0.130% 0.159% 0.197% 0.325% 0.222% 0.198% 0.176% -0.008% 0.030% 0.158% 0.055% 0.031% 0.009% 0.059% 0.186% 0.084% 0.060% 0.037% 0.224% 0.122% 0.098%
Risiko MV MAD 1.632% 2.867% 1.135% 2.816% 1.110% 2.831% 1.199% 2.881% 1.048% 2.602% 1.185% 2.901% 1.077% 2.879% 0.945% 2.781% 1.147% 2.796% 1.275% 2.846% 0.969% 2.568% 1.013% 2.867% 0.936% 2.844% 1.396% 2.745% 1.395% 2.796% 1.293% 2.517% 1.478% 2.816% 1.487% 2.793% 1.503% 2.811% 1.346% 2.532% 1.559% 2.831%
VAR 2.325% 2.320% 2.320% 2.308% 2.305% 2.304% 2.301% 2.301% 2.299% 2.296% 2.292% 2.288% 2.286% 2.286% 2.283% 2.283% 2.279% 2.267% 2.267% 2.265% 2.262%
52
Lanjutan Lampiran 4 No 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
Emiten LSIP LSIP LSIP LSIP LSIP LSIP LSIP ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG ITMG INTP INTP INTP INTP INTP INTP INTP INTP INTP INTP INTP INTP INTP INTP INTP ASII ASII ASII ASII ASII ASII
GGRM LPKR LPKR LPKR JSMR JSMR BBNI INTP INTP INTP INTP INTP INTP ASII ASII ASII ASII ASII GGRM GGRM GGRM GGRM LPKR LPKR LPKR JSMR JSMR BBNI ASII ASII ASII ASII ASII GGRM GGRM GGRM GGRM LPKR LPKR LPKR JSMR JSMR BBNI GGRM GGRM GGRM GGRM LPKR LPKR
Return UNTR JSMR BBNI UNTR BBNI UNTR UNTR ASII GGRM LPKR JSMR BBNI UNTR GGRM LPKR JSMR BBNI UNTR LPKR JSMR BBNI UNTR JSMR BBNI UNTR BBNI UNTR UNTR GGRM LPKR JSMR BBNI UNTR LPKR JSMR BBNI UNTR JSMR BBNI UNTR BBNI UNTR UNTR LPKR JSMR BBNI UNTR JSMR BBNI
0.075% 0.249% 0.225% 0.203% 0.123% 0.100% 0.076% 0.032% 0.070% 0.198% 0.095% 0.071% 0.049% 0.099% 0.226% 0.124% 0.099% 0.077% 0.264% 0.162% 0.137% 0.115% 0.289% 0.265% 0.243% 0.162% 0.140% 0.116% -0.068% 0.060% -0.043% -0.067% -0.090% 0.098% -0.005% -0.029% -0.052% 0.123% 0.098% 0.076% -0.004% -0.027% -0.051% 0.126% 0.023% -0.001% -0.023% 0.151% 0.127%
Risiko MV MAD 1.463% 2.808% 1.286% 2.582% 1.639% 2.881% 1.367% 2.858% 1.352% 2.602% 1.385% 2.579% 1.528% 2.878% 1.193% 2.776% 1.284% 2.791% 1.430% 2.841% 1.179% 2.562% 1.168% 2.861% 1.139% 2.839% 1.326% 2.740% 1.357% 2.790% 1.264% 2.512% 1.413% 2.811% 1.452% 2.788% 1.327% 2.806% 1.161% 2.527% 1.361% 2.826% 1.284% 2.803% 1.166% 2.577% 1.510% 2.876% 1.243% 2.853% 1.220% 2.597% 1.289% 2.574% 1.360% 2.873% 1.263% 2.706% 1.308% 2.756% 1.163% 2.477% 1.296% 2.776% 1.350% 2.753% 1.397% 2.771% 1.193% 2.492% 1.361% 2.791% 1.296% 2.768% 1.226% 2.542% 1.533% 2.841% 1.283% 2.818% 1.152% 2.562% 1.238% 2.539% 1.255% 2.839% 1.646% 2.720% 1.522% 2.441% 1.699% 2.740% 1.666% 2.717% 1.479% 2.491% 1.782% 2.790%
VAR 2.249% 2.245% 2.243% 2.243% 2.242% 2.240% 2.240% 2.230% 2.227% 2.226% 2.223% 2.223% 2.222% 2.220% 2.220% 2.218% 2.217% 2.217% 2.210% 2.207% 2.205% 2.205% 2.204% 2.200% 2.200% 2.195% 2.187% 2.182% 2.181% 2.163% 2.159% 2.151% 2.142% 2.137% 2.136% 2.134% 2.130% 2.128% 2.128% 2.125% 2.124% 2.123% 2.114% 2.111% 2.107% 2.107% 2.101% 2.093% 2.088%
53
Lanjutan Lampiran 4 No 71 72 73 74 75 76 77 78 79 80 81 82 83 84
Emiten ASII ASII ASII ASII GGRM GGRM GGRM GGRM GGRM GGRM LPKR LPKR LPKR JSMR
LPKR JSMR JSMR BBNI LPKR LPKR LPKR JSMR JSMR BBNI JSMR JSMR BBNI BBNI
Return UNTR BBNI UNTR UNTR JSMR BBNI UNTR BBNI UNTR UNTR BBNI UNTR UNTR UNTR
0.105% 0.024% 0.002% -0.022% 0.189% 0.165% 0.143% 0.062% 0.040% 0.016% 0.190% 0.168% 0.144% 0.041%
Risiko MV MAD 1.591% 2.768% 1.558% 2.512% 1.641% 2.489% 1.737% 2.788% 1.469% 2.506% 1.784% 2.805% 1.560% 2.783% 1.523% 2.527% 1.575% 2.504% 1.696% 2.803% 1.552% 2.577% 1.546% 2.554% 1.750% 2.853% 1.604% 2.574%
VAR 2.087% 2.068% 2.064% 2.046% 2.043% 2.041% 2.040% 2.039% 2.026% 2.021% 2.015% 2.015% 2.001% 1.951%
Lampiran 5Hasil penghitungan nilai return, risiko dan VaR pada skenario keempat No Saham 1
Kombinasi dan proporsi saham Saham 2 Saham 3
Return
Risiko MV MAD
VAR
1
LSIP
30%
ITMG
50%
INTP
20%
0.201%
1.666%
2.88%
2.45%
2
LSIP
30%
ITMG
40%
ASII
20%
0.184%
1.145%
2.56%
2.11%
3
LSIP
30%
ITMG
50%
GGRM
20%
0.241%
1.314%
2.86%
2.41%
4
LSIP
20%
ITMG
30%
LPKR
50%
0.354%
1.283%
2.87%
2.48%
5
LSIP
30%
ITMG
50%
JSMR
20%
0.256%
1.305%
2.15%
2.38%
6
LSIP
30%
ITMG
50%
BBNI
20%
0.242%
1.346%
2.90%
2.43%
7
LSIP
30%
ITMG
50%
UNTR
20%
0.228%
1.281%
2.89%
2.44%
8
LSIP
50%
INTP
20%
ASII
30%
0.053%
1.119%
2.81%
2.39%
9
LSIP
50%
INTP
20%
GGRM
30%
0.087%
1.293%
2.82%
2.38%
10
LSIP
30%
INTP
20%
LPKR
50%
0.242%
1.379%
2.85%
2.48%
11
LSIP
50%
INTP
20%
JSMR
30%
0.109%
1.149%
2.61%
2.31%
12
LSIP
50%
INTP
20%
BBNI
30%
0.088%
1.202%
2.88%
2.43%
13
LSIP
50%
INTP
20%
UNTR
30%
0.068%
1.119%
2.86%
2.44%
14
LSIP
50%
ASII
20%
GGRM
30%
0.104%
1.492%
2.79%
2.35%
15
LSIP
30%
ASII
20%
LPKR
50%
0.259%
1.564%
2.82%
2.45%
16
LSIP
50%
ASII
20%
JSMR
30%
0.127%
1.398%
2.58%
2.28%
17
LSIP
50%
ASII
20%
BBNI
30%
0.105%
1.556%
2.85%
2.40%
18
LSIP
50%
ASII
20%
UNTR
30%
0.085%
1.541%
2.83%
2.41%
19
LSIP
30%
GGRM
20%
LPKR
50%
0.282%
1.630%
2.83%
2.45%
20
LSIP
50%
GGRM
20%
JSMR
30%
0.149%
1.453%
2.59%
2.27%
21
LSIP
50%
GGRM
20%
BBNI
30%
0.128%
1.632%
2.86%
2.39%
22
LSIP
50%
GGRM
30%
UNTR
20%
0.114%
1.512%
2.83%
2.37%
23
LSIP
30%
LPKR
50%
JSMR
20%
0.297%
1.451%
2.69%
2.42%
54
Lanjutan Lampiran 5 No
Kombinasi dan proporsi saham Saham 1
Saham 2
Saham 3
Return
Risiko MV
MAD
VAR
24
LSIP
30%
LPKR
50%
BBNI
20%
0.283%
1.668%
2.87%
2.47%
25
LSIP
30%
LPKR
50%
UNTR
20%
0.269%
1.471%
2.86%
2.47%
26
LSIP
50%
JSMR
30%
BBNI
20%
0.150%
1.406%
2.63%
2.29%
27
LSIP
50%
JSMR
30%
UNTR
20%
0.137%
1.414%
2.62%
2.30%
28
LSIP
50%
BBNI
30%
UNTR
20%
0.115%
1.564%
2.89%
2.42%
29
ITMG
50%
INTP
20%
ASII
30%
0.113%
1.320%
2.80%
2.41%
30
ITMG
50%
INTP
20%
GGRM
30%
0.147%
1.377%
2.81%
2.39%
31
ITMG
30%
INTP
20%
LPKR
50%
0.278%
1.428%
2.85%
2.48%
32
ITMG
50%
INTP
20%
JSMR
30%
0.169%
1.306%
2.61%
2.32%
33
ITMG
50%
INTP
20%
BBNI
30%
0.148%
1.294%
2.88%
2.44%
34
ITMG
50%
INTP
20%
UNTR
30%
0.128%
1.263%
2.85%
2.45%
35
ITMG
50%
ASII
20%
GGRM
30%
0.164%
1.407%
3.05%
2.36%
36
ITMG
30%
ASII
20%
LPKR
50%
0.295%
1.517%
3.61%
2.46%
37
ITMG
50%
ASII
20%
JSMR
30%
0.186%
1.366%
2.84%
2.29%
38
ITMG
50%
ASII
20%
BBNI
30%
0.165%
1.477%
3.11%
2.41%
39
ITMG
50%
ASII
20%
UNTR
30%
0.145%
1.499%
3.09%
2.42%
40
ITMG
30%
GGRM
20%
LPKR
50%
0.318%
1.516%
2.82%
2.45%
41
ITMG
50%
GGRM
20%
JSMR
30%
0.209%
1.293%
2.58%
2.28%
42
ITMG
50%
GGRM
20%
BBNI
30%
0.187%
1.439%
2.85%
2.40%
43
ITMG
50%
GGRM
30%
UNTR
20%
0.174%
1.295%
2.82%
2.38%
44
ITMG
30%
LPKR
50%
JSMR
20%
0.333%
1.330%
2.69%
2.42%
45
ITMG
30%
LPKR
50%
BBNI
20%
0.319%
1.544%
2.87%
2.47%
46
ITMG
30%
LPKR
50%
UNTR
20%
0.305%
1.346%
2.85%
2.48%
47
ITMG
50%
JSMR
30%
BBNI
20%
0.210%
1.269%
1.88%
2.31%
48
ITMG
50%
JSMR
30%
UNTR
20%
0.196%
1.307%
2.61%
2.31%
49
ITMG
50%
BBNI
30%
UNTR
20%
0.175%
1.360%
2.88%
2.43%
50
INTP
20%
ASII
30%
GGRM
50%
-0.038%
1.431%
3.22%
2.22%
51
INTP
20%
ASII
30%
LPKR
50%
0.154%
1.531%
3.30%
2.44%
52
INTP
20%
ASII
30%
JSMR
50%
0.000%
1.272%
2.48%
2.01%
53
INTP
20%
ASII
30%
BBNI
50%
-0.036%
1.518%
3.33%
2.37%
54
INTP
20%
ASII
30%
UNTR
50%
-0.070%
1.582%
3.29%
2.39%
55
INTP
20%
GGRM
30%
LPKR
50%
0.188%
1.583%
2.78%
2.42%
56
INTP
20%
GGRM
30%
JSMR
50%
0.034%
1.256%
1.96%
1.99%
57
INTP
20%
GGRM
30%
BBNI
50%
-0.002%
1.546%
2.81%
2.35%
58
INTP
20%
GGRM
50%
UNTR
30%
-0.023%
1.401%
2.75%
2.27%
59
INTP
20%
LPKR
50%
JSMR
30%
0.210%
1.401%
2.58%
2.35%
60
INTP
20%
LPKR
50%
BBNI
30%
0.189%
1.690%
2.84%
2.47%
61
INTP
20%
LPKR
50%
UNTR
30%
0.169%
1.448%
2.82%
2.48%
62
INTP
20%
JSMR
50%
BBNI
30%
0.035%
1.194%
2.43%
2.05%
55
Lanjutan Lampiran 5 No
Kombinasi dan proporsi saham Saham 1
Saham 2
Saham 3
Return
Risiko MV
MAD
VAR
63
INTP
20%
JSMR
50%
UNTR
30%
0.015%
1.284%
2.41%
2.06%
64
INTP
20%
BBNI
50%
UNTR
30%
-0.021%
1.423%
2.85%
2.41%
65
ASII
20%
GGRM
30%
LPKR
50%
0.205%
1.738%
2.75%
2.40%
66
ASII
20%
GGRM
30%
JSMR
50%
0.051%
1.488%
2.33%
1.95%
67
ASII
20%
GGRM
30%
BBNI
50%
0.015%
1.776%
2.78%
2.32%
68
ASII
20%
GGRM
50%
UNTR
30%
-0.006%
1.679%
2.72%
2.24%
69
ASII
20%
LPKR
50%
JSMR
30%
0.228%
1.587%
2.55%
2.33%
70
ASII
20%
LPKR
50%
BBNI
30%
0.206%
1.868%
2.81%
2.45%
71
ASII
20%
LPKR
50%
UNTR
30%
0.186%
1.662%
2.79%
2.45%
72
ASII
20%
JSMR
50%
BBNI
30%
0.052%
1.519%
2.40%
2.01%
73
ASII
20%
JSMR
50%
UNTR
30%
0.032%
1.601%
2.38%
2.03%
74
ASII
20%
BBNI
50%
UNTR
30%
-0.004%
1.787%
2.82%
2.38%
75
GGRM
20%
LPKR
50%
JSMR
30%
0.250%
1.590%
2.55%
2.32%
76
GGRM
20%
LPKR
50%
BBNI
30%
0.229%
1.875%
2.82%
2.44%
77
GGRM
30%
LPKR
50%
UNTR
20%
0.215%
1.667%
2.79%
2.41%
78
GGRM
20%
JSMR
50%
BBNI
30%
0.075%
1.493%
2.41%
2.00%
79
GGRM
30%
JSMR
50%
UNTR
20%
0.061%
1.522%
2.37%
1.98%
80
GGRM
30%
BBNI
50%
UNTR
20%
0.025%
1.761%
2.82%
2.34%
81
LPKR
50%
JSMR
30%
BBNI
20%
0.251%
1.634%
2.60%
2.34%
82
LPKR
50%
JSMR
30%
UNTR
20%
0.238%
1.611%
2.58%
2.35%
83
LPKR
50%
BBNI
30%
UNTR
20%
0.216%
1.841%
2.85%
2.46%
84
JSMR
50%
BBNI
30%
UNTR
20%
0.062%
1.543%
2.43%
2.04%
56
Lampiran 6Tabel rekapitulasi penelitian
1
Hasil Saham–saham terpilih dari Indeks LQ 45 periode Februari-Juli 2013
2
84 portofolio terbentuk yang terdiri dari tiga kombinasi saham-saham terpilih
3
Meneliti 4 skenario investasi: Skenario kesatu adalah nilai investasi masing– masing saham sama yaitu 33,33% di mana data yang digunakan dari tahun 2008–2012 Skenario kedua adalah nilai investasi masing– masing saham berbeda berdasarkan nilai return. Nilai investasi return tertinggi adalah 50%, posisi kedua 30% dan posisi ketiga 20% di mana data yang digunakan dari tahun 2008–2012 Skenario ketiga adalah nilai investasi masing– masing saham sama yaitu 33,33% di mana data yang digunakan data harian 100 hari dari bulan Januari–Juni 2013 Skenario keempat adalah nilai investasi masing– masing saham berbeda berdasarkan nilai return. Nilai investasi return tertinggi adalah 50%, posisi kedua 30% dan posisi ketiga 20% di mana data harian 100 hari dari bulan Januari–Juni 2013 Hasil penghitungan return portofolio Skenario kesatu Portofolio return tertinngi kombinasi saham ITMG, ASII, GGRM senilai 3.17% Portofolio return terendah kombinasi saham LSIP, LPKR, BBNI senilai 1.63% Skenario kedua Portofolio return tertinngi kombinasi saham ITMG, ASII, GGRM senilai 3.39% Portofolio return terendah kombinasi saham LSIP, LPKR, BBNI senilai 1.77% Skenario ketiga Portofolio return tertinngi kombinasi saham LSIP, ITMG, LPKR senilai 0.33% Portofolio return terendah kombinasi saham INTP, ASII, UNTR senilai -0.09% Skenario keempat Portofolio return tertinngi kombinasi saham LSIP, ITMG, LPKR senilai 0.35% Portofolio return terendah kombinasi saham INTP, ASII, UNTR senilai -0.07%
No
4
Keterangan 1. 2. 3. 4. 5. 6. 7. 8. 9.
LSIP ITMG INTP ASII GGRM LPKR JSMR BBNI UNTR
Masing-masing saham membentuk 23 portofolio
Saham-saham yang memiliki nilai return tinggi akan menghasilkan portofolio yang mempunyai nilai return tinggi. Proporsi nilai investasi mempengaruhi nilai return yang dihasilkan pada portofolio.
57
Lanjutan lampiran 6 No 5
6
Hasil Hasil penghitungan risiko portofolio metode Mean Variance Skenario kesatu Portofolio risiko tertinngi kombinasi saham LSIP, ITMG,BBNI senilai 9.62% Portofoli risiko terendah kombinasi saham INTP, LPKR, JSMR senilai 6.53% Skenario kedua Portofolio risiko tertinngi kombinasi saham LSIP, ITMG,UNTR senilai 15.21% Portofoli risiko terendah kombinasi saham GGRM, LPKR, JSMR senilai 7.96% Skenario ketiga Portofolio risiko tertinngi kombinasi saham GGRM, LPKR, BBNI senilai 1.78% Portofoli risiko terendah kombinasi saham LSIP, INTP, UNTR senilai 0.94% Skenario keempat Portofolio risiko tertinngi kombinasi saham GGRM, LPKR, BBNI senilai 1.87% Portofoli risiko terendah kombinasi saham LSIP, INTP, UNTR senilai 1.12% Hasil penghitungan risiko portofolio metode Mean Absolute Deviation Skenario kesatu Portofolio risiko tertinngi kombinasi saham LSIP, ITMG,BBNI senilai 10.84% Portofoli risiko terendah kombinasi saham INTP, ASII, JSMR senilai 8.16% Skenario kedua Portofolio risiko tertinngi kombinasi saham LSIP, ITMG,BBNI senilai 11.14% Portofoli risiko terendah kombinasi saham LSIP, JSMR, BBNI senilai 7.28% Skenario ketiga Portofolio risiko tertinngi kombinasi saham LSIP, ITMG, BBNI senilai 2.90% Portofoli risiko terendah kombinasi saham ASII, GGRM, JSMR senilai 2.44% Skenario keempat Portofolio risiko tertinngi kombinasi saham ITMG, ASII, LPKR senilai 3.60% Portofoli risiko terendah kombinasi saham ITMG, JSMR, BBNI senilai 1.87%
Keterangan Saham-saham yang memiliki nilai risiko tinggi akan membentuk portofolio yang memiliki nilai risiko tinggi juga.
Nilai risiko yang dihasilkan oleh metode Mean Variance lebih kecil daripada nilai risiko yang dihasilkan oleh metode Mean Absolute Deviation. Proporsi nilai investasi juga mempengaruhi nilai risiko portofolio.
58
Lanjutan lampiran 6 No 7
8
Hasil Hasil penghitungan Value at Risk (VaR) portofolio Skenario kesatu Portofolio VaR tertinngi kombinasi saham LSIP, ITMG,BBNI senilai 15.87% Portofoli VaR terendah kombinasi saham INTP, LPKR, JSMR senilai 10.78% Skenario kedua Portofolio VaR tertinngi kombinasi saham LSIP, ITMG,BBNI senilai 17.74% Portofoli VaR terendah kombinasi saham INTP, LPKR, JSMR senilai 11.55% Skenario ketiga Portofolio VaR tertinngi kombinasi saham ITMG, INTP, LPKR senilai 2.33% Portofoli VaR terendah kombinasi saham ASII, GGRM, JSMR senilai 1.95% Skenario keempat Portofolio VaR tertinngi kombinasi saham ITMG, INTP, LPKR senilai 2.33% Portofoli VaR terendah kombinasi saham ASII, GGRM, JSMR senilai 1.95% Uji korelasi penghitungan return antara metode Mean Variance dan metode Mean Absolute Deviation menghasilkan adanya hubungan signifikan antara kedua metode tersebut. Uji korelasi penghitungan risiko antara metode Mean Variance dan metode Mean Absolute Deviation menghasilkan tidak adanya hubungan signifikan antara kedua metode tersebut. Uji beda penghitungan return antara metode Mean Variance dan metode Mean Absolute Deviation menghasilkan tidak adanya perbedaan antara kedua metode tersebut. Uji beda penghitungan risiko antara metode Mean Variance dan metode Mean Absolute Deviation menghasilkan adanya perbedaan antara kedua metode tersebut.
Keterangan Saham-saham yang memiliki nilai risiko yang tinggi akan menghasilkan nilai VaR portofolio yang tinggi.
Investor dapat memilih salah satu metode Mean Variance dan metode Mean Absolute Deviation dalam menghitung nilai return. Sedangkan untuk menghitung nilai risiko sebaiknya menggunakan kedua metode sehingga hasilnya dapat menjadi bahan pertimbangan.
59
RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 17 April 1985 oleh Bapak Alm Achmad Buchori dan Ibu Sudarnani. Saat ini penulis telah berkeluarga dan sudah mempunyai satu orang putra. Penulis saat ini bertempat tinggal di Palembang, Sumatera Selatan. Kesibukan penulis saat ini sebagai ibu rumah tangga. Tahun 2003 setelah penulis lulus SMA di YKPP 1 Plaju, penulis melanjutkan pendidikan di Diploma tiga IPB di program studi Teknologi dan Manajemen Produksi Benih Ikan. Penulis melanjutkan ke ekstensi Manajemen di IPB pada tahun 2006. Penulis mendaftarkan ke Pascasarjana IPB pada program studi Ilmu Manajemen pada tahun 2009.
