ANALISIS RISIKO DAN PERAMALAN HARGA SAHAM DALAM KEPUTUSAN INVESTASI PADA PERUSAHAAN PERKEBUNAN DI PT BURSA EFEK INDONESIA
SKRIPSI
ABDUL ROZAK H34051515
DEPARTEMEN AGRIBISNIS FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2009 i
RINGKASAN Abdul Rozak. H34051515. 2009. Analisis Risiko dan Peramalan Harga Saham dalam Keputusan Investasi pada Perusahaan Perkebunan di PT Bursa Efek Indonesia. Skripsi. Departemen Agribisnis, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor (Di bawah bimbingan HARMINI). Pembiayaan yang dibutuhkan perusahaan perkebunan, mendorong perusahaan perkebunan memasuki pasar modal untuk menarik investor dalam bentuk perusahaan yang go public. Hal ini dikarenakan para pemilik modal tidak lagi menyimpan dana dalam bentuk barang yang tidak produktif, tetapi mereka mencoba mendapatkan kesempatan memperoleh laba dari deviden jangka panjang atau capital gain pada jangka pendek. Oleh karena itu kedua kepentingan tersebut dipertemukan dalam transaksi di pasar modal (Bursa Efek). Penelitian ini bertujuan untuk Mendeskripsikan profil perusahaan AALI, LSIP dan UNSP. Melakukan Proyeksi pergerakan saham emiten AALI, LSIP dan UNSP di tahun 2009. Menganalisis tingkat risiko (Value at Risk) yang dihadapi investor pada saham-saham emiten AALI, LSIP, UNSP dan merumuskan keputusan investor sebagai implikasi terhadap risiko yang akan dihadapi dan melihat pergerakan emiten saham AALI, LSIP dan UNSP pada PT Bursa Efek Indonesia di tahun 2009. Penelitian dilakukan di PT Bursa Efek Indonesia yang berlokasi di Jalan Jenderal Sudirman Kav. 52-53 Jakarta Selatan. Pemilihan lokasi dilakukan secara purposive melihat kompetensi PT Bursa Efek Indonesia yang dapat memberikan informasi dan data yang relevan dalam kaitannya dengan pasar modal di Indonesia. Waktu penelitian berlangsung pada bulan Februari–Mei 2009. Saham perusahaan terpilih adalah PT Astra Agro Lestari Tbk. (AALI), Bakrie Sumatera Plantation Tbk. (UNSP), dan PP London Sumatera Tbk. (LSIP). Data yang digunakan adalah data sekunder yang terdiri dari serial data harga penutupan saham harian perusahaan sektoral perkebunan terpilih di lantai bursa 1 Januari 2006 – 30 April 2009 dengan basis data 13 Oktober 2008 – 30 April 2009. Pengolahan data yang telah diperoleh dengan menggunakan program Microsoft Excel 2007, Minitab versi 14, QSB dan Eviews 4.1. Pengolahan data untuk menduga harga saham emiten sektoral terpilih dengan metode peramalan time series terbaik, sedangkan dalam menganalisis tingkat risiko yang mungkin ditanggung investor (Value at Risk – VaR) dilakukan dengan metode ARCH/GARCH untuk mendapatkan nilai VaR. Pilihan ramalan untuk meramalkan pergerakan harga saham emiten AALI, LSIP dan UNSP secara beurutan adalah ARIMA (2,1,1), ARIMA (1,1,0), dan ARIMA (1,1,1). Peramalan untuk pergerakan harga saham harian penutupan untuk ketiga emiten dengan metode yang dipilih (metode ARIMA) memiliki kecenderungan (trend) yang meningkat. Dalam penilaian tingkat risiko digunakan model ARCH (1), ARCH (1), dan GARCH (1,2) untuk masing-masing emiten AALI, LSIP dan UNSP. Nilai risiko harian untuk AALI=7,98 persen, LSIP=8,21 persen dan UNSP=10,4 persen. Kombinasi hari ramalan harga dan lama berinvestasi, apabila dilakukan analisis dalam hal per emiten, maka keputusan investasi yang tepat dilakukan oleh investor dengan karakteristik perilaku risk averter (sikap umum pelaku saham di Indonesia) memiliki kecenderungan tertarik ii
pada saham AALI, maka investor harus melakukan penjualan sehari setelah pembelian dikarenakan memiliki risiko serta rasio capital loss yang relatif lebih kecil. Sementara itu untuk emiten LSIP, pilihan sebaiknya diberikan pada ramalan harga dan lama investasi di lima, sepuluh dan dua puluh hari ke depan dikarenakan memiliki rasio capital loss relatif lebih kecil dibandingkan yang lainnya pada waktu tersebut. Lain halnya dengan UNSP, dimana emiten ini memiliki kecenderungan yang bertolak belakang dengan teori risiko. Risiko yang lebih tinggi dibandingkan emiten AALI dan LSIP tidak menjamin return yang tinggi pula. Hal ini tampak terlihat dari berbagai kombinasi yang dibuat, rasio capital gain-loss untuk UNSP relatif lebih besar menghasilkan dampak kerugian apabila diasumsikan terjadi risiko.
iii
ANALISIS RISIKO DAN PERAMALAN HARGA SAHAM DALAM KEPUTUSAN INVESTASI PADA PERUSAHAAN PERKEBUNAN DI PT BURSA EFEK INDONESIA
ABDUL ROZAK H34051515
Skrispi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Agribisnis
DEPARTEMEN AGRIBISNIS FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2009
iv
Judul skripsi
: Analisis Risiko dan Peramalan Harga Saham dalam Keputusan Investasi pada Perusahaan Perkebunan di PT Bursa Efek Indonesia
Nama
: Abdul Rozak
NRP
: H34051515
Disetujui, Pembimbing
Ir. Harmini, MSi NIP. 131 688 732
Diketahui, Ketua Departemen Agribisnis Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor
Dr. Ir. Nunung Kusnadi, MS NIP. 131 415 082
Tanggal Lulus:
PERNYATAAN Dengan ini saya menyatakan bahwa skripsi saya yang berjudul “ Analisis Risiko dan Peramalan Harga Saham dalam Keputusan Investasi pada Perusahaan Perkebunan di PT Bursa Efek Indonesia ” adalah karya sendiri dan belum diajukan dalam bentuk apapun 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 bentuk daftar pustaka di bagian akhir skripsi ini.
Bogor, Juni 2009
Abdul Rozak H34051515
vi
RIWAYAT HIDUP Penulis dilahirkan di Condet, Jakarta pada tanggal 18 Agustus 1986. penulis adalah anak kelima dari tujuh bersaudara dari pasangan H. Mat Rodji dan Hj. Atiah. Penulis menyelesaikan pendidikan dasar di SD Negeri 09 Batu Ampar pada tahun 1999 dan pendidikan menengah pertama diselesaikan pada tahun 2002 di SLTP Negeri 49 Jakarta. Pendidikan menengah atas di SMA Negeri 48 Jakarta diselesaikan pada tahun 2005. Penulis diterima Tingkat Persiapan Bersama (TPB), Institut Pertanian Bogor melalui jalur Seleksi Penerimaan Mahasiswa Baru (SPMB) pada tahun 2005 dengan sistem Mayor-Minor. Pada tahun 2006 penulis diterima pada Departemen Agribisnis, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Selama mengikuti pendidikan di Institut Pertanian Bogor, penulis tercatat sebagai pengurus Dewan Perwakilan Mahasiswa Fakultas Ekonomi dan Manajemen pada komisi A periode tahun 2006-2007. Pada internal Departemen Agribisnis penulis tercatat sebagai pengurus Rohis ”FRESH AGB” pada periode tahun 2006-2009. Selain itu pada masa pendidikannya tercatat sebagai Asisten Praktikum Ekonomi Umum Tingkat Persiapan Bersama selama tahun 2007 dan tahun 2008. Sekarang ini penulis sedang aktif dalam keanggotaan PAMJAKI.
vii
KATA PENGANTAR Puji syukur kepada ALLAH SWT, Tuhan Yang Maha Esa atas segala rahmat dan karunia-Nya serta shalawat dan salam penulis hanturkan kepada junjungan kita Nabi Muhammad SAW sehingga penulis dapat menyelesaikan skripsi yang berjudul ”Analisis Risiko dan Peramalan Harga Saham dalam Keputusan Investasti pada Perusahaan Perkebunan di PT Bursa Efek Indonesia”. Penelitian ini bertujuan untuk meramalkan pergerakan harga saham emiten perkebunan di Bursa Efek Indonesia dan menilai tingkat risiko yang disebabkan oleh pergerakan harga saham itu sendiri untuk membantu para investor dalam membuat keputusan investasi yang menguntungkan dan memiliki tingkat risiko yang minimal.
Semoga penelitian ini bermanfaat untuk semua pihak yang
membacanya tanpa terkecuali sehingga dengan adanya penelitian ini memberi manfaat dan inspirasi untuk kita semua yang membacanya untuk terus berkarya, berdo’a dan bertawakal terus kepada sang Khalik, ALLAH SWT. Namun demikian, sangat disadari masih terdapat kekurangan dalam karya penulis ini dikarenakan keterbatasan dan kendala yang dihadapi selama kegiatan penelitian dan penulisannya. Oleh karena itu, penulis mengharapkan saran dan kritik yang membangun ke arah penyempurnaan pada karya penulis ini sehingga dapat bermanfaat bagi kita semua.
Bogor, Juni 2009
Abdul Rozak H34051515
viii
UCAPAN TERIMA KASIH Penulisan skripsi ini tidak terlepas dari bantuan berbagai pihak. Sebagai bentuk rasa syukur penulis kepada ALLAH SWT, Tuhan Yang Maha Esa, penulis ingin menyampaikan terima kasih dan penghargaan kepada : 1) Ir. Harmini, MSi selaku dosen pembimbing atas bimbingan, arahan, waktu dan kesabaran yang telah banyak diberikan kepada penulis selama penyusunan skripsi ini, semoga ALLAH SWT memberikan yang terbaik buat Ibu. 2) Ir. Popong Nurhayati, MM selaku dosen penguji utama, yang telah memberikan banyak masukan dan saran kepada penulis. 3) Tintin Sarianti, SP, MM selaku dosen penguji wakil departemen, yang juga telah memberikan banyak masukan dan saran kepada penulis. 4) Ir. Burhanuddin, MM selaku dosen pembimbing akademik yang telah memberikan arahan selama penulis menjalankan kegiatan perkuliahan. 5) Seluruh dosen dan staf pengajar Departemen Agribisnis yang telah memberikan ilmunya kepada penulis selama kegiatan perkuliahan. 6) Pihak PT Bursa Efek Indonesia dan RPPM yang telah banyak membantu memberikan data dan informasi yang dibutuhkan penulis di dalam menyelesaikan penelitian ini. 7) Orang tua dan keluarga tercinta atas semua dukungan moril dan materi yang tidak akan pernah putus disematkan pada anaknya dan saudaranya ini. Semoga semua amal kita diterima ALLAH SWT dan semoga ini menjadi persembahan awal untuk mendatangkan persembahan terbaik lainnya. 8) Teman-teman seperjuangan agebers 42, terima kasih atas semangat dan bantuan sharing selama penelitian ini. Temen petualang saya Pondok Iwan crew (Bayu, Fey, Gito, Hary, Isnur, Nawi, Noel, Najmi, Teguh dan Sule), semua anak-anak Kosan Teguh yang sering direpotin, Ibu-Ibu PKK (Rina, Amel, Sari, Tiara, Hepy, Ayu, Cila) dan Kurawa Genk (agung, andri, herry, nanang, very dan para alumni fahutan di kurawa) you’re the best friends. Makasih buat semua yang sudah membantu penulis dalam penelitian ini (Novy, Ratna, Wiyanto, Eca, Cie Ndut dan semua anak AGB yang sudah memberi saya semangat untuk menyelesaikan skripsi ini). ix
9) Semua anak AGB 42 khususnya yang baik dan pintar dimana namanya tidak dapat disebutkan satu per satu, terima kasih atas persahabatan, canda, tawa, dan dukungan yang diberikan selama ini khususnya pada saat penyelesaian skripsi dan semoga kita menjadi orang-orang yang sukses. 10) Teman-teman satu KKP di Desa Pagon, Kec. Purwadadi dan Subang, yang telah memberikan semangat dan keceriaan yang tidak terlupakan. 11) Irfan Hadi, yang telah menjadi pembahas pada seminar saya dan memberikan masukan-masukan terhadap penyelesaian skripsi. 12) Teman-teman satu bimbingan saya, Irfan Hadi, Dian Lestari, dan Grace yang telah membantu dan memberikan semangat. Dani, Zulvan, dan Janri (Al Azhar Crew) yang menjadi teman seperjuangan dan memberikan bantuan terhadap penyelesaian skripsi. 13) Semua orang yang pernah direpotkan oleh penulis selama melakukan penelitian ataupun pada masa kuliah, thanks a lot. Terima kasih untuk semua orang yang tidak saya sebutkan satu persatu, intinya semua telah kita jalani dan langkah berikutnya menunggu arahan dari diri kita sendiri.
Bogor, Juni 2009
Abdul Rozak
x
DAFTAR ISI DAFTAR TABEL ..............................................................................
Halaman xiv
DAFTAR GAMBAR ..........................................................................
xvi
DAFTAR LAMPIRAN .......................................................................
xvii
I
PENDAHULUAN ..................................................................... 1.1. Latar Belakang ................................................................ 1.2. Perumusan Masalah ........................................................ 1.3. Tujuan ............................................................................. 1.4. Manfaat ........................................................................... 1.5. Ruang Lingkup ................................................................
1 1 6 8 8 9
II
TINJAUAN PUSTAKA ............................................................. 2.1. Proyeksi Pengembangan Kelapa Sawit di Indonesia Hingga Tahun 2010 ........................................................... 2.2. Pembiayaan Agribisnis ................................................... 2.3. Pasar Modal ....................................................................... 2.3.1. Alasan Dibentuknya Pasar Modal .............................. 2.3.2. Peranan Pasar Modal ................................................ 2.3.3. Macam Pasar Modal ................................................. 2.4. Saham ................................................................................ 2.5. PT Bursa Efek Indonesia .................................................. 2.5.1. Sejarah PT Bursa Efek Indonesia ............................ 2.5.2. Mekanisme Transaksi PT Bursa Efek Indonesia .... 2.6. Peran Pasar Modal dalam Pengembangan Agribisnis Perkebunan di Indonesia ................................................. 2.7. Indeks LQ45 ..................................................................... 2.8. Investasi ........................................................................... 2.8.1. Pengertian Investasi ................................................ 2.8.2. Instrumen Investasi ................................................. 2.8.3. Manajemen Investasi ............................................... 2.8.4. Risiko Investasi ....................................................... 2.8.5. Sikap Individu (Pemodal) Terhadap Risiko ............ 2.9. Analisis Fundamental dan Teknikal ................................. 2.10. Metode Peramalan Time Series ........................................ 2.11. Pemilihan Metode Peramalan .......................................... 2.12. Metode ARCH-GARCH .................................................. 2.13. Value at Risk .................................................................... 2.14. Strategi Keputusan Investasi Aktif .................................. 2.15. Penelitian Terdahulu ........................................................ 2.16. Perbedaan Penelitian dengan Penelitian Terdahulu .........
10
26 28 28 28 29 29 30 31 33 34 37 38 39 39 40 41
III
KERANGKA PEMIKIRAN .....................................................
42
IV
METODE PENELITIAN .......................................................... 4.1. Lokasi dan Waktu Penelitian .......................................... 4.2. Metode Penentuan Sampel Saham Emiten Terpilih..........
45 45 45
10 11 12 13 14 16 16 19 19 21
xi
4.3. Data dan Intrumentasi ..................................................... 4.4. Metode Pengumpulan Data ............................................. 4.5. Metode Pengolahan Data ................................................ 4.5.1. Metode Peramalan Harga Saham ............................ 4.5.2. Model ARCH/GARCH ........................................... 4.6. Definisi Operasional ........................................................
46 46 46 47 51 58
GAMBARAN UMUM PERUSAHAAN ................................. . 5.1. Profil PT Astra Agro Lestari,Tbk ................................... 5.1.1. Sekilas PT Astra Agro Lestari, Tbk ....................... 5.1.2. Kinerja Saham PT Astra Agro Lestari, Tbk ........... 5.1.3. Kinerja Umum PT Astra Agro Lestari, Tbk ............ 5.2. Profil PT PP London Sumatra,Tbk ................................ 5.2.1. Sekilas PT PP London Sumatra, Tbk ........................ 5.2.2. Kinerja Saham PT PP London Sumatra .Tbk ........... 5.2.3. Kinerja Umum PT PP London Sumatra .Tbk ........... 5.3. Profil PT Bakrie Sumatra Plantations .Tbk dan Anak Perusahaan ....................................................................... 5.3.1. Sekilas PT Bakrie Sumatra Plantations .Tbk dan Anak Perusahaan ............................................... 5.3.2. Kinerja Saham PT Bakrie Sumatra Plantations .Tbk dan Anak Perusahaan ............................................... 5.3.3. Kinerja Umum PT Bakrie Sumatra Plantations .Tbk dan Anak Perusahaan ...............................................
59 59 59 60 61 62 62 63 64
VI
PERAMALAN HARGA SAHAM .......................................... 6.1. Peramalan Harga Saham Emiten AALI ......................... 6.1.1. Eksplorasi Pola Data Harga Saham AALI ............. 6.1.2. Metode Peramalan Harga Saham AALI ............... 6.1.3. Peramalan Harga Saham AALI .............................. 6.1. Peramalan Harga Saham Emiten LSIP .......................... 6.1.1. Eksplorasi Pola Data Harga Saham LSIP .............. 6.1.2. Metode Peramalan Harga Saham LSIP ................. 6.1.3. Peramalan Harga Saham LSIP ............................... 6.1. Peramalan Harga Saham Emiten UNSP ........................ 6.1.1. Eksplorasi Pola Data Harga Saham UNSP ............ 6.1.2. Metode Peramalan Harga Saham UNSP ................ 6.1.3. Peramalan Harga Saham UNSP ..............................
73 73 73 75 77 77 77 80 81 81 81 84 85
VII
TINGKAT RISIKO HARGA SAHAM ................................. 7.1. Tingkat Risiko Emiten AALI .......................................... 7.1.1. Identifikasi Efek ARCH Saham Emiten AALI ....... 7.1.2. Estimasi Model Saham Emiten AALI ..................... 7.1.3. Pemilihan Model Terbaik Saham Emiten AALI ..... 7.1.4. Evaluasi Model Saham Emiten AALI ..................... 7.1.5. Peramalan Ragam Saham Emiten AALI ................. 7.2. Tingkat Risiko Emiten LSIP ........................................... 7.2.1. Identifikasi Efek ARCH Saham Emiten LSIP ........ 7.2.2. Estimasi Model Saham Emiten LSIP ...................... 7.2.3. Pemilihan Model Terbaik Saham Emiten LSIP ......
86 86 86 88 88 89 89 90 90 92 92
V
65 65 66 68
xii
7.2.4. Evaluasi Model Saham Emiten LSIP ...................... 7.2.5. Peramalan Ragam Saham Emiten LSIP .................. 7.3. Tingkat Risiko Emiten UNSP ......................................... 7.3.1. Identifikasi Efek ARCH Saham Emiten UNSP ...... 7.3.2. Estimasi Model Saham Emiten UNSP ..................... 7.3.3. Pemilihan Model Terbaik Saham Emiten UNSP ..... 7.3.4. Evaluasi Model Saham Emiten UNSP ..................... 7.3.5. Peramalan Ragam Saham Emiten UNSP ................ 7.4. Implikasi Peramalan Harga Saham dan Tingkat Risiko Terhadap Strategi Kombinasi Keputusan Investasi Aktif ..............................................
98
KESIMPULAN DAN SARAN ............................................. 8.1. Kesimpulan ..................................................................... 8.2. Saran ......................................................................
103 103 104
DAFTAR PUSTAKA .........................................................................
106
LAMPIRAN
109
VIII
...................................................................................
93 93 94 94 96 96 97 97
xiii
DAFTAR TABEL Nomor 1.
Halaman
Gross Domestic Product (GDP) Sektor Pertanian Indonesia Tahun 2004-2007 ......................................................................
1
Proyeksi Luas Perkebunan Kelapa Sawit Milik Negara dan Swasta di Indonesia pada Tingkat Pertumbuhan Konstan 2 % Per Tahun Hingga 2010 .....................................................
11
3.
Kebutuhan Pembiayaan Sektor Agribisnis ...............................
12
4.
Ringkasan Perbandingan Akurasi Nilai MSE Hasil Penerapan Metode Peramalan Pergerakan Harga Saham Penutupan Harian Emiten AALI ............................................................................
76
Ringkasan Perbandingan Akurasi Nilai MSE Hasil Penerapan Metode Peramalan Pergerakan Harga Saham Penutupan Harian Emiten LSIP .............................................................................
80
Ringkasan Perbandingan Akurasi Nilai MSE Hasil Penerapan Metode Peramalan Pergerakan Harga Saham Penutupan Harian Emiten UNSP ............................................................................
84
Fungsi AC dan PAC dari Return kuadrat Saham Emiten AALI ............................................................................
87
Estimasi Model ARCH/GARCH Harga Saham Emiten AALI ............................................................................
88
Tingkat Risiko dengan SK 95% pada Saham Emiten AALI ...
90
10. Fungsi AC dan PAC dari Return kuadrat Saham Emiten LSIP ..............................................................................
91
11. Estimasi Model ARCH/GARCH Harga Saham Emiten LSIP .............................................................................
92
12. Tingkat Risiko dengan SK 95% pada Saham Emiten LSIP .....
94
13 Fungsi AC dan PAC dari Return kuadrat Saham Emiten UNSP ............................................................................
95
14. Estimasi Model ARCH/GARCH Harga Saham Emiten UNSP ...........................................................................
96
15. Tingkat Risiko dengan SK 95% pada Saham Emiten UNSP ...
98
16. Penilaian Investasi Kombinasi Peramalan dan Penilain Risiko (1) ...................................................................
99
2.
5.
6.
7. 8. 9.
xiv
17. Penilaian Investasi Kombinasi Peramalan dan Penilain Risiko (5) ...................................................................
100
18. Penilaian Investasi Kombinasi Peramalan dan Penilain Risiko (10) ...............................................................
100
19. Penilaian Investasi Kombinasi Peramalan dan Penilain Risiko (20) .................................................................
101
xv
DAFTAR GAMBAR Nomor
Halaman
1.
Return Indeks Saham Sektoral BEI, Tahun 2007 ....................
5
2.
Bagan Pasar Keuangan .............................................................
13
3.
Mekanisme Transaksi Perdagangan di PT. BEI .......................
22
4.
Kurva Indiferen Sikap Investor Terhadap Risiko ....................
32
5.
Kerangka Pemikiran .................................................................
44
6.
Plot Data Harga Saham Penutupan PT Astra Agro Lestari, Tbk Periode Januari 2006-April 2009 dan Plot Basis Data untuk Penelitian ..............................................
74
7.
Korrelogram ACF dan PACF Harga Saham Emiten AALI .....
75
8.
Plot Data Harga Saham Penutupan PT PP London Sumatra, Tbk Periode Januari 2006-April 2009 dan Plot Basis Data untuk Penelitian ..............................................
78
Korrelogram ACF dan PACF Harga Saham Emiten LSIP ......
79
10. Plot Data Harga Saham Penutupan PT. Bakrie Sumatra Plantations dan Anak Perusahaan Periode Januari 2006April 2009 dan Plot Basis Data untuk Penelitian .....................
82
11. Korrelogram ACF dan PACF Harga Saham Emiten UNSP .....
83
12. Return Saham Emiten AALI ....................................................
86
13. Ringkasan Statistik Return AALI ............................................
87
14. Return Saham Emiten LSIP .....................................................
90
15. Ringkasan Statistik Return LSIP ..............................................
91
16. Return Saham Emiten UNSP ...................................................
94
17. Ringkasan Statistik Return UNSP ............................................
95
9.
xvi
DAFTAR LAMPIRAN Nomor
Halaman
1.
Data Harga Penutupan Saham AALI, UNSP dan LSIP ...........
110
2.
Daftar LQ45 di PT Bursa Efek Indonesia Periode 1 Agustus 2008 – Januari 2009 ...................................
112
Hasil ARIMA (2,1,0), ARIMA (1,1,0), dan ARIMA (1,1,1) Untuk Emiten AALI, LSIP, dan UNSP ...................................
113
Hasil Peramalan Harga Saham untuk AALI, LSIP, dan UNSP .......................................................................................
115
Metode ARCH (1), ARCH (1), dan GARCH (1,2) untuk AALI, LSIP dan UNSP ..................................................
117
Hasil Peramalan Ragam ARCH (1) pada Saham Emiten AALI ............................................................................
124
Hasil Peramalan Ragam ARCH (1) pada Saham Emiten LSIP .............................................................................
125
Hasil Peramalan Ragam GARCH (1,2) pada Saham Emiten UNSP ...........................................................................
126
3. 4. 5. 6. 7. 8.
xvii
I PENDAHULUAN 1.1. Latar Belakang Indonesia adalah negara agraris yang memiliki kekayaan sumberdaya hayati dan ekosistem yang beragam. Sebagai negara dengan keanekaragaman hayati
terbesar
ketiga
di
dunia,
mengembangkan komoditi pertanian.
Indonesia
memiliki
peluang
untuk
Keanekaragaman hayati yang dimiliki
Indonesia menjadikan sektor pertanian sebagai salah satu sektor penyumbang pendapatan negara. Salah satu subsektor pertanian yang memberikan kontribusi terhadap Produk Domestik Bruto adalah perkebunan.
Tahun 2006 sumbangan sektor
perkebunan sebesar 1,89 persen bagi GDP Indonesia, sedangkan pada sektor pertanian sendiri menempati urutan ketiga setelah pangan dan perikanan dengan persentase 14,63 persen dari pertanian secara keseluruhan sumbangan sektor pertanian pada GDP Indonesia. Dari tahun 2004 sampai tahun 2006 sumbangan sektor pekebunan terus mengalami peningkatan dengan persentase peningkatan rata-rata 13,025 persen, dimana dari tahun 2004 ke tahun 2005 meningkat sebesar 13,7 persen tetapi mengalami peningkatan yang sedikit lebih kecil dari tahun sebelumnya sebesar 12,35 persen dari tahun 2005 ke tahun 2006. Tabel 1. Gross Domestic Product (GDP) Sektor Pertanian Indonesia Tahun 2004-2007 Industrial Origin (1) Agriculture, Livestock, Forestry and Fishery a. Food Crops
2004 (2)
2005 (3)
2006* (4)
2007** (5)
329.124,60
364.169,30
433.223,40
547.235,60
165.558,20
181.331,60
214.346,30
268.124,40
b. Estate Crops
49.630,90
56.433,70
63.401,40
84.459,20
c. Livestock and Its Product.
40.634,70
44.202,90
51.074,70
62.095,80
d. Forestry
20.290,00
22.561,80
30.065,70
35.734,10
e. Fishery
53.010,80
59.639,30
74.335,30
96.822,10
Ket :
* = Data Sementara ** = Proyeksi
Sumber : Badan Pusat Statistik Indonesia Tahun 2007
Isu pertama yang mewarnai subsektor perkebunan adalah adanya kecenderungan defisit (konsumsi yang lebih tinggi dibandingkan produksi) di pasar internasional. Seperti ciri pasar sektor pertanian pada umumnya, subsektor perkebunan tidak dapat memanfaatkan kenaikan harga di pasar internasional yang berimbas juga pada pasar domestik secara optimal.
Hal ini terjadi karena
elastisitas harga yaitu respon produksi terhadap perubahan harga umumnya tidak elastis, dengan elastisitas antara 0,2 - 0,8. Dengan demikian kenaikan harga 1 persen direspon dengan kenaikan produksi yang kurang dari 1 persen. Kenaikan harga tersebut tidak secara optimal dapat dimanfaatkan melalui peningkatan produksi. CPO yang merupakan produk hasil olahan subsektor perkebunan, yaitu kelapa sawit salah satu yang dapat merespon dengan cukup baik dampak kenaikan harga dengan peningkatan produksi sebesar 17 persen, dari sekitar 14,2 juta ton menjadi 14,6 juta ton pada tahun 2006. Kelapa sawit bukanlah tanaman asli Indonesia. Pengembangan kebun kelapa sawit pertama kali dilakukan pada tahun 1911 di tanah Itam Ulu oleh Maskapai Oiliepalmen Cultuur dan di pulau raja oleh maskapai Huilleries de Sumatra-RCMA. Perluasan perkebunan kelapa sawit di Indonesia secara signifikan berawal pada tahun 1977 dengan dimulainya program Nucleus Estate and Smallholder (NES) atau Perkebunan Inti Rakyat (PIR) 1. Perkembangan kelapa sawit dan usahanya selalu beriringan dengan hasil olahannya yaitu, crude palm oil (CPO) disamping PKO. Perkembangan CPO tidak terlepas dari permintaan pasar CPO dunia yang prospektif. Peluang pasar konsumsi diperkirakan tumbuh 3,5 persen - 4 persen per tahun; perdagangan sekitar 3,8 persen per tahun. Sampai dengan tahun 2010, peluang pasar CPO Indonesia dari sisi konsumsi diperkirakan tumbuh antara 4 persen - 6 persen per tahun dan dari sisi ekspor 5 persen - 8 persen per tahun. Hasil analisis 2 yang dilakukan FAO (2001), Mielka (2001), dan Susila (2001) menunjukkan peluang peningkatan konsumsi CPO masih terbuka. Peluang peningkatan konsumsi CPO untuk jangka panjang sampai dengan tahun 2025 diperkirakan akan mengalami tiga fase pertumbuhan. Pada fase pertumbuhan pertama atau fase pertumbuhan cepat (tahun 2005-2010), konsumsi CPO 1
Agro Observer Bundel No. 1-6 Tahun I Halaman 36 Loc.cit
2
2
diperkirakan masih cukup tinggi, walaupun lebih rendah dari dekade terakhir. Fase kedua (tahun 2010-2017) dikenal dengan fase pertumbuhan yang lambat, namun masih lebih tinggi dari pertumbuhan produk kompetitornya yaitu pertumbuhan minyak kedele.
Fase ketiga (tahun 2017-2025) dikenal sebagai
pertumbuhan yang alami (neutral) yaitu pada saat pasar mulai jenuh dan pertumbuhan konsumsi hanya sekitar 1,5 persen per tahun. Peluang ini menjadi tantangan yang tidak mudah karena menuntut produktivitas kelapa sawit yang baik untuk dapat menjamin pemanfaatan peluang tersebut. Tetapi bukan peluang itu tanpa masalah, pemanfaatan peluang pasar CPO ini dihadapkan pada pertanaman kelapa sawit di Indonesia sebagian besar berumur 20-25 tahun yang sudah mencapai akhir siklus umur tanaman. Hal yang tentu mempengaruhi produktivitas kelapa sawit indonesia dan pada akhirnya peluang pasar konsumsi CPO dalam negeri bahkan ekspor terancam dalam pemenuhannya. Sektor pertanian khususnya agribisnis merupakan penyumbang ekspor bersih penting selama 30 tahun Indonesia membangun, pada masa krisis ini tetap bertahan (Saragih, 2001). Menurut Saragih (2001) pengalaman ini seharusnya menyadarkan kita semua (termasuk pemerintah), bahwa kita harus meninggalkan strategi
industrialisasi
berspektrum
luas
(broad-based
industries)
yang
menekankan pada industri-industri yang tidak berbasis dalam negeri (footloose industries) dan strategi industrialisasi yang berbasis teknologi berbasis impor (high-tech industries) serta kembali ke strategi industrialisasi berbasis sumberdaya domestik (domestic resources based). Salah satu komponen yang mendukung sektor pertanian Indonesia adalah perusahaan yang bergerak dalam bidang pertanian baik perusahaan industri hulu (penyedia sarana-sarana pertanian), perusahaan on-farm, perusahaan industri hilir (pengolahan produk-produk pertanian) maupun jasa pemasaran dan jasa penunjang lainnya.
Untuk dapat bertahan di masa ini perusahaan agribisnis
membutuhkan koordinasi dan kinerja yang efektif dan efisisien juga termasuk peningkatan skala usaha untuk pengembangan perusahaan, salah satu faktor yang menentukan adalah modal yang dimiliki perusahaan.
3
Pembangunan agribisnis yang bersifat domestic resources based diharapkan mampu mewujudkan perekonomian yang berkemandirian dan berkeadilan di masa yang akan datang.
Karena Indonesia merupakan negara
agraris maka sudah selayaknya sebagai negara kaya akan potensi pertanian maka prioritas penanaman investasi adalah di bidang pertanian (Saragih, 2001). Pada suatu perusahaan, modal yang menjadi faktor penentu perkembangan suatu usaha memperoleh dana tidak cukup hanya dengan dana internal. Perusahaan membutuhkan sejumlah modal yang besar secara eksternal (Keown dkk, 1999). Dalam usaha meningkatkan modal perusahaan yang menarik dana dari luar, perusahaan harus memperhatikan masalah jumlah dana yang dibutuhkan, tingkat suku bunga jaminan dan jangka waktu untuk memperoleh dan pengembaliannya. Disamping itu, jenis dana yang ditarik tidak kalah penting pula untuk dipertimbangkan apakah dana yang ditarik itu berbentuk pinjaman atau modal sendiri (Hartono, 2001). Tahun 1987 sejalan dengan semakin besarnya kebutuhan dana investasi dan pembangunan, serta perlunya menciptakan iklim usaha yang kondusif, pemerintah mulai menyadari peran strategis pasar modal (Suta, 2000). Pasar modal merupakan salah satu instrumen untuk memobilisasi dana masyarakat untuk pembiayaan pembangunan dan sebagai wadah bagi kalangan dunia usaha untuk membiayai pembelanjaan perusahaan. Perkembangan pasar modal berkorelasi dengan baik pada semakin banyaknya perusahaan yang memasuki pasar modal.
Hal ini tercermin dari
banyaknya emiten yang telah mendaftar di Bursa Efek Indonesia. Selain itu perkembangan saham sektoral menjadi titik fundamental kegiatan pasar modal. Berdasarkan return indeks saham sektoral pada tahun 2007, merupakan ilustrasi yang menggambarkan menariknya kinerja sektoral di bursa saham. Salah satu sektoral yang patut dipertimbangkan dalam memajukan perekonomian dan pilihan investasi adalah sektor agribisnis (115,39 persen) yang menempati urutan kedua setelah pertambangan yang memiliki persentase 240,91 persen.
4
Gambar 1. Return Indeks Saham Sektoral Bursa Efek Indonesia, Tahun 2007 Sumber : Bloomberg, Tahun 2007 3 Perusahaan agribisnis dalam negeri sudah banyak yang memanfaatkan pasar modal (Bursa Efek Indonesia) sebagai sumber pembiayaan perusahaan dalam menjalankan kegiatannya. Hal ini tentu memperlihatkan bagaimana para pelaku agribisnis menyadari pentingnya pembiayaan untuk menopang kinerja perusahaan yang mereka jalankan terutama perusahaan go public. Hubungan dengan para investor melalui pasar modal mutlak diperlukan dalam menunjang aktivitas perusahaan. Perkembangan perusahaan agribisnis yang masuk dalam emiten di Bursa Efek Indonesia memberi dampak positif dalam alternatif pilihan bagi para investor yang berminat dalam sektor agribisnis untuk menanamkam modalnya. Satu hal yang perlu dipahami investor adalah memahami pasar. Pasar saham bergerak terus dengan modal investasi sebagai penggeraknya.
Salah satu pendorong
investor untuk masuk ke pasar (membeli atau menjual), adalah adanya antisipasi kemungkinan kejadian di masa depan. Langkah penting yang dilakukan oleh pemilik modal untuk memilih alternatif investasi yang sesuai dengan tujuan investasi dapat memanfaatkan informasi yang akurat dan relevan mengenai proyeksi emiten saham dan menetapkan investasi pada emiten dengan risiko seminimum mungkin. Berhubungan dengan hal tersebut studi ini bertujuan untuk menganalisis risiko yang dihadapi emiten saham-saham perusahaan perkebunan terintegrasi pada penyediaan bibit, budidaya dan penghasil/olahan CPO terpilih sekaligus meramalkan pergerakan emiten harga penutupan saham tersebut selama tahun 3
www.e-bursa.com : Prospek Investasi di Bursa Efek Indonesia Tahun 2008 Oleh Tryfino [26 Februari 2009]
5
2009. Pada akhirnya studi ini akan membantu pemilik modal dalam memutuskan investasi pada sektor perkebunan khususnya perusahaan perkebunan terintegrasi pada penyediaan bibit, budidaya dan penghasil/olahan di dalam negeri. 1.2. Perumusan Masalah Agribisnis sebagai suatu sistem yang merupakan konsep dari suatu sistem yang integratif yang terdiri dari sub-sistem. Kinerja masing–masing sub-sistem akan sangat ditentukan keterkaitan dengan sub-sistem lainnya. Sistem agribisnis terdiri atas up strem, on farm, down stream dan didukung oleh lembaga penunjang. Dalam sub-sistem up stream kegiatan ekonomi berkenaan dengan penyediaan bahan baku (bibit), sub sistem on farm meliputi kegiatan budidaya, sub-sistem down stream berkaitan dengan pengolah hasil dan distribusi ke konsumen, dan lembaga penunjang adalah lembaga yang terkait yang mendukung kegiatan bisnis. Salah satu sub-sektor agribisnis adalah perkebunan, dimana perkembangan sektor perkebunan cukup membanggakan karena menjadi sektor yang memiliki peranan besar dalam perdagangan ekspor Indonesia, seperti karet, kakao ataupun kelapa sawit (CPO).
Tetapi seiring perkembangan permintaan ini terdapat
permasalahan penting yang mempengaruhi kapasitas perusahaan untuk memenuhi permintaan yang terus meningkat. Permasalahan ini datang dari sub-sistem onfarm, umur pohon di perkebunan telah memasuki umur akhir siklus tanaman (2025 tahun). Hal ini tentu akan mempengaruhi produktivitas produk perkebunan itu sendiri, sehingga perlu dilakukan peremajaan yang memang mutlak diperlukan. Masalah terus berlanjut pada pembiayaan untuk menunjang visi dan misi perusahaan sektor perkebunan untuk merespon peluang konsumsi pasar pada produk perkebunan (karet, kakao, CPO). Pembiayaan yang dibutuhkan perusahaan perkebunan, mendorong perusahaan perkebunan memasuki pasar modal untuk menarik investor dalam bentuk perusahaan yang go public. Hal ini dikarenakan para pemilik modal tidak lagi menyimpan dana dalam bentuk barang yang tidak produktif, tetapi mereka mencoba mendapatkan kesempatan memperoleh laba dari deviden jangka panjang atau capital gain pada jangka pendek. Oleh karena itu kedua kepentingan tersebut dipertemukan dalam transaksi di pasar modal (Bursa Efek). 6
Apabila pilihan dipersempit pada saham-saham agribisnis perkebunan maka tiga pilihan emiten saham sektoral perkebunan yang sudah go public adalah PT Astra Agro Lestari Tbk. (AALI), Bakrie Sumatera Plantation Tbk. (UNSP), dan PP London Sumatera Tbk. (LSIP). Ketiga perusahaan tersebut perlu dikaji untuk mendapat pilihan melihat kinerja dan eksistensi perusahaan di pasar bursa. Selain itu kinerja harga saham mereka mampu membuat sentimen pada sektor pertanian lain yang ada di pasar modal untuk berpengaruh positif atau negatif. Pilihan ini tidak serta merta memberi alasan mendasar bagi calon investor untuk melakukan keputusan investasi pada perusahaan perkebunan tersebut karena terdapat unsur ketidakpastian terkait risiko dan bagaimana proyeksi pergerakan harga saham pada masa-masa ke depan. Keputusan investasi yang tepat pada perusahaan perkebunan terpilih, dapat dianalisis dengan menggunakan analisis fundamental dan analisis teknikal. Analisis teknikal menjadi perhatian utama penulis untuk menganalisis keputusan investasi pada perusahaan perkebunan terpilih di PT Bursa Efek Indonesia. Pemilihan PT Bursa Efek Indonesia sebagai tempat penelitian tidak lepas dari kebutuhan data dalam analisis teknikal ini yang menjadi perhatian penting dalam melakukan analisa adalah capital gain yang berimplikasi pada pergerakan harga saham emiten di pasar modal Indonesia berpusat di PT Bursa Efek Indonesia. Pemanfaatan data pergerakan harga saham emiten menggunakan dua alat analisis dari metode kuantitatif untuk mengukur dua hal penting dalam mempengaruhi keputusan investasi, yaitu pengukuran tingkat risiko (value at risk) dan peramalan pergerakan harga saham emiten perkebunan terpilih. Sehingga dengan analisis teknikal ini pemilik modal terutama mereka yang menginginkan keuntungan jangka pendek dapat memutuskan kapan harus membeli, menjual atau hanya menunggu dan melihat saja sebagai bagian dari keputusan investasinya. Berdasarkan uraian di atas, maka dalam penelitian ini dapat dirumuskan masalah-masalah yang akan diteliti adalah : 1. Bagaimana gambaran umum perusahaan PT Astra Agro Lestari, Tbk (AALI), PT PP London Sumatra, Tbk (LSIP), dan PT Bakrie Sumatra Plantations, Tbk dan anak perusahaan (UNSP) ? 7
2. Bagaimana proyeksi pergerakan saham emiten AALI, LSIP dan UNSP di tahun 2009 ? 3. Bagaimana tingkat risiko (Value at Risk) yang dihadapi investor pada sahamsaham emiten AALI, LSIP, UNSP dan merumuskan keputusan investasi sebagai implikasi terhadap risiko yang akan dihadapi dan melihat pergerakan harga saham di tahun 2009 ? 1.3. Tujuan Penelitian Penelitian ini bertujuan untuk menjawab permasalahan-permasalahan yang telah dirumuskan, yaitu : 1. Mendeskripsikan profil perusahaan AALI, LSIP dan UNSP. 2. Melakukan Proyeksi pergerakan saham emiten AALI, LSIP dan UNSP di tahun 2009. 3. Menganalisis tingkat risiko (Value at Risk) yang dihadapi investor pada saham-saham emiten AALI, LSIP, UNSP dan merumuskan keputusan investor sebagai implikasi terhadap risiko yang akan dihadapi dan melihat pergerakan emiten saham AALI, LSIP dan UNSP pada PT Bursa Efek Indonesia di tahun 2009. 1.4. Manfaat Penelitian Hasil penelitian ini diharapkan dapat memberikan manfaat bagi : 1. Para praktisi bursa, khususnya para investor yang berinvestasi pada saham agribisnis perkebunan mendapatkan informasi yang relevan sebagai proyeksi pergerakan harga saham di masa mendatang dan antisipasi risiko sekaligus menentukan sikap keputusan investasi yang tepat pada kondisi pasar modal tertentu. 2. Kalangan akademisi, menambah wacana bagi para akademisi untuk menelaah dan mengkaji secara mendalam tentang perdagangan saham di pasar modal Indonesia. 3. Kalangan umum, yaitu masyarakat luas yang ingin menambah wawasan dan pengetahuan yang luas dalam transaksi keputusan investasi pada perdagangan emiten saham agribisnis perkebunan. 8
4. Perusahaan,
informasi
yang disajikan
penelitian
ini
dapat
menjadi
pertimbangan informasi yang bersifat teknikal untuk mendukung strategi yang akan diterapkan oleh ketiga emiten terpilih (AALI, LSIP dan UNSP). 1.5. Ruang Lingkup Penelitian Ruang lingkup penelitian ini adalah saham-saham agribisnis perkebunan yang telah terdaftar (listing) di Bursa Efek Indonesia dan memenuhi kriteriakriteria yang ditetapkan.
Pemilihan tempat kajian penelitian di Bursa Efek
Indonesia dilatarbelakangi kompetensi dan tingkat relevansi data yang dibutuhkan dalam penelitian untuk mendapatkan hasil penelitian yang diinginkan pada tempat penelitian di Bursa Efek Indonesia. Diperoleh tiga emiten saham yang terpilih untuk dianalisis yaitu : PT Astra Agro Lestari Tbk. (AALI) sebagai perusahaan yang sektor pengembangannya di kelapa sawit khususnya pengolahan (CPO), Bakrie Sumatera Plantation Tbk. (UNSP) bergerak pada awalnya dengan karet tetapi seiring perjalanan usaha, perusahaan menggerakkan dan memiliki anak perusahaan yang menangani kelapa sawit (CPO), dan PP London Sumatera Tbk. (LSIP) sebagai perusahaan yang sektor pengembangannya di kelapa sawit (terutama pembibitan tanaman kelapa sawit). Pada penelitian ini aspek keputusan investasi hanya dibatasi pada keputusan yang mendasar dari teknikal berupa ramalan time series dan penilaian risiko, ceteris paribus dalam membuat implikasi keputusan investasi pemilik modal.
Pemanfaatan keputusan investasi bagi
investor yang berorientasi capital gain dan cenderung memanfaatkan analisis teknikal dalam pengambilan keputusan investasi. Faktor dan variabel lain diluar analisis teknikal (kajian fundamental perusahaan) tidak dikaji secara mendalam dan sebatas penguatan argumen hasil analisis secara teknikal yang menjadi perhatian utama dalam penelitian ini.
9
II TINJAUAN PUSTAKA 2.1. Proyeksi Pengembangan Kelapa Sawit di Indonesia hingga Tahun 2010 4 Kebutuhan dunia terhadap minyak nabati semakin meningkat baik untuk produk pangan maupun nonpangan seperti biofuel diperkirakan akan terus mendorong industi kelapa sawit di Indonesia di masa depan.
Kebijakan
pengembangan perkebunan kelapa sawit di Indonesia juga berpijak pada tiga pilar utama, yaitu : 1. Industri kelapa sawit sebagai usaha yang prospektif dan berkelanjutan (sustainable). 2. Pemanfaatan lahan yang didasarkan 3P (Planet, People, Profit) yaitu melestarikan lingkungan, mendayagunakan dan memajukan kesejahteraan masyarakat selain memperoleh keuntungan. 3. Karakteristik geografi, SDA, infrastruktur, dan sarana penunjang yang dimilki untuk menjadikan sub-sektor perkebunan kelapa sawit sebagai salah satu sektor unggulan perekonomian daerah dan mampu memberikan multiplyer effect yang besar bagi perekonomian daerah secara keseluruhan. Kebijakan tersebut diimplementasikan oleh pemerintah dalam bentuk dukungan secara langsung terhadap pengembangan industri kelapa sawit yang melibatkan perusahaan swasta, perusahaan milik negara, maupun rakyat. Sebagai contoh, pada periode tahun 2006-2010, pemerintah memiliki program pengembangan perkebunan kelapa sawit rakyat melalui program “percepatan pembangunan perkebunan dalam mendukung revitalisasi pertanian” yang diusung oleh Departemen Pertanian.
Pengembangan kelapa sawit tersebut
memilki kegiatan peremajaan maupun pembukaan areal-areal baru yang mencapai ratusan ribu hektar yang diharapkan dapat diwujudkan pada periode 2006-2010.
4
LRPI : Potensi dan Peluang Industri Kelapa Sawit di Indonesia, Pusat Penelitian Kelapa Sawit, 2006
Tabel 2. Proyeksi Luas Perkebunan Kelapa Sawit Milik Negara dan Swasta di Indonesia Pada Tingkat Pertumbuhan Konstan 2% Per Tahun Hingga 2010. Jenis
2005
2006
2007
2008
2009
2010
677.041
690.582
704.393
718.481
732.851
747.508
3.003.080
3.063.142
3.124.404
3.186.893
3.250.630
3.315.643
Perkebunan Perkebuanan Negara Perkebunan Swasta
Sumber : Direktorat Jenderal Perkebunan, Tahun 2007 2.2. Pembiayaan Agribisnis Pembiayaan merupakan salah satu aspek paling menentukan dalam pengembangan usaha. Pembiayaan agribisnis dapat diperoleh dari modal sendiri atau meminjam dari beberapa sumber keuangan, seperti pemodal perorangan, lembaga keuangan dan Bank. Modal selalu terbatas, sehingga penggunaanya harus diatur sedemikian rupa agar menghasilkan keuntungan terbesar atau gross margin tertinggi (Krisnamurthi, 2001). Modal terdiri beberapa jenis, yaitu : 1. Modal Tanaman Modal ini merupakan biaya yang dikeluarkan untuk menumbuhkan tanaman hingga berproduksi dan mati, artinya tanaman pun terdepresiasi seperti modal lainnya. 2. Modal Ternak Relatif sama dengan modal tanaman, hanya dalam bentuk ternak. Untuk memperoleh gross margin yang besar ternak tersebut harus berproduksi tertinggi (artinya tingkat pertumbuhannya harus tinggi, terutama untuk hewan potong). 3. Modal Bangunan Modal ini dapat berupa modal yang digunakan untuk membangun, membeli, atau menyewa bangunan. Biaya ini meliputi biaya pemeliharaan, perbaikan, dan rehabilitasi bangunan.
11
Tabel 3. Kebutuhan Pembiayaan Sektor Agribisnis Subsektor
Tipe Kredit
Produksi
Jangka Pendek
Jangka Menengah
Jangka Panjang
Pembelian produksi
Pembelian mesin
•
Pembelian lahan
•
Investasi
kebutuhan konsumsi
irigsi
dan drainase •
Perluasan
lahan
dan pengembangannya Pemasok
Tagihan dagang
Pembelian mesin
•
Penelitian
dan
pengembangan produk
Pemasaran
dan
Tagihan dagang
Pembelian mesin
Distribusi Modal kerja Riset
dan
-
-
Pengembangan
•
Investasi pabrik
•
Riset konsumen
•
Riset produk
•
Investasi pabrik
•
Investasi Litbang
•
Investasi
untuk
pendidikan
Sumber : Krisnamurthi (Agribisnis), 2001 4. Modal Mesin dan Peralatan Modal ini meliputi biaya untuk pemilikan atau penyewaan serta biaya perawatan dan perbaikan selain biaya untuk bahan bakar. Penggunaan mesin bukan hanya dapat menghemat dari segi pengeluaran untuk upah tenaga kerja, tapi juga dapat meningkatkan prosuksi atau mempercepat proses pengolahan tanah, penanaman dan panen yang lebih efisien. 2.3. Pasar Modal Pasar modal adalah tempat pertemuan antara penawaran dan permintaan surat berharga. Para pelaku pasar yaitu individu-individu atau badan usaha yang mempunyai kelebihan dana melakukan investasi ke dalam bentuk surat-surat yang ditawarkan emiten (Sunariyah dalam Bakasenjaya, 2004).
12
Pasar keuangan adalah salah satu alternatif yang dapat dimanfaatkan perusahaan untuk memenuhi kebutuhan dananya. Pada umumnya pasar uang meliputi dua segmen, yaitu pasar uang untuk pinjaman jangka pendek, dan pasar modal pinjaman jangka panjang (lihat bagan Gambar 2). Pasar uang adalah pasar yang menyediakan pembelanjaan dalam jangka pendek dibuat berdasarkan tujuan pasar uang yang menyediakan dana pinjaman (bukan equity) untuk memenuhi kebutuhan
modal
berjangka pendek
(Darmadji
dan
Fakhruddin
dalam
Khurniawan, 2004).
Pasar Keuangan
Pasar Uang
Pasar Modal
Gambar 2. Bagan Pasar Keuangan Sumber : Darmadji dan Fakhruddin dalam Khurniawan, 2004 Berbeda dengan pasar uang, Sunariyah dalam Bakasenjaya (2004) mendefinisikan pasar modal, sebagai suatu sistem keuangan yang terorganisasi, termasuk didalamnya adalah Bank-Bank komersil dan semua lembaga perantara di bidang keuangan, serta keseluruhan surat-surat berharga yang beredar. Dalam pengertian sederhananya, pasar modal adalah suatu pasar yang disiapkan untuk memperdagangkan saham-saham, obligasi-obligasi, dan jenis surat berharga lainnya dengan memakai jasa para perantara pedagang efek. Pemerintah juga memberikan pengertian tentang pasar modal sebagai berikut, menurut Undang-Undang Pasar Modal (UU PM) No 8 tahun 1995, pasar modal yaitu kegiatan yang berkaitan dengan penawaran umum dan perdagangan efek, perusahaan publik yang berkaitan dengan efek yang diterbitkannya, serta lembaga dan profesi yang berkaitan dengan efek. 2.3.1. Alasan Dibentuknya Pasar Modal Pasar modal di banyak negara menjalankan fungsi ekonomi dan keuangan. Dalam melaksanakan fungsi ekonomi, pasar modal menyediakan fasilitas untuk
13
memindahkan dana dari pihak yang mempunyai kelebihan dana ke pihak yang membutuhkan dana.
Sedangkan fungsi keuangan dilaksanakan dalam
menyediakan dana yang diperlukan oleh pihak yang memerlukan dana dan pihak yang memiliki dana menyediakan dana tanpa harus terlibat langsung dalam kepemilikan aktiva riil yang diperlukan untuk investasi (Husnan, 2003). Ada beberapa daya tarik pasar modal menurut Husnan (2003), yaitu (i) diharapkan pasar modal akan dapat menjadi alternatif penghimpunan dana selain sistem perbankan. Pada umumnya perbankan menghimpun dana dari masyarakat dan kemudian menyalurkan kembali ke pihak-pihak yang memerlukan dana. Sedangkan pasar modal melalui perusahaan menerbitkan sekuritas yang berupa surat tanda hutang atau obligasi ataupun surat tanda kepemilikan saham, (ii) pasar modal memberikan pilihan bagi pemodal untuk menginvestasikan dana yang sesuai dengan preferensi risiko mereka. Adanya pasar modal membuat investor melakukan diversifikasi investasi, membentuk portofolio sesuai dengan risiko yang bersedia ditanggung dan tingkat pengembalian (return) yang diharapkan. Pada pasar modal yang efisien, terdapat hubungan yang positif antara risiko dan return yang diharapkan.
Dari sisi pemilik modal, pasar modal
memberikan kesempatan untuk berinvestasi yang menjanjikan keuntungan yang tertinggi sesuai dengan risiko. Sedangkan bagi pihak yang memerlukan modal dijadikan alternatif pendanaan eksternal dengan biaya lebih rendah daripada sistem perbankan. 2.3.2. Peranan Pasar Modal Pasar modal memiliki peranan penting dalam suatu negara, yang pada dasarnya peranan tersebut mempunyai kesamaan antara satu negara dengan negara lain. Sunariyah dalam Bakasenjaya (2004), peranan pasar modal pada suatu negara dapat dilihat dari lima aspek berikut ini: 1. Sebagai fasilitas melakukan interaksi antara pembeli dengan penjual untuk menentukan harga saham atau surat berharga yang diperjualbelikan. 2. Pasar modal memberikan kesempatan kepada investor untuk memperoleh hasil yang diharapkan.
14
3. Pasar memberikan kesempatan kepada investor untuk menjual kembali saham yang dimilikinya atau surat berharga lainnya. 4. Pasar modal menciptakan kesempatan kepada masyarakat untuk berpartisipasi dalam perkembangan suatu perekonomian. 5. Pasar modal mengurangi biaya informasi dan transaksi surat berharga. Tersedianya informasi secara lengkap bagi para investor untuk melakukan investasi maka biaya informasi ditanggung oleh seluruh pelaku pasar bursa. Peranan pasar modal di atas memperlihatkan aspek mikro yang ditinjau dari sisi kepentingan para pelaku pasar modal.
Namun demikian (Sunariyah
dalam Bakasenjaya, 2004) peranan pasar modal dalam perekonomian nasional (secara makro ekonomi) lebih luas jangkauannya. Peranan pasar modal dalam suatu perekonomian suatu negara adalah sebagai berikut: 1. Fungsi Tabungan Investasi di pasar modal dengan membeli surat berharga tanpa risiko adanya penurunan nilai mata uang untuk menginvestasikan dana. Dana tersebut dapat digunakan untuk memperbanyak jasa dan produk-produk di suatu sektor perekonomian. Dengan membeli surat berharga, masyarakat diharapkan dapat mengantisipasi standar hidup yang lebih baik. 2. Fungsi Kekayaan Pasar modal adalah suatu cara untuk menyimpan kekayaan dalam jangka panjang dan jangka pendek sampai dengan kekayaan tersebut dapat dipergunakan kembali. 3. Fungsi Likuiditas Kekayaan yang disimpan dalam surat berharga, dapat dilikuidasi melalui pasar modal dengan risiko yang lebih kecil dibandingkan dengan aktiva lain. 4. Fungsi Pinjaman Pasar modal merupakan fungsi pinjaman untuk konsumsi atau investasi. Pinjaman merupakan hutang kepada masyarakat sehingga pasar modal bagi suatu perekonomian negara merupakan sumber pembiayaan pembangunan dari pinjaman yang dihimpun dari masyarakat.
15
2.3.3. Macam Pasar Modal Penjualan saham kepada investor dapat dilakukan dengan beberapa cara. Umumnya penjualan dilakukan sesuai dengan jenis atau bentuk pasar modal dimana sekuritas itu diperjualbelikan. Menurut Sunariyah dalam Bakasenjaya (2004), jenis-jenis pasar modal tersebut adalah: 1. Pasar Perdana (Primary Market) Merupakan penawaran saham dari perusahaan yang menerbitkan saham kepada investor selama waktu yang ditetapkan oleh pihak yang menerbitkan sebelum saham tersebut diperdagangkan di pasar sekunder. 2. Pasar Sekunder (Secondary Market) Sebagian perdagangan saham melewati masa penawaran pada pasar perdana. Jadi, pasar sekunder merupakan pasar dimana saham dan sekuritas lain diperjualbelikan secara luas, setelah melalui masa penjualan di pasar perdana. 3. Pasar Ketiga (Third Market) Merupakan tempat perdagangan saham atau sekuritas diluar bursa (over the counter market). 2.4. Saham 5 Saham (stock) merupakan salah satu instrumen pasar keuangan yang paling popular. Menerbitkan saham merupakan salah satu pilihan perusahaan ketika memutuskan untuk pendanaan perusahaan. Pada sisi yang lain, saham merupakan instrumen investasi yang banyak dipilih para investor karena saham mampu memberikan tingkat keuntungan yang menarik.
Saham dapat
didefinisikan sebagai tanda penyertaan modal seseorang atau pihak (badan usaha) dalam suatu perusahaan atau perseroan terbatas. Dengan menyertakan modal tersebut, maka pihak tersebut memiliki klaim atas pendapatan perusahaan, klaim atas asset perusahaan, dan berhak hadir dalam Rapat Umum Pemegang Saham (RUPS). Pada dasarnya, ada dua keuntungan yang diperoleh investor dengan membeli atau memiliki saham, yaitu :
5
www.idx.co.id [26 Februari 2009]
16
1. Dividen Dividen merupakan pembagian keuntungan yang diberikan perusahaan dan berasal dari keuntungan yang dihasilkan perusahaan.
Dividen diberikan
setelah mendapat persetujuan dari pemegang saham dalam RUPS.
Jika
seorang pemodal ingin mendapatkan dividen, maka pemodal tersebut harus memegang saham tersebut dalam kurun waktu yang relatif lama yaitu hingga kepemilikan saham tersebut berada dalam periode dimana diakui sebagai pemegang saham yang berhak mendapatkan dividen. Dividen yang dibagikan perusahaan dapat berupa dividen tunai, artinya kepada setiap pemegang saham diberikan dividen berupa uang tunai dalam jumlah rupiah tertentu untuk setiap saham atau dapat pula berupa dividen saham yang berarti kepada setiap pemegang saham diberikan dividen sejumlah saham sehingga jumlah saham yang dimiliki seorang pemodal akan bertambah dengan adanya pembagian dividen saham tersebut. 2. Capital Gain Capital Gain merupakan selisih antara harga beli dan harga jual. Capital gain terbentuk dengan adanya aktivitas perdagangan saham di pasar sekunder. Misalnya Investor membeli saham XYZ dengan harga per saham Rp 3.000 kemudian menjualnya dengan harga Rp 3.500 per saham yang berarti pemodal tersebut mendapatkan capital gain sebesar Rp 500 untuk setiap saham yang dijualnya. Selain dua keuntungan yang akan didapatkan dari memegang saham ada keuntungan lain, yaitu saham bonus. Saham bonus ini didapat jika perusahaan mengeluarkannya. Saham bonus ini merupakan saham yang dibagikan kepada para pemegang saham yang diambil dari agio saham. Dimana saham agio tersebut adalah selisih antara harga jual terhadap harga nominal saham tersebut pada saat perusahaan melakukan penawaran umum di pasar perdana. Selain itu sebagai instrumen investasi saham memiliki risiko, antara lain:
17
1. Capital Loss Merupakan kebalikan dari Capital Gain, yaitu suatu kondisi dimana investor menjual saham lebih rendah dari harga beli. Misalnya saham PT. XYZ yang di beli dengan harga Rp 2.000,- per saham, kemudian harga saham tersebut terus mengalami penurunan hingga mencapai Rp 1.400,- per saham. Karena takut harga saham tersebut akan terus turun, investor menjual pada harga Rp 1.400,- tersebut sehingga mengalami kerugian sebesar Rp 600,- per saham. 2. Risiko Likuidasi Perusahaan yang sahamnya dimiliki, dinyatakan bangkrut oleh pengadilan, atau perusahaan tersebut dibubarkan. Dalam hal ini hak klaim dari pemegang saham mendapat prioritas terakhir setelah seluruh kewajiban perusahaan dapat dilunasi (dari hasil penjualan kekayaan perusahaan). Jika masih terdapat sisa dari hasil penjualan kekayaan perusahaan tersebut, maka sisa tersebut dibagi secara proporsional kepada seluruh pemegang saham.
Namun jika tidak
terdapat sisa kekayaan perusahaan, maka pemegang saham tidak akan memperoleh hasil dari likuidasi tersebut. Kondisi ini merupakan risiko yang terberat dari pemegang saham. Untuk itu seorang pemegang saham dituntut untuk secara terus menerus mengikuti perkembangan perusahaan. Pasar sekunder atau dalam aktivitas perdagangan saham sehari-hari, hargaharga saham mengalami fluktuasi baik berupa kenaikan maupun penurunan. Pembentukan harga saham terjadi karena adanya permintaan dan penawaran atas saham tersebut. Dengan kata lain harga saham terbentuk oleh supply dan demand atas saham tersebut. Supply dan demand tersebut terjadi karena adanya banyak faktor, baik yang sifatnya spesifik atas saham tersebut (kinerja perusahaan dan industri dimana perusahaan tersebut bergerak) maupun faktor yang sifatnya makro seperti tingkat suku bunga, inflasi, nilai tukar dan faktor-faktor non ekonomi seperti kondisi sosial dan politik, dan faktor lainnya.
18
2.5. PT Bursa Efek Indonesia 6 2.5.1. Sejarah PT Bursa Efek Indonesia Secara historis, pasar modal telah hadir jauh sebelum Indonesia merdeka. Pasar modal atau bursa efek telah hadir sejak jaman kolonial Belanda dan tepatnya pada tahun 1912 di Batavia. Pasar modal ketika itu didirikan oleh pemerintah Hindia Belanda untuk kepentingan pemerintah kolonial atau VOC. Meskipun pasar modal telah ada sejak tahun 1912, perkembangan dan pertumbuhan pasar modal tidak berjalan seperti yang diharapkan, bahkan pada beberapa periode kegiatan pasar modal mengalami kevakuman.
Hal tersebut
disebabkan oleh beberapa faktor seperti perang dunia ke I dan II, perpindahan kekuasaan dari pemerintah kolonial kepada pemerintah Republik Indonesia, dan berbagai kondisi yang menyebabkan operasi bursa efek tidak dapat berjalan sebagaimana mestinya. Pemerintah Republik Indonesia mengaktifkan kembali pasar modal pada tahun 1977, dan beberapa tahun kemudian pasar modal mengalami pertumbuhan seiring dengan berbagai insentif dan regulasi yang dikeluarkan pemerintah. Secara singkat, tonggak perkembangan pasar modal di Indonesia dapat dilihat sebagai berikut: •
14 Desember 1912 : bursa efek pertama di Indonesia dibentuk di Batavia oleh Pemerintah Hindia Belanda.
•
1914 – 1918 : bursa efek di Batavia ditutup selama Perang Dunia I.
•
1925 – 1942 : bursa efek di Jakarta dibuka kembali bersama dengan bursa efek di Semarang dan Surabaya.
•
Awal tahun 1939 : karena isu politik (Perang Dunia II) bursa efek di Semarang dan Surabaya ditutup.
•
1942 – 1952 : bursa efek di Jakarta ditutup kembali selama Perang Dunia II.
•
1952 : bursa efek di Jakarta diaktifkan kembali dengan Undang-Undang Darurat Pasar Modal 1952, yang dikeluarkan oleh Menteri Kehakiman (Lukman Wiradinata) dan Menteri keuangan (Prof. DR. Sumitro
6
www.idx.co.id , [ 26 Februari 2009]
19
Djojohadikusumo). Instrumen yang diperdagangkan: Obligasi Pemerintah RI (1950). •
1956 : program nasionalisasi perusahaan Belanda. bursa efek semakin tidak aktif.
•
1956 – 1977 : perdagangan di bursa efek vakum.
•
10 Agustus 1977 : bursa efek diresmikan kembali oleh Presiden Soeharto. Bursa Efek Jakarta dijalankan dibawah Badan Pelaksana Pasar Modal. Tanggal 10 Agustus diperingati sebagai HUT Pasar Modal. Pengaktifan kembali pasar modal ini juga ditandai dengan go public PT Semen Cibinong sebagai emiten pertama.
•
1977 – 1987 : perdagangan di bursa efek sangat lesu. Jumlah emiten hingga 1987 baru mencapai 24.
Masyarakat lebih memilih instrumen
perbankan dibandingkan instrumen pasar modal. •
1987 : ditandai dengan hadirnya Paket Desember 1987 (PAKDES 87) yang memberikan kemudahan bagi perusahaan untuk melakukan penawaran umum dan investor asing menanamkan modal di Indonesia.
•
1988 – 1990 : paket deregulasi dibidang perbankan dan pasar modal diluncurkan. Pintu Bursa Efek Jakarta terbuka untuk asing.
Aktivitas
bursa terlihat meningkat. •
2 Juni 1988 : Bursa Paralel Indonesia (BPI) mulai beroperasi dan dikelola oleh Persatuan Perdagangan Uang dan Efek (PPUE), sedangkan organisasinya terdiri dari broker dan dealer.
•
Desember 1988 : pemerintah mengeluarkan Paket Desember 88 (PAKDES 88) yang memberikan kemudahan perusahaan untuk go public dan beberapa kebijakan lain yang positif bagi pertumbuhan pasar modal.
•
16 Juni 1989 : Bursa Efek Surabaya (BES) mulai beroperasi dan dikelola oleh Perseroan Terbatas milik swasta yaitu PT. Bursa Efek Surabaya.
•
13 Juli 1992 : Swastanisasi Bursa Efek Jakarta. Badan Pelaksana Pasar Modal berubah menjadi Badan Pengawas Pasar Modal.
Tanggal ini
diperingati sebagai HUT Bursa Efek Jakarta.
20
•
22 Mei 1995 : sistem otomasi perdagangan di Bursa Efek Jakarta dilaksanakan dengan sistem computer JATS (Jakarta Automated Trading Systems).
•
10 November 1995 : pemerintah mengeluarkan Undang–Undang No. 8 Tahun 1995 tentang Pasar Modal. Undang-Undang ini mulai diberlakukan mulai Januari 1996.
•
1995 : Bursa Paralel Indonesia merger dengan Bursa Efek Surabaya.
•
2000 : Sistem Perdagangan Tanpa Warkat (scripless trading) mulai diaplikasikan di pasar modal Indonesia.
•
2002 : Bursa Efek Surabaya mulai mengaplikasikan sistem perdagangan jarak jauh (remote trading).
•
2007 : penggabungan Bursa Efek Surabaya (BES) ke Bursa Efek Jakarta (BEJ) dan berubah nama menjadi Bursa Efek Indonesia (BEI).
2.5.2. Mekanisme Transaksi di PT Bursa Efek Indonesia7 Pelaksanaan perdagangan Efek di bursa dilakukan dengan menggunakan fasilitas JATS. Perdagangan efek di bursa hanya dapat dilakukan oleh Anggota Bursa (AB) yang juga menjadi anggota kliring KPEI. Investor sebelum memulai transaksi harus menjadi nasabah di salah satu perusahaan PT Bursa Efek Indonesia
hal pertama yang dapat dilakukan untuk menjadi nasabah adalah
membuka rekening dengan mengisi dokumen pembukaan rekening yang memuat dokumen lengkap identitas calon nasabah.
Anggota bursa efek bertanggung
jawab terhadap seluruh transaksi yang dilakukan di bursa baik untuk kepentingan sendiri maupun untuk kepentingan nasabah.
7
ibid
21
Gambar 3. Mekanisme Transaksi Perdagangan di PT Bursa Efek Indonesia Sumber : Bursa Efek Indonesia, Tahun 2008 Pesanan yang dapat dilaksanakan di bursa oleh anggota bursa adalah hanya pesanan terbatas (limit order), yaitu pesanan yang dilaksanakan oleh anggota bursa sampai dengan batas harga yang ditetapkan oleh nasabahnya. Penawaran jual dan atau permintaan beli nasabah atas efek selain HMETD hanya boleh ditransaksikan oleh anggota bursa di pasar reguler, kecuali nasabah menginstruksikan atau menyetujui secara tertulis bahwa penawaran jual atau permintaan belinya ditransaksikan di pasar tunai atau pasar negosiasi. Perdagangan di pasar reguler dan pasar tunai harus dalam satuan perdagangan (round lot) efek atau kelipatannya, yaitu 500 (lima ratus) efek. Perdagangan di pasar negosiasi tidak menggunakan satuan perdagangan (tidak round lot). Harga penawaran jual dan atau permintaan beli yang dimasukkan ke dalam JATS adalah harga penawaran yang masih berada di dalam rentang harga tertentu. Apabila anggota bursa memasukkan harga diluar rentang harga tersebut maka secara otomatis akan ditolak oleh JATS (auto rejection). Batasan auto rejection yang berlaku saat ini:
22
1. Harga penawaran jual atau penawaran beli saham lebih kecil dari Rp 50,- . 2. Harga penawaran jual atau penawaran beli saham lebih dari 35 persen di atas atau di bawah acuan harga untuk Saham dengan rentang harga Rp 50,- sampai dengan dari Rp 200,- . 3. Harga penawaran jual atau penawaran beli saham lebih dari 25 persen di atas atau di bawah acuan harga untuk Saham dengan rentang harga Rp 200,- sampai dengan dari Rp 5.000,-. 4. Harga penawaran jual atau penawaran beli saham lebih dari 20 persen di atas atau di bawah acuan harga untuk Saham dengan rentang harga di atas Rp 5.000,- . Penerapan Auto Rejection terhadap harga di atas, untuk perdagangan saham hasil penawaran umum yang untuk pertama kalinya diperdagangkan di bursa (perdagangan perdana), ditetapkan sebesar dua kali dari persentase batasan Auto Rejection harga sebagaimana dimaksud dalam butir di atas. Acuan harga yang digunakan untuk pembatasan harga penawaran tertinggi atau terendah atas saham yang dimasukkan ke JATS dalam perdagangan saham di pasar reguler dan pasar tunai ditentukan sebagai berikut:
Menggunakan harga pembukaan (Opening Price) yang terbentuk pada sesi pra-pembukaan; atau
Menggunakan harga penutupan (Closing Price) di Pasar Reguler pada hari bursa sebelumnya (Previous Price) apabila Opening Price tidak terbentuk.
Dalam hal perusahaan tercatat melakukan tindakan korporasi, maka selama 3 (tiga)
hari bursa berturut-turut setelah berakhirnya
perdagangan saham yang memuat hak (periode cum) di pasar reguler, acuan harga di atas menggunakan Previous Price dari masing-masing pasar (reguler atau tunai). Pelaksanaan perdagangan di pasar reguler dimulai dengan pra-pembukaan. anggota bursa dapat memasukkan penawaran jual dan atau permintaan beli sesuai
23
dengan ketentuan satuan perdagangan, satuan perubahan harga (fraksi) dan ketentuan Auto Rejection. Harga pembukaan terbentuk berdasarkan akumulasi jumlah penawaran jual dan permintaan beli terbanyak yang dapat dialokasikan oleh JATS pada harga tertentu pada periode pra-pembukaan. Seluruh penawaran jual dan atau permintaan beli yang tidak teralokasi di pra-pembukaan, akan diproses secara langsung (tanpa memasukkan kembali penawaran jual dan atau permintaan beli) pada sesi I perdagangan, kecuali harga penawaran jual dan atau permintaan beli tersebut melampaui batasan Auto Rejection. Penawaran jual dan atau permintaan beli yang telah dimasukkan ke dalam JATS diproses oleh JATS dengan memperhatikan: 1. Prioritas harga (price priority) Permintaan beli pada harga yang lebih tinggi memiliki prioritas terhadap permintaan beli pada harga yang lebih rendah, sedangkan penawaran jual pada harga yang lebih rendah memiliki prioritas terhadap penawaran jual pada harga yang lebih tinggi. 2. Prioritas Waktu (time priority) Bila penawaran jual atau permintaan beli diajukan pada harga yang sama, JATS memberikan prioritas kepada permintaan beli atau penawaran jual yang diajukan terlebih dahulu. Pengurangan jumlah efek pada JATS baik pada penawaran jual maupun pada permintaan beli untuk tingkat harga yang sama tidak mengakibatkan hilangnya prioritas waktu.
Sedangkan penambahan jumlah efek baik pada
penawaran jual maupun permintaan beli untuk tingkat harga yang sama diperlakukan sama dengan penawaran jual maupun permintaan beli baru. Transaksi bursa di pasar reguler dan pasar tunai terjadi dan mengikat pada saat penawaran jual dijumpakan (match) dengan permintaan beli oleh JATS. Penyelesaian transaksi bursa di pasar reguler dan pasar tunai antara anggota bursa jual dan anggota bursa beli dijamin oleh KPEI. Transaksi bursa pasar reguler wajib diselesaikan pada hari bursa ke-3 (T+3). Transaksi bursa Pasar tunai wajib diselesaikan pada hari bursa yang sama (T+0). Penyelesaiain transaksi bursa yang dilakukannya di pasar reguler dan pasar tunai akan 24
ditentukan oleh KPEI melalui proses Netting dan dilakukan melalui pemindah bukuan efek dan atau dana ke rekening efek anggota bursa yang berhak yang berada pada KSEI. Dalam hal kewajiban anggota bursa untuk menyerahkan efek tidak dilaksanakan sesuai dengan ketentuan, maka anggota bursa tersebut wajib untuk menyelesaikan kewajibannya dengan uang pengganti (ACS = Alternate Cash Settlement) yang besarnya ditetapkan sebesar 125 persen (seratus dua puluh lima perseratus) dari harga tertinggi atas efek yang sama yang terjadi di pasar reguler dan pasar tunai yang penyelesaiannya jatuh tempo pada tanggal yang sama dan pasar reguler pada sesi I pada hari penyelesaian transaksi yang jatuh temponya sebagaimana di atas. Anggota bursa tidak memenuhi kewajibannya untuk membayar kepada KPEI sebagaimana tercantum dalam DHK Netting, maka kewajiban anggota bursa tersebut wajib diselesaikan sesuai dengan peraturan KPEI.
Anggota bursa yang
tidak memenuhi kewajibannya dalam penyelesaian transaksi bursa dilarang melakukan kegiatan perdagangan efek di bursa sampai dengan KPEI melaporkan ke bursa bahwa semua kewajiban anggota bursa tersebut telah terpenuhi dan anggota bursa dapat dikenakan sanksi sesuai dengan peraturan bursa. Anggota bursa wajib membayar biaya transaksi kepada bursa, KPEI dan KSEI yang dihitung berdasarkan nilai per transaksi anggota bursa sebagai berikut: Minimum biaya transaksi yang harus dibayar AB adalah Rp 2.000.000,(dua juta rupiah) per bulan termasuk untuk AB dalam keadaan suspensi atau SPAB-nya dibekukan. Pembayaran harus sudah efektif dalam rekening bursa setiap bulan selambat-lambatnya pada hari kalender ke-12 bulan berikutnya. Dalam hal hari kalender ke-12 (dua belas) di atas jatuh pada hari Sabtu atau hari Minggu atau hari libur maka kewajiban dimaksud efektif pada hari kerja berikutnya. Keterlambatan pembayaran dikenakan denda sebesar 1 persen setiap hari kalender keterlambatan. Anggota bursa yang tidak memenuhi kewajibannya selambat-lambatnya lima hari bursa setelah lampaunya batas waktu pembayaran, maka anggota bursa tersebut disamping dikenakan denda juga dikenakan suspensi sampai dengan diselesaikannya seluruh kewajiban pembayaran biaya transaksi dan dendanya. Informasi detil mengenai tata cara perdagangan efek bisa dilihat dalam Peraturan BEI Nomor II-A Tentang Perdagangan Efek.
25
2.6. Peran Pasar Modal dalam Pengembangan Agribisnis Perkebunan Indonesia Agribisnis menurut J.H. David dan R.A Goldberg dalam Saragih (2001) mendefinisikan “Penjumlahan total dari seluruh kegiatan yang menyangkut manufaktur dan distribusi dari sarana produksi pertanian, kegiatan yang dilakukan usahatani, serta penyimpanan, pengolahan, dan distribusi dari produk pertanian dan produk-produk lain yang dihasilkan dari produk pertanian”. Terdapat empat subsistem yang menyusun sistem agribisnis, yaitu subsistem hulu (sarana prasarana produksi pertanian), subsistem onfarm (budidaya), subsistem hilir (pengolahan dan pemasaran), dan jasa layanan pendukung (kelembagaan dan kegiatan penunjang). Terlepas dari integrasi antar subsistem agribisnis tersebut, subsistem penunjang memiliki peranan yang tidak kalah penting dengan subsistem lain. Subsistem penunjang merupakan suatu elemen yang dapat mempengaruhi arah perkembangan agribisnis. Dimana dengan subsistem penunjang ini mengarahkan sekaligus juga dapat membatasi perkembangan agribisnis itu sendiri karena elemen ini mendukung setiap pergerakan dan arah kebijakan agribisnis secara makro (nasional) maupun mikro (perusahaan).
Perkembangan akan kebutuhan
investasi yang terlihat dari hambatan secara umum agribisnis adalah dari segi permodalan.
Hal ini mendorong kegiatan agribisnis Indonesia masuk dalam
kegiatan pasar modal untuk mendapatkan kebutuhan pengembangan untuk mendukung arah kebijakan makro (nasional) atau mikro (perusahaan) kegiatan agribisnis. Sektor agribisnis yang memiliki peran sekaligus memiliki perhatian dan pengaruh besar dalam permodalan sekuritas pertanian adalah sektor perkebunan.
Setiap pergerakan saham sektor perkebunan akan diikuti
perkembangan harga saham pertanian lainnya. Perusahaan dan investor memilki beberapa keuntungan dengan hadirnya bursa efek atau pasar modal diantaranya adalah menyediakan pasar yang berkesinambungan, memantapkan dan mempublikasikan harga sekuritas yang wajar, membantu bisnis memperoleh modal baru (Keown, 1999). Ada beberapa daya tarik pasar modal menurut Husnan (2003), yaitu :
26
•
Merupakan alternatif penghimpunan dana selain sistem perbankan yang memiliki sistem birokrasi yang membatasi perusahaan dari kondisi debt to equity ratio yang dapat menimbulkan cost of capital of the firm tidak lagi minimal.
•
Pasar modal memungkinkan para pemodal mempunyai berbagai pilihan alternatif investasi yang sesuai dengan preferensi risiko pemilik modal.
•
Dari sisi perusahaan yang memerlukan dana, pasar modal merupakan alternatif pendanaan ekstern dengan biaya yang lebih rendah dari sistem perbankan.
Pasar modal yang semakin berkembang tidak terlepas dari daya tarik pasar modal itu sendiri dan hal ini yang mendorong perusahaan agribisnis di Indonesia masuk menjadi bagian pasar modal dengan berbagai misi yang mendukung visi perusahaan tersebut.
Dengan kemungkinan kesempatan kepemilikan saham
agribisnis oleh petani sebagai kebijakan perusahaan yang go public dan dengan catatan pemerintah menerapkan regulasi untuk membudayakan pengetahuan saham kepada petani akan memberikan keuntungan berupa (Perwira dalam Bakasenjaya, 2004) : 1. Timbul kerjasama yang baik antara petani dengan perusahaan agribisnis untuk mendorong sektor agribisnis Indonesia menjadi salah satu satu sektor perekonomian yang tangguh 2. Mendidik petani untuk lebih memiliki wawasan pemasaran dalam kegiatan mereka. Pasar modal dan investasi pada sektor agribisnis perkebunan merupakan alternatif yang mendapat pertimbangan untuk menjadi pilihan investasi sekaligus alternatif pengalihan modal para pemilik modal. Suatu sistem kerjasama dalam mendukung subsistem penunjang di pasar modal pada akhirnya dapat mengembangkan sektor agribisnis menjadi kekuatan perekonomian bangsa.
27
2.7. Indeks LQ458 Indeks LQ45 terdiri dari 45 saham dengan likuiditas (liquid) tinggi, yang diseleksi melalui beberapa kriteria pemilihan. Selain penilaian atas likuiditas seleksi atas saham-saham tersebut mempertimbangkan kapitalisasi pasar. Kriteria saham yang masuk indeks LQ45 adalah : 1. Masuk dalam urutan 60 besar dari total transaksi saham di pasar reguler (ratarata nilai transaksi selama 12 bulan terakhir). 2. Urutan berdasarkan kapitalisasi pasar (rata-rata nilai kapitalisasi pasar selama 12 bulan terakhir). 3. Telah tercatat di Bursa Efek Indonesia (BEJ, BES) selama paling sedikit 3 bulan. 4. Kondisi keuangan dan prospek pertumbuhan perusahaan, frekuensi dan jumlah hari transaksi di pasar regular. Bursa Efek Indonesia setiap tiga bulan review pergerakan ranking saham akan digunakan dalam kalkulasi indeks LQ45.
Penggantian saham akan
dilakukan setiap enam bulan sekali, yaitu pada awal Februari dan Agustus. Apabila saham tidak memenuhi kriteria seleksi indeks LQ45, maka saham tersebut akan dikeluarkan dari perhitungan indeks dan diganti dengan saham lain yang memenuhi kriteria. 2.8. Investasi 2.8.1. Pengertian Investasi Investasi adalah barang-barang yang dibeli oleh individu dan perusahaan untuk menambah persediaan modal mereka (Mankiw, 2000).
Investasi dapat
diartikan sebagai suatu kegiatan menanam modal, baik dalam bentuk uang maupun benda pada suatu objek dengan tujuan untuk memperoleh keuntungan selama satu periode (Husnan, 2003) Dalam melakukan kegiatan investasi, selalu terdapat unsur ketidakpastian atau risiko. Pemilik modal tidak dapat mengestimasi secara pasti hasil yang
8
ibid
28
diperolehnya dari kegiatan investasi yang dilakukannya.
Dalam berinvestasi
mempertimbangkan : 1. Tujuan mengadakan investasi. 2. Jangka waktu investasi. 3. Kemampuan keuangan. 4. Penanggulangan risiko yang timbul akibat kegiatan investasi. 5. Alternatif investasi yang tersedia. 6. Informasi yang tersedia bagi alternatif investasi tersebut. 7. Penentuan pilihan investasi yang sesuai. 2.8.2. Instrumen Investasi Instrumen investasi dibagi menjadi tiga bagian (Widoatmodjo dalam Pranowo, 2002) meliputi investasi sektor riil (real investment), investasi komoditas (commodity investment), dan investasi keuangan (financial investment). Investasi sektor riil adalah investasi yang diwujudkan dalam bentuk pendirian pabrik, perkebunan, pertambangan, dan lain sebagainya. Investasi komoditas adalah investasi yang objek investasinya berupa komoditi (barang atau produk) yang biasa disebut perdagangan berjangka (commodity future trading). Investasi keuangan adalah investasi yang objek investasinya berupa uang, seperti valuta asing, surat-surat berharga yang diterbitkan oleh pemerintah melalui perbankan (Commercial Paper, Sertifikat Bank Indonesia, Surat Berharga Pasar Uang, Promissory Notes, Call Money, Repurchases Agreement, Banker Acceptance, Treasury Bills dan lain sebagainya). Investasi keuangan terdiri dari investasi pada pasar uang dan pasar modal. 2.8.3. Manajemen Investasi Manajemen investasi (Manajemen Portofolio) adalah proses manajemen (planning, organizing, actuating, controlling) uang, aset dan atau kekayaan. Ada beberapa pendekatan dan strategi manajemen investasi yang dapat digunakan sesuai dengan kebutuhan. Strategi investasi yang sering dilakukan pemilik modal adalah (Reilly dalam Pranowo, 2002) :
29
1. Pencari Waktu (Market Timming) Strategi berinvestasi dimana pemodal akan berusaha menentukan saat atau waktu yang tepat untuk membeli dan menjual sekuritas. Penentuan waktu tersebut akan sangat dipengaruhi harapan pemodal terhadap kondisi pasar secara keseluruhan. 2. Pemilih Sektor (Sector Selector) Teknik berinvestasi dimana pemodal akan membatasi kegiatan investasinya hanya pada sektor-sektor tertentu. masing-masing
sektor
dapat
didasarkan
pada
Pengklasifikasian jenis
industri.
Karakteristik produk, dan tingkat sensitivitas sekuritas terhadap perubahan kondisi ekonomi. 3. Pemilih Sekuritasi (Security Selector) Teknik berinvestasi dimana pemodal akan berusaha mengidentifikasi sekuritas yang nilai pasarnya lebih rendah daripada nilai intrinsiknya (undervalued),
untuk
selanjutnya
pemodal
akan
berusaha
mengidentifikasikan untuk membeli sekuritas-sekuritas tersebut dan menjualnya yang sudah terlalu tinggi harga sahamnya (overvalued). 2.8.4. Risiko Investasi Risiko
dan
ketidakpastian
menjabarkan
suatu
keadaan
yang
memungkinkan berbagai macam hasil usaha atau berbagai macam akibat dari usaha-usaha tertentu. Risiko tidak identik dengan ketidakpastian. Perbedaan dari kedua hal itu ialah bahwa risiko menjabarkan keadaan yang hasil dan akibatnya mengikuti
suatu
penjabaran
kemungkinan
yang
diketahui,
sedangkan
ketidakpastian menunjukkan keadaan yang hasil dan akibatnya tidak diketahui. Pada risiko, peluang akan terjadinya suatu kejadian sudah terlebih dahulu diketahui, sedangkan ketidakpastian, peluang terjadinya kondisi merugi belum diketahui sebelumnya (Sartono, 1996). Kamus Besar Bahasa Indonesia (1983) menyebutkan bahwa secara umum risiko berarti akibat yang kurang menyenangkan (merugikan, membahayakan) dari suatu perbuatan atau tindakan. Risiko dapat pula didefinisikan sebagai suatu ukuran relatif derajat variabilitas dari kemungkinan hasil-hasil sepanjang waktu
30
ataupun sebagai ketidakpastian hasil pada masa yang akan datang. Selain itu, risiko juga didefinisikan sebagai simpangan hasil aktual dari pengharapannya. Risiko finansial merupakan kemungkinan investor mengalami kerugian di pasar keuangan dan dapat diartikan sebagai penyebaran dari hasil yang tidak diharapkan akibat pergerakan variabel finansial. Risiko ini dapat bersumber dari penyimpangan baik positif maupun negatif pergerakan tersebut (Jorison, 2002). Menurut Jorison (2002) risiko finansial yang dihadapi pemodal adalah risiko pasar (market risk), risiko kredit (credit risk), risiko likuiditas (likuidity risk), risiko operasional (operational risk), dan risiko peraturan atau hukum (legal risk). Selain risiko finansial, dalam permodalan dikenal dua jenis risiko yang mempengaruhi kegiatan para pemilik modal dalam mengambil keputusan, yaitu risiko pasar dan risiko psikologis. Risiko pasar adalah risiko akibat pergerakan harga pasar substansial baik untuk keseluruhan saham ataupun untuk sahamsaham tertentu saja akibat perubahan tingkat inflasi ekonomi, keuangan negara atau kebijakan pemerintah. Risiko ini dapat diukur dengan deviasi standar dari hasil yang tidak diharapkan dan hal ini biasa disebut dengan volatilitas. Berbeda dengan risiko pasar dan finansial, risiko psikologis merupakan risiko untuk pemodal yang bertindak emosional dalam menghadapi perubahan harga saham berdasarkan optimisme atau pesimisme yang dapat mengakibatkan kenaikan atau penurunan harga saham. 2.8.5. Sikap Individu (Pemodal) Terhadap Risiko Bagaimana seseorang bereaksi terhadap risiko menggambarkan preferensi risiko mereka (Smith, 1990). Ada tiga kategori luas tentang preferensi seseorang terhadap risiko, antara lain adalah individu yang netral terhadap risiko (risk neutral), individu yang menyukai risiko (risk lover), dan individu yang tidak menyukai risiko (risk averter). menghadapi risiko.
Risk lover adalah individu yang senang
Apabila individu tersebut dihadapkan pada dua pilihan
investasi yang memberikan tingkat keuntungan yang sama dengan risiko yang berbeda, maka investor tersebut secara ekstrem akan lebih senang mengambil investasi yang mempunyai risiko lebih besar. Secara lebih rasional, seorang risk lover akan meminta tambahan keuntungan yang lebih kecil untuk setiap tambahan risiko yang dihadapi. 31
Sementara itu, risk averter akan lebih senang pada pilihan investasi yang memiliki risiko yang lebih kecil dengan tingkat keuntungan yang sama. Risk neutral adalah kelompok investor atau individu yang bersifat netral terhadap risiko. Artinya, investor akan meminta kenaikan tingkat keuntungan yang sama untuk setiap kenaikan risiko. Gambar 4. menunjukkan kurva indiferen dari ketiga kelompok investor tersebut. Kurva indiferen tersebut merupakan serangkaian kombinasi antara berbagai tingkat risiko dan keuntungan yang diharapakan yang memberikan kepuasan yang sama kepada investor.
Tampak bahwa kurva
indiferen untuk investor yang tidak menyukai risiko (risk averter) memiliki slope yang lebih besar daripada investor yang menyukai risiko (risk lover). Slope kurva indiferen risk averter bahkan akan menjadi begitu besar pada tingkat risiko tertentu. Sementara itu, slope kurva indiferen dari investor yang bersikap netral terhadap risiko adalah konstan dan sama dengan satu.
Tingkat Pengembalian
Risk Averse
Risk neutral
r1
Risk Lover
r2
σ1 σ2 σ3 σ4 σ5
σ6
Tingkat Risiko
Gambar 4. Kurva Indiferen Sikap Investor Terhadap Risiko Sumber: Sartono, 1996 Pada pengembalian sebesar r 2 , pemodal tipe lover akan berani menanggung risiko sebesar σ 5 , lebih tinggi dibandingkan dengan tingkat risiko yang ditanggung oleh pemodal tipe neutral dengan tingkat risiko sebesar σ 3 dan risk averse sebesar σ 1 . Untuk mendapatkan tingkat pengembalian r 2 , risk averse
32
akan menolaknya apabila tingkat risiko yang akan ditanggung lebih besar dari σ 2 , sedangkan risk lover akan berani menanggung risiko yang lebih besar sebesar σ 6 . Tambahan tingkat pengembalian sebesar ∆r 1 -r 2 , pemodal tipe risk neutral rela menanggung tambahan risiko berinvestasi sebesar ∆
σ 4 -σ 3 dimana risiko
investasi yang ditanggung tersebut sama besarnya dengan tingkat pengembalian yang diharapkan. Risk averse hanya berkeinginan menanggung risiko yang lebih kecil yaitu ∆ σ 2 -σ 1 untuk mendapatkan tambahan tingkat pengembalian sebesar ∆r 1 -r 2 , berbeda dengan tipe pemodal lover yang berani menanggung risiko sebesar ∆ σ 6 -σ 5 untuk mendapatkan pengembalian sebesar ∆r 1 -r 2 . 2.9. Analisis Fundamental dan Analisis Teknikal Analisis dan memilih saham memiliki dua pendekatan dasar, yaitu analisis fundamental dan analisis teknikal. Menurut Husnan (2003) analisis fundamental merupakan kegiatan mencoba memperkirakan harga saham di masa yang akan datang dengan cara : 1. Mengestimasi nilai-nilai faktor fundamental yang mempengaruhi harga saham di masa yang akan datang, dan 2. Menerapkan hubungan variabel-variabel tersebut sehingga diperoleh taksiran
harga.
Faktor-faktor
fundamental
seperti
penjualan,
pertumbuhan penjualan, biaya, kebijakan deviden, dan sebagainya yang dapat mempengaruhi harga saham yang akan terjadi. Analisis teknikal merupakan upaya untuk memperkirakan harga saham (kondisi pasar) dengan mengamati perubahan harga saham tersebut (kondisi pasar) di waktu lalu. Pemikiran yang mendasari analisis teknikal adalah (i) harga saham akan mencerminkan informasi yang relevan, (ii) informasi tersebut ditunjukkan oleh perubahan harga di waktu yang lalu, dan (iii) perubahan harga saham memiliki pola tertentu dan pola tersebut akan berulang (Husnan, 2003). Pada dasarnya analisis teknikal merupakan upaya untuk menentukan kapan akan membeli atau menjual saham dengan memanfaatkan indikator-indikator teknis maupun menggunakan analisis grafik.
33
2.10. Metode Peramalan Time Series Peramalan merupakan pendugaan terhadap kejadian di masa yang akan datang. Metode peramalan dapat berdasarkan pada pengalaman, penilaian, dan pendapat dari pakar. Secara umum terdapat dua macam metode peramalan, yaitu peramalan kualitatif dan metode peramalan kuantitatif.
Peramalan kualitatif
didasarkan pada intuisi atau pengalaman empiris dari perencana atau pengambil keputusan, sehingga relatif lebih bersifat subjektif.
Makridakis (1999)
menyatakan bahwa metode peramalan kualitatif membutuhkan input yang tergantung pada metode tertentu dan biasanya dari hasil pemikiran intuitif, pertimbangan dan pengetahuan yang telah didapat. Pendekatan dengan metode ini seringkali memerlukan input dari sejumlah orang yang terlatih secara khusus. Metode peramalan kuantitatif memiliki sifat yang lebih obyektif berdasarkan pada keadaan aktual (data) yang diolah dengan menggunakan metode-metode tertentu.
Penggunan metode juga harus didasarkan pada
fenomena manajemen atau bisnis apa yang diramalkan dan tujuan yang ingin dicapai melalui peramalan. Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi sebagai berikut (Makridakis, 1999) : 1. Tersedia informasi masa lalu. 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik. 3. Dapat diasumsikan bahwa pola masa lalu akan terus berlanjut dimasa yang akan datang. Metode peramalan time series merupakan metode yang mengasumsikan nilai dari suatu peubah pada masa datang mengikuti pola data peubah tersebut pada waktu sebelumnya (Firdaus, 2006). Metode ini didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu yang merupakan data deret waktu, metode ini terdiri dari : 1. Metode Rata-Rata. a. Metode Rata-Rata Sederhana (Simple Average) Metode ini menggunakan mean semua pengamatan historis yang relevan sebagai ramalan periode mendatang.
Metode rata-rata sederhana
34
adalah teknik yang tepat apabila gejolak yang membentuk deret waktu telah distabilkan dan lingkungan dimana deret-deret berada secara umum tidak berubah. Contoh jenis deretnya adalah kuantitas penjualan suatu produk pada tahap kematangan (maturity) dalam daur hidup produk. b. Metode Rata-Rata Bergerak Sederhana (Simple Moving Average) Metode ini menggunakan rata-rata sebagai ramalan untuk periode mendatang. Pada setiap nilai, muncul nilai pengamatan baru, nilai rata-rata baru dapat dihitung dengan membuang nilai observasi yang paling lama dan memasukkan nilai pengamatan yang terbaru. Rata-rata bergerak ini kemudian digunakan untuk meramalkan periode mendatang. c. Metode rata-rata bergerak ganda (Double Moving Averages) Salah satu cara untuk meramalkan data time series yang memiliki trend linear adalah dengan menggunakan metode rata-rata bergerak ganda. Metode ini sebagaimana namanya; satu kelompok bergerak dihitung, dan kemudian kelompok kedua dihitung rata-rata bergerak hasil pada kelompok pertama. 2. Metode Pemulusan Eksponensial (Exponential Smoothing) Pemulusan eksponensial menyediakan rata-rata bergerak tertimbang secara eksponensial semua nilai pengamatan yang lalu.
Modelnya seringkali cocok
untuk data tanpa tren yang tidak dapat diprediksi meningkat atau menurun. Sasarannya adalah untuk estimasi tingkat saat ini. Tingkat estimasi ini kemudian digunakan sebagai peramalan nilai masa depan.
Ketepatan dari penggunaan
metode ini terdapat pada peramalan jangka pendek. Beberapa metode pemulusan, yaitu : a. Single Exponential Smoothing Metode dapat mengatasi kesulitan nilai-nilai historis dari variabel yang harus dilakukan pada metode rata-rata bergerak sederhana.
Metode ini
digunakan untuk peramalan time series tanpa tren atau pola stasioner. b. Double Exponential Smoothing Metode ini didapat dengan melakukan pemulusan kembali hasil dari pemulusan Single Exponential Smoothing.
Pendekatan metode ini lebih
35
memberikan bobot yang semakin menurun pada observasi masa lalu dibandingkan Single Exponential Smoothing. c. Triple Exponential Smoothing (Winters) Metode ini digunakan untuk peramalan data time series dengan tren kurva linear atau kuadratik. Dengan metode ini faktor random, tren, dan musiman dapat diatasi atau dimuluskan. 3. Metode Dekomposisi Metode dekomposisi berupaya mengidentifikasi faktor-faktor komponen yang mempengaruhi setiap nilai pada deret.
Setiap komponen diidentifikasi
secara terpisah. Proyeksi setiap komponen kemudian dapat dikombinasikan yang menghasilkan nilai ramalan masa depan deret waktu. Metode dekomposisi bisa digunakan untuk peramalan jangka pendek ataupun jangka panjang. Metode ini juga bisa digunakan hanya sekedar menampilkan pertumbuhan dan penurunan suatu deret, atau untuk menyesuaikan deret dengan cara menghilangkan satu atau beberapa komponen. 4. Metode Box Jenkins (ARIMA-SARIMA) Metode ini dikembangkan oleh George Box dan Gwilym Jenkins. Metode ini bisa digunakan untuk hampir semua pola data dan akan dapat bekerja dengan baik apabila data deret waktu yang digunakan bersifat dependen atau berhubungn satu sama lain secara statistik. Metode Box – Jenkins ini juga sering disebut model Autoregressive Integrated Moving Average (ARIMA). Jika tidak terdapat unsur musiman penulisannya adalah ARIMA (p,d,q), sedangkan jika terdapat unsur musiman maka penulisan modelnya menjadi ARIMA (p,d,q) (P,D,Q)L. Autoregressive (AR) menggambarkan bahwa variabel dependen dipengaruhi oleh lag variabel dependen itu sendiri dan beberapa lag yang dipergunakan sering dilambangkan dengan “p”. Moving Average (MA) menggambarkan bahwa variabel dependen dipengaruhi oleh nilai residual pada periode sebelumnya dan berapa lag residual yang dipakai dilambangkan oleh “q”. Integrated (I) sendiri berhubungan dengan pembedaan yang dilakukan agar data menjadi stasioner. Firdaus (2006) mengungkapkan beberapa prosedur dalam metode Box Jenkins ini:
36
1. Identifikasi. Pada tahap ini dilakukan identifikasi terhadap tiga hal, yaitu terhadap pola data; apakah terdapat unsur musiman atau tidak. Kedua, identifikasi terhadap kestasioneran data. Ketiga, identifikasi terhadap pola ACF dan PACF. 2. Estimasi Model. Pada tahap estimasi, pertama-pertama dihitung nilai estimasi awal untuk parameter-parameter dari model tentatif; kemudian dengan menggunakan program komputer melalui proses iterasi diperoleh nilai estimasi akhir. Walaupun ada beberapa formula untuk menghitung nilai estimasi awal, biasanya digunakan nilai 0 atau 1 sebagai koefisien estimasi untuk masing-masing parameter. 3. Evaluasi Model. Setelah diperoleh persamaan untuk model tentatif, dilakukan uji diagnostik untuk menguji kedekatan model dengan data. Uji ini dilakukan dengan menguji nilai residual dan dengan menguji signifikansi dan hubungan-hubungan antara parameter. Jika ada hasil uji yang tidak dapat diterima atau tidak memenuhi syarat, maka model harus diperbaiki dan langkah-langkah sebelumnya harus diulangi kembali. 4. Peramalan. Nilai peramalan disediakan dalam output komputer. Model ARIMA dibangun berdasarkan dua batasan berikut : a. Peramalan bersifat linear untuk observasi yang diamati. b. Seleksi model didasarkan pada prinsip parsimonius. Artinya model yang dipilih adalah model dengan parameter paling efisien (jumlah parameter sesedikit mungkin/sederhana). 2.11. Pemilihan Metode Peramalan Menurut Sugiarto dan Harijono dalam Kosasih (2007), beberapa kriteria yang dijadikan sebagai pedoman dalam memilih teknik peramalan yang sesuai antara lain akurasi, jangkauan peramalan, biaya, dan kemudahan dalam penerapan.
Ukuran akurasi yang sering digunakan adalah Mean Square Error
(MSE). Teknik ini mengevaluasi akurasi peramalan dengan mengkuadratkan nilai error, hasilnya dijumlahkan dan dibagi dengan jumlah observasi. Pendekatan ini membebankan kesalahan peramalan yang besar karena errornya dikuadratkan (Hanke, 2003).
Tapi hal ini tidak menjadi masalah karena berbagai ukuran 37
keakuratan menghasilkan hasil yang konsisten ketika digunakan untuk mengevaluasi metode peramalan yang berbeda. Metode yang memberikan MSE yang lebih kecil dipertimbangkan sebagai model yang lebih baik karena hal itu berarti bahwa di masa lalu model dapat menirukan kenyataan secara lebih baik. Ukuran akurasi model yang lain antara lain Root Mean Square Error (RMSE), Mean Absolut Error (MAE), dan Mean Absolut Persentage Error (MAPE). Pertimbangan yang cermat dalam memilih metode peramalan diperlukan agar ramalan dapat digunakan sesuai dengan tujuan yang telah ditentukan. 2.12. Metode ARCH-GARCH Besarnya fluktuasi dan tingginya risiko merupakan karakter yang melekat dalam sistem produksi dan distribusi kebanyakan produk agribisnis (bisnis). Banyak data ekonomi yang bersifat volatile, fenomena ini dapat dibahas dengan pendekatan metode model ARCH-GARCH. ARCH
adalah
Heteroscedasticity.
singkatan
dari
Autoregressive
Conditional
Model ini dikembangkan terutama untuk menjawab
pertanyaan akan persoalan volatilitas pada data ekonomi dan bisnis, khususnya dalam bidang keuangan. ARCH pertama kali diperkenalkan oleh Engle tahun 1982. Volatilitas ini tercermin dari varians residual yang tidak memenuhi asumsi homoskedastisistas (varians residual konstan sepanjang waktu). Model ARCH memodelkan keheterogenan ragam (Heteroscedasticity) yang tergantung pada informasi sebelumnya (conditional) secara autoregresif. Model ini diterapkan pada data deret waktu yang tidak memenuhi asumsi kehomogenan ragam. Pada
tahun
1986
Bollerslave
mengembangkan
model
GARCH
(Generalized Autoregressive Conditional Heteroscedasity) untuk menghindari ordo ARCH yang terlalu besar dan memberikan hasil yang lebih praktis (parsimonious) daripada model ARCH. Model GARCH digunakan untuk model yang taklinier dalam ragam. Kedua metode ini masih terus dikembangkan pada dekade 1990-an.
38
2.13. Value at Risk Value at Risk dari suatu portofolio atau saham adalah ringkasan peluang kerugian maksimum selama horizon waktu tertentu dengan selang kepercayaan tertentu (Jorison, 2001). VaR memiliki hubungan yang erat dengan model ARCHGARCH, yang seiring digunakan jika ketidakhomogenan ragam data tingkat pengembalian dan menduga nilai volatilitas yang akan datang. 2.14. Strategi Keputusan Investasi Aktif Strategi keputusan ini berdasarkan tiga asumsi yaitu 9 : (1) pasar modal melakukan kesalahan dalam penentuan harga, (2) Para pemodal berpendapat dapat mengidentifikasi mispriced dan memanfaatkannya. Pada strategi keputusan ini biasanya menggunakan analisis teknikal, fundamental maupun market timing. Dengan bantuan analisis teknikal dan market timing pemilik modal dapat membuat keputusan kapan harus membeli, menjual, atau mungkin diam dan melihat saja. Hal ini merupakan variasi dari analisi teknikal. 2.15. Penelitian Terdahulu Akhmad Kosasih (2007) dalam penelitiannya berjudul “Peramalan Harga Saham dengan Model Time Series pada Emiten Saham Rokok Terpilih di PT. Bursa Efek Jakarta” meneliti tentang metode peramalan terbaik dalam menduga peramalan harga saham selama periode 2003 hingga 2006 perusahaan rokok terpilih di PT. Bursa Efek Jakarta. Emiten saham rokok yang dipilih adalah PT. HM Sampoerna Tbk (HMSP), PT. Gudang Garam Tbk (GGRM) dan PT. Bentoel Internasional (RMBA).
Analisis peramalan menggunakan data harga saham
melalui time series dan melihat kinerja saham dengan metode Capital Asset Pricing Model (CAPM). Hasil metode peramalan time series yang dipilih untuk meramalkan harga saham emiten terpilih didasarkan atas nilai error yang diukur oleh MSE yang memberikan nilai terendah yang dihasilkan oleh Metode ARIMA. Sedangkan berdasarkan model CAPM adalah HMSP sebesar 0,18. Analisis Risiko Investasi Saham Agribisnis Rokok dengan Pendekatan ARCH-GARCH (Edy Iskandar, 2006) meneliti perkembangan harga saham PT. Gudang Garam Tbk (GGRM), PT. Bentoel Internasional Tbk (RMBA) dan PT. 9
Husnan, 2003. Dasar-Dasar Teori Portofolio dan Analisis Sekuritas
39
HM Sampoerna Tbk (HMSP). Hasil analisis mendapatkan model terbaik untuk meramalkan harga saham GGRM adalah ARCH (1), sedangkan untuk saham HMSP dan RMBA memilki model terbaik untuk meramalkan tingkat risiko saham menggunakan GARCH (1,1). RMBA memiliki tingkat risiko yang besar sekaligus return yang besar pula. Hal sebaliknya terjadi pada saham GGRM dan HMSP mengalami trade off
dimana GGRM memiliki nilai risiko yang lebih besar
dibanding HMSP tetapi memilki return yang lebih kecil. Penelitian Analisis Risiko Investasi dengan Pendekatan ARCH-GARCH dan Pendugaan Harga Saham dengan Pendekatan Model Time Series pada Perusahaan pada Perusahaan Agribisnis Terpilih di PT. Bursa Efek Jakarta dilakukan oleh Bakasenjaya tahun 2004. Penelitian ini bertujuan mendeskripsikan tingkat risiko saham-saham agribisnis terpilih dan mendeskripsikan peramalan terbaik untuk menduga harga penutupan saham perusahaan agribisnis terpilih. Saham agribisnis yang terpilih adalah PT Astra Agro Lestari Tbk (AALI), PT. Gudang Garam Tbk (GGRM) dan PT. Indofood Sukses Makmur Tbk (INDF). Data yang digunakan berupa harga penutupan saham harian perusahaan agribisnis dari tanggal 1 Januari 2001 sampai 30 April 2004. Metode ARCH-GARCH dihasilkan risiko yang ditanggung investor pada saham AALI sebesar 2,46 persen; GGRM sebesar 2,57 persen: INDF sebesar 8,75 persen.
Sedangkan ramalan
harga penutupan saham dipilih metode Winters Multiplikatif yang memilki nilai MSE terkecil dengan ramalan harga pada
AALI dan INDF mengalami
peningkatan, sedangkan GGRM mengalami penurunan. 2.16. Perbedaan Penelitian dengan Penelitian Terdahulu Penelitian tentang harga saham telah banyak dilakukan terutama spesifik pada risiko investasi atau peramalan harga saham saja menggunakan metode time series dan CAPM (Kosasih, 2007) serta ARCH-GARCH (Edy Iskandar,2006). Sehingga pada penelitian ini mencoba menggabungkan kedua metode yang biasanya dilakukan terpisah dalam menganalisis saham untuk mengambil keputusan investasi. Menggunakan Metode ARCH-GARCH untuk menganalisis tingkat risiko dan menduga harga penutupan saham menggunakan metode peramalan time series.
40
Saham yang biasa dilakukan analisis umumnya saham pertanian /agribisnis yang secara umum (Bakasenjaya dan Edy) atau berupa saham emiten rokok yang banyak diteliti (Akhmad Kosasih).
Maka pada penelitian ini
dilakukan spesifikasi khusus pada saham agribisnis sektoral perkebunan untuk memperlihatkan perkembangan saham sektor perkebunan dengan analisis risiko dan peramalam harga sahamnya untuk mendukung keputusan investasi pemilik modal yang tertarik pada sektor perkebunan.
Perbedaan mendasar yang
membedakan penelitian ini dengan penelitian terdahulu adalah dari aspek kajian saham yang dianalisis yaitu spesifik pada saham agribisnis sektoral perkebunan. Pada aspek analisis, pendekatan metode memang memiliki kedekatan dengan penelitian oleh Bakasenjaya tetapi penelitian ini lebih menitikberatkan analisis untuk mendukung keputusan investasi (membeli, menjual, diam atau melihat saja) terkait dua aspek penting dalam keputusan investasi yaitu tingkat risiko dan peramalan ke depan dengan mencoba semua metode peramalan untuk mendapatkan ramalan terbaik terutama oleh para spekulan yang menginginkan capital gain.
Saham emiten terpilih yang digunakan juga berbeda dimana
Bakasenjaya pada agribisnis umum (PT Astra Agro Lestari Tbk (AALI), PT. Gudang Garam Tbk (GGRM) dan PT. Indofood Sukses Makmur Tbk (INDF) tetapi dalam penelitian ini lebih spesifik sektoral agribisnis perkebunan. Selain itu, berbeda dengan Bakasenjaya tentunya perkembangan data yang digunakan dalam melakukan analisis berhubungan dengan sifat bisnis yang selalu berubah dan sifat fluktuasi yang dimilki oleh harga saham, tentunya data penelitian terdahulu Bakasenjaya (2004) berbeda dengan penelitian yang dilakukan ini (2009).
41
III KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Operasional Perkebunan memiliki peranan besar dalam perdagangan ekspor Indonesia, seperti karet, kakao ataupun kelapa sawit.
Dalam pemenuhan kebutuhan
permintaan yang terus meningkat terdapat kendala berupa gap antara permintaan dengan produktivitas akan kelapa sawit. Permasalahan ini datang dari subsistem on-farm, yang umur pohon di perkebunan mereka telah berumur akhir siklus tanaman (20-25 tahun). Hal ini tentu akan mempengaruhi produktivitas produk perkebunan itu sendiri, sehingga perlu dilakukan peremajaan yang memang mutlak diperlukan. Masalah terus berlanjut pada pembiayaan untuk menunjang visi dan misi perusahaan sektor perkebunan yang barang tentu ingin menangkap peluang terhadap konsumsi pasar pada produk perkebunan (karet, kakao, CPO). Perkembangan perusahaan agribisnis yang masuk dalam emiten di Bursa Efek Indonesia memberi dampak positif dalam alternatif pilihan bagi para investor yang berminat dalam sektor agribisnis untuk menanamkam modalnya. Satu hal yang perlu dipahami investor adalah memahami pasar. Pasar saham bergerak terus dengan modal investasi sebagai penggeraknya.
Salah satu pendorong
investor untuk masuk ke pasar (membeli atau menjual), adalah adanya antisipasi kemungkinan kejadian di masa depan. Langkah penting yang dilakukan oleh pemilik modal untuk memilih alternatif investasi yang sesuai dengan tujuan investasi dapat memanfaatkan informasi yang akurat dan relevan mengenai proyeksi emiten saham dan menetapkan investasi pada emiten dengan risiko seminimum mungkin. Berhubungan dengan hal ini studi bertujuan untuk menganalisis risiko yang dihadapi emiten saham-saham perusahaan perkebunan terpilih sekaligus meramalkan pergerakan emiten harga penutupan saham tersebut selama tahun 2009. Pada akhirnya studi ini akan membantu pemilik modal dalam memutuskan investasi pada sektor agribisnis khususnya perusahaan perkebunan di dalam negeri. Penentuan pilihan alternatif investasi modal yang dilakukan pemilik modal dapat mempertimbangkan aspek proyeksi atau ramalan pergerakan harga saham emiten yang diminati dan dianggap berprospek serta aspek risiko yang mungkin
didapatkan untuk dilakukan kegiatan investasi pada perusahaan perkebunan itu sendiri. Dalam memantau saham dan melakukan penyesuaian, investor harus mengikuti perkembangan usaha emiten dan faktor lain yang mempengaruhi perkembangan emiten. Selain itu juga, investor harus mempelajari dengan cermat apa yang terjadi di pasar modal dan kondisi makroekonomi yang berkembang tentang perkembangan pasar. Selain banyak pertimbangan faktor lainnya, pada penelitian ini faktor lainnya ceteris paribus dan studi ini fokus pada pergerakan harga saham penutupan yang dapat mengindikasikan capital gain yang dapat dihasilkan dan secara tidak langsung memperlihatkan kinerja perusahaan pada pasar modal dihadapan investor. Untuk membuat keputusan investasi pemilik modal perlu melakukan pertimbangan mengenai saham apa yang harus dibeli melihat kondisi pasar yang terjadi saat ini dan memperkirakan kondisi pasar ke depannya. Untuk dapat membuat keputusan investasi yang tepat pada perusahaan perkebunan terpilih, dapat dianalisis dengan menggunakan analisis fundamental dan analisis teknikal. Analisis teknikal menjadi perhatian utama penulis untuk menganalisis keputusan investasi pada perusahaan perkebunan AALI, LSIP, dan UNSP di PT Bursa Efek Indonesia. Dalam analisis teknikal ini yang menjadi perhatian penting dalam melakukan analisa adalah capital gain yang berimplikasi pada pergerakan harga saham emiten di pasar.
Dimana dengan data pergerakan harga saham
emiten akan dilakukan dua alat analisis dari metode kuantitatif untuk mengukur dua hal penting dalam mempengaruhi keputusan investasi, yaitu peramalan pergerakan harga saham emiten perkebunan terpilih dan pengukuran tingkat risiko (value at risk). Berdasarkan ilustrasi di atas, struktur studi penelitian ini dapat dilihat pada gambar 5.
43
Investasi
Capital Gain
Perusahaan AALI, LSIP, dan UNSP di Bursa Efek Indonesia
Analisis Fundamental
Analisis Teknikal
Data Penutupan Harga Saham AALI, LSIP, dan UNSP
Umpan Balik
Metode Kuantitatif
Metode Peramalan Time Series
Analisis Risiko Model ARCH/GARCH
Pemilihan Metode Peramalan Terbaik
Peramalan Pergerakan Harga Saham AALI, LSIP, dan UNSP
Value at Risk
Keputusan Investasi Aktif • Membeli • Menjual • Menunggu dan Melihat (wait and see)
Keterangan : : Dianalisis : Tidak Dianalisis
Gambar 5. Kerangka Pemikiran Operasional
44
IV METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di PT Bursa Efek Indonesia yang berlokasi di Jalan Jenderal Sudirman Kav. 52-53 Jakarta Selatan. Pemilihan lokasi dilakukan secara purposive melihat kompetensi PT Bursa Efek Indonesia yang dapat memberikan informasi dan data yang relevan dalam kaitannya dengan pasar modal di Indonesia. Termasuk kegiatan transaksi saham emiten pada perusahaan sektor perkebunan terpilih di PT Bursa Efek Indonesia. Waktu penelitian berlangsung pada bulan Februari sampai dengan Mei 2009. 4.2. Metode Penentuan Sampel Saham Emiten Terpilih Pemilihan saham yang dianalisis dilakukan dengan sengaja (purposive) melalui tahapan cluster emiten menurut sektor agribisnis perkebunan dan masuk dalam indeks saham LQ45 dengan melihat potensi perkembangan pengembalian saham sektoral agribisnis (likuiditas). Adapun kriteria pemilihan saham yang dianalisis adalah: 1. Perusahaan go public yang tercatat sebagai emiten pada periode sebelum Januari 2005 sampai November 2008 secara kontinyu (tidak pernah delisting). 2. Saham perusahaan perusahaan yang tergolong ke dalam perusahaan yang bergerak dalam bidang agribisnis terutama dalam sektoral perkebunan baik perusahaan industri hulu (penyedia sarana dan prasarana pertanian), perusahaan on-farm, perusahaan industri hilir (pengolahan produk-produk pertanian) maupun jasa pemasaran dan pendukung lainnya. 3. Pola data harga penutupan yang ada tidak mengalami perubahan pola umum yang ekstrim dan mendadak pada suatu saat (step function), data untuk basis pengolahan dapat dilihat pada Lampiran 1. 4. Masuk dalam emiten LQ45 (daftar emiten yang masuk dalam LQ45 dapat dilihat pada Lampiran 2) pada periode 1 Agustus 2008 – 31 Januari 2009. Berdasarkan kriteria-kriteria tersebut, maka dipilih tiga saham perusahaan agribisnis sektoral perkebunan (plantation). Saham perusahaan terpilih adalah PT
45
Astra Agro Lestari Tbk. (AALI), Bakrie Sumatera Plantation Tbk. (UNSP), dan PP London Sumatera Tbk. (LSIP). 4.3. Data dan Instrumentasi Data yang dikumpulkan untuk menjawab masalah dan tujuan penelitian ini adalah data Time Series (kuantitatif) publikasi PT Bursa Efek Indonesia dan beberapa data relevan untuk mendukung penelitian. Data yang digunakan adalah data sekunder yang terdiri dari serial data harga penutupan saham harian perusahaan sektoral perkebunan terpilih di lantai bursa 1 Januari 2006 – 30 April 2009 dengan basis data 13 Oktober 2008 – 30 April 2009. Hal ini dimaksudkan untuk mendapatkan data yang kontinyu mengekstrapolasikan keadaan yang teraktual dan bergerak dalam rataan yang mengikuti pola data terbarunya. Sehingga data harga yang didapatkan diharapkan dapat menggambarkan nilai risiko dan pergerakan harga saham selanjutnya selama tahun 2009. 4.4. Metode Pengumpulan Data Pengumpulan data yang diperlukan dalam menjawab masalah dan tujuan penelitian memanfaatkan observasi langsung ke lembaga dan dinas-dinas terkait, wawancara lansung dengan pihak yang terkait dan kompeten dalam menjelaskan permasalahan, pencarian dengan memanfaatkan teknologi (internet, komunikasi via telepon), studi literatur dan pustaka. Hal ini dimaksudkan untuk mendapatkan data yang relevan dan valid dalam proses pengolahan data dan interpretasi permasalahan dan tujuan penelitian ini. 4.5. Metode Pengolahan Data Pengolahan data yang telah diperoleh dengan menggunakan program Microsoft Excel 2007, Minitab versi 14, QSB dan Eviews 4.1.
Data yag
digunakan adalah basis data tanggal 13 Oktober 2008 sampai 30 April 2009 untuk mengekstrapolasikan keadaan yang teraktual dan bergerak dalam rataan yang mengikuti pola data terbarunya. Pengolahan data untuk menduga harga saham emiten sektoral terpilih terdapat tiga tahap, yaitu : 1. Identifikasi pola data harga saham. 2. Menerapkan metode peramalan time series. 46
3. Membandingkan dan memilih metode peramalan terbaik (melihat nilai MSE terkecil) serta melakukan peramalan harga saham emiten terpilih dengan metode peramalan terbaik tersebut. Analisis tingkat risiko yang mungkin ditanggung investor (Value at Risk – VaR) dilakukan secara awalan dengan memanfaatkan data pengembalian harga saham (diferensiasi logaritma natural dari pergerakan harga penutupan saham) dengan empat tahapan lanjutan, yaitu : 1. Spesifiksi model dengan mendeteksi efek ARCH data saham dengan uji autokorelasi dan uji ARCH dilanjutkan dengan spsifikasi persamaan rataan yang sesuai. 2. Pendugaan parameter dan pemilihan model ragam yang terbaik dengan simulasi beberapa model ragam yang dilanjutkan dengan pendugaan parameter model kemudian membandingkan nilai AIC dan SC. 3. Diagnostic model ragam dengan analisis galat meliputi kebebasan galat (fungsi autokorelasi), uji ARCH dan uji normalitas galat. 4. Peramalan nilai VaR. 4.5.1. Metode Peramalan Harga Saham Peramalan harga saham terpilih secara kuantitatif yang digunakan adalah metode peramalan time series. Tahap awal dalam proses peramalan dilakukan dengan identifikasi data. progam Minitab 14.
Data diplotkan pada grafik dengan menggunakan
Setelah didapat pola data, kemudian diduga metode
peramalan yang tepat dengan mencoba beberapa metode peramalan Time Series. Beberapa model yang digunakan dalam peramalan ini meliputi (Hanke, 2003): A. Metode Rataan (Average) 1. Metode Rata-Rata Sederhana (simple average) Ŷ t+1 =
Dimana :
1 t ∑ t i =1 Y t
Ŷ t+1 = Ramalan periode t+1
47
Yt
= Data aktual periode ke-t
2. Metode Rata-Rata Bergerak Sederhana (simple moving average)
Ŷ t+1 =
Dimana :
(y + y t
t −1
+
y
t −2
+ ... +
y
t − k +1
)
k
Ŷ t+1 = Ramalan periode t+1 Yt
= Data aktual periode ke-t
k
= Jumlah periode yang di rata-rata bergerak
B. Metode Pemulusan (Smoothing) 1. Metode Single Exponential Smoothing (SES) Y t +1 = Y t + α(X t - Y t ) Ŷ t+1 = Y t + α e t
Ada Trend ; Dimana :
Y t +1 = Nilai ramalan untuk satu periode ke depan α
= Koefisien pemulusan
Xt
= Nilai actual pada waktu ke t
et
= Kesalahan ramalan
Yt
= Nilai ramalan ke t
2. Metode Double Exponential Smoothing Holt S t = αX t + (1-α)(S t-1 + b t-1 ) T t =β(S t -S t-1 ) + (1- β)b t-1 F t+m = S t + m(T t ) Dimana :
S t =Nilai pemulusan data aktual T t = Nilai pemulusan tren F t+m = peramalan pada periode ke t + m α = Koefisien pemulusan untuk S (0< α <1) β = Koefisien pemulusan untuk T(0< β <1)
48
3. Metode Triple Exponential Smoothing (Winters) St = α
x
t
It − L
+ (1-α)(S t-1 + b t-1 )
b t =β(S t -S t-1 ) + (1- β)b t-1 It = γ
x S
t
+ (1-γ) I t-L
t
F t+m = (S t + T t . m). I t-L+m Dimana :
S t =Nilai pemulusan data aktual T t = Nilai pemulusan tren I t = Faktor musiman yang dilicinkan dalam serial data ke t L = Panjang musiman F t+m = peramalan pada periode ke t + m α = Koefisien pemulusan untuk S (0< α <1) β = Koefisien pemulusan untuk T (0< β <1) γ = Koefisien pemulusan untuk I (0< γ <1)
C. Metode Dekomposisi 1. Dekomposisi Aditif Yt = Tt + St + It 2. Dekomposisi Multiplikatif Y t = T t x St x It Dimana : T t = komponen tren pada periode t S t = komponen musiman pada periode t I t = ketidakberaturan atau error pada periode t D. Metode ARIMA dan SARIMA Metode ini sering juga disebut metode Box-Jenkins. Metode ini terdiri dari AR, I, dan MA. Metode ini secara umum dinotasikan sebagai ARIMA (p,d,q) untuk model yang tidak memiliki unsur musiman dan ARIMA (p,d,q)(P,D,Q) L . 49
Dimana : p = menunjukkan orde/derajat autoregressive (AR) model tanpa musiman d = menunjukkan orde/derajat differencing/pembedaan (I) model tanpa musiman q = menunjukkan orde/derajat moving average (MA) model tanpa musiman P = menunjukkan orde/derajat autoregressive (AR) model dengan musiman D=menunjukkan orde/derajat differencing/pembedaan (I) model dengan musiman Q= menunjukkan orde/derajat moving average (MA) model dengan musiman Data
yang
digunakan
dalam
peramalan
dengan
ARIMA
harus
distasionerkan terlebih dahulu agar menghasilkan hasil ramalan yang lebih mendekati aktual (akurat). Adapun model yang dihasilkan dalam metode ini adalah : ARIMA (p.d,q) Y t = Φ o + Φ 1 Y t-1 + Φ 2 Y t-2 + ... + Φ p Y t-p + ε t – ω 1 ε t-1 – ω 2 ε t-2 – ω q ε t-q ARIMA (p,d,q)(P,D,Q)L Y t = Φ o + Φ 1.L Y t-L + Φ 2.L Y t-2L + ....+ Φ p.L y t-pL + ε t – ω 1.L ε t-L – ω 2.L ε t-2L – ω q.L ε t-qL Dimana : Yt
= Variabel yang diramalkan (stasioner)
Φo , Φ1 , Φp
= Koefisien AR yang diestimasikan model tanpa musiman
Φ o , Φ 1.L , Φ p.L = Koefisien AR yang diestimasikan model dengan musiman Y t-1 , Y t-2 , Y t-p = Variabel respon pada masing-masing lag tanpa musiman Y t-1 , Y t-2 , Y t-pL = Variabel respon pada masing-masing lag dengan musiman εt
= Galat pada periode ke-t
ω1, ω2, ωq
= Koefisien MA yang diestimasikan model tanpa musiman
ω 1.L , ω 2.L , ω q.L = Koefisien MA yang diestimasikan model dengan musiman ε t-1 , ε t-2 , ε t-q
= Galat pada masing-masing lag model tanpa musiman
ε t-L , ε t-2L , ε t-qL = Galat pada masing-masing lag model dengan musiman
50
4.5.2. Model ARCH/GARCH 10 Pada umumnya, pemodelan data deret waktu dilakukan dengan asumsi ragam sisaan yang konstan (homoskedastisitas) yaitu sebesar σ2.
pada
kenyataannya, banyak data deret waktu yang memiliki ragam sisaan yang tidak konstan (heteroskedastisitas), khususnya untuk data deret waktu di bidang keuangan.
Model analisis yang memperbolehkan adanya heteroskedastisitas
adalah model ARCH (Autoregressive Conditional Heteroscedasticity) yang diperkenalkan pertama kali oleh Engle (1982). Model ARCH menggambarkan model ragam sisaan yang tergantung pada kuadrat sisaan pada periode sebelumnya secara autoregresi atau dengan kata lain model ini digunakan untuk memodelkan ragam bersyarat. Peramalan dengan model ARCH/GARCH menggunakan perbandingan harga saham pada saat t dengan harga saham pada saat t+1. Perbandingan harga saham ini dikenal dengan nilai pengembalian (return). Dimana nilai Yt akan bernilai positif jika harga saham naik terhadap Xt dan berlaku sebaliknya. Yt = Ln X t+1 -LnX t Misalkan Y1, Y2,…Yt merupakan deret waktu pengamatan berupa data deret waktu pengamatan berupa data pengembalian dan Y t adalah sebuah proses Autoregresive Moving Average ARMA (p,q) dengan persamaan : Y t – Φ 1 - Y t-1 – Φ 2 Y t-2 - …- Φ p Y t-p = ε t – θ 1 ε t-1 – θ 2 ε t-2 - …- θ q ε t-q Dimana ε t adalah proses ingar putih (white noise) persamaan tersebut dapat ditulis (Φ p B) Y t = (θ q B) ε t Dimana B adalah operator backshift. Jika q=0 maka ARMA(p,q) sama dengan proses AR dengan orde p atau AR(p), yang dapat ditulis dengan Y t = φ+ Φ 1 Y t-1 – Φ 2 Y t-2 - …- Φ p Y t-p + ε t
10
Analisis Deret Waktu Satu Ragam Hal 68-70,, M. Firdaus, 2006
51
Dengan E(ε t) = 0 σ2, untuk t = τ E (ε t, ε τ ) = 0 untuk selainnya Proses akan memilki persamaan varians yang stasioner jika 1 – Φ 1 Y1 – Φ 2 Y2 - …- Φ p Yp = 0 Persamaan linier yang optimal dari Y t untuk proses AR (p) adalah Ê (Y t |Y t-1, Y t-2 , …) = φ+ Φ 1 Y t-1 – Φ 2 Y t-2 - …- Φ p Y t-p Ê (Y t |Y t-1, Y t-2 , …) menunjukkan proyeksi linier dari Y t terhadap konstan dan (Y t-1, Y t-2 , …). Jika rataan bersyarat dari Y t berubah-ubah pada tiap titik waktu mengikuti persamaan di atas dan proses tersebut memiliki peragam yang stasioner, maka rataan tak bersyarat dari Y t adalah konstanta sebagai berikut: E (Y t ) = φ/(1- Φ 1 , Φ 2 , - ... – Φ p ) Hal yang menarik dalam persamaan ini tidak hanya peramalan dari Y t saja, tapi juga peramalan varians.
Perubahan dalam varians sangat penting
misalnya pasar saham atau pasar keuangan, terutama bagi para investor yang menghendaki return yang tinggi sebagai kompensasi untuk risiko aset yang ditanggungnya. Varians yang berubah-ubah pada setiap titik waktu juga memiliki implikasi terhadap validitas dan efisiensi dalam estimasi parameter (φ, Φ 1 , Φ 2 , ... – Φ p ). Walaupun persamaan awal di atas berimplikasi bahwa varians bersyarat dari ε t adalah konstan sebesar σ2 , namun pada kenyataannya varians bersyarat dari ε t dapat berubah-ubah terhadap titik waktu. Pendekatan yang digunakan untuk mendeskripsikan kuadrat dari ε t yang mengikuti proses AR (m) ε t = ξ + α 1 ε2 t-1 + α 2 ε2 t-2 + ... + α m ε2 t-m + ω t
52
peubah ω t adalah proses white noise yang baru, dengan E(ω t ) = 0 λ2, untuk t = τ E (ω t , ω τ ) = 0 untuk selainnya ε t merupakan residual dari peramalan Y t berimplikasi bahwa proyeksi linier kuadrat residual dari ramalan Y t terhadap m kuadrat residual peramalan sebelumnya adalah sebagai berikut E(ε2 t / ε2 t-1 , ε2 t-2 , ...) = ξ + α 1 ε2 t-1 + α 2 ε2 t-2 + ... + α m ε2 t-m Proses white noise ε t yang memenuhi persamaan di atas dikenal sebagai model Autoregressive Conditional Heteroscedasticity dengan orde m atau ARCH (m), yang dinotasikan ε t ~ ARCH (m) Persamaan ini juga sering ditulis sebagai berikut h t = ξ + α 1 ε2 t-1 + α 2 ε2 t-2 + ... + α m ε2 t-m Dimana h t = E(ε2 t / ε2 t-1 , ε2 t-2 , ...) yang sering disebut juga ragam. Proses ε t ~ ARCH (m) dicirikan oleh ε2 t = h t .V t ; dimana V t ~ N (0,1). Seringkali pada saat menentukan model ARCH, membutuhkan orde yang lebih besar agar didapatkan model yang tepat untuk data deret waktu. Oleh karena itu, Bollerslev (1986) mengembangkan model ARCH ke Generalized Autoregressive Conditional Heteroscedasity (GARCH) untuk menghindari orde ARCH yang besar dan memberikan hasil yang lebih praktis (parsimonious) daripada model ARCH. Dalam model GARCH, perubahan ragam bersyaratnya selain dipengaruhi oleh nilai di periode sebelumnya, juga dipengaruhi oleh ragam bersyarat pada periode sebelumnya.
53
Lebih umum lagi dapat diperlihatkan sebuah proses dimana ragam bersyaratnya tergantung pada jumlah beda kala terhingga dari ε2 i-j h t = ξ + π(L) ε2 t dengan π(L) = Σ π j L2 Kemudian π(L) diparameterisasi sebagai rasio dari 2 orde polynomial terhingga Kemudian π(L) =
αL α 1 ( L)1 + α 2 ( L) 2 + α 3 ( L)3 + ... + α m ( L) m = 1 − δ ( L) 1 − δ 1 ( L) −δ 2 ( L) 2 − δ 3 ( L)3 − ... − δ r ( L) r 1
Dimana diasumsikan bahwa akar dari 1-δ(Z) = 0. jika pesamaan di atas dikalikan dengan 1- δ(L), maka diperoleh persamaan sebagai berikut [1- δ(L)] h t = [1- δ(L)] ξ + δ(L) ε2 t atau h t = κ + δ 1 h t-1 + δ 2 h t-2 +…+ δ r h t-r + α 1 ε2 t-1 + α 2 ε2 t-2 + ... + α m ε2 t-m untuk κ = [1- δ 1 - δ 2 - ... – δ 1r] ξ Persamaan di atas dikenal sebagai Generalized Autoregressive Conditional Heteroscedasity. Dengan orde r dan orde m yang bias dinotasikan sebagai ε t ~ GARCH (m, r). Dalam mengaplikasikan model ARCH- GARCH 11 menggunakan software eviews 4.1, urutan langkah-langkah yang dilakukan mirip dengan metodologi Box-Jenkins. Langkah-langkah tersebut meliputi : 1. Identifikasi efek ARCH. Dalam pemodelan ARCH-GARCH didahului dengan
identifikasi
apakah
heteroskedastisitas atau tidak.
data
yang
diamati
mengandung
Hal ini dapat dilakukan dengan
mengamati beberapa ringkasan statistik dari data. Sebagai contoh bila data memiliki nilai kurtosis lebih dari 3 menunjukkan gejala awal adanya heteroskedastisitas.
Identifikasi model ditujukan untuk
menentukan model rataan yang memiliki penduga parameter yang
11
ibid
54
signifikan. Selain itu pengujian keberadaan efek ARCH pada satu gugus data dapat dilakukan dengan mengamati nilai koefisien autokorelasi dari kuadrat data tersebut atau melakukan Uji Langrange Multiplier untuk mendeteksi proses ARCH-GARCH. Keberadaan efek ARCH ditunjukkan dengan nilai autokorelasi pada 15 beda kala pertama yang diperiksa dari perilaku ACF dan PACF-nya. Pada tahap ini juga dilakukan pengujian terhadap eksistensi efek ARCH pada suatu gugus dengan mengamati ACF dan PACF. Hal ini ditunjukkan dengan nilai koefisien dari data yang dikuadratkan signifikan pada 15 beda kala pertama. 2. Estimasi Model. Pada tahapan ini dilakukan simulasi beberapa model ragam dengan menggunakan model rataan yang telah didapatkan. Parameter
ARCH-GARCH
biasanya
diduga
dengan
kemungkinan maksimum (maximum likelihood).
metode
Untuk melihat
penerapannya diambil contoh GARCH (1,1) dengan formulasi sebagai berikut : h t = κ + δ 1 h t-1 + α 1 ε t-1 2 κ >0, δ 1 ≥ 0, α 1 ≥ 0, dan akan stasioner jika δ 1 + α 1 , Anggaplah persamaan nilai tengahnya y 1 = x t ‘∂+ u t dengan ragam bersyarat GARCH(1,1) maka fungsi log likelihoodnya adalah sebagai berikut :
∑ log f (y x , y T
Lt =
t =1
=Error!
t
t
t −1
;t
)
Bookmark
not
defined.
(
) /h
(T / 2)log(2π ) − (1 / 2)∑ log ht - (1 / 2)∑ yt − xt 'γ T
t =1
=-
1 1 1 log(2π ) − log ht − 2 2 2
(yt − xt 'γ ) / h
-
2
t
2
t
Dimana h t = κ + δ 1 (y t-1 - x t-1 ‘∂)2 + α 1 h t-1
55
Pendugaan untuk orde yang lebih tinggi (p,q) pada prinsipnya sama, dengan menyesuaikan jumlah orde p dan q dari persamaan GARCH. Apabila u t tidak menyebar normal, spesifikasi GARCH masih dapat memberikan model yang layak dan parameter yang konsisten dengan metode Quasi-Maksimum Likelihood yaitu memaksimalkan log fungsi kemungkinannya. 3. Kriteria model terbaik adalah memilki ukuran kebaikan model yang baik dan koefisien yang nyata. Ukuran yang digunakan sebagai indikator kebaikan model GARCH adalah : a. Akaike’s Information Criterion (AIC) Dengan rumus : -2ℓ + 2k b. Swarch Criterion (SC) Dengan Rumus : -2ℓ/T + [k log (T)]/T Dimana ℓ = -R/2 [1+log (2π) + log u’u/R)] dengan : k = Banyaknya Parameter T = Banyaknya Pengamatan ℓ = Nilai log fungsi kemungkinan u’u = Jumlah kuadrat sisaan R = Banyaknya sisaan/residual Model terbaik adalah model yang AIC dan SC minimum, pada hasil olahan yang di dapat model terbaik dipilih menggunakan AIC. 4. Evaluasi Model. Evaluasi model dilakukan dengan memperhatikan beberapa indikator, yaitu apakah residual sudah terdistribusi normal, keacakan residual yang dilihat dari fungsi autokorelasi dan kuadrat residual
dan
pengujian
efek
ARCH-GARCH
dari
residual.
Pemeriksaan model dilakukan dengan memeriksa kebebasan pada sisaan dan kuadrat sisaan (tidak autokorelasi) dilakukan dengan pengujian koefisien autokorelasi sisaan baku dengan Uji Ljung-Box. Dan diperiksa juga apakah masih terdapat proses ARCH dengan uji LM, apabila proses ARCH sudah tidak ada maka model sudah baik. Uji LM ini digunakan untuk mendeteksi keberadaan proses ARCH, 56
yaitu keheterogenan ragam sisaan yang dipengaruhi oleh kuadrat sisaan periode sebelumnya atau biasa disebut keheterogenan ragam sisaan bersyarat (Conditional Heteroscedasity) dalam deret waktu. Dengan hipotesis nol adalah ragam sisaan heterogen tidak bersyarat atau dengan kata lain tidak terdapat proses ARCH.
Uji LM
diformulasikan dengan: LM = N x R2 Dimana N adalah banyaknya pengamatan, dan R2 adalah besarnya kontribusi keragaman sisaan yang dapat dijelaskan data deret waktu sebelumnya. LM mengikuti sebaran χ2 dengan derajat bebas sebesar q (banyaknya periode waktu sebelumnya yang mempengaruhi data sekarang). Uji Ljung-Box digunakan untuk menguji kelayakan model. Model dikatakan layak apabila sisaan sudah tidak mempunyai pola yang bersifat acak atau dengan kata lain tidak ada autokorelasi antar sisaan untuk semua lag k dan diformulasikan sebagai berikut : k
Q LB = T(T+2) ∑ j =1
r
2 j
T−j
Semakin kecil MAPE mengindikasikan data hasil ramalan semakin mendekati nilai aktualnya. 5. Peramalan.
Memasukkan parameter ke dalam persamaan yang
diperoleh. Hasil peramalan yang digunakan untuk pembahasan lebih lanjut seperti perhitungan VaR pada analisis risiko. Penilaian tingkat risiko dengan menggunakan ketidakhomogenan data memanfaatkan keragaman data tingkat pengembalian dan menduga nilai volality. Hal inilah yang membedakan sekaligus kelebihan metode peramalan tingkat risiko dengan metode ARCH/GARCH dibandingkan metode lain. Langkah terakhir adalah perhitungan VaR dengan waktu berinvestasi yang berbeda-beda yaitu 1 hari, 5 hari, 10 hari, 20 hari. Secara matematis dapat didefinisikan sebagi berikut (Jorison, 2002) :
57
VaR = (σ t+1 x √b) x Z α x W Dimana, VaR
= besarnya risiko
b
= periode kepemilikan saham
Zα
=
titik kritik dalam tabel Z dengan α tertentu
W = besarnya investasi σ t+1
= volatility yang akan datang (hasil ramalan) dimana σ t =
√ht 4.6. Definisi Operasional a) Capital Gain Keuntungan yang diperoleh pemegang saham dari hasil jual beli saham, berupa selisih nial jual yang lebih tinggi dengan nilai belinya (Husnan, 2003). b) Deviden Keuntungan perusahaan yang diberikan kepada pemegang saham, yang biasanya dibagikan setahun sekali (Husnan, 2003). c) Emiten Sebutan pada perusahaan yang telah masuk terdaftar di bursa saham pasar modal oleh PT Bursa Efek Indonesia (www.idx.co.id). d) Pengembalian (return) Diferensiasi logaritma natural dari pergerakan harga penutupan saham (Surya, 2003). e) Risiko (Risk) Akibat yang kurang menyenangkan (merugikan, membahayakan) dari suatu perbuatan atau tindakan (Kamus Besar Bahasa Indonesia, 1983). f) Volatilitas Suatu ukuran yang menunjukkan seberapa besar harga berfluktuasi dalam suatu periode waktu (Enders dalam Marwan, 2003).
58
59
V GAMBARAN UMUM PERUSAHAAN 5.1. Profil PT Astra Agro Lestari .Tbk 12 5.1.1. Sekilas PT Astra Agro Lestari .Tbk PT Astra Agro Lestari Tbk didirikan dengan nama PT Suryaraya Cakrawala berdasarkan Akta Notaris Ny.Rukmasanti Hardjasatya, S.H., No. 12 tanggal 3 Oktober 1988, yang kemudian berubah menjadi PT Astra Agro Niaga berdasarkan Akta perubahan No. 9 tanggal 4 Agustus 1989 dari notaris yang sama. Akta pendirian perusahaan dan perubahannya disahkan oleh Menteri Kehakiman
Republik
Indonesia
dalam
Surat
Keputusan
No.
C2-
10099.HT.01.01.TH.89 tanggal 31 Oktober 1989 dan diumumkan dalam Lembaran Berita Negara Republik Indonesia No. 101 tanggal 19 Desember 1989 Tambahan No. 3626. Pada tanggal 30 penggabungan usaha
dengan
PT.
Juni
1997,
Suryaraya
Perusahaan
Bahtera
melalui
melakukan perjanjian
penggabungan usaha yang diaktakan dengan Akta Notaris Benny Kristianto, S.H., No. 126 tanggal 19 Juni 1997 beserta perubahannya No. 176 tanggal 30 Juni 1997. Penggabungan usaha ini dicatat dengan metode penyatuan kepemilikan (pooling of interest). Setelah penggabungan usaha ini, nama perusahaan diubah menjadi PT Astra Agro Lestari dan meningkatkan modal dasar dari Rp 250 miliar menjadi Rp 2 triliun yang terdiri dari 4 miliar saham dengan nilai nominal Rp 500 (rupiah penuh). Perubahan nama dan peningkatan modal dasar Perusahaan ini diaktakan dengan Akta Notaris Benny Kristianto, S.H., No. 136 tanggal 23 Juni 1997 dan disahkan oleh Menteri Kehakiman Republik Indonesia dalam Surat Keputusan No. C2-5992.HT.01.04.TH.97 tanggal 2 Juli 1997 dan diumumkan dalam Lembaran Berita Negara Republik Indonesia No. 95 tanggal 27 November 1997 Tambahan No. 5617. Perubahan Anggaran Dasar Perusahaan terakhir untuk memenuhi UndangUndang No. 40 tahun 2007 tentang Perseroan Terbatas, diaktakan dengan Akta Notaris Benny Kristianto, S.H., No.83 tanggal 20 Juni 2008 dan telah disahkan oleh Menteri Hukum dan Hak Asasi Manusia Republik Indonesia dengan Surat 12
Laporan Tahunan PT Astra Agro Lestari, Tbk, Tahun 2008
Keputusan No. AHU-46707.AH.01.02 Tahun 2008, tanggal 31 Juli 2008. Sampai dengan tanggal laporan ini, perubahan tersebut masih dalam proses untuk diumumkan dalam Berita Negara. Berdasarkan Anggaran Dasar Perusahaan, ruang lingkup kegiatan Perusahaan adalah perkebunan, perdagangan umum, perindustrian, pengangkutan, jasa dan konsultan. Perusahaan mempunyai investasi pada anak perusahaan yang bergerak dalam bidang perkebunan dan industri kelapa sawit dan karet.
Kantor pusat
Perusahaan dan anak perusahaan berlokasi di Jalan Pulo Ayang Raya Blok OR no. 1, Kawasan Industri Pulogadung, Jakarta. Perkebunan kelapa sawit Perusahaan seluas 4.059 hektar (2007: kelapa sawit dan karet masing-masing 4.032 hektar dan 67 hektar) berlokasi di Kalimantan Selatan dan pabrik minyak goreng berlokasi di Sumatra Utara. Perkebunan dan pabrik pengolahan anak perusahaan berlokasi di pulau Jawa, Sumatra, Kalimantan, dan Sulawesi. Perusahaan mulai beroperasi komersial pada tahun 1995. Luas areal Hak Guna Usaha yang dimiliki perusahaan dan anak perusahaan adalah seluas 228.772 hektar (2007: 231.508 hektar) dengan luas areal tertanam seluas 194.217 hektar (2007: 182.470 hektar).
Beberapa anak
perusahaan mengembangkan perkebunan plasma dan membina kerjasama dengan petani plasma untuk areal tertanam seluas 57.174 hektar (2007: 55.721 hektar). Pabrik pengolahan perusahaan dan anak perusahaan berkapasitas produksi efektif 940 ton (2007: 865 ton) tandan buah segar per jam, dan 600 ton (2007: 600 ton) inti sawit per hari, 300 ton (2007: 300 ton) minyak kelapa sawit (CPO) per hari, dan 19,3 ton (2007: 19,3 ton) karet per hari. Pada tanggal 9 Desember 1997, Perusahaan melakukan penawaran umum perdana saham perusahaan kepada masyarakat sebanyak 125,8 juta saham dengan nilai nominal Rp 500 (rupiah penuh) per saham dengan harga penawaran sebesar Rp 1.550 (rupiah penuh) per saham.
Perusahaan
telah mencatatkan seluruh sahamnya di Bursa Efek
Indonesia. 5.1.2. Kinerja Saham PT Astra Agro Lestari .Tbk Dalam Rapat Direksi yang diselenggarakan pada tanggal 24 September 2008, Direksi menyetujui pembagian dividen kas interim atas laba bersih tahun buku 2008 sebesar Rp 551.161 juta atau Rp 350 (rupiah penuh) per saham kepada 61
pemegang saham yang tercatat pada tanggal 28 Oktober 2008. Rapat Umum Tahunan Pemegang Saham yang diselenggarakan pada tanggal 22 Mei 2008, pemegang saham menyetujui pembagian dividen kas atas laba bersih tahun buku 2007 sebesar Rp 1.283.417 juta atau Rp 815 (rupiah penuh) per saham kepada pemegang saham yang tercatat pada tanggal 19 Juni 2008. Dari jumlah dividen tersebut, termasuk di dalamnya pembagian dividen kas interim sebesar Rp 299.202 juta atau Rp 190 (rupiah penuh) per saham kepada pemegang saham yang tercatat pada tanggal 22 Oktober 2007. Dividen kas interim ini telah disetujui oleh Rapat Direksi pada tanggal 20 September 2007. Rapat Umum Tahunan Pemegang Saham yang diselenggarakan pada tanggal 16 Mei 2007, pemegang saham menyetujui pembagian dividen kas atas laba bersih tahun buku 2006 sebesar Rp 511.792 juta atau Rp 325 (rupiah penuh) per saham kepada pemegang saham yang tercatat pada tanggal 6 Juni 2007. Jumlah dividen tersebut, termasuk di dalamnya pembagian dividen kas interim sebesar Rp 149.601 juta atau Rp 95 (rupiah penuh) per saham kepada pemegang saham yang tercatat pada tanggal 20 Oktober 2006. Dividen kas interim ini telah disetujui oleh Rapat Direksi pada tanggal 26 September 2006. 5.1.3. Kinerja Umum PT Astra Agro Lestari .Tbk Pengurangan aset tetap dan keuntungan dari pengurangan per tanggal 31 Desember 2008, terutama sehubungan dengan penyelesaian tumpang-tindih areal perkebunan. Dari sisi anggaran biaya konstruksi pada tanggal neraca, aset dalam penyelesaian rata-rata telah mencapai persentase penyelesaian kurang lebih 44 persen yang diperkirakan akan selesai pada tahun 2009 (2007: kurang lebih 49 persen yang diperkirakan akan selesai pada tahun 2008). Hak atas tanah berupa Hak Guna Usaha dan Hak Guna Bangunan dengan masa berlaku sampai dengan tahun antara 2010 dan 2099. Manajemen berkeyakinan bahwa hak atas tanah tersebut dapat diperbaharui.
62
5.2. Profil PT. Perusahaan Perkebunan London Sumatra, Tbk 13 5.2.1. Sekilas PT. Perusahaan Perkebunan London Sumatra, Tbk PT Perusahaan Perkebunan London Sumatra Indonesia Tbk didirikan berdasarkan Akta Notaris Raden Kadiman No. 93 tanggal 18 Desember 1962 yang diubah dengan akta No. 20 tanggal 9 September 1963. Akta pendirian ini disahkan oleh Menteri Kehakiman Republik Indonesia dengan Surat Keputusan No. J.A5/121/20 tanggal 14 September 1963 dan diumumkan dalam Berita Negara Republik Indonesia No. 81 tanggal 8 Oktober 1963, Tambahan No. 531. Anggaran Dasar Perusahaan telah mengalami beberapa kali perubahan dan terakhir adalah berdasarkan Akta Notaris Dr. Irawan Soerodjo, S.H., Msi. No. 35 tanggal 11 Januari 2008 mengenai perubahan seluruh Anggaran Dasar Perusahaan guna menyesuaikan dengan Undang-Undang No. 40 Tahun 2007 tentang Perseroan Terbatas. Perubahan ini telah disahkan oleh Menteri Hukum dan Hak Asasi Manusia Republik Indonesia dengan Surat Keputusan No. AHU-11843 AH.01.02 tanggal 11 Maret 2008 dan telah diberitahukan dalam Surat Pemberitahuan No. AHU-AH.01.10-6276 tanggal 17 Maret 2008 dan diumumkan dalam Berita Negara Republik Indonesia No. 36 tanggal 2 Mei 2008, tambahan No. 5397. Perusahaan bergerak di bidang industri perkebunan dengan menanam dan memelihara tanaman kelapa sawit, karet, kakao, kelapa dan teh, serta mengolah hasil perkebunan tersebut dan menjual hasilnya di dalam maupun di luar negeri, dengan proporsi pemasaran lokal dan ekspor masing-masing sebesar 58 persen dan 42 persen (2007: 71 persen dan 29 persen dan 2006: 69 persen dan 31 persen). Perusahaan berdomisili di Jakarta dengan kantor-kantor cabang operasional berlokasi di Medan, Palembang, Makassar, Surabaya dan Samarinda. Perusahaan pada saat ini sedang mengelola perkebunan yang telah menghasilkan dan belum menghasilkan masing-masing seluas 72.985 hektar (2007: 69.429 hektar dan 2006: 67.706 hektar) dan 23.655 hektar (2007: 20.553 hektar and 2006: 17.756 hektar) di Sumatera Utara, Sumatera Selatan, Jawa Barat, Jawa Timur, Banten, Kalimantan Timur, Sulawesi Utara dan
13
Laporan Tahunan PT.PP London Sumatra, Tbk, Tahun 2008
63
Sulawesi Selatan. Produk utama adalah minyak kelapa sawit dan karet, serta sebagian kecil kakao, teh dan bibit. Perusahaan juga mengelola perkebunan di atas tanah yang dimiliki petani kecil setempat (perkebunan plasma) disamping mengelola perkebunan sendiri, sesuai dengan pola perkebunan “inti plasma” yang dipilih pada saat perusahaan melakukan ekspansi perkebunan di Sumatera Selatan dan sebagian kecil di Sulawesi. Pengelolaan perkebunan plasma ini akan diserahterimakan kepada petani plasma pada saat perkebunan plasma siap menghasilkan. Pada tanggal 7 Juni 1996, Perusahaan memperoleh pernyataan efektif dari Ketua Badan Pengawas Pasar Modal (BAPEPAM) melalui suratnya No. S-912/PM/1996 untuk melakukan penawaran umum saham perdana atas 38.800.000 saham Perusahaan kepada masyarakat. Pada tanggal 5 Agustus 1996, saham tersebut dicatatkan pada Bursa Efek Jakarta, yang efektif 1 Desember 2007 menjadi Bursa Efek Indonesia. Pada tanggal 16 Juni 1997, Perusahaan mengeluarkan saham bonus sejumlah 283.274.421 saham yang berasal dari kapitalisasi agio saham hasil penawaran umum saham perdana. Pada tanggal 24 Agustus 1997, saham tersebut dicatatkan pada Bursa Efek Jakarta dan Surabaya, yang efektif 1 Desember 2007 menjadi Bursa Efek Indonesia. 5.2.2. Kinerja Saham PT. Perusahaan Perkebunan London Sumatra, Tbk Kepemilikan saham PT Salim Ivomas Pratama (“SIMP”) terutama merupakan hasil akuisisi kepemilikan saham mayoritas dari First Durango Singapore Pte., Ltd. dan Ashmore Funds sejumlah 500.095.000 lembar saham dan ditambah dari hasil konversi Surat Hutang Wajib Konversi sebesar US$47 juta menjadi 269.343.500 lembar saham pada tanggal 31 Desember 2008. Kepemilikan saham Indofood Agri Resources Ltd. merupakan hasil akuisisi kepemilikan
saham
dari Bapak
Eddy
Kusnadi
Sariaatmadja
sejumlah
109.521.000 lembar saham. Sehubungan dengan Surat Keputusan Ketua BAPEPAM-LK No. KEP-401/BL/2008 tanggal 9 Oktober 2008 mengenai pembelian kembali saham yang dikeluarkan oleh emiten atau perusahaan publik dalam kondisi pasar kritis, maka pada tanggal 12 Oktober 2008, perusahaan telah mengumumkan
rencana
pembelian
kembali
sebagian
sahamnya dalam periode tiga bulan dengan jumlah maksimum sampai dengan 64
20 persen dari jumlah modal perusahaan yang ditempatkan dan disetor penuh. Tanggal 31 Desember 2008, Perusahaan telah membeli kembali sebanyak 23.964.000 lembar saham dengan harga perolehan sejumlah Rp 45.523. Seluruh saham yang dibeli kembali tersebut dicatat dan disajikan sebagai “Modal Saham yang Diperoleh Kembali” (sebagai pengurang modal saham) pada bagian “Ekuitas” dalam neraca konsolidasi. Pada kondisi usaha Perusahaan di masa yang akan datang, perusahaan dapat menjual kembali saham yang telah dibeli tersebut melalui bursa efek sesuai dengan peraturan dan kebijakan yang relevan. sejumlah
Pada
tanggal
1.364.572.793
31
Desember
lembar
2008,
seluruh
(2007:1.364.572.793
saham perusahaan lembar
dan
2006:
1.095.229.293 lembar) telah dicatatkan pada Bursa Efek Indonesia. Penerbitan saham baru di tahun 2007 merupakan konversi Surat Hutang Wajib Konversi sebanyak 269.343.500 lembar saham (catatan 1 dan 16). Penerbitan saham baru merupakan konversi hutang menjadi saham baru sebanyak 280.096.500 lembar saham pada tahun 2004 berdasarkan hasil Rapat Umum Pemegang Saham Luar Biasa tertanggal 27 Mei 2004 dan konversi Surat Hutang Wajib Konversi menjadi saham baru sebanyak 329.519.500 lembar saham pada tahun 2004. Rapat Umum Pemegang Saham Tahunan Perseroan tanggal 17 Mei 2006 telah menyetujui pembagian dividen tunai sejumlah Rp. 82.141,- atau Rp. 75,- per saham. Dividen sebesar Rp. 82.050,- telah dibayar pada bulan Agustus 2006. 5.2.3. Kinerja Umum PT. Perusahaan Perkebunan London Sumatra, Tbk Pada mempunyai
tanggal
31
Desember
2008,
2007
komitmen penjualan yang berlaku.
dan 2006,
Semua
kontrak
Perusahaan penjualan
ekspor Perusahaan untuk minyak sawit, karet dan kakao diatur dengan ketentuan,
syarat-syarat
PORAM/MEOMA
FOB
dan dan
kondisi masing-masing berdasarkan kontrak International Contract untuk Technically
Specified Rubber dan CAL A2. Akan tetapi, apabila terjadi sengketa antara kedua belah pihak atau jika salah satu pihak gagal memenuhi persyaratan kontrak yang ditentukan seperti pembayaran, atau bilamana dinyatakan bangkrut atau lalai, maka perselisihan ini akan mengacu ke lembaga arbitrasi.
65
Tanggal
31
Desember
2008,
Perusahaan telah
menandatangani
beberapa kontrak pengadaan barang modal dengan berbagai kontraktor dan pemasok sebesar Rp 391.926, US$ 9.106.622 dan JPY 19.445.000 (2007: Rp 357.868 dan US$ 10.621.863 dan 2006: Rp 115.806 dan US$ 1.705.696). Pada tanggal
31
Desember
2008,
jumlah kontrak yang masih dalam proses
penyelesaian adalah sebesar Rp 132.950, US$ 4.670.904 dan JPY 15.556.000 (2007: Rp 171.574 dan US$ 7.039.869 dan 2006: Rp 63.644 dan US$ 829.384). 5.3. Profil PT. Bakrie Sumatra Plantations, Tbk dan Anak Perusahaan 14 5.3.1. Sekilas PT Bakrie Sumatra Plantations, Tbk dan Anak Perusahaan PT. Bakrie Sumatera Plantations Tbk. berdiri di Republik Indonesia pada tahun 1911
dengan nama
“NV
Hollandsch
Amerikanse
Plantage
Maatschappij”. Nama perusahaan telah beberapa kali mengalami perubahan, terakhir dengan nama PT Bakrie Sumatera Plantations Tbk. Perusahaan
pertama kali diumumkan dalam
Anggaran Dasar
Lembaran Berita Negara
Republik Indonesia No. 14 tanggal 18 Februari 1941 Tambahan No. 101. Anggaran Dasar Perusahaan telah mengalami beberapa kali perubahan, terakhir dengan Akta Notaris Aulia Taufani, S.H., No. 2 tanggal 31 Oktober 2007 mengenai peningkatan modal dasar perusahaan dari 4,144 miliar lembar saham menjadi 15 miliar lembar saham.
Perubahan tersebut masih dalam proses
persetujuan dari Menteri Hukum dan Hak Asasi Manusia. Sesuai
dengan pasal
3 Anggaran Dasar Perusahaan, perusahaan bergerak dalam bidang perkebunan, pengolahan dan perdagangan hasil tanaman dan produk industri. Perusahaan berdomisili di Kisaran dengan kantor pusat berlokasi di Jl. H. Juanda, Kisaran 21202, Kabupaten Asahan, Sumatera Utara, sedangkan perkebunan serta pabriknya berlokasi di Kisaran, Kabupaten Asahan, Sumatera Utara. Usaha perkebunan telah beroperasi komersil sejak tahun 1911.
14
Laporan tahunan PT Bakrie Sumatra Plantations, Tbk dan Anak Perusahaan, Tahun 2008
66
5.3.2.
Kinerja Saham PT Bakrie Sumatra Plantations, Tbk dan Anak Perusahaan Pada tanggal 6 Januari 1990, Perusahaan memperoleh ijin dari Menteri
Keuangan Republik Indonesia dengan No. SI/075/SHM/MK.10/1990 untuk melakukan penawaran umum kepada masyarakat atas 11,1 juta saham dengan nilai nominal Rp 1.000 (rupiah penuh) per saham melalui bursa saham di Indonesia dengan harga penawaran Rp 10.700 (rupiah penuh) per saham. Pada tahun 1997 perusahaan melakukan pemecahan saham (stock split) 2 untuk 1 sehingga mengubah nilai nominal saham biasa dari Rp 1.000 (rupiah penuh) menjadi Rp 500 (rupiah penuh) serta mengumumkan sembilan saham bonus untuk lima saham lama dari tambahan modal disetor.
Pada bulan Juni 1999, perusahaan
mengumumkan satu dividen saham untuk lima saham lama dari saldo laba. Pada tanggal 31 Desember 1999, perusahaan telah mencatatkan semua saham yang ditempatkan dan disetor penuh di Bursa Efek Jakarta dan Surabaya. Perusahaan melakukan pemecahan saham 5 untuk 1 sehingga mengubah nilai nominal saham biasa dari Rp 500 (rupiah penuh) menjadi Rp 100 (rupiah penuh) pada tanggal 18 Oktober 2004, dan pada tanggal 10 November 2004, perusahaan melakukan penawaran umum terbatas I dengan Hak Memesan Efek Terlebih Dahulu sebanyak 1.087.800.000 lembar saham, yang seluruh saham yang ditempatkan dan disetor penuh telah dicatatkan di Bursa Efek Jakarta dan Surabaya. Harga penawaran umum terbatas I tersebut di atas adalah sebesar Rp 200 (rupiah penuh).
Pada tanggal 29 Agustus 2007, perusahaan melakukan
penawaran umum terbatas II dengan Hak Memesan Efek Terlebih Dahulu sebanyak 1.456.875.000 lembar saham, yangseluruh sahamnya telah ditempatkan dan disetor penuh serta telah dicatatkan di Bursa Efek Indonesia.
Harga
penawaran umum terbatas II tersebut diatas adalah sebesar Rp 1.100,- (rupiah penuh). Pada tanggal 31 Desember 2008 dan 2007, perusahaan memiliki anak perusahaan dengan kepemilikan langsung dan tidak langsung. Tanggal 4 Desember 2007, perusahaan mengakuisisi 100 persen saham PT Grahadura Leidong Prima (GLP). Pada tanggal 22 Februari 2008, perusahaan telah mengalihkan 10 lembar saham GLP dengan nilai nominal Rp 10 juta (0,01 persen kepemilikan saham) kepada PT Sumbertama Nusapertiwi, anak
67
perusahaan.
Pada tanggal 11 Januari 2007, perusahaan dan PT Huma Indah
Mekar, anak perusahaan, mengakuisisi masing-masing 90 persen dan 10 persen kepemilikan saham PT Nibung Arthamulia.
Pada tanggal 23 Februari 2007,
perusahaan dan PT Agrowiyana, anak perusahaan, mendirikan PT Bakrie Sentosa Persada, masing-masing 99 persen dan 1 persen kepemilikan saham. Sampai dengan tanggal laporan, PT Bakrie Sentosa Persada merupakan perusahaan dalam tahap pengembangan. Pada tanggal 9 Juli 2007, Perusahaan mengakuisisi 100 persen kepemilikan saham PT Sumbertama Nusapertiwi (SNP), perusahaan yang didirikan di Jambi, yang merupakan perusahaan perkebunan dan pengolahan kelapa sawit. Pada tanggal 18 Maret 2008, perusahaan telah mengalihkan 10 lembar saham SNP dengan nilai nominal Rp 10 juta (0,01 persen kepemilikan saham) kepada PT Agrowiyana, anak perusahaan. Berdasarkan Rapat Umum Tahunan para Pemegang Saham yang diselenggarakan pada tanggal 14 Mei 2008 yang tertuang dalam Akta Notaris No. 95 oleh Notaris Sutjipto S.H., M.kn., pemegang saham perusahaan menyetujui penggunaan keuntungan untuk pembagian dividen tunai tahun buku 2007 yaitu sebesar lebih dari 30 persen dari laba bersih atau Rp 17 setiap saham. Berdasarkan Rapat Umum Tahunan para Pemegang Saham yang diselenggarakan pada tanggal 30 April 2007 yang tertuang dalam Akta Notaris No. 218 oleh Notaris Sutjipto S.H., M.kn., pemegang saham Perusahaan menyetujui penggunaan keuntungan untuk dipergunakan sebagai berikut: Dana cadangan sebesar Rp 34,6 miliar; dan Tunai untuk tahun buku 2006 yaitu sebesar Rp 15 setiap saham. Rapat umum tahunan para pemegang saham yang diselenggarakan pada tanggal 1 Juni 2006 yang tertuang dalam Akta Notaris No. 1 Notaris Sutjipto S.H., M.Kn., menyatakan pemegang saham perusahaan menyetujui pembagian dividen tunai untuk tahun buku 2005 sejumlah Rp 20,98 miliar atau Rp 9,- setiap saham. Pada tanggal 18 Juli 2006, perusahaan telah melakukan pembayaran dividen tunai tersebut di atas kepada pemegang saham yang tercatat pada tanggal 4 Juli 2006.
Berdasarkan rapat umum tahunan para pemegang saham yang
diselenggarakan pada tanggal 18 Mei 2005 yang tertuang dalam Akta Notaris No. 68
29 Notaris Agus Madjid S.H., pemegang saham perusahaan menyetujui pembagian dividen tunai sejumlah Rp 13,99 miliar atau Rp 6,- setiap saham kepada para pemegang saham yang tercatat pada tanggal 16 Juni 2005. Berdasarkan
rapat
umum
tahunan
para
pemegang saham
yang
diselenggarakan pada tanggal 24 Juni 1999 dan 29 Juni 1998, pemegang saham perusahaan menyetujui pembagian satu dividen saham atas lima saham pada harga pasar Rp 1.450,- sejumlah Rp 60,09 miliar dan dividen tunai sejumlah Rp 15,54 miliar atau Rp 75,- per saham kepada para pemegang saham yang tercatat pada tanggal 21 Juli 1999 dan 28 Juli 1998, yang masing-masing dibayar mulai pada tanggal 19 Agustus 1999 dan27 Agustus 1998. Hutang dividen pada tanggal 31 Desember 2008 dan 2007 adalah masing-masing sebesar Rp 1,47 miliar dan Rp 1,36 miliar. 5.3.3.
Kinerja Umum PT Bakrie Sumatra Plantations, Tbk dan Anak Perusahaan Berdasarkan rapat umum tahunan para pemegang saham luar biasa yang
diselenggarakan pada tanggal 30 Juni 2008 yang tertuang dalam Akta Notaris No. 275 Notaris Sutjipto S.H., M.Kn., pemegang saham perusahaan menyetujui perubahan penggunaan dana hasil Penawaran Umum Terbatas II dan menyetujui rencana perusahaan melakukan pembelian saham di Agri International Resources Pte Ltd (AIRPL) sejumlah 317 saham atau sebesar 34,68 persen maksimum senilai US$ 41,22 juta yang masing-masing dimiliki oleh Spinnaker Global Emerging Markets Fund Ltd sejumlah 278 saham, Lim Asia Arbitrage Fund Inc sejumlah 34 saham dan Jeffries Singapore sejumlah 5 saham. Pada tanggal 18 Januari 2007 perusahaan dan PT Grahadura Leidong Prima dan PT Esa Citra Buana (ECB) melakukan perubahan atas Perjanjian Manajemen dan Jasa Teknis. Pada tanggal yang sama, perusahaan mengadakan “Offtake Agreement for Crude Palm Oil in Bulk” dengan GLP. Dalam Perjanjian tersebut berkewajiban untuk membeli produksi CPO sejumlah 1.000 ton per bulan dari GLP sejak tanggal perjanjian disepakati sampai dengan tanggal 31 Agustus 2007 dan sejak tanggal 1 September 2007 sampai dengan 30 September 2007, pengambilan kuantitas tidak boleh kurang dari 43.000 ton. Perusahaan akan melakukan pembayaran dimuka sebesar US$ 1.500.000 kepada GLP paling 69
lambat tanggal 18 Januari 2007 sejak kecukupan produksi CPO GLP dan dikirimkan kepada perusahaan. Perusahaan dan PT Rekayasa Industri (Rekin) mengadakan perjanjian usaha patungan untuk membentuk suatu perusahaan usaha patungan yakni PT Bakrie-Rekin Bio Energy (JV Company) pada tanggal 18 April 2006, yang bertujuan untuk mengembangkan pabrik green-field bio-diesel dimana perusahaan memiliki 70,00 persen dan Rekin memiliki 30,00 persen.
Perusahaan
bertanggung jawab untuk menyediakan persediaan yang dibutuhkan berdasarkan pada suatu jaminan minimum bulanan pada harga pasar dan Rekin bertanggung jawab untuk menyediakan tenaga ahli untuk pembangunan perkebunan bio-diesel. PT Bakrie-Rekin Bio Energy didirikan berdasarkan Akta Notaris Sutjipto, S.H., MKn
No. 27 tanggal 2 Agustus
2006. Pada tanggal 28 Nopember 2006,
pendirian PT Bakrie-Rekin Bio Energy telah mendapat persetujuan dari Menteri Kehakiman dan Hak Asasi Republik Indonesia. Perusahaan mengadakan perjanjian manajemen dan jasa teknis dengan PT Grahadura Leidong Prima (GLP) dan PT Esa Citra Buana (ECB) pada tanggal 18 September 2006, GLP adalah Perusahaan yang memiliki kurang lebih 8.323 hektar perkebunan kelapa sawit dan pabrik CPO yang berlokasi di Desa Sukarame, kecamatan Kuala Hulu, Labuhan Batu, Sumatera Utara. ECB adalah pemegang saham mayoritas GLP. Berdasarkan perjanjian, Perusahaan akan menyediakan jasa manajemen dan teknis kepada GLP selama 5 (lima) tahun dan perusahaan akan menerima fee sebesar 1,5 persen dari penjualan kotor seluruh produk perkebunan dan pabrik.
Perusahaan menyetujui untuk meningkatkan
produksi CPO dan hasil per hektar minimum 15 persen selama periode perjanjian. Perusahaan juga diberikan opsi yang tidak dapat dibatalkan, untuk membeli seluruh modal GLP yang dikeluarkan dan dimiliki oleh ECB, dan dapat dilakukan setiap waktu sepanjang periode lima tahun. PT Bakrie Pasaman Plantations (BPP), Anak perusahaan, mengadakan kesepakatan bersama tentang pelaksanaan konversi lahan perkebunan sawit perusahaan dengan Koperasi Plasma Nagari Parit (KPNP) pada tanggal 15 Januari 2005. Sehubungan dengan kesepakatan bersama tersebut perusahaan menyetujui untuk:
70
• Menyerahkan kebun yang akan dikonversi seluas 250,60 hektar kepada KPNP sesuai dengan hasil pengukuran Kantor Wilayah Badan Pertanahan Nasional Propinsi Sumatera Barat; • Pembagian hasil dihitung dari hasil bersih panen Tandan Buah Segar (TBS) setiap bulannya setelah dipotong 30 persen oleh perusahaan yang disisihkan untuk cicilan kredit; • Perusahaan berkewajiban membeli hasil TBS dari KPNP. Pada tanggal 14 Juni 2005, BPP, anak perusahaan mengadakan Perjanjian Kerjasama Program Pengelolaan, Pengembangan dan Pembiayaan Kebun Kelapa Sawit dengan Koperasi Unit Desa Sungai Aur I (KUD SA I).
Sedangkan pada
tanggal 17 Juni 2005, BPP mengadakan perjanjian yang sama dengan Koperasi Unit Desa Parit. Pada tanggal 14 Agustus 2006, BPP juga mengadakan perjanjian Kerjasama dengan Koperasi Tani (Koptan) Silawai Jaya. Luas lahan yang diikutsertakan untuk KUD SA I, KUD Parit dan Koptan Silawai Jaya masingmasing adalah seluas 4.570 hektar, 1.800 hektar dan 627 hektar. Sehubungan dengan perjanjian kerjasama tersebut BPP menyetujui untuk: • Membeli seluruh hasil perkebunan kelapa sawit KUD SA I dan KUD Parit dan Koptan Silawai Jaya • Memotong hasil penjualan TBS (sebelum dipotong biaya produksi) sebesar 30% untuk KUD SA I dan 35 persen untuk KUD Parit. Perjanjian ini merupakan addendum dari perjanjian kerjasama dengan KUD Parit dan KUD SA I dengan PT Bank Nusa Nasional (BNN) pada tanggal 2 Agustus 1994 dan KUD SA I dengan BNN pada tanggal 22 Februari 1995. Sehubungan dengan adanya perjanjian kerjasama di atas, maka perjanjian kerjasama sebelumnya tidak berlaku lagi. Laporan keuangan dan administrasi proyek dilaksanakan secara terpisah oleh BPP. Pada tanggal 13 September 2000, PT Agrowiyana (Agro) telah menandatangani kesepakatan dengan PT Bank Muamalat Indonesia (BMI), KUD Swakarsa dan KUD Sukamakmur untuk pengembangan 1.710,17 dan 3.205,14 hektar tanaman kelapa sawit (proyek kebun plasma) di atas lahan milik para 71
anggota koperasi. Koperasi memperoleh pinjaman jangka panjang dari BMI dengan pagu maksimum sebesar Rp 28,92 miliar dan Rp 43,07 miliar masingmasing untuk KUD Swakarsa dan KUD Sukamakmur yang seterusnya diserahkan kepada Agro yang bertindak sebagai pelaksana proyek dan penjamin fasilitas pembiayaan. Sampai dengan 31 Desember 2008 dana yang telah dicairkan dari BMI adalah sebesar Rp 71,99 miliar, sedangkan dana yang telah terpakai adalah sebesar Rp 42,43 miliar dan Rp 27,18 miliar masing-masing untuk KUD Suka Makmur dan KUD Swakarsa.
Dalam perjanjian kredit antara Agro, anggota
Koperasi Unit Desa dan BMI, Agro bertindak sebagai penjamin atas fasilitas pembiayaan dan berkewajiban untuk membeli kebun plasma apabila terjadi suatu kondisi yang menurut penilaian BMI, Agro harus mengambil alih kebun plasma, dalam rangka penyelesaian kewajiban pinjaman.
Sampai dengan tanggal 31
Desember 2008, luas lahan yang sudah ditanami adalah 8.252,87 hektar. Laporan keuangan dan administrasi proyek dilaksanakan secara terpisah oleh Agro. Agro ditunjuk sebagai pelaksana dan pengembang proyek atas perjanjian tanggal 10 Mei 1996 antara PT Bank Mandiri (Persero) Tbk., Jambi (Bank Mandiri) dengan Plasma PIR dalam rangka pengembangan 3.600 hektar kebun kelapa sawit di areal kebun Agro. Atas nama proyek, Agro mendapat pinjaman dari Bank Mandiri dengan pagu maksimum Rp 24,39 miliar. Dana ini akan diteruskan ke proyek PIR Plasma sesuai dengan permintaan dari
proyek
yang
bersangkutan dan bunga dibebankan pada proyek PIR Plasma. Sehubungan dengan perjanjian ini, Agro berkewajiban menyelesaikan pembangunan kebun kelapa sawit PIR Plasma dan melaksanakan konversi sesuai dengan jadwal yang ditetapkan atau paling lambat pada tahun 2005. Selisih antara nilai pada saat konversi dan biaya pengembangan kebun plasma akan menjadi beban atau keuntungan Agro. Sampai dengan tanggal 31 Desember 2008, luas areal yang sudah ditanami adalah 4.418 hektar. Laporan keuangan dana administrasi proyek dilaksanakan secara terpisah oleh Agro. Pada tanggal 9 Desember 2004, telah ditandatangani perjanjian antara Perusahaan dan Anak perusahaan tertentu dengan PT Multi Kontrol Nusantara, pihak hubungan istimewa untuk pengembangan piranti lunak E-Plantations, penyewaan piranti lunak dan Annual Technical Support. Nilai kontrak adalah
72
US$ 362.500 untuk implementasi piranti lunak E-Plantations. Biaya sewa piranti lunak adalah sebesar US$ 2 per aktual hektar dan biaya Annual Technical Support sebesar US$ 0,5 per aktual hektar. Pada tahun 2000, PT Sumbertama Nusapertiwi (SNP), Anak perusahaan, melakukan perjanjian dengan KUD Wahana Jaya (Koperasi) untuk pembangunan areal kebun kelapa sawit seluas 8.000 hektar dengan pola kemitraan dengan komposisi kepemilikan luas kebun kelapa sawit SNP adalah sebesar 80% atau seluas 6.400 hektar dan Koperasi sebesar 20 persen atau seluas 1.600 hektar sesuai dengan Akta Perjanjian Kesepakatan Bersama No. 14 tanggal 24 September 2002 oleh Notaris Nany Ratna Wirdanialis, S.H. Setelah kebun kelapa sawit dikonversi dan telah menghasilkan (lebih kurang 36 bulan setelah penanaman) maka koperasi berkewajiban untuk mencicil pembayaran pinjaman dengan pemotongan 30 persen dari hasil panen setiap bulannya sampai pinjaman tersebut lunas. Pada tanggal 26 Juni 2007, Perusahaan mengadakan Perjanjian Manajemen dengan Agri Resources BV (ARBV), dimana Perusahaan akan menyediakan jasa manajemen kepada ARBV selama 7 (tujuh) tahun dan menerima jasa manajemen sebesar US$ 100 per hektar tanaman dengan umur kurang dari sebulan. Selain itu, perusahaan akan menerima jasa insentif yang dihitung dan dibayarkan sebagai bagian dari distribusi laba / dividen dengan target sebesar US$ 30,35 per saham.
73
VI PERAMALAN HARGA SAHAM 6.1. Peramalan Harga Saham Emiten AALI 6.1.1. Ekplorasi Pola Data Harga Saham AALI Data deret waktu adalah data yang dikumpulkan dan diamati pada rentang waktu tertentu. Identifikasi pola data memiliki tujuan untuk mengetahui unsurunsur yang terdapat dalam data yang tersedia. Eksplorasi data menekankan pada bagaimana perilaku sepanjang periode pengamatan. Pada umumnya data time series memiliki perilaku berupa empat unsur, yaitu: trend, musiman (seasonal), siklus serta komponen acak (random components). Pola data yang teridentifikasi menggunakan plot data time series memperlihatkan kecenderungan yang terus meningkat pada harga penutupan saham penutupan harian PT Astra Agro Lestari, Tbk (AALI). Pada tahun 2006 harga saham terus mengalami peningkatan hingga menembus harga Rp. 12.600,di akhir tahun. Kenaikan harga saham AALI terus berlanjut pada tahun 2007, dimana isyu kenaikan harga BBM yang terus merangkak naik ditambah dengan penggalakan energi alternatif pengganti BBM semakin memberikan sentimen positif bagi perdagangan saham di sektoral perkebunan. Sentimen positif di sektor pertanian terus berlanjut pada tahun 2008 hingga pertengahan tahun dimana pada tahun tersebut kenaikan harga bahan bakar minyak terus melambung hingga menembus $90/barrel. Seiring berjalannya roda perekonomian global yang tidak kosisten berakibat pada terjadinya krisis global yang bermula di Amerika Serikat berdampak signifikan pada perdagangan saham di seluruh dunia mengakibatkan harga saham AALI ikut mengalami dampak penurunan yang cukup tajam di bulan Oktober hingga mencapai 50% harga bulan September. Selain itu penurunan harga minyak dunia turut ambil peran dalam fluktuasi harga menurun pada saham sektoral perkebunan secara keseluruhan.
74
Time Series Plot of AALI 35000 30000
AALI
25000 20000 15000 10000 5000 1
80
160
240
320
400 Index
480
560
640
720
800
Time Series Plot of AALI 17500
15000
AALI
12500
10000
7500
5000 1
Gambar 6.
13
26
39
52
65 Index
78
91
104
117
130
Plot Data Harga Saham Penutupan PT Astra Agro Lestari, Tbk Periode 1 Januari 2006- 30April 2009 dan Plot Basis Data untuk Penelitian
Pada plot time series di Gambar 6. terlihat bahwa data harga saham penutupan AALI memiliki kecenderungan yang meningkat sampai dengan pertengahan tahun 2008 mulai dari tahun 2006, tetapi mengalami penurunan yang sangat signifikan hingga menuju keadaan harga saham perusahaan di tahun 2006 setelah bulan September 2008. Secara umum data time series harga saham penutupan AALI yang menggunakan basis data mulai tanggal 13 Oktober 2008 hingga 30 April 2009 memperlihatkan pola data memilki komponen penyusun utama di dalamnya, yakni trend.
Untuk melihat unsur trend memanfaatkan analisis trend linier,
diperoleh bahwa trend pergerakan data harga saham penutupan AALI cenderung mengalami peningkatan.
Hal ini diperlihatkan pada analisis trend linier
menggunakan program Minitab14 menunjukkan slope yang positif. Unsur musiman pada data menggunakan plot data dan nilai autokorelasi dan parsial autokorelasi dari data time seriesnya sulit ditentukan. Kesulitan penentuan unsur musiman ini dikarenakan berdasarkan nilai autokorelasi yang
75
menurun mendekati nilai nol secara perlahan ditunjukkan oleh Gambar 7. Hal ini menunjukkan bahwa data belum stasioner dan memiliki unsur trend didalamnya. Autocorrelation Function for AALI
(with 5% significance limits for the autocorrelations) 1.0 0.8
Autocorrelation
0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1
5
10
15
20
25
30
Lag
Partial Autocorrelation Function for AALI
(with 5% significance limits for the partial autocorrelations) 1.0
Partial Autocorrelation
0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1
5
10
15
20
25
30
Lag
Gambar 7. Korrelogram ACF dan PACF Harga Saham Emiten AALI Pola yang dimiliki memungkinkan penggunaan metode peramalan secara kuantitatif
yang
dapat
diterapkan
pada
data
tersebut
harus
dapat
merepresentasikan unsur-unsur penyusun yang dikandung oleh data tersebut. Oleh karena tidak semua metode cocok untuk menganalisis data tersebut, maka penekanan pada metode-metode yang cocok untuk merepresentasikan data dilakukan.
Tetapi untuk memperoleh efektifitas sekaligus pembuktian model
peramalan yang tepat, metode peramalan lainnya turut disertakan dalam penerapannya. 6.1.2. Metode Peramalan Harga Saham Emiten AALI Dalam langkah memperoleh metode peramalan yang baik maka digunakan beberapa metode peramalan. Adapun ringkasan seluruh metode yang dicoba pada proses peramalan harga saham emiten AALI dapat dilihat pada Tabel 4.
76
Tabel 4. Ringkasan Perbandingan Akurasi Nilai MSE Hasil Penerapan Metode Peramalan Pergerakan Harga Saham Penutupan Harian Emiten AALI No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Metode Single Moving Average (SMA) Single Moving Average (SMA) Single Moving Average (SMA) Single Moving Average (SMA) Single Moving Average (SMA) Single Exponential Smoothing (SES) Double Exponential Smoothing (DES) Winters Multiplikatif Winters Multiplikatif Winters Multiplikatif Winters Multiplikatif Winters Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Aditif Dekomposisi Aditif Dekomposisi Aditif Dekomposisi Aditif Dekomposisi Aditif ARIMA (1,1,1) ARIMA (0,1,1) ARIMA (1,1,0) ARIMA (2,1,0) ARIMA (1,1,2) ARIMA (0,1,2) ARIMA (2,1,1) ARIMA (2,1,2)
β
α
L/T
∂
2 5 10 20 60
2 5 10 20 60 2 5 10 20 60 2 5 10 20 60
0.9 0.9 0.9 0.75 0.45 0.9 0.9
0.8 0.05 0.05 0.05 0.9 0.15
0.9 0.9 0.85 0.2 0.9
MSE 314289 603055 981363 1240930 5056205 242266 232898 277111 330617 915160 1120219 1209966 952198 951723 952889 900458 759729 952117 951979 950035 862969 597230 233784 233571 233671 235358 235231 235269 219959 236984
Berdasarkan penerapan beberapa model peramalan seperti yang disajikan pada Tabel 4, maka metode peramalan yang sesuai untuk menjelaskan pola data harga penutupan harian saham AALI adalah metode ARIMA.
Pemilihan ini
didasarkan atas nilai MSE yang dihasilkan dengan penggunaan metode ini lebih kecil dibandingkan dengan metode peramalan yang lainnya yakni sebesar 219959. Hal ini mengindikasikan bahwa metode ARIMA (2,1,1) lebih sesuai untuk menjelaskan pola data trend untuk emiten AALI.
77
6.1.3. Peramalan Harga Saham Emiten AALI Metode yang dipilih untuk meramalkan pola data emiten AALI adalah metode peramalan dengan model ARIMA (2,1,1). Model ARIMA (2,1,1) tersebut dituliskan dalam bentuk peramalan umumnya adalah sebagi berikut : Y t = 8,894 + 1,0474Y t-1 + (-0,1789)Y t-2 + ε t – 0,9850ε t-1 Peramalan untuk pergerakan harga saham harian penutupan emiten AALI dengan metode yang dipilih (metode ARIMA dapat dilihat pada Lampiran 3) memiliki kecenderungan yang meningkat berkisar antara Rp. 16.000,- sampai dengan Rp. 17.000.- an untuk peramalan dua bulan ke depan yakni di bulan MeiJuni 2009. Hasil peramalan dapat dilihat pada Lampiran 4. Hasil ramalan ini memberikan kesempatan bagi para investor yang memanfaatkan capital gain untuk membeli saham AALI sekarang lalu menjualnya dikemudian hari terutama minggu awal bulan Juni dan sebelum penutupan akhir bulan Mei di tahun 2009. 6.2. Peramalan Harga Saham Emiten LSIP 6.2.1. Ekplorasi Pola Data Harga Saham LSIP Pola data yang teridentifikasi menggunakan plot data time series memperlihatkan kecenderungan yang terus meningkat pada harga penutupan saham penutupan harian PT PP London Sumatra, Tbk (LSIP). Pada tahun 2006 harga saham terus mengalami peningkatan hingga menembus harga Rp. 6.600,- di akhir tahun. Kenaikan harga saham LSIP terus berlanjut pada tahun 2007, dimana isyu kenaikan harga BBM yang terus merangkak naik ditambah dengan penggalakan energi alternatif pengganti BBM semakin memberikan sentimen positif bagi perdagangan saham di sektoral perkebunan yang memiliki segmen usaha kelapa sawit (CPO). Sentimen positif di sektor pertanian terus berlanjut pada tahun 2008 hingga pertengahan tahun dimana pada tahun tersebut kenaikan harga bahan bakar minyak terus melambung hingga menembus $90/barrel. Seiring berjalannya roda perekonomian global yang tidak kosisten berakibat pada terjadinya krisis global yang bermula di Amerika Serikat berdampak signifikan pada perdagangan saham di seluruh dunia mengakibatkan harga saham LSIP ikut mengalami dampak
78
penurunan yang cukup tajam di bulan Oktober hingga mencapai 50% harga bulan September. Selain itu penurunan harga minyak dunia turut ambil peran dalam fluktuasi harga menurun pada saham sektoral perkebunan secara keseluruhan. Time Series Plot of LSIP 14000 12000
LSIP
10000 8000 6000 4000 2000 0 1
80
160
240
320
400 Index
480
560
640
720
800
Time Series Plot of LSIP 5000
LSIP
4000
3000
2000
1000 1
13
26
39
52
65 Index
78
91
104
117
130
Gambar 8. Plot Data Harga Saham Penutupan PT PP London Sumatra, Tbk Periode Januari 2006-April 2009 dan Plot Basis Data untuk Penelitian Pada plot time series di Gambar 8. terlihat bahwa data harga saham penutupan LSIP memiliki kecenderungan yang meningkat sampai dengan pertengahan tahun 2008 mulai dari tahun 2006, tetapi mengalami penurunan yang sangat signifikan hingga menuju keadaan harga saham perusahaan di tahun 2006 setelah bulan September 2008. Secara umum data time series harga saham penutupan LSIP memilki beberapa komponen penyusun di dalamnya, yakni trend, musiman, siklus dan random. Untuk melihat unsur trend memanfaatkan analisis trend linier, diperoleh bahwa trend pergerakan data harga saham penutupan LSIP cenderung mengalami peningkatan.
Hal ini diperlihatkan pada analisis trend linier menggunakan
program Minitab14 menunjukkan slope yang positif. Unsur musiman pada data menggunakan plot data dan nilai autokorelasi dan parsial autokorelasi dari data 79
time seriesnya sulit ditentukan. Kesulitan penentuan unsur musiman ini dikarenakan berdasarkan nilai autokorelasi yang menurun mendekati nilai nol secara perlahan ditunjukkan oleh Gambar 9. Hal ini menunjukkan bahwa data belum stasioner dan memiliki unsur trend didalamnya. Autocorrelation Function for LSIP
(with 5% significance limits for the autocorrelations) 1.0 0.8
Autocorrelation
0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1
5
10
15
20
25
30
Lag
Partial Autocorrelation Function for LSIP
(with 5% significance limits for the partial autocorrelations) 1.0
Partial Autocorrelation
0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1
5
10
15
20
25
30
Lag
Gambar 9. Korrelogram ACF dan PACF Harga Saham Emiten LSIP Pola yang dimiliki memungkinkan penggunaan metode peramalan secara kuantitatif
yang
dapat
diterapkan
pada
data
tersebut
harus
dapat
merepresentasikan unsur-unsur penyusun yang dikandung oleh data tersebut. Oleh karena tidak semua metode cocok untuk menganalisis data tersebut, maka penekanan pada metode-metode yang cocok untuk merepresentasikan data dilakukan. Tetapi untuk memperoleh efektifitas sekaligus pembuktian model peramalan yang tepat, metode peramalan lainnya turut disertakan dalam penerapannya.
80
6.2.2. Metode Peramalan Harga Saham Emiten LSIP Dalam langkah memperoleh metode peramalan yang baik maka digunakan beberapa metode peramalan. Adapun ringkasan seluruh metode yang dicoba pada proses peramalan harga saham emiten LSIP dapat dilihat pada Tabel 5. Tabel 5. Ringkasan Perbandingan Akurasi Nilai MSE Hasil Penerapan Metode Peramalan Pergerakan Harga Saham Penutupan Harian Emiten LSIP No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Metode Single Moving Average (SMA) Single Moving Average (SMA) Single Moving Average (SMA) Single Moving Average (SMA) Single Moving Average (SMA) Single Exponential Smoothing (SES) Double Exponential Smoothing (DES) Winters Multiplikatif Winters Multiplikatif Winters Multiplikatif Winters Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Aditif Dekomposisi Aditif Dekomposisi Aditif Dekomposisi Aditif Dekomposisi Aditif ARIMA (1,1,1) ARIMA (0,1,1) ARIMA (1,1,0) ARIMA (2,1,0) ARIMA (2,1,1) ARIMA (0,1,2) ARIMA (2,1,1) ARIMA (2,1,2) ARIMA (1,1,2)
β
α
L/T
∂
2 5 10 20 60
2 5 10 60 2 5 10 20 60 2 5 10 20 60
0.9 0.9 0.9 0.8 0.5 0.9
0.85 0.05 0.05 0.05 0.1
0.9 0.9 0.9 0.9
MSE 29786.4 59437 105198 149302 323778 23547 22917 25969 28959 75893 103437 125786 126002 125577 121629 151169 125829 125963 125797 116942 130365 22928 22775 22775 22952 23106 22951 23106 23116 22959
Berdasarkan penerapan beberapa model peramalan seperti yang disajikan pada Tabel 5, maka metode peramalan yang sesuai untuk menjelaskan pola data trend harga penutupan harian saham LSIP adalah metode ARIMA. Pemilihan ini didasarkan atas nilai MSE yang dihasilkan dengan penggunaan metode ini lebih
81
kecil dibandingkan dengan metode peramalan yang lainnya yakni sebesar 22775. Hal ini mengindikasikan bahwa metode ARIMA (1,1,0) lebih sesuai untuk menjelaskan pola data trend untuk emiten LSIP. Sebenarnya, nilai MSE ARIMA (1,1,0) sama dengan ARIMA (0,1,1) tetapi nilai peluang terjadinya error (p-value) dari ARIMA (1,1,0) lebih baik dibandingkan ARIMA (0,1,1). Oleh karena itu dipilih model ARIMA (1,1,0). 6.2.3. Peramalan Harga Saham Emiten LSIP Metode yang dipilih untuk meramalkan pola data emiten LSIP adalah metode peramalan dengan model ARIMA (1,1,0). Model ARIMA (1,1,0) tersebut dituliskan dalam bentuk peramalan umumnya adalah sebagi berikut : Y t = 18,84+ 0,0526 Y t-1 + ε t Peramalan untuk pergerakan harga saham harian penutupan emiten LSIP dengan metode yang dipilih (metode ARIMA dapat dilihat pada Lampiran 3) memiliki kecenderungan yang meningkat berkisar antara Rp. 4.000,-an di awal bulan Mei dan menyentuh harga sampai dengan Rp. 5.500.- an untuk peramalan dua bulan ke depan yakni di bulan Mei-Juni 2009. Hasil peramalan dapat dilihat pada Lampiran 4. Hasil ramalan ini memberikan kesempatan bagi para investor yang memanfaatkan capital gain untuk membeli saham LSIP sekarang lalu menjualnya dikemudian hari terutama minggu awal bulan Juni dan sebelum penutupan akhir bulan Mei di tahun 2009 karena mencapai angka tertinggi dalam periode yang diramalkan. 6.3. Peramalan Harga Saham Emiten UNSP dan Anak Perusahaan 6.3.1. Ekplorasi Pola Data Harga Saham UNSP dan Anak Perusahaan Pola data yang teridentifikasi menggunakan plot data time series memperlihatkan kecenderungan yang terus meningkat pada harga penutupan saham penutupan harian PT Bakrie Sumatra Plantations, Tbk dan Anak Perusahaan (UNSP). Pada tahun 2006 harga saham terus mengalami peningkatan hingga menembus harga Rp. 6.600,- di akhir tahun. Kenaikan harga saham UNSP terus berlanjut pada tahun 2007, dimana isyu kenaikan harga BBM yang terus merangkak naik ditambah dengan penggalakan energi alternatif pengganti 82
BBM semakin memberikan sentimen positif bagi perdagangan saham di sektoral perkebunan yang memiliki segmen usaha kelapa sawit (CPO). Sentimen positif di sektor pertanian terus berlanjut pada tahun 2008 hingga pertengahan tahun dimana pada tahun tersebut kenaikan harga bahan bakar minyak terus melambung hingga menembus $90/barrel. Seiring berjalannya roda perekonomian global yang tidak kosisten berakibat pada terjadinya krisis global yang bermula di Amerika Serikat berdampak signifikan pada perdagangan saham di seluruh dunia mengakibatkan harga saham UNSP ikut mengalami dampak penurunan yang cukup tajam di bulan Oktober hingga mencapai 50% harga bulan September. Selain itu penurunan harga minyak dunia turut ambil peran dalam fluktuasi harga menurun pada saham sektoral perkebunan secara keseluruhan. Time Series Plot of UNSP 3000 2500
UNSP
2000 1500 1000 500 0 1
80
160
240
320
400 Index
480
560
640
720
800
Time Series Plot of UNSP 600
UNSP
500
400
300
200 1
13
26
39
52
65 Index
78
91
104
117
130
Gambar 10. Plot Data Harga Saham Penutupan PT Bakrie Sumatra Plantations, Tbk dan Anak Perusahaan Periode Januari 2006-April 2009 dan Plot Basis Data untuk Penelitian Pada plot time series di Gambar 10. terlihat bahwa data harga saham penutupan UNSP memiliki kecenderungan yang meningkat sampai dengan pertengahan tahun 2008 mulai dari tahun 2006, tetapi mengalami penurunan yang
83
sangat signifikan hingga menuju keadaan harga saham perusahaan di tahun 2006 setelah bulan September 2008. Secara umum data time series harga saham penutupan UNSP memilki beberapa komponen penyusun di dalamnya, yakni trend, musiman, siklus dan random. Untuk melihat unsur trend memanfaatkan analisis trend linier, diperoleh bahwa trend pergerakan data harga saham penutupan UNSP cenderung mengalami peningkatan.
Hal ini diperlihatkan pada analisis trend linier
menggunakan program Minitab14 menunjukkan slope yang positif.
Unsur
musiman pada data menggunakan plot data dan nilai autokorelasi dan parsial autokorelasi dari data time seriesnya sulit ditentukan. Kesulitan penentuan unsur musiman ini dikarenakan berdasarkan nilai autokorelasi yang menurun mendekati nilai nol secara perlahan ditunjukkan oleh Gambar 11. Hal ini menunjukkan bahwa data belum stasioner dan memiliki unsur trend didalamnya. Autocorrelation Function for UNSP
(with 5% significance limits for the autocorrelations) 1.0 0.8
Autocorrelation
0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1
5
10
15
20
25
30
Lag
Partial Autocorrelation Function for UNSP
(with 5% significance limits for the partial autocorrelations) 1.0
Partial Autocorrelation
0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1
5
10
15
20
25
30
Lag
Gambar 11. Korrelogram ACF dan PACF Harga Saham Emiten UNSP Pola yang dimiliki memungkinkan penggunaan metode peramalan secara kuantitatif
yang
dapat
diterapkan
pada
data
tersebut
harus
dapat 84
merepresentasikan unsur-unsur penyusun yang dikandung oleh data tersebut. Oleh karena tidak semua metode cocok untuk menganalisis data tersebut, maka penekanan pada metode-metode yang cocok untuk merepresentasikan data dilakukan. Tetapi untuk memperoleh efektifitas sekaligus pembuktian model peramalan yang tepat, metode peramalan lainnya turut disertakan dalam penerapannya. 6.2.2. Metode Peramalan Harga Saham Emiten UNSP Dalam langkah memperoleh metode peramalan yang baik maka digunakan beberapa metode peramalan. Adapun ringkasan seluruh metode yang dicoba pada proses peramalan harga saham emiten UNSP dapat dilihat pada Tabel 6. Tabel 6. Ringkasan Perbandingan Akurasi Nilai MSE Hasil Penerapan Metode Peramalan Pergerakan Harga Saham Penutupan Harian Emiten UNSP Metode Single Moving Average (SMA) Single Moving Average (SMA) Single Moving Average (SMA) Single Moving Average (SMA) Single Moving Average (SMA) Single Exponential Smoothing (SES) Double Exponential Smoothing (DES) Winters Multiplikatif Winters Multiplikatif Winters Multiplikatif Winters Multiplikatif Winters Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Multiplikatif Dekomposisi Aditif Dekomposisi Aditif Dekomposisi Aditif Dekomposisi Aditif Dekomposisi Aditif ARIMA (1,1,1) ARIMA (0,1,1) ARIMA (1,1,0) ARIMA (2,1,1) ARIMA (0,1,2) ARIMA (2,1,0) ARIMA (2,1,2) ARIMA (1,1,2)
β
α
L/T
∂
2 5 10 20 60
2 5 10 20 60 2 5 10 20 60 2 5 10 20 60
0.9 0.9 0.9 0.9 0.5 0.75 0.75
0.65 0.05 0.05 0.05 0.05 0.05
0.05 0.9 0.9 0.9 0.9
MSE 736,21 1393,28 2269,76 2893,09 6499,86 543,303 518,197 547,645 653,531 1747 1626 2396 5020,72 5016,12 4996,24 4892,97 6061,94 5020,71 5017,19 4995,74 4869,53 5706,27 472 508,5 519,7 527,8 478,1 504,7 472,6 473,2
85
Dalam Metode ARIMA ini, kegiatan coba-coba dengan menggunakan komponen seasonal (SARIMA) semakin memperbesar nilai MSE yang diperoleh. Selain itu, penentuan L untuk musiman sulit dilakukan karena efek daripada fluktuasi data yang sangat fluktuatif. Berdasarkan penerapan beberapa model peramalan seperti yang disajikan pada Tabel 6, maka metode peramalan yang sesuai untuk menjelaskan pola data harga penutupan harian saham UNSP adalah metode ARIMA. Pemilihan ini didasarkan atas nilai MSE yang dihasilkan dengan penggunaan metode ini lebih kecil dibandingkan dengan metode peramalan yang lainnya yakni sebesar 472. Hal ini mengindikasikan bahwa metode ARIMA (1,1,1) lebih sesuai untuk menjelaskan pola data untuk emiten UNSP. 6.2.3. Peramalan Harga Saham Emiten UNSP Metode yang dipilih untuk meramalkan pola data emiten UNSP adalah metode peramalan dengan model ARIMA (1,1,1). Model ARIMA (1,1,1) tersebut dituliskan dalam bentuk peramalan umumnya adalah sebagi berikut : Y t = 1,301+ (-0,5606) Y t-1 + ε t – (-0,8684)ε t-1 Peramalan untuk pergerakan harga saham harian penutupan emiten UNSP dengan metode yang dipilih (metode ARIMA dapat dilihat pada Lampiran 3) memiliki kecenderungan yang meningkat berkisar Rp. 500,-an dan cenderung stabil sebelum akhir bulan Juni 2009 mencapai Rp. 600,-an untuk peramalan dua bulan ke depan yakni di bulan Mei-Juni 2009. Hasil peramalan dapat dilihat pada Lampiran 4. Hasil ramalan ini memberikan kesempatan bagi para investor yang memanfaatkan capital gain untuk membeli saham UNSP sekarang lalu menjualnya dikemudian hari terutama akhir bulan Juni dan sebelum penutupan akhir bulan di tahun 2009 karena mencapai angka tertinggi dalam periode yang diramalkan yakni Rp. 600,-an.
86
VII TINGKAT RISIKO HARGA SAHAM 7.1. Tingkat Risiko Emiten AALI 7.1.1. Identifikasi Efek ARCH Saham Emiten AALI Dalam melakukan analisis, digunakan perbandingan harga saham pada saat t+1 dengan harga saham pada saat t yang biasa disebut pengembalian (return). Pengembalian merupakan diferensiasi logaritma natural dari pergerakan harga penutupan saham dengan jumlah pengamatan T-1=132 pengamatan pada data harga saham emiten AALI. Secara matematis return dapat ditulis dengan rumus:
Time Series Plot of return 0.20 0.15
return
0.10 0.05 0.00 -0.05 -0.10 1
13
26
39
52
65 Index
78
91
104
117
130
Gambar 12. Return Harga Saham Emiten AALI
Ringkasan statistik dari data return AALI dapat dirinci secara spesifik pada Gambar 13. dimana rataan dari pengembalian AALI bernilai positif, yang menandakan bahwa saham AALI memiliki trend yang positif. Nilai kurtosis yang lebih dari 3 memperlihatkan bahwa distribusi return AALI memiliki ekor yang lebih padat dibandingkan dengan sebaran normal (leptokurtis terhadap normal), sekaligus menunjukkan penumpukkan frekuensi pada interval tertentu di sekitar rataan dan hanya sedikit yang tersebar jauh dari rataan. Nilai kurtosis yang lebih dari 3 merupakan gejala awal adanya heteroskedastisitas.
20 Series: RETURN Sample 1 132 Observations 132
16
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
12
8
0.004520 0.000000 0.181471 -0.103184 0.052285 0.767507 4.726600
4 Jarque-Bera Probability
0 -0.10
-0.05
0.00
0.05
0.10
29.35577 0.000000
0.15
Gambar 13. Ringkasan Statistik Return Harga Saham Emiten AALI Pendeteksian efek ARCH dengan uji autokorelasi. Pengujian efek ARCH dilakukan dengan pengujian nilai autokorelasi kuadrat pengembalian, dimana dilihat nilai autokorelasi yang signifikan untuk 15 lag pertama (Engle, 2001). Hal ini dapat dilihat secara jelas pada Tabel 7. Tabel 7. Fungsi AC dan PAC dari Return Kuadrat Harga Saham Emiten AALI Return kuadrat AC PAC Q-Stat Prob Lag 1 0,36 0,36 17,475 0 2 0,14 0,012 20,135 0 3 0,104 0,058 21,62 0 4 0,169 0,13 25,567 0 5 0,094 -0,014 26,808 0 6 0,103 0,066 28,287 0 7 0,086 0,02 29,323 0 8 0,058 -0,006 29,801 0 9 0,093 0,071 31,047 0 10 0,106 0,037 32,677 0 11 0,084 0,017 33,704 0 12 0,119 0,082 35,805 0 13 0,011 -0,098 35,823 0,001 14 -0,018 -0,027 35,87 0,001 15 -0,019 -0,024 35,922 0,002 Nilai Autokorrelasi return kuadrat signifikan pada 15 lag pertama ditambah dengan nilai kurtosis yang melebihi 3, hal ini mengindikasikan terdapat unsur heteroskedastisitas pada data pengembalian dan efek ARCH di dalamnya.
88
Pengujian spesifikasi model dilanjutkan dengan pemilihan persamaan rataan. Persamaan rataan yang terpilih untuk data pengembalian saham AALI adalah ARIMA (1,0,2).
Model ini diperiksa sisaannya, dan dihasilkan nilai
langrange Multiplier 4,016584 lebih kecil dari nilai kritis chi square (0,05) yakni sebesar 5,99 serta memiliki nilai probability 0,047166 lebih kecil dari 0,05 dengan kata
lain
menolak
hipotesis
nol
(Ho)
yang
berarti
terdapat
unsur
heteroskedastisitas di dalam data pengembalian harga saham penutupan harian AALI. 7.1.2. Estimasi Model Saham Emiten AALI Pada tahapan ini dilakukan simulasi beberapa model ragam dengan spesifikasi model yang didapatkan. Simulasi dilakukan dengan menggunakan kuadrat galat dari persamaan ARIMA (1,0,2). Kemudian pendugaan parameter model dengan metode kemungkinan maksimum atau quasi maximum likelihood (QML). Simulasi ini mengkombinasikan nilai r = 1 dan 2 dengan nilai m = 0, 1 dan 2 sehingga akan terbentuk enam model ragam. 7.1.3. Pemilihan Model Terbaik Saham Emiten AALI Pada Tabel 8. terlihat bahwa model ARCH (1) menjadi pilihan dalam peramalan model ragam terbaik. Tabel 8. Estimasi Model ARCH/GARCH Harga Saham Emiten AALI Model
α1 0,383068
α2
0,001595 0,001483
a0,271812
a0,131024
a-0,00000476
-0,02172
a-0,00000903
0,283302
-1,25E-05
-0,045102
a-0,0000293
a0,144266
K
β1
β2
ARCH (1) ARCH (2) 1,013511
GARCH (1,1) -0,315266
1,030722
GARCH (2,1) a0,194899
0,838227
0,713882
0,337341
GARCH (1,2) GARCH (2,2)
a0,191765
AIC
SC
3,1989 3,1946 3,3272
3,111088 3,084845 3,217441
3,3642
3,232471
3,3196 3,3125
3,187917 3,158865
Keterangan: a = tidak sinifikan Penentuan model ARCH/GARCH yang dipilih mempertimbangkan dua faktor/indikator model terbaik, yakni :
89
1. Nilai AIC terkecil 2. Koefisien dan parameter yang signifikan Estimasi model diperoleh model ARCH (1) sebagai model terbaik dikarenakan memiliki nilai AIC yang relatif lebih rendah dibandingkan model estimasi lainnya yakni sebesar -3,1989. Selain itu, model ARCH (1) memiliki nilai koefisien dan parameter yang signifikan dibandingkan dengan model yang lainnya. Penerapan model ARCH (1) disajikan pada Lampiran 5. 7.1.4. Evaluasi Model Saham Emiten AALI Model dugaan yang dipilih adalah ARCH (1). Langkah selanjutnya adalah memeriksa koefisien ACF sisaan terbakukan untuk memastikan tidak ada heteroskedastisitas. Evaluasi model juga dapat dilihat melalui uji ARCH yang menunjukkan nilai LM sebesar 0,117689 lebih kecil dari nilai kritis chi square (0,05) yakni sebesar 5,99 serta memiliki nilai probability 0,732117 lebih besar dari 0,05 dengan kata lain menolak hipotesis nol (Ho) yang berarti tidak terdapat heteroskedastisitas. Berdasarkan uji Ljung-Box ternyata ACF residual kuadrat pada 15 lag pertama sudah tidak signifikan lagi, artinya sudah tidak terdapat efek ARCH. Dengan demikian maka model tersebut sudah fit. 7.1.5. Peramalan Ragam Saham Emiten AALI Model ragam terbaik untuk peramalan adalah model ARCH (1). Model ini memiliki koefisien model 0,001595, 0,383068 untuk masing-masing k, dan α. Model ARCH (1) dituliskan dalam bentuk persamaan : h t = 0,001595 + 0,383068 ε t-1 2 Model ARCH (1) ini memberikan informasi tentang kondisi saham AALI. Dimana tingkat risiko dalam berinvestasi pada saham AALI dipengaruhi oleh besarnya nilai sisaan pengembalian sehari sebelumnya. Perhitungan VaR berbagai lamanya waktu berinvestasi dengan selang kepercayaan 95 persen pada saham AALI disajikan pada Tabel 9.
90
Tabel 9. Tingkat Risiko dengan SK 95% pada Saham Emiten AALI Lamanya berinvestasi Besar Risiko (%) Besar Risiko (Rp) 1 hari 7,98% 7980000.00 5 hari 17,9% 17900000.00 10 hari 25,3% 25300000.00 20 hari 35,7% 35700000.00 Nilai risiko ketika berinvestasi pada saham AALI memperlihatkan nilai yang relatif kecil dikarenakan dalam periode satu hari berinvestasi investor menanggung risiko sebesar 7,98 persen. Asumsi penanaman modal sebesar Rp. 100.000.000,- maka selama investasi satu hari risiko yang diperoleh investor sebesar Rp. 7.980.000,-. Semakin lama investor berinvestasi, maka semakin besar pula risiko yang akan ditanggungnya. 7.2.
Tingkat Risiko Emiten LSIP
7.2.1. Identifikasi Efek ARCH Saham Emiten LSIP Pengembalian merupakan diferensiasi logaritma natural dari pergerakan harga penutupan saham dengan jumlah pengamatan T-1= 132 pengamatan pada data harga saham emiten LSIP.
Plot data return saham harian emiten LSIP
disajikan pada Gambar 14. Time Series Plot of return 0.20 0.15
return
0.10 0.05 0.00 -0.05 -0.10 1
13
26
39
52
65 Index
78
91
104
117
130
Gambar 14. Return Saham Emiten LSIP Ringkasan statistik dari data return LSIP dapat dirinci secara spesifik pada Gambar 15. dimana rataan dari pengembalian LSIP bernilai positif, yang menandakan bahwa saham LSIP memiliki trend yang positif. Nilai kurtosis yang lebih dari 3 memperlihatkan bahwa distribusi return LSIP memiliki ekor yang lebih padat dibandingkan dengan sebaran normal (leptokurtis terhadap normal), sekaligus menunjukkan penumpukkan frekuensi pada interval tertentu di sekitar 91
rataan dan hanya sedikit yang tersebar jauh dari rataan. Nilai kurtosis yang lebih dari 3 merupakan gejala awal adanya heteroskedastisitas.
24 Series: RETURN Sample 1 132 Observations 132
20 16
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
12 8 4
Jarque-Bera Probability
0 -0.10
-0.05
0.00
0.05
0.10
0.005686 0.000000 0.181471 -0.103541 0.052264 0.541620 3.711830 9.240620 0.009850
0.15
Gambar 15. Ringkasan Statistik Return Harga Saham LSIP Pendeteksian efek ARCH dengan uji autokorelasi. Pengujian efek ARCH dilakukan dengan pengujian nilai autokorelasi kuadrat pengembalian, dimana dilihat nilai autokorelasi yang signifikan untuk 15 lag pertama (Engle, 2001). Hal ini dapat dilihat secara jelas pada Tabel 10. Tabel 10. Fungsi AC dan PAC dari Return kuadrat Saham Emiten LSIP Return kuadrat AC PAC Q-Stat Prob Lag 1 0,377 0,377 19,159 2 0,172 0,035 23,194 3 0,255 0,21 32,145 4 0,165 0,002 35,898 5 0,203 0,144 41,656 6 0,172 0,013 45,794 7 0,105 0,009 47,368 8 0,132 0,039 49,854 9 0,137 0,041 52,538 10 0,093 -0,007 53,779 11 0,079 -0,001 54,683 12 0,07 -0,001 55,401 13 0,016 -0,054 55,437 14 0,036 0,011 55,63 15 0,003 -0,051 55,632
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Nilai Autokorrelasi return kuadrat signifikan pada 15 lag pertama ditambah dengan nilai kurtosis yang melebihi 3, hal ini mengindikasikan terdapat unsur heteroskedastisitas pada data pengembalian dan efek ARCH di dalamnya. 92
Pengujian spesifikasi model dilanjutkan dengan pemilihan persamaan rataan. Persamaan rataan yang terpilih untuk data pengembalian saham LSIP adalah ARIMA (1,0,2).
Model ini diperiksa sisaannya, dan dihasilkan nilai
langrange Multiplier 7,216392 lebih besar dari nilai kritis chi square (0,05) yakni sebesar 5,99 serta memiliki nilai probability 0,008183 lebih kecil dari 0,05 dengan kata
lain
menolak
hipotesis
nol
(Ho)
yang
berarti
terdapat
unsur
heteroskedastisitas di dalam data pengembalian harga saham penutupan harian LSIP. 7.2.2. Estimasi Model Saham Emiten LSIP Pada tahapan ini dilakukan simulasi beberapa model ragam dengan spesifikasi model yang didapatkan. Simulasi dilakukan dengan menggunakan kuadrat galat dari persamaan ARIMA (1,0,2). Kemudian pendugaan parameter model dengan metode kemungkinan maksimum atau quasi maximum likelihood (QML). Simulasi ini mengkombinasikan nilai r = 1 dan 2 dengan nilai m = 0, 1 dan 2 sehingga akan terbentuk enam model ragam.
7.2.3. Pemilihan Model Terbaik Saham Emiten LSIP Pada Tabel 11. terlihat bahwa model ARCH (1) menjadi pilihan dalam peramalan model ragam terbaik. Tabel 11. Estimasi Model ARCH/GARCH Harga Saham Emiten LSIP Model
α1 0,293502
α2
0,001834 0,001642
a0,244352
a0,122194
a0,00000654 0,003492
a0,030604 0,341885
a0,000574
a0,168315
a0,00000416
0,123539
K
β1
β2
ARCH (1) ARCH (2) GARCH (1,1)
1,024109 a0,193844
-0,850262
GARCH (2,1) 1,092793
GARCH (1,2) -0,167091
GARCH (2,2)
a0,724384
a0,480474 a0,315311
AIC
SC
3,12569 3,11906 -3,2055
3,037894 3,009322 3,095758 2,997281 2,998889 3,044764
3,12897 3,13058 -3,1984
Keterangan: a = tidak signifikan Penentuan model ARCH/GARCH yang dipilih mempertimbangkan dua faktor/indikator model terbaik, yakni :
93
1. Nilai AIC dan SC terkecil 2. Koefisien dan parameter yang signifikan Estimasi model diperoleh model ARCH (1) sebagai model terbaik dikarenakan memiliki nilai AIC yang relatif lebih rendah dibandingkan model estimasi lainnya yakni sebesar -3,12569. Selain itu, model ARCH (1) memiliki nilai koefisien dan parameter yang signifikan dibandingkan dengan model yang lainnya. Penerapan model ARCH (1) disajikan pada Lampiran 5. 7.2.4. Evaluasi Model Saham Emiten LSIP Model dugaan yang dipilih adalah ARCH (1). Langkah selanjutnya adalah memeriksa koefisien ACF sisaan terbakukan untuk memastikan tidak ada heteroskedastisitas. Evaluasi model juga dapat dilihat melalui uji ARCH yang menunjukkan nilai LM sebesar 0,044986 lebih kecil dari nilai kritis chi square (0,05) yakni sebesar 5,99 serta memiliki nilai probability 0,832367 lebih besar dari 0,05 dengan kata lain menolak hipotesis nol (Ho) yang berarti tidak terdapat heteroskedastisitas. Berdasarkan uji Ljung-Box ternyata ACF residual kuadrat pada 15 lag pertama sudah tidak signifikan lagi, artinya sudah tidak terdapat efek ARCH. Dengan demikian maka model tersebut sudah fit. 7.2.5. Peramalan Ragam Saham Emiten LSIP Model ragam terbaik untuk peramalan adalah model ARCH (1). Model ini memiliki koefisien model 0,001834, 0,293502 untuk masing-masing k, dan α. Model ARCH (1) dituliskan dalam bentuk persamaan : h t = 0,001834+ 0,293502ε t-1 2 Model ARCH (1) ini memberikan informasi tentang kondisi saham LSIP. Dimana tingkat risiko dalam berinvestasi pada saham LSIP dipengaruhi oleh besarnya nilai sisaan pengembalian sehari sebelumnya. Perhitungan VaR berbagai lamanya waktu berinvestasi dengan selang kepercayaan 95 persen pada saham LSIP disajikan pada Tabel 12.
94
Tabel 12. Tingkat Risiko dengan SK 95% pada Saham Emiten LSIP Lamanya berinvestasi Besar Risiko (%) Besar Risiko (Rp) 1 hari 8,21% 8210000.00 5 hari 18,4% 18400000.00 10 hari 26,0% 26000000.00 20 hari 36,7% 36700000.00 Nilai risiko ketika berinvestasi pada saham LSIP memperlihatkan nilai yang relatif kecil dikarenakan dalam periode satu hari berinvestasi investor menanggung risiko sebesar 8,21 persen. Asumsi penanaman modal sebesar Rp. 100.000.000,- maka selama investasi satu hari risiko yang diperoleh investor sebesar Rp. 8.210.000,-. Semakin lama investor berinvestasi, maka semakin besar pula risiko yang akan ditanggungnya. 7.3.
Tingkat Risiko Emiten UNSP
7.3.1. Identifikasi Efek ARCH Saham Emiten UNSP Pengembalian merupakan diferensiasi logaritma natural dari pergerakan harga penutupan saham dengan jumlah pengamatan T-1= 132 pengamatan pada data harga saham emiten UNSP. Plot data return saham harian emiten UNSP disajikan pada Gambar 16. Time Series Plot of return 0.2
return
0.1
0.0
-0.1
-0.2 1
13
26
39
52
65 Index
78
91
104
117
130
Gambar 16. Return Harga Saham Emiten UNSP Ringkasan statistik dari data return UNSP dapat dirinci secara spesifik pada Gambar 17. dimana rataan dari pengembalian UNSP bernilai positif, yang menandakan bahwa saham UNSP memiliki trend yang positif. Nilai kurtosis yang lebih dari 3 memperlihatkan bahwa distribusi return UNSP memiliki ekor yang lebih padat dibandingkan dengan sebaran normal (leptokurtis terhadap normal),
95
sekaligus menunjukkan penumpukkan frekuensi pada interval tertentu di sekitar rataan dan hanya sedikit yang tersebar jauh dari rataan. Nilai kurtosis yang lebih dari 3 merupakan gejala awal adanya heteroskedastisitas.
28 Series: RETURN Sample 1 132 Observations 132
24 20
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
16 12 8 4
Jarque-Bera Probability
0 -0.1
0.0
0.1
0.001490 0.000000 0.198851 -0.149532 0.069063 0.623991 3.599026 10.53961 0.005145
0.2
Gambar 17. Ringkasan Statistik Return Harga Saham Emiten UNSP Pendeteksian efek ARCH dengan uji autokorelasi. Pengujian efek ARCH dilakukan dengan pengujian nilai autokorelasi kuadrat pengembalian, dimana dilihat nilai autokorelasi yang signifikan untuk 15 lag pertama (Engle, 2001). Hal ini dapat dilihat secara jelas pada Tabel 13. Tabel 13. Fungsi AC dan PAC dari Return kuadrat Saham Emiten UNSP Return kuadrat Lag AC PAC Q-Stat Prob 1 0,135 0,135 2,4748 0,116 2 0,248 0,234 10,866 0,004 3 0,186 0,138 15,602 0,001 4 0,258 0,189 24,831 0 5 0,235 0,152 32,511 0 6 -0,026 -0,181 32,608 0 7 0,138 0,013 35,304 0 8 0,024 -0,052 35,385 0 9 0,075 -0,007 36,187 0 10 0,081 0,096 37,132 0 11 -0,027 -0,036 37,235 0 12 0,131 0,09 39,756 0 13 0,003 0,001 39,758 0 14 0,036 -0,055 39,954 0 15 0,026 0,006 40,055 0 Nilai Autokorrelasi return dan return kuadrat signifikan pada 15 lag pertama kecuali lag pertama ditambah dengan nilai kurtosis yang melebihi 3, hal
96
ini mengindikasikan terdapat unsur heteroskedastisitas pada data pengembalian dan efek ARCH di dalamnya. Pengujian spesifikasi model dilanjutkan dengan pemilihan persamaan rataan. Persamaan rataan yang terpilih untuk data pengembalian saham UNSP adalah ARIMA (1,0,2).
Model ini diperiksa sisaannya, dan dihasilkan nilai
langrange Multiplier 3,060502 lebih kecil dari nilai kritis chi square (0,05) yakni sebesar 5,99 serta memiliki nilai probability 0,082614 lebih besar dari 0,05 dengan kata lain menerima hipotesis nol (Ho) yang berarti tidak terdapat unsur heteroskedastisitas di dalam data pengembalian harga saham penutupan harian UNSP. 7.3.2. Estimasi Model Saham Emiten UNSP Pada tahapan ini dilakukan simulasi beberapa model ragam dengan spesifikasi model yang didapatkan. Simulasi dilakukan dengan menggunakan kuadrat galat dari persamaan ARIMA (1,0,2). Kemudian pendugaan parameter model dengan metode kemungkinan maksimum atau quasi maximum likelihood (QML). Simulasi ini mengkombinasikan nilai r = 1 dan 2 dengan nilai m = 0, 1 dan 2 sehingga akan terbentuk enam model ragam. 7.3.3. Pemilihan Model Terbaik Saham Emiten UNSP Pada Tabel 14. terlihat bahwa model GARCH (1,2) menjadi pilihan dalam peramalan model ragam terbaik. Tabel 14. Estimasi Model ARCH/GARCH Harga Saham Emiten UNSP Model
0,001107
α1 0,669154
0,000967
0,230126
1,17E-05
0,088046
9,88E-06
0,153159
1,87E-05
0,14503
1,92E-05
0,138882
K
α2
β1
β2
ARCH (1) 0,403631
ARCH (2) 0,917655
GARCH (1,1) GARCH (2,1)
a0,077568
0,928828 0,216561
0,648188
a0,192249
0,669294
GARCH (1,2) GARCH (2,2)
a0,009424
AIC
SC
3,47022 3,53629 3,65793 3,65894 3,65987 3,65746
3,446864 -3,5071 3,628733 3,623909 3,624839 3,616594
Keterangan: a = tidak signifikan
97
Penentuan model ARCH/GARCH yang dipilih mempertimbangkan dua faktor/indikator model terbaik, yakni : 1. Nilai AIC dan SC terkecil 2. Koefisien dan parameter yang signifikan Pada estimasi model diperoleh model GARCH (1,2) sebagai model terbaik dikarenakan memiliki nilai AIC yang relatif lebih rendah dibandingkan model estimasi lainnya yakni sebesar -3,65987.
Selain itu, model GARCH (1,2)
memiliki nilai koefisien dan parameter yang signifikan dibandingkan dengan model yang lainnya. Sebenarnya model ARCH (1) memiliki parameter yang juga sinifikan semua tetapi model tersebut memiliki nilai AIC yang lebih besar dibandingkan model GARCH (1,2). Penerapan model GARCH (1,2) disajikan pada lampiran 5. 7.3.4. Evaluasi Model Saham Emiten UNSP Model dugaan yang dipilih adalah GARCH (1,2). Langkah selanjutnya adalah memeriksa koefisien ACF sisaan terbakukan untuk memastikan tidak ada heteroskedastisitas. Evaluasi model juga dapat dilihat melalui uji ARCH yang menunjukkan nilai LM sebesar 0,010897 lebih kecil dari nilai kritis chi square (0,05) yakni sebesar 5,99 serta memiliki nilai probability 0,916887 lebih besar dari 0,05 dengan kata lain menolak hipotesis nol (Ho) yang berarti tidak terdapat heteroskedastisitas. Berdasarkan uji Ljung-Box ternyata ACF residual kuadrat pada 15 lag pertama sudah tidak signifikan lagi, artinya sudah tidak terdapat efek ARCH. Dengan demikian maka model tersebut sudah fit. 7.3.5. Peramalan Ragam Saham Emiten UNSP Model ragam terbaik untuk peramalan adalah model GARCH (1,2). Model ini memiliki koefisien model 1,87E-05, 0,14503, 0,216561 dan 0,648188 untuk masing-masing k, α, β 1 dan β 2 . Model GARCH (1,2) dituliskan dalam bentuk persamaan : h t = 1,87E-05+ 0,216561h t-1 + 0,648188h t-2 + 0,14503ε t-1 2
98
Model GARCH (1,2) ini memberikan informasi tentang kondisi saham UNSP. Dimana tingkat risiko dalam berinvestasi pada saham UNSP dipengaruhi oleh besarnya nilai sisaan pengembalian sehari sebelumnya, besarnya simpangan baku pengembalian dari rataannya sehari sebelumnya dan besarnya simpangan baku pengembalian dari rataannya dua hari sebelumnya juga. Perhitungan VaR berbagai lamanya waktu berinvestasi dengan selang kepercayaan 95 persen pada saham UNSP disajikan pada Tabel 15. Tabel 15. Tingkat Risiko dengan SK 95% pada Saham Emiten UNSP Lamanya berinvestasi Besar Risiko (%) Besar Risiko (Rp) 1 hari 10,4% 10400000.00 5 hari 23,2% 23200000.00 10 hari 32,8% 32800000.00 20 hari 46,4% 46400000.00 Diantara ketiga emiten terpilih, nilai risiko ketika berinvestasi pada saham UNSP memperlihatkan nilai yang relatif lebih besar dikarenakan dalam periode satu hari berinvestasi investor menanggung risiko sebesar 10,4 persen. Asumsi penanaman modal sebesar Rp. 100.000.000,- maka selama investasi satu hari risiko yang diperoleh investor sebesar Rp. 10.400.000,-. Semakin lama investor berinvestasi, maka semakin besar pula risiko yang akan ditanggungnya. 7.4.
Implikasi Peramalan Harga Saham dan Tingkat Risiko terhadap Strategi Kombinasi Keputusan Investasi Aktif Apabila komponen peramalan pergerakan harga saham dan penilaian
tingkat risiko yang ditanggung investor dalam menanamkan modalnya di emiten perkebunan terpilih dikombinasikan, maka diperoleh stategi keputusan investasi jangka pendek. Pada penelitian ini dilakukan kombinasi antara peramalan dan risiko untuk membuat strategi aktif dalam mengambil keputusan berinvestasi. Adapun asumsi yang digunakan adalah : 1. Investor orientasi capital gain 2. Harga beli saham tetap tertanggal 30 April 2009 3. Harga jual saham bervariasi mengikuti ramalan harga saham untuk ramalan 1, 5, 10 dan 20 hari kedepan
99
4. Lama investasi bervariasi yakni 1, 5, 10 dan 20 hari kedepan 5. Besar investasi yang ditanamkan pemilik modal Rp. 100.000.000,Pemanfaatan hasil ramalan harga satu, lima, sepuluh, dan dua puluh hari kedepan digunakan untuk penilaian harga jual saham dengan pembelian tertanggal 30 April 2009 yang menghasilkan jumlah saham tertentu (modal investasi Rp.100.000.000,-) menghasilkan penjualan yang lebih besar dari modal awal (terdapat capital gain).
Tetapi dalam penelitian ini dimasukkan unsur risiko
(VaR) hasil penilaian risiko untuk melihat besaran risiko yang akan diterima investor ketika melakukan investasi pada lama satu, lima, sepuluh, dan dua puluh hari kedepan untuk dibandingkan rasio capital gain-loss terhadap modal investasi pada emiten AALI, LSIP dan UNSP. Tabel 16. Penilaian Investasi Kombinasi Peramalan dan Penilain Risiko (1) Keterangan AALI LSIP UNSP Harga Beli (Rupiah) 15800 4925 560 Jumlah Saham 6329,113924 20304,56853 178571,4286 Harga Jual Ramalan (Rupiah) 15877.5 4956.97 573.594 Hasil Penjualan (Rupiah) 100490506,3 100649137,1 102427500 Besar Risiko (Rupiah) 7980000 8210000 10400000 hasil Penjualan asumsi berisiko (Rupiah) 92510506,33 92439137,06 92027500 capital gain-loss asumsi berisiko -7489493,671 -7560862,944 -7972500 rasio capilal gain-loss/modal investasi -0,074894937 -0,075608629 -0,079725
Berdasarkan Tabel 16. dengan kombinasi harga jual dan lama investasi satu hari ke depan menghasilkan pilihan investasi pada saham emiten AALI dikarenakan memiliki rasio capital gain-loss/modal investasi yang telah memperhitungkan asumsi berisiko sebesar
-0,074894937 yang berarti setiap
investor menanamkan investasinya Rp. 1,- pada emiten UNSP maka dalam rentang sehari berinvestasi, investor mendapatkan capital loss (negatif) sebesar 0,074894937. Rasio ini lebih kecil dari segi loss dibandingkan dengan dua emiten lainnya.
100
Tabel 17. Penilaian Investasi Kombinasi Peramalan dan Penilain Risiko (5) Keterangan Harga Beli (Rupiah) Jumlah Saham Harga Jual Ramalan (Rupiah) Hasil Penjualan (Rupiah) Besar Risiko (Rupiah) hasil Penjualan asumsi berisiko (Rupiah) capital gain-loss asumsi berisiko rasio capilal gain-loss/modal investasi
AALI
LSIP
15800 6329,113924 15992,4 101217721,5 17900000
4925 20304,56853 5037,17 102277563,5 18400000
UNSP 560 178571,4286 572,799 102285535,7 23200000
83317721,52 83877563,45 79085535,71 -16682278,48 -16122436,55 -20914464,29 -0,166822785 -0,161224365 -0,209144643
Berdasarkan Tabel 17. dengan kombinasi harga jual dan lama investasi lima hari ke depan menghasilkan pilihan investasi pada saham emiten
LSIP
dikarenakan memiliki rasio capital gain-loss/modal investasi yang telah memperhitungkan asumsi berisiko sebesar
-0,161224365 yang berarti setiap
investor menanamkan investasinya Rp. 1,- pada emiten LSIP maka dalam rentang lima hari berinvestasi, investor mendapatkan capital loss sebesar 0,161224365. Rasio ini lebih kecil dampak risiko yang diterima investor dibandingkan dengan dua emiten lainnya. Tabel 18. Penilaian Investasi Kombinasi Peramalan dan Penilain Risiko (10) Keterangan Harga Beli (Rupiah) Jumlah Saham Harga Jual Ramalan (Rupiah) Hasil Penjualan (Rupiah) Besar Risiko (Rupiah) hasil Penjualan asumsi berisiko (Rupiah) capital gain-loss asumsi berisiko rasio capilal gain-loss/modal investasi
AALI
LSIP
15800 6329,113924 16232,5 102737341,8 25300000
4925 20304,56853 5136,57 104295837,6 26000000
UNSP 560 178571,4286 576,49 102944642,9 32800000
77437341,77 78295837,56 70144642,86 -22562658,23 -21704162,44 -29855357,14 -0,225626582 -0,217041624 -0,298553571
Berdasarkan Tabel 18. dengan kombinasi harga jual dan lama investasi sepuluh hari ke depan menghasilkan pilihan investasi pada saham emiten LSIP dikarenakan memiliki rasio capital gain-loss/modal investasi yang telah memperhitungkan asumsi berisiko sebesar
-0,217041624 yang berarti setiap
investor menanamkan investasinya Rp. 1,- pada emiten UNSP maka dalam rentang sepuluh hari berinvestasi, investor mendapatkan capital loss sebesar 101
0,217041624. Rasio ini lebih kecil dampak kerugiannya dibandingkan dengan dua emiten lainnya. Tabel 19. Penilaian Investasi Kombinasi Peramalan dan Penilain Risiko (20) Keterangan Harga Beli (Rupiah) Jumlah Saham Harga Jual Ramalan (Rupiah) Hasil Penjualan (Rupiah) Besar Risiko (Rupiah) hasil Penjualan asumsi berisiko (Rupiah) capital gain-loss asumsi berisiko rasio capilal gain-loss/modal investasi
AALI
LSIP
15800 6329.113924 16853,9 106670253,2 35700000
4925 20304.56853 5335,37 108332385,8 36700000
UNSP 560 178571,4286 584,855 104438392,9 46400000
70970253,16 71632385,79 58038392,86 -29029746,84 -28367614,21 -41961607,14 -0,290297468 -0,283676142 -0,419616071
Berdasarkan Tabel 19. dengan kombinasi harga jual dan lama investasi dua puluh hari ke depan menghasilkan pilihan investasi pada saham emiten LSIP dikarenakan memiliki rasio capital gain-loss/modal investasi yang telah memperhitungkan asumsi berisiko sebesar
-0,283676142 yang berarti setiap
investor menanamkan investasinya Rp. 1,- pada emiten LSIP maka dalam rentang dua puluh hari (sebulan) berinvestasi, investor mendapatkan capital loss sebesar 0,283676142.
Rasio ini lebih kecil dari segi risiko yang ditanggung investor
dibandingkan dengan dua emiten lainnya. Langkah penting yang dilakukan oleh pemilik modal untuk memilih alternatif investasi yang sesuai dengan tujuan investasi dapat memanfaatkan informasi yang akurat dan relevan mengenai proyeksi emiten saham dan menetapkan investasi pada emiten dengan risiko seminimum mungkin. Dalam jangka pendek investor diklasifikasikan menjadi bagian daripada pasar yang mencari benefit dari selisih harga jual dengan harga beli saham, yang keuntungan/kerugian dari strategi keputusan investasinya disebut capital gain/capital loss. Apabila dilakukan analisis dalam hal per emiten, maka keputusan investasi yang tepat dilakukan oleh investor yang memiliki perilaku risk averter (sikap umum pelaku saham di Indonesia) kecenderungan tertarik pada saham AALI, maka investor harus melakukan penjualan sehari setelah pembelian dikarenakan memiliki risiko serta rasio capital loss yang relatif lebih kecil. Sementara itu
102
untuk emiten LSIP, pilihan sebaiknya diberikan pada ramalan harga dan lama investasi di lima, sepuluh dan dua puluh hari kedepan dikarenakan memiliki rasio capital loss relatif lebih kecil dibandingkan yang lainnya pada waktu tersebut. Lain halnya dengan UNSP, dimana emiten ini memiliki kecenderungan yang bertolak belakang dengan teori risiko.
Risiko yang lebih tinggi
dibandingkan emiten AALI dan LSIP tidak menjamin return yang tinggi pula. Hal ini tampak terlihat dari berbagai kombinasi yang dibuat, rasio capital gainloss untuk UNSP relatif lebih besar menghasilkan dampak kerugian apabila diasumsikan terjadi risiko.
103
VIII KESIMPULAN DAN SARAN 8.1. Kesimpulan PT Astra Agro Lestari, Tbk, PT. PP London Sumatra, Tbk dan PT Bakrie Sumatra Plantations, Tbk dan Anak Perusahaan merupakan perusahaanperusahaan besar di Indonesia yang bergerak dalam bidang perkebunan kelapa sawit dan penghasil CPO, industri perkebunan dengan menanam dan memelihara tanaman kelapa sawit, karet, kakao, kelapa dan teh, serta mengolah hasil perkebunan
tersebut
sekaligus industri perkebunan karet dan kelapa sawit
terpadu. Ketiga perusahaan go public tersebut memiliki daya tarik sendiri untuk para investor secara kinerja mereka di pasar saham dan kegiatan umum lainnya. Sehingga apabila dilihat secara fundamental praktis melalui profil perusahaan dan kinerja saham, secara umum perusahaan memiliki karakteristik untuk menjadi alternatif investasi melihat prospek saham di pasar modal, luasan lahan perkebunan yang semakin diperluas, kinerja keuangan perusahaan yang semakin meningkat seiring perbaikan ekonomi dan peningkatan harga minyak dunia. Pilihan ramalan untuk meramalkan pergerakan harga saham emiten AALI, LSIP dan UNSP secara beurutan adalah ARIMA (2,1,1), ARIMA (1,1,0), dan ARIMA (1,1,1). Peramalan untuk pergerakan harga saham harian penutupan untuk ketiga emiten dengan metode yang dipilih (metode ARIMA) memiliki kecenderungan yang meningkat. Hasil ramalan ini memberikan kesempatan bagi para investor yang memanfaatkan capital gain untuk membeli saham AALI, LSIP dan UNSP pada akhir bulan (30 April 2009) lalu menjualnya dikemudian hari terutama akhir bulan Juni 2009 dan sebelum penutupan akhir bulan Mei di tahun 2009 karena mencapai angka tertinggi dalam periode yang diramalkan. Pada aplikasinya model ini menjadi baik untuk peramalan kedepan dalam jangka waktu yang lebih lama dengan syarat keharusan data kuantitatif memiliki syarat kecukupan berupa pola data yang berlanjut di masa mendatang (jangka waktu ramlan yang lama tersebut). Dalam penilaian tingkat risiko digunakan model ARCH (1), ARCH (1), dan GARCH (1,2) untuk masing-masing emiten AALI, LSIP dan UNSP. Nilai risiko harian untuk AALI=7,98 persen, LSIP=8,21 persen dan UNSP=10,4 persen. Kombinasi hari ramalan harga dan lama berinvestasi, apabila dilakukan analisis
dalam hal per emiten, maka keputusan investasi yang tepat dilakukan oleh investor yang memiliki perilaku risk averter (sikap umum pelaku saham di Indonesia) kecenderungan tertarik pada saham AALI, maka investor harus melakukan penjualan sehari setelah pembelian dikarenakan memiliki risiko serta rasio capital loss yang relatif lebih kecil. Sementara itu untuk emiten LSIP, pilihan sebaiknya diberikan pada ramalan harga dan lama investasi di lima, sepuluh dan dua puluh hari kedepan dikarenakan memiliki rasio capital loss relatif lebih kecil dibandingkan yang lainnya pada waktu tersebut. Lain halnya dengan UNSP, dimana emiten ini memiliki kecenderungan yang bertolak belakang dengan teori risiko. Risiko yang lebih tinggi dibandingkan emiten AALI dan LSIP tidak menjamin return yang tinggi pula.
Hal ini tampak terlihat dari
berbagai kombinasi yang dibuat, rasio capital gain-loss untuk UNSP relatif lebih besar menghasilkan dampak kerugian apabila diasumsikan terjadi risiko. 8.2. Saran Tingkat risiko satu harian membuat keputusan investor untuk menanmkan modalnya pada saham perkebunan dimana pada sektor ini tingkat risiko relatif kecil yakni masih kisaran sepuluh persen sampai dibawah sepuluh persen. Tindakan yang dilakukan investor tergantung dari sikap investor dalam menghadapi risiko. Untuk tipe risk averse yang lebih suka menghindari risiko, maka pilihan sebaiknya dijatuhkan pada saham emiten AALI yang memiliki tingkat risiko relatif kecil dibandingkan dengan yang lainnya.
Investor yang
memiliki sikap risk neutral sebaiknya memilih saham emiten LSIP dikarenakan pada saham ini memiliki tingkat risiko yang sedang. Sedangkan bagi mereka yang bertipe risk seeker/lover pilihan sebaiknya dijatuhkan pada saham emiten UNSP, hal ini disebabkan tingkat risiko yang dikandung pergerakan harga sahamnya sangat fluktuatif cenderung meningkat. Bagi perusahaan informasi yang disajikan penelitian ini dapat menjadi pertimbangan informasi yang bersifat teknikal untuk mendukung strategi yang akan diterapkan oleh ketiga emiten terpilih (AALI, LSIP dan UNSP). Informasi yang dapat disarikan oleh perusahaan adalah mengantisipasi peroleh modal usaha sehingga perusahaan dapat menerapkan time schedule untuk berbagai strategi
105
perusahaan terutama yang bersifat ekspansi perusahaan yang membutuhkan perolehan modal. Kegiatan perluasan lahan dan peremajaan lahan yang menjadi sumber diadakannya penelitian ini
dapat dijadikan contoh.
Dimana dengan
informasi ini (penelitian). perusahaan dapat menyelaraskan sekaligus menguatkan strategi yang dicanangkan.
Mengenai perluasan dan peremajaan lahan
perkebunan pada waktu dimana diperkirakan modal yang diputuskan investor diberikan pada perusaahan sehingga seimbang antara waktu pengaliran modal dengan time schedule strategi ekspansi perusahaan. Peneliti menyarankan perlu adanya penelitian lebih lanjut dari penelitian ini yakni berupa penelitian gabungan antara analisis secara teknikal dan fundamental dalam keputusan investasi sehingga dapat menjadi penelitian yang komprehensif dan terintegrasi. Penelitian tentang Implikasi atau keterkaitan time schedule strategi perusahaan dengan peramalan dan penilaian tingkat risiko yang dilakukan pelaku pasar, peneliti independent ataupun pihak lain yang kompeten. Selain itu,
menganalisis faktor-faktor apa saja yang mempengaruhi strategi
keputusan investasi dari pemilik modal (investor) melalui pasar modal juga dapat menjadi bahan penelitian yang kompeten dalam meneruskan penelitian ini.
106
DAFTAR PUSTAKA Agro Observer. 2006. Butuh Rp. 12 Trilyun untuk Pengembangan Kelapa Sawit. Agro Observer 36-37. Badan Pusat Statistik. 2007. Satatistik Indonesia. Jakarta: Badan Pusat Statistik. Departemen Pertanian. 2007. Statistik Perkebunan Indonesia 2006-2008 Karet (Rubber). Jakarta: Ditjen Perkebunan, Deptan. Departemen Pertanian. 2007. Statistik Perkebunan Indonesia 2006-2008 Kelapa Sawit (Oil Palm). Jakarta: Ditjen Perkebunan, Deptan. Engle, Robert. 2001. GARCH 101: The Use of ARCH/GARCH Models in Applied Econometrics. Journal of Economic Perpectives 15: 157-168. Firdaus, M. 2006. Analisis Deret Waktu Satu Ragam. Bogor: IPB Press. Gunanjar, Bayu. 2006. Penerapan Model ARCH/GARCH dan Model MSAR (Markov-Switching Autoregressioni) pada Nilai Tukar Rupiah terhadap Dolar Amerika dan IHSG [Skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Hanke EH, Wichern WD, Reitsch GA. 2001. Peramalan Bisnis. Pearson Prentice Hall, Penerjemah; Devy Anantanur, Jakarta: Perason Education Asia. Terjemahan dari: Business Forecasting Seventh Edition. Hartono. 2001. Aplikasi Metode Peramalan Time Series dalam Pendugaan Harga Saham pada Perusahaan Agribisnis di PT. Bursa Efek Jakarta [Skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor. Husnan. 2003. Dasar-Dasar Portofolio dan Analisis Teknikal. Jakarta: Erlangga. Iskandar, Edy. 2006. Analisis Risiko Investasi Saham Agribisnis Rokok dengan Pendekatan ARCH-GARCH [Skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor. Jorison, Philippe. 2002. Value at Risk: The New Benchmark for Managing Financial Risk Second Edition. California, North America: McGraw-Hill. Keown AJ, David SS, Jhon DM, Jay WP. 1999. Dasar-Dasar Manajemen Keuangan. Penerjemah; Chaerul D. Djakman. Jakarta: Salemba Empat. Terjemahan dari: Basic Financial Management Seventh Edition. Khurniawan, Arie Wibowo. 2004. Pemodelan Risiko Berinvestasi pada Saham Syariah dengan Menggunakan Model GARCH [Skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor.
Kosasih, Akhmad. 2007. Peramalan Harga Saham dengan Model Time Series pada Emiten Saham Rokok Terpilih di PT. Bursa Efek Jakarta [Skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor. Krisnamurthi, Bayu. 2001. Agribisnis. Jakarta: Yayasan Pengembangan Sinar Tani. Makridakis S, Steven G, Wheelwright, Victor EM. 1999. Metode dan Aplikasi Peramalan. Penerjemah: Hari Sumitro. Jakarta: Binarupa Aksara. Terjemahan dari: Forecasting: Method and Application Second Edition. Mankiw, N Gregory. 2000. Teori Makroekonomi Edisi 4. Jakarta: Erlangga. Perwira, P Daniel. 2000. Analisis Permintaan Saham Pertanian terhadap Perubahan Kondisi Makroekonomi Indonesia. [Skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor. Pusat Penelitian Kelapa Sawit. 2006. Potensi dan Peluang Industri kelapa Sawit di Indonesia. Jakarta: Ditjen Perkebunan, Deptan. Pusat Referensi Pasar modal. 2009. Data Kinerja Emiten Harian. Jakarta: Bursa Efek Indonesia. Pusat Referensi Pasar Modal. 2007. Laporan Tahunan PT Astra Agro Lestari, Tbk. Jakarta: Bursa Efek Indonesia. Pusat Referensi Pasar Modal. 2007. Laporan Tahunan PT Bakrie Sumatra Plantations, Tbk dan Anak Perusahaan. Jakarta: Bursa Efek Indonesia. Pusat Referensi Pasar Modal. 2007. Laporan Tahunan PT PP London Sumatra, Tbk. Jakarta: Bursa Efek Indonesia. Pranowo, Bonny. 2002. Analisis Portofolio Saham Sektor Pertanian di Bursa Efek Jakarta. [Skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor. Ramadhona, Bakasenjaya. 2004. Analisis Risiko Investasi dengan Pendekatan Model ARCH/GARCH dan Pendugaan Harga Saham dengan Pendekatan Model Time Series pada Perusahaan Agribisnis Terpilih di PT. Bursa Efek Jakarta. [Skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor. Saragih, Bungaran. 2001. Agribisnis Paradigma Baru Pembanguana Ekonomi Berbasis Pertanian. Bogor: Loji Grafika Griya Sarana. Sartono, R Agus. 1997. Manajemen Keuangan Edisi Ketiga. Yogyakarta: BPFE. Suta, I Putu Gede Ari. 2000. Menuju Pasar Modal Modern. Jakarta: Yayasan SAD Satria Bhakti. 108
Sutriyati. 2004. Pemodelan Heteroskedastisitas pada Data Deret Waktu Menggunakan Model GARCH [Disertasi]. Bogor: Sekolah Pascasarjana, Institut Pertanian Bogor. Winarno, W Wahyu. 2007. Analisis Ekonometrika dan Statistika dengan Eviews. Yogyakarta: UPP STIM YKPN.
109
LAMPIRAN
Lampiran 1. Data Harga Saham Penutupan Emiten AALI, LSIP, dan UNSP 13 okt 2008
1-Nov
8,700 9,550 9,300 8,400 7,600 7,650 7,400 6,750 6,250 5,650 5,100 4,600 4,700 5,150 6,050 7,250 8,050 8,250 8,000 8,550 8,200 8,100 7,950 7,500 7,100 6,850 6,600 6,700 6,450 6,550 6,550 6,650 7,100 7,350 8,450
460 460 460 460 415 375 360 330 300 270 245 225 205 225 270 320 350 315 285 340 335 330 350 325 325 305 275 250 225 205 195 232 240 230 245
2,325 2,550 2,475 2,350 2,125 2,300 2,175 1,975 1,830 1,650 1,490 1,480 1,570 1,720 1,960 2,350 2,675 2,750 2,500 2,725 2,850 2,675 2,675 2,475 2,450 2,425 2,300 2,350 2,325 2,400 2,400 2,475 2,550 2,550 2,725
Des 2008
1-Jan
8,150 7,900 8,050 8,050 7,900 8,250 9,200 9,800 9,100 10,050 9,700 9,850 9,850 9,700 9,800 9,900 9,850 9,800 11,750 12,300 11,700 10,850 11,850 11,700 11,050 11,300 10,750 11,000 11,250 11,250 11,300 11,100 10,750 11,200 11,050 11,000 10,900
230 210 210 230 220 230 260 265 250 265 250 250 255 250 255 270 265 260 295 300 300 295 295 270 260 260 245 255 255 255 245 250 245 250 250 245 250
2,700 2,600 2,525 2,600 2,600 2,725 3,075 3,100 2,925 3,250 3,150 3,150 3,125 3,075 2,950 3,025 2,925 2,925 3,275 3,525 3,575 3,375 3,700 3,575 3,375 3,325 3,250 3,250 3,200 3,175 3,025 3,050 2,925 3,075 3,000 2,925 3,000
110
1-Feb
1-Mar
10,850 10,700 10,800 10,800 10,800 12,100 12,800 12,300 12,550 12,100 12,300 12,150 12,200 12,200 12,100 12,100 12,300 12,300 13,000 12,900 12,850 12,850 12,700 12,800 12,700 11,850 12,250 12,550 12,500 12,900 12,350 12,200 12,500 12,450 12,350 12,900 13,700 13,500 14,250 13,850 14,100
245 240 250 250 250 305 285 305 335 315 330 330 295 310 325 315 325 315 325 325 320 295 300 315 305 305 310 310 310 310 305 295 305 300 300 315 320 315 325 310 310
2,875 2,925 3,000 3,000 3,000 3,450 3,475 3,450 3,600 3,425 3,550 3,475 3,400 3,400 3,375 3,275 3,400 3,325 3,400 3,350 3,325 3,150 3,050 3,125 3,150 3,100 3,200 3,225 3,175 3,200 3,150 3,125 3,200 3,250 3,250 3,350 3,500 3,450 3,575 3,275 3,300
1-Apr
14,550 15,400 15,550 15,850 15,400 14,500 15,350 14,950 15,250 15,200 15,050 15,050 14,950 14,750 15,050 15,850 15,700 15,500 15,450 15,800
315 325 320 320 320 320 350 370 410 425 455 540 540 465 450 540 510 490 530 560
3,300 3,550 3,550 3,625 3,600 3,550 3,825 3,925 4,225 4,350 4,550 4,625 4,600 4,400 4,475 4,950 4,700 4,575 4,675 4,925
Sumber : Pusat Referensi Pasar Modal Indonesia, Tahun 2009
111
Lampiran 2 . Daftar LQ45 (Emiten Likuiditas Tertinggi) di PT. Bursa Efek Indonesia Periode 1 Agustus 2008 – Januari 2009.
Sumber : Bursa Efek Indonesia, Tahun 2008
112
Lampiran 3. Hasil Penerapan Metode ARIMA (2,1,1), ARIMA (1,1,0), dan ARIMA (1,1,1) untuk Emiten AALI, LSIP, dan UNSP ARIMA (2,1,1) ARIMA Model: AALI Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
SSE 31001975 30652576 30511852 30381700 30379473 30372560 30355986 29779402 29296200 29058295 28943926 28901736 28888284 28883506 28881247 28879930 28879071 28878472
Parameters 0.100 0.100 0.056 0.218 0.022 0.349 -0.040 0.419 -0.054 0.569 -0.067 0.719 -0.080 0.869 -0.126 0.924 -0.129 0.973 -0.135 0.983 -0.151 0.984 -0.167 0.984 -0.174 0.985 -0.177 0.985 -0.178 0.985 -0.178 0.985 -0.179 0.985 -0.179 0.985
0.100 0.250 0.400 0.509 0.659 0.809 0.958 1.007 1.036 1.033 1.035 1.043 1.046 1.047 1.047 1.047 1.047 1.047
43.110 37.529 31.306 28.895 21.476 14.041 6.610 6.473 5.660 6.315 7.522 8.182 8.550 8.729 8.817 8.860 8.882 8.894
Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 AR 2 MA 1 Constant
Coef 1.0474 -0.1789 0.9850 8.894
SE Coef 0.0895 0.0871 0.0354 1.059
T 11.70 -2.05 27.79 8.40
P 0.000 0.042 0.000 0.000
Differencing: 1 regular difference Number of observations: Original series 133, after differencing 132 Residuals: SS = 28154769 (backforecasts excluded) MS = 219959 DF = 128 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value
12 7.3 8 0.504
24 16.6 20 0.678
36 24.8 32 0.816
48 32.4 44 0.902
ARIMA(1,1,0) ARIMA Model: LSIP Estimates at each iteration Iteration 0 1 2 3 4
SSE 2967376 2960944 2960904 2960904 2960904
Parameters 0.100 17.817 0.056 18.845 0.053 18.839 0.053 18.836 0.053 18.835
113
Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 Constant
Coef 0.0526 18.84
SE Coef 0.0884 13.14
T 0.59 1.43
P 0.553 0.154
Differencing: 1 regular difference Number of observations: Original series 133, after differencing 132 Residuals: SS = 2960788 (backforecasts excluded) MS = 22775 DF = 130 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value
12 12.0 10 0.284
24 20.5 22 0.550
36 31.1 34 0.610
48 38.7 46 0.770
ARIMA (1,1,1) ARIMA Model: UNSP Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10
SSE 69083.6 67721.1 67190.3 66481.8 65618.7 64614.1 63394.4 61644.8 60918.9 60917.0 60916.9
Parameters 0.100 0.772 0.038 0.680 -0.112 0.784 -0.262 0.888 -0.412 0.992 -0.562 1.096 -0.712 1.202 -0.862 1.305 -0.871 1.294 -0.868 1.300 -0.868 1.301
0.100 0.161 0.016 -0.129 -0.272 -0.413 -0.544 -0.645 -0.568 -0.560 -0.561
Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 MA 1 Constant
Coef -0.5606 -0.8684 1.301
SE Coef 0.1280 0.0814 3.534
T -4.38 -10.67 0.37
P 0.000 0.000 0.713
Differencing: 1 regular difference Number of observations: Original series 133, after differencing 132 Residuals: SS = 60893.8 (backforecasts excluded) MS = 472.0 DF = 129 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value
12 8.9 9 0.450
24 14.4 21 0.850
36 17.9 33 0.985
48 21.5 45 0.999
114
Lampiran 4. Hasil Peramalan Harga Saham untuk AALI, LSIP, dan UNSP Forecast of AALI Period Actual 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173
Forecast
Lower
Upper
15877.5 15904.9 15928.7 15957.6 15992.4 16032.7 16077.5 16126.2 16178.0 16232.5 16289.2 16347.7 16407.7 16469.0 16531.4 16594.6 16658.6 16723.2 16788.3 16853.9 16919.7 16985.9 17052.3 17119.0 17185.8 17252.7 17319.7 17386.9 17454.1 17521.4 17588.8 17656.2 17723.6 17791.1 17858.6 17926.1 17993.7 18061.2 18128.8 18196.4
14958.1 14563.4 14328.4 14189.0 14109.5 14069.4 14056.2 14062.1 14081.8 14111.7 14149.3 14192.6 14240.4 14291.6 14345.5 14401.6 14459.4 14518.5 14578.7 14639.8 14701.7 14764.1 14827.0 14890.3 14953.9 15017.8 15081.9 15146.2 15210.6 15275.2 15339.8 15404.6 15469.4 15534.3 15599.3 15664.3 15729.3 15794.4 15859.4 15924.5
16796.9 17246.4 17528.9 17726.1 17875.4 17996.1 18098.9 18190.3 18274.2 18353.2 18429.1 18502.7 18575.0 18646.4 18717.2 18787.7 18857.9 18928.0 18997.9 19067.9 19137.8 19207.8 19277.7 19347.7 19417.6 19487.6 19557.6 19627.6 19697.6 19767.7 19837.7 19907.8 19977.8 20047.9 20117.9 20188.0 20258.0 20328.1 20398.1 20468.2
Forecast of LSIP Period Forecast Lower Actual 134 4956.97 4661.12 135 4977.49 4547.96 136 4997.40 4466.38 137 5017.29 4401.26 138 5037.17 4346.51 139 5057.05 4299.08 140 5076.93 4257.16 141 5096.81 4219.58 142 5116.69 4185.54 143 5136.57 4154.45 144 5156.45 4125.88 145 5176.33 4099.49 146 5196.21 4075.01 147 5216.09 4052.22 148 5235.97 4030.94 149 5255.85 4011.01 150 5275.73 3992.33 151 5295.61 3974.76 152 5315.49 3958.23 153 5335.37 3942.66 154 5355.25 3927.96 155 5375.13 3914.08 156 5395.01 3900.96 157 5414.89 3888.56 158 5434.77 3876.82 159 5454.65 3865.72 160 5474.53 3855.20 161 5494.41 3845.25 162 5514.29 3835.83 163 5534.16 3826.90 164 5554.04 3818.46 165 5573.92 3810.47 166 5593.80 3802.92 167 5613.68 3795.78 168 5633.56 3789.04 169 5653.44 3782.67 170 5673.32 3776.67 171 5693.20 3771.02 172 5713.08 3765.70 173 5732.96 3760.70
Upper 5252.83 5407.03 5528.42 5633.31 5727.82 5815.01 5896.69 5974.03 6047.83 6118.68 6187.01 6253.16 6317.40 6379.95 6440.99 6500.68 6559.12 6616.45 6672.74 6728.08 6782.53 6836.17 6889.05 6941.21 6992.71 7043.58 7093.85 7143.56 7192.74 7241.43 7289.63 7337.37 7384.69 7431.59 7478.09 7524.22 7569.98 7615.39 7660.47 7705.23
115
Forecast of UNSP Period Forecast Lower Actual 134 573.594 531.001 135 567.274 497.154 136 572.119 486.943 137 570.704 470.663 138 572.799 460.886 139 572.926 449.749 140 574.156 440.941 141 574.768 432.075 142 575.726 424.223 143 576.490 416.621 144 577.363 409.567 145 578.175 402.797 146 579.022 396.383 147 579.849 390.224 148 580.687 384.326 149 581.518 378.644 150 582.354 373.169 151 583.187 367.876 152 584.021 362.755
Upper 616.186 637.394 657.294 670.745 684.712 696.102 707.371 717.461 727.230 736.360 745.160 753.554 761.661 769.474 777.048 784.393 791.538 798.497 805.287
153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173
584.855 585.689 586.523 587.357 588.191 589.025 589.859 590.693 591.527 592.361 593.195 594.028 594.862 595.696 596.530 597.364 598.198 599.032 599.866 600.700 601.534
357.789 352.967 348.280 343.718 339.273 334.938 330.705 326.570 322.526 318.570 314.696 310.900 307.178 303.528 299.945 296.428 292.972 289.576 286.236 282.952 279.720
811.921 818.410 824.765 830.996 837.109 843.112 849.012 854.815 860.527 866.151 871.693 877.157 882.546 887.865 893.115 898.301 903.425 908.489 913.496 918.448 923.348
115
Lampiran 5. Metode ARCH (1), ARCH (1), dan GARCH (1,2) untuk AALI, LSIP dan UNSP ARCH (1) AALI ARIMA Model: return Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
SSE 2.03536 1.37706 1.14584 1.02461 0.93873 0.85206 0.33065 0.32119 0.31829 0.31520 0.31471 0.31444 0.31354 0.31316 0.31120 0.30985 0.30933 0.30912 0.30902 0.30895 0.30891 0.30887 0.30885 0.30844
0.100 0.250 0.400 0.550 0.700 0.850 0.913 0.927 0.927 0.900 0.892 0.885 0.878 0.874 0.870 0.867 0.866 0.866 0.866 0.865 0.865 0.865 0.865 0.865
Parameters 0.100 0.100 0.182 0.088 0.305 0.089 0.440 0.097 0.580 0.110 0.720 0.128 0.699 0.235 0.702 0.270 0.712 0.283 0.710 0.283 0.709 0.285 0.701 0.299 0.697 0.305 0.689 0.320 0.686 0.325 0.684 0.335 0.683 0.335 0.683 0.336 0.682 0.337 0.682 0.337 0.681 0.338 0.681 0.339 0.680 0.339 0.680 0.339
0.094 0.068 0.050 0.035 0.022 0.010 0.000 0.000 0.000 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001
Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 MA 1 MA 2 Constant Mean
Coef 0.8646 0.6804 0.3390 0.0009568 0.007064
SE Coef 0.0496 0.0041 0.0484 0.0001391 0.001027
T 17.44 165.80 7.00 6.88
P 0.000 0.000 0.000 0.000
Number of observations: 132 Residuals: SS = 0.295559 (backforecasts excluded) MS = 0.002309 DF = 128
116
ARCH (1) AALI Dependent Variable: RETURN Method: ML - ARCH (Marquardt) Date: 05/17/09 Time: 15:27 Sample(adjusted): 2 132 Included observations: 131 after adjusting endpoints Convergence achieved after 29 iterations MA backcast: 0 1, Variance backcast: ON AR(1) MA(2)
Coefficient Std. Error
z-Statistic
Prob.
0.130416 0.037741
1.295800 0.469230
0.1950 0.6389
11.43772 2.101544
0.0000 0.0356
0.100645 0.080432
Variance Equation C ARCH(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Inverted AR Roots
0.001595 0.383068 0.063588 0.041468 0.050814 0.327921 213.5267
0.000139 0.182280
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
0.003843 0.051901 -3.198881 -3.111088 1.652432
Probability Probability
0.732117 0.729666
.13
LM TEST ARCH (1) ARCH Test: F-statistic Obs*R-squared
0.117689 0.119418
Test Equation: Dependent Variable: STD_RESID^2 Method: Least Squares Date: 05/17/09 Time: 15:46 Sample(adjusted): 3 132 Included observations: 130 after adjusting endpoints Variable
Coefficient Std. Error
t-Statistic
Prob.
C STD_RESID^2(-1)
1.034823 0.217949 -0.030311 0.088355
4.748009 -0.343059
0.0000 0.7321
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.000919 -0.006887 2.269376 659.2084 -289.9899 1.971979
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1.004359 2.261601 4.492152 4.536267 0.117689 0.732117
117
Ljung Box Autocorrelation .|. | .|. | .|. | .|. | *|. | .|. | .|. | .|. | .|* | .|* | .|. | .|* | .|. | .|. | .|. |
Partial Correlation .|. | .|. | .|. | .|. | *|. | .|. | .|. | .|. | .|* | .|* | .|. | .|* | .|. | *|. | .|. |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
AC -0.030 0.059 -0.021 0.056 -0.066 0.019 -0.007 -0.034 0.068 0.074 -0.021 0.072 -0.020 -0.055 -0.025
PAC -0.030 0.058 -0.018 0.051 -0.061 0.010 0.003 -0.041 0.075 0.077 -0.025 0.071 -0.025 -0.064 -0.013
Q-Stat 0.1229 0.5899 0.6509 1.0768 1.6801 1.7307 1.7375 1.9055 2.5675 3.3524 3.4150 4.1779 4.2390 4.6848 4.7793
Prob
0.420 0.584 0.641 0.785 0.884 0.928 0.922 0.910 0.946 0.939 0.962 0.968 0.980
ARCH (1) LSIP ARIMA Model: return Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
SSE 2.03560 1.02247 0.71700 0.69027 0.68606 0.68110 0.47662 0.39132 0.38982 0.37863 0.35320 0.33932 0.33332 0.32948 0.32817 0.32752 0.32630 0.32512 0.32369 0.32343 0.32326 0.32313 0.32300 0.32290
0.100 0.250 0.400 0.550 0.700 0.850 0.975 0.972 0.972 0.972 0.963 0.950 0.929 0.892 0.882 0.881 0.881 0.881 0.881 0.881 0.881 0.881 0.881 0.881
Parameters 0.100 0.100 0.168 0.063 0.286 0.051 0.434 0.066 0.583 0.083 0.733 0.100 0.797 0.214 0.796 0.215 0.795 0.213 0.794 0.209 0.789 0.209 0.787 0.205 0.785 0.208 0.781 0.216 0.771 0.236 0.773 0.236 0.774 0.238 0.774 0.240 0.774 0.242 0.774 0.242 0.774 0.243 0.774 0.243 0.774 0.243 0.774 0.244
0.095 0.059 0.038 0.028 0.019 0.009 -0.000 -0.000 -0.000 -0.000 0.000 0.000 0.000 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001
Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 MA 1 MA 2 Constant Mean
Coef 0.8811 0.7743 0.2436 0.0005612 0.0047184
SE Coef 0.0499 0.0025 0.0457 0.0001141 0.0009591
T 17.67 315.49 5.33 4.92
P 0.000 0.000 0.000 0.000
118
Number of observations: 132 Residuals: SS = 0.321999 (backforecasts excluded) MS = 0.002516 DF = 128
Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 15.0 22.9 34.9 44.4 DF 8 20 32 44 P-Value 0.060 0.296 0.332 0.456
ARCH (1) LSIP Dependent Variable: RETURN Method: ML - ARCH (Marquardt) Date: 05/17/09 Time: 18:01 Sample(adjusted): 2 132 Included observations: 131 after adjusting endpoints Convergence achieved after 10 iterations MA backcast: 0 1, Variance backcast: ON AR(1) MA(2)
Coefficient Std. Error
z-Statistic
Prob.
0.060498 0.111472 -0.000685 0.075574
0.542723 -0.009064
0.5873 0.9928
7.144215 2.051879
0.0000 0.0402
Variance Equation C ARCH(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Inverted AR Roots Inverted MA Roots
0.001834 0.293502 0.011604 -0.011744 0.052210 0.346187 208.7325 .06 .03
0.000257 0.143041
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
0.005025 0.051906 -3.125686 -3.037894 1.690693
-.03
LM TEST ARCH(1) ARCH Test: F-statistic Obs*R-squared
0.044986 0.045673
Probability Probability
0.832367 0.830772
Test Equation: Dependent Variable: STD_RESID^2 Method: Least Squares Date: 05/17/09 Time: 18:12 Sample(adjusted): 3 132 Included observations: 130 after adjusting endpoints Variable
Coefficient Std. Error
t-Statistic
Prob.
C STD_RESID^2(-1)
1.023364 0.165182 -0.018736 0.088334
6.195370 -0.212099
0.0000 0.8324
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.000351 -0.007458 1.592870 324.7662 -243.9741 2.000115
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1.004671 1.586963 3.784218 3.828333 0.044986 0.832367
119
Ljung Box Date: 05/17/09 Time: 18:13 Sample: 2 132 Included observations: 131 Q-statistic probabilities adjusted for 2 ARMA term(s) Autocorrelation
Partial Correlation
.|. .|* .|* .|. *|. *|. .|. *|. .|. *|. .|. *|. .|. .|* .|.
.|. .|* .|* .|. *|. *|. .|. *|. .|* *|. .|. *|. .|* .|* .|.
| | | | | | | | | | | | | | |
| | | | | | | | | | | | | | |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
AC
PAC
Q-Stat
Prob
0.045 0.071 0.109 -0.033 -0.072 -0.081 -0.041 -0.156 0.041 -0.165 -0.048 -0.063 0.037 0.088 0.010
0.045 0.069 0.103 -0.047 -0.085 -0.083 -0.016 -0.131 0.070 -0.163 -0.025 -0.082 0.068 0.075 -0.007
0.2768 0.9565 2.5713 2.7232 3.4379 4.3481 4.5807 8.0319 8.2745 12.187 12.519 13.092 13.293 14.445 14.460
0.109 0.256 0.329 0.361 0.469 0.236 0.309 0.143 0.186 0.219 0.275 0.273 0.342
GARCH (1,2) UNSP ARIMA Model: return Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11
SSE 2.29185 1.77901 1.58160 1.41235 1.22550 0.98180 0.66867 0.56148 0.56027 0.56026 0.56026 0.56026
Parameters 0.100 0.100 -0.050 0.114 -0.200 0.115 -0.350 0.111 -0.500 0.099 -0.650 0.079 -0.800 0.043 -0.925 -0.014 -0.942 -0.024 -0.946 -0.025 -0.946 -0.025 -0.946 -0.025
0.100 -0.012 -0.144 -0.277 -0.404 -0.517 -0.595 -0.656 -0.673 -0.677 -0.678 -0.678
0.091 0.090 0.095 0.099 0.100 0.089 0.052 0.009 0.003 0.003 0.003 0.003
Relative change in each estimate less than 0.0010
Final Estimates of Parameters Type AR 1 MA 1 MA 2 Constant Mean
Coef -0.6776 -0.9462 -0.0251 0.00279 0.001661
SE Coef 0.1222 0.1343 0.1089 0.01129 0.006732
T -5.54 -7.05 -0.23 0.25
P 0.000 0.000 0.818 0.806
120
Number of observations: 132 Residuals: SS = 0.559951 (backforecasts excluded) MS = 0.004375 DF = 128 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 8.8 19.1 24.1 27.8 DF 8 20 32 44 P-Value 0.357 0.518 0.840 0.973
GARCH(1,2) Dependent Variable: RETURN Method: ML - ARCH (Marquardt) Date: 05/19/09 Time: 09:34 Sample(adjusted): 2 804 Included observations: 803 after adjusting endpoints Convergence achieved after 36 iterations MA backcast: 0 1, Variance backcast: ON AR(1) MA(2)
Coefficient Std. Error
z-Statistic
Prob.
0.059028 0.004207
1.555974 0.121678
0.1197 0.9032
2.673548 8.853766 2.085708 6.811441
0.0075 0.0000 0.0370 0.0000
0.037936 0.034575
Variance Equation C ARCH(1) GARCH(1) GARCH(2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Inverted AR Roots
1.87E-05 0.145030 0.216561 0.648188 0.009059 0.002842 0.045593 1.656728 1475.438
6.98E-06 0.016381 0.103831 0.095162
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
0.000373 0.045658 -3.659871 -3.624839 1.901108
Probability Probability
0.916887 0.916758
.06
LM TEST GARCH (1,2) ARCH Test: F-statistic Obs*R-squared
0.010897 0.010924
Test Equation: Dependent Variable: STD_RESID^2 Method: Least Squares Date: 05/19/09 Time: 09:56 Sample(adjusted): 3 804 Included observations: 802 after adjusting endpoints Variable
Coefficient Std. Error
t-Statistic
Prob.
C STD_RESID^2(-1)
1.004724 0.101629 -0.003691 0.035356
9.886193 -0.104388
0.0000 0.9169
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.000014 -0.001236 2.697724 5822.173 -1932.899 1.999768
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1.001028 2.696058 4.825185 4.836873 0.010897 0.916887
121
Ljung Box Date: 05/19/09 Time: 09:57 Sample: 2 804 Included observations: 803 Q-statistic probabilities adjusted for 2 ARMA term(s) Autocorrelation
Partial Correlation
.|. .|. .|. .|. .|. .|. .|. .|. .|. .|. .|. .|. .|. .|* .|.
.|. .|. .|. .|. .|. .|. .|. .|. .|. .|. .|. .|. .|. .|* .|.
| | | | | | | | | | | | | | |
| | | | | | | | | | | | | | |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
AC
PAC
Q-Stat
Prob
-0.004 0.016 0.006 -0.003 -0.003 -0.028 0.033 -0.006 -0.024 -0.011 -0.008 -0.007 -0.037 0.073 0.034
-0.004 0.016 0.006 -0.003 -0.003 -0.028 0.033 -0.005 -0.025 -0.011 -0.007 -0.007 -0.035 0.072 0.034
0.0110 0.2127 0.2418 0.2491 0.2556 0.9027 1.7802 1.8129 2.2915 2.3864 2.4408 2.4755 3.6156 7.9744 8.9014
0.623 0.883 0.968 0.924 0.879 0.936 0.942 0.967 0.982 0.991 0.980 0.787 0.780
122
Lampiran 6. Hasil Peramalan Ragam ARCH(1) pada Saham Emiten AALI t
AALI
return
ε t-1
ε2 t-1
koef*ε2t-1
1
8700
*
*
*
*
2
9550
0.093218
*
*
*
3
9300
-0.02653
-0.03863
0.001493
0.000571752
4
8400
-0.10178
-0.09818
0.00964
0.003692675
5 : : : : :
7600 : : : : :
-0.10008 : : : : :
-0.08535 : : : : :
0.007285 : : : : :
0.002790555 : : : : :
129
15850
0.051792
0.049644
0.002464
0.000944068
130
15700
-0.00951
-0.0171
0.000292
0.000111996
131
15500
-0.01282
-0.01345
0.000181
6.93441E-05
132
15450
-0.00323
-0.00091
8.35E-07
3.1974E-07
133
15800
0.022401
0.02333
0.000544
0.000208503
ht 1.60E03 1.60E03 2.17E03 5.29E03 4.39E03 : : : : : 2.54E03 1.71E03 1.66E03 1.60E03 1.80E03 σ
ht^0.5 3.99E02 3.99E02 4.65E02 7.27E02 6.62E02 : : : : : 5.04E02 4.13E02 4.08E02 3.99E02 4.25E02 4.85E02
123
Lampiran 7. Hasil Peramalan Ragam ARCH(1) pada Saham Emiten LSIP t 1
LSIP
return
ε t-1
2325 *
2
2550
0.09237 3
3
2475
-0.02985
-0.03544
4
2350
-0.05183
-0.05002
5 : : : : :
2125 : : : : :
129
4950
-0.10064 : : : : : 0.10088 1
-0.09753 : : : : : 0.09982 8
130
4700
-0.05183
-0.05791
131
4575
132
4675
133
4925
-0.02696 0.02162 2 0.05209 5
-0.02375 0.02321 3 0.05077 1
t-1
koef*ε2t -1
0
0
0 0.00125 6 0.00250 2 0.00951 3 : : : : : 0.00996 6 0.00335 4 0.00056 4 0.00053 9 0.00257 8
0
2
ε
ht 1.83E03 1.83E03 2.20E03 2.57E03 4.63E03 : : : : : 4.76E03 2.82E03 2.00E03 1.99E03 2.59E03
0.000369 0.000734 0.002792 : : : : : 0.002925 0.000984 0.000166 0.000158 0.000757 σ
ht^0.5 4.28E02 4.28E02 4.69E02 5.07E02 6.80E02 : : : : : 6.90E02 5.31E02 4.47E02 4.46E02 5.09E02 4.99E02
124
Lampiran 8. Hasil Peramalan Ragam GARCH(1,2) pada Saham Emiten UNSP t
UNSP
return
1
460 *
2
460
ε t-1
0
3
460
0
4
460
0
0.00103 4 0.00088 3
5 : : : : :
415 : : : : :
129
540
-0.10295 : : : : : 0.18232 2
-0.10273 : : : : : 0.16647 1
130
510
-0.05716
131
490
132
530
-0.04001 0.07847 2
133
560
0.05506
-0.10563 0.01042 4 0.06684 9 0.03629 8
ε2 t-1
koef*ε2t-1
0
0
0
0
1.07E-06
1.55169E-07
7.8E-07 0.01055 3 : : : : : 0.02771 3 0.01115 8 0.00010 9 0.00446 9 0.00131 8
1.1319E-07 0.00153055 3 : : : : : 0.00401915 4 0.00161819 1 1.57594E-05 0.00064811 8 0.00019108 6
koef2 0.21656 1 0.21656 1 0.21656 1 0.21656 1 0.21656 1 : : : : : 0.21656 1 0.21656 1 0.21656 1 0.21656 1 0.21656 1
koef2*ht koef3*ht -1 koef3 -2 ht ht^0.5 0.64818 4.60E+0 2.14E+0 8 0 0 2 1 0.64818 5.60E+0 2.37E+0 8 9.96E+01 0 2 1 0.64818 8.79E+0 2.97E+0 8 2.98E+02 1.21E+02 2 1 0.64818 1.01E+0 3.18E+0 8 3.63E+02 1.90E+02 3 1 0.64818 1.20E+0 3.47E+0 8 5.70E+02 2.19E+02 3 1 : : : : : : : : : : : : : : : : : : : : : : : : : 0.64818 8 4.08E-03 8.93E-03 9.45E-02 8.08E-04 0.64818 8 2.42E-03 5.99E-03 7.74E-02 1.93E-03 0.64818 8 5.79E-03 7.12E-03 8.44E-02 1.30E-03 0.64818 8 3.88E-03 6.09E-03 7.80E-02 1.54E-03 0.64818 8 4.61E-03 6.14E-03 7.84E-02 1.32E-03 σ 6.30E-02
126
