ANALISIS VOLATILITAS RETURN, VOLATILITAS HARGA DAN VOLUME PERDAGANGAN PADA SEKTOR PERTAMBANGAN DAN TELEKOMUNIKASI Oleh : Puji Yati
ABSTRAK Penulisan Ilmiah ini dilakukan untuk mengetahui aktivitas perdagangan pada sektor pertambangan dan telekomunikasi di Bursa Efek Jakarta pada periode 21 Juli 2001 sampai dengan 31 Desember 2003. Manajemen data dilakukan dengan menggunakan SAS yang kemudian dipartisi kedalam 30 menit, hasil tersebut dianalisis dengan independent t-test menggunakan SPSS untuk mengetahui apakah terdapat perbedaan pada kedua sektor tersebut dengan 5 pengukuran yang dilakukan yaitu volatilitas return 1 dan 2, volatilitas harga, frekuensi perdagangan dan volume perdagangan. Hasil penelitian menunjukkan bahwa tidak terdapat perbedaan rata-rata aktivitas perdagangan antara sektor pertambangan dan sektor telekomunikasi baik dengan pengujian secara statistik maupun dari pola yang terbentuk untuk masing-masing sektor. Kata kunci: Volatilitas Return, Volatilitas Harga, Volume Perdagangan, Sektor Pertambangan, Telekomunikasi.
mikrostruktur pasar semakin berkembang. Salah satu pengujian empiris dengan menggunakan data intrahari adalah dengan mengidentifikasi variasi pola dari aktivitas perdagangan di pasar modal. Mendokumentasikan perilaku aktivitas perdagangan intrahari sangatlah penting untuk mempelajari aliran informasi yang masuk ke pasar (Aitken et al., 1995). Lebih lanjut dijelaskan bahwa di pasar modal akan mendapatkan pendekatan yang lebih rinci dengan penggunaan waktu dalam menit atau detik. Aktivitas perdagangan yang tinggi dari data intrahari dapat menghasilkan observasi yang lebih baik mengenai perilaku investor dibanding
PENDAHULUAN Sebelum berinvestasi di saham (atau sarana investasi lainnya) investor harus menginvestasikan waktunya terlebih dahulu untuk memahami seluk beluk dunia pasar modal. Mempelajari pola dari aksi pasar dimasa lalu untuk memprediksi trend pasar dimasa depan dengan mempertimbangkan harga instrumen, volume perdagangan dan return atas instrumen tersebut. Dinamika intrahari dipengaruhi oleh mikrostruktur pasar yang meliputi antara lain mekanisme transaksi pengelolaan order, waktu perdagangan dan proses diseminasi informasi (Ekaputra, 2003). Dengan tersedianya data intrahari, penelitian di bidang
1
2003. Oleh karena itu, penelitian ini dilakukan pada kedua sektor industri tersebut untuk melihat rata-rata aktivitas perdagangan yang terjadi. Manajemen data dilakukan dengan SAS dan dianalisis dengan menggunakan SPSS. Masalah yang diteliti selanjutnya dapat dirumuskan dalam bentuk pertanyaan sebagai berikut: 1. Bagaimana pola aktivitas perdagangan intrahari pada sektor pertambangan dan sektor telekomunikasi dalam saham LQ45 pada tahun 2001-2003? 2. Apakah sektor pertambangan dan sektor telekomunikasi dalam saham LQ45 pada tahun 20012003 mempunyai rata-rata volatilitas return, volatilitas harga, dan volume perdagangan intrahari yang sama?
data harian, mingguan atau bulanan. Data intrahari mampu memberikan observasi mengenai perilaku investor pada setiap transaksi yang mereka lakukan, dan hal ini lebih baik dibanding observasi perilaku investor di setiap akhir hari atau akhir minggu. Beberapa studi empiris menunjukkan bahwa aktivitas perdagangan terkonsentrasi pada perioda waktu tertentu. Beberapa pasar modal internasional menunjukkan aktivitas perdagangan yang tinggi di awal atau di akhir perdagangan, aktivitas perdagangan membentuk pola U-shape, dan aktivitas perdagangan membentuk pola W-shape. Pola transaksi intrahari disebabkan karena adanya interaksi antara informed investor (investor berinformasi) dan uninformed investor (investor tidak berinformasi) yang mempunyai kemampuan untuk melakukan transaksi kapanpun mereka inginkan. Pada waktu informed investor dan uninformed investor mempengaruhi transaksi bersamaan akan mempengaruhi volume transaksi. Hal ini disebabkan adanya uninformed investor yang melakukan transaksi pada waktu yang sama karena biaya transaksi lebih rendah disebabkan meningkatnya aktivitas informed investor dalam melakukan transaksi (Admati dan Pfleidefer dalam Oktavianingsih, 2007). Sektor pertambangan dan telekomunikasi merupakan sektor industri yang sama-sama bergerak dibidang infrastruktur. Dalam penelitian ini saham-saham yang diambil dari kedua sektor tersebut adalah sahamsaham yang aktif diperdagangkan di Bursa Efek Jakarta selama tahun 2001-
METODE PENELITIAN Objek penelitian adalah saham LQ45 yang memiliki frekuensi perdagangan yang cukup tinggi dan nilai kapitalisasi yang cukup besar. Pemilihan saham diambil berdasarkan kriteria sebagai berikut: merupakan saham berkapitalisasi besar, merupakan saham yang aktif diperdagangkan dan secara konsisten masuk dalam LQ45 selama perioda pengamatan, dan selama periode pengamatan tidak melakukan pemecahan saham, pembagian dividen, maupun penerbitan saham baru (right issue). Penelitian ini menggunakan data sekunder yaitu data transaksi jual/beli intrahari di pasar reguler Bursa Efek Jakarta. Data transaksi berisi mengenai
2
pada sesi (s) dan harga penutupan pada sesi (s-1). Dengan asumsi bahwa return saham rata-rata = 0 dalam perioda interval perdagangan yang relatif pendek, dan selama σst2 = E(Rst2) – [E(Rst)]2 = E(Rst2) dengan E(Rst) diasumsikan sama dengan nol, maka volatilitas return dihitung berdasarkan kuadrat dari Rst. Untuk itu variansi return (return variance) sebagai proksi dari volatilitas return (RVst) untuk sesi s pada hari ke-t untuk masing-masing saham dapat dihitung dengan:
nomor perdagangan, waktu transaksi, kode saham, jenis pasar perdagangan, harga perdagangan, jumlah saham yang diperdagangkan, volume perdagangan, nilai perdagangan, identitas broker, tipe investor (asing, domestik, dan lainnya), beli atau jual, dan nomor pesanan. Pengukuran Aktivitas Perdagangan Aktivitas perdagangan yang diukur dalam penelitian ini adalah: volatilitas return, volatilitas harga, volume dan frekuensi perdagangan. Pengukuran aktivitas perdagangan diambil dari data transaksi intrahari di pasar reguler Bursa Efek Indonesia sebanyak kurang lebih 5 juta transaksi yang dipartisi ke dalam interval waktu 30 menit.
RVst = [ln(Pst) – ln(Ps-1,t)]2
Kemudian, RVst dihitung secara cross-sectional terhadap seluruh saham yang terseleksi untuk memperoleh ratarata ( RVst ) untuk menunjukkan volatilitas return dari masing-masing sektor industri.
a. Pengukuran Volatilitas Return Menurut Mucklow (1994) jika menggunakan data intrahari, maka menghitung return yang sesuai adalah dengan menggunakan return logaritma dengan rumus: Rst = ln (Pst /P(s-1)t)
(2)
b. Pengukuran Volatilitas Harga Volatilitas harga saham diukur untuk memperjelas variasi harga transaksi antar sesi perdagangan. Pertama diukur terlebih dahulu koefisien variasi harga dari masingmasing saham (coefficient of variation of price), sebagai berikut:
(1)
Keterangan: : return untuk setiap saham pada Rst sesi ke-s pada hari ke-t. Pst : harga untuk setiap saham pada sesi ke-s pada hari ke-t. P(s-1)t : harga untuk setiap saham pada sesi ke- (s-1) pada hari ke-t
CVPst =
σ ( Pst )
E ( Pst ) Keterangan:
(3)
σ(Pst): deviasi standar dari harga saham pada sesi ke-s pada hari ke-t. E(Pst): nilai harapan (expected value), yaitu rata-rata yang dihitung dari seluruh sesi dan selama perioda pengamatan.
Untuk sesi pembukaan di perdagangan pagi hari dan di siang hari, digunakan harga pembukaan dan harga penutupan di dalam interval. Untuk sesi yang lain, digunakan harga penutupan
3
(AdjFREQst) untuk setiap saham sebagai berikut: TRDst (5) AdjTRDst = E (TRDst ) dan FREQst (6) AdjFREQst = E ( FREQst ) Sama dengan pengukuran volatilitas harga saham, dihitung ratarata cross-sectional dari AdjTRDst ( AdjTRDst ) dan dari AdjFREQst
Pengukuran CVPst sudah mampu menjelaskan informasi tentang seluruh harga transaksi untuk masing-masing sesi perdagangan. Setelah itu dihitung adjusted CVPst (AdjCVPst) sebagai berikut: CVPst (4) AdjCVPst = E (CVPst ) Keterangan: E(CVPst): nilai harapan yang diproksi dari rata-rata dari masingmasing saham untuk seluruh sesi s dari seluruh hari perdagangan.
( AdjFREQst ) dari saham-saham yang terseleksi. Pengujian hipotesis dengan uji t dua sampel independen menggunakan SPSS dengan melakukan uji hipotesis levene’s test untuk mengetahui apakah asumsi kedua variance sama besar terpenuhi dengan hipotesis Ho: σ1²=σ2² terhadap Ha: σ1²≠σ2². Dasar pengambilan keputusan yaitu dengan membandingkan nilai P dengan nilai α pada taraf nyata 95% dan α = 0,05. Daerah penolakan dan daerah penerimaan diputuskan sebagai berikut:
Tahap terakhir dilakukan agregasi terhadap seluruh saham yang terseleksi dan mendapatkan rata-rata crosssectional dari nilai AdjCVPst sebagai ( AdjCVPst ). c. Pengukuran Volume Perdagangan Pertama, hitung total jumlah saham yang diperdagangkan (TRDst) dan jumlah perdagangan (FREQst) untuk setiap saham selama sesi s pada hari ke-t selama perioda pengamatan. Kemudian dihitung adjusted TRDst (AdjTRDst) dan adjusted FREQst
a. Ho ditolak dan Ha diterima, jika P < α b. Ho diterima dan Ha ditolak, jika P > α
dan Gambar 2 untuk industri telekomunikasi. Pola aktivitas perdagangan untuk sektor pertambangan dapat dilihat pada Gambar 4.1.
HASIL DAN PEMBAHASAN Dengan menggunakan SPSS diperoleh beberapa pola aktivitas perdagangan intrahari dengan interval waktu 30 menit yang tampak pada Gambar 1 untuk industri pertambangan
4
a)
b) .0008
.010
.008
.0006
.006
.0004
Mean RETVAR2
Mean RETVAR1
.004
.002
0.000 Missing
1
2
3
4
5
6
7
8
9
.0002
0.0000 Missing
10
1
2
3
4
5
6
7
8
9
10
9
10
INTERVAL
INTERVAL
d) 1.6
1.6
1.4
1.4
1.2
1.2
1.0
1.0
.8
.8
Mean ADJFREQ
Mean ADJPRICE
c)
.6
.4 Missing
1
2
3
4
5
6
7
8
9
10
.6
.4 Missing
INTERVAL
1
2
3
4
5
6
7
8
INTERVAL
e) 1.6
1.4
1.2
1.0
Mean ADJTRD
.8
.6
.4 Missing
1
2
3
4
5
6
7
8
9
10
INTERVAL
Gambar 1 Pola Aktivitas Perdagangan Intrahari untuk industri pertambangan dengan interval waktu 30 menit: a) volatilitas return1; b) volatilitas return 2; c) Adjfprice; d) AdjFREQ; e) AdjTRD
Pada sektor pertambangan kenaikan volatilitas return 1 (close to close) yang paling tinggi untuk ketiga jenis saham terjadi pada interval ke-3 (pukul 10.30-11.00) dan cenderung tidak ada fluktuasi yang berarti untuk interval selanjutnya atau membentuk pola L shape, hal ini diduga karena adanya keterlambatan investor dalam menyerap informasi yang disampaikan melalui pengumuman sehingga
peningkatan yang tajam terjadi pada interval ke tiga. Hasil ini ditemukan juga pada penelitan Wood, McInish, dan Ord (1985) yang menemukan polaL pada volatilitas return. Volatilitas return 2 (close to open) tinggi pada interval 1 (09.30-10.00) dan interval 10 (15.30-16.00) dan meningkat tajam pada interval ke-6 (pukul 13.30-14.00) atau membentuk pola W-shape, hal ini diduga karena adanya akumulasi
5
informasi yang tidak merata. Hasil penelitian ini juga ditemukan oleh Ekaputra yang menemukan pola-W pada volatilitas return. Sementara itu volatilitas harga dan volume perdagangan serta frekuensi perdagangan pada sektor pertambangan a)
membentuk pola garis lurus atau menunjukkan tidak ada fluktuasi yang berarti. Pola aktivitas perdagangan untuk sektor telekomunikasi dapat dilihat dibawah ini:
b) .003
.002
.002
Mean RETVAR2
Mean RETVAR1
.001
.001
0.000 Missing
1
2
3
4
5
6
7
8
9
0.000
10
Missing
INTERVAL
1
2
3
4
5
6
7
8
9
10
INTERVAL
c)
d) 1.02 1.6
1.4
1.01
1.2
Mean ADJFREQ
Mean ADJPRICE
1.0
.8
.6
.4 Missing
1
2
3
4
5
6
7
8
9
1.00
.99 1
10
2
3
4
5
6
7
8
9
10
INTERVAL
INTERVAL
e) 1.6
1.4
1.2
1.0
Mean ADJTRD
.8
.6
.4 Missing
1
2
3
4
5
6
7
8
9
10
INTERVAL
Gambar 2 Pola Aktivitas Perdagangan Intrahari untuk industri telekomunikasi dengan interval waktu 30 menit: a) volatilitas return1; b) volatilitas return 2; c) Adjfprice; d) AdjFREQ; e) AdjTRD
6
membentuk pola W shape, hal ini diduga karena informasi yang tidak merata dibursa. Frekuensi perdagangan untuk setiap saham menunjukkan peningkatan yang paling tinggi terjadi pada interval ke-3 (pukul 10.30-11.00) atau membentuk pola U shape terbalik. Volatilitas harga dan volume perdagangan pada sektor pertambangan menunjukkan tidak ada fluktuasi yang berarti atau membentuk pola garis lurus.
Pada sektor telekomunikasi kenaikan volatilitas return 1 (close to close) yang paling tinggi untuk seluruh saham terjadi pada interval ke-1 (pukul 09.30-10.00) dan interval selanjutnya tidak ada fluktuasi yang berarti sehingga cenderung membentuk pola Lshape, hal ini diduga karena adanya akumulasi informasi selama penutupan pasar. Volatilitas return 2 (close to open) meningkat pada interval ke-6 (pukul 13.30-14.00) cenderung
Tabel 1 Independent samples test volatilitas return close-to-close sektor telekomunikasi dan pertambangan Levene's Test for Equality of Variances
F
Retvar1
Equal variances assumed Equal variances not assumed
14.158
Sig.
.000
t-test for Equality of Means
t
df
Sig. (2tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower
Upper
-2.267
6326
.023
-.001045838
.000461257
-.001950058
-.000141617
-2.017
2840.357
.044
-.001045838
.000518398
-.002062312
-.000029364
Hasil levene’s test pada Tabel 4.5 menunjukkan nilai F hitung untuk volatilitas return close to close sebesar 14,158 dengan probabilitas 0 sehingga Ho: σ1²=σ2² ditolak karena probabilitas < 0,05. Hal ini menunjukkan bahwa varian volatilitas return close to close untuk sektor pertambangan dan telekomunikasi berbeda. Dengan kata lain asumsi kedua variance sama besar (equal variances assumed) tidak terpenuhi. Sehingga
yang digunakan adalah asumsi kedua variance tidak sama besar (equal variance not assumed). Dengan demikian hasil yang digunakan adalah hasil uji t dua sampel independen dengan asumsi kedua variance tidak sama untuk hipotesis Ho: µ1 = µ2 terhadap Ha: µ1 ≠ µ2 yang memberikan nilai t hitung sebesar -2,017 dengan derajat kebebasan 2840 dan probabilitas 0,044, karena probabilitas < 0,05 maka Ho: µ1 = µ2 ditolak. Dengan demikian
dapat disimpulkan bahwa rata-rata volatilitas return close to close antara .
sektor pertambangan telekomunikasi
dan berbeda
Tabel 2 Independent samples test volatilitas return close-to-open sektor telekomunikasi dan pertambangan Levene's Test for Equality of Variances F
retvar2
Equal variances assumed Equal variances not assumed
t-test for Equality of Means
Sig.
.710
.400
t
Sig. (2tailed)
df
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower
Upper
.359
6326
.720
.000058412
.000162773
-.000260679
.000377503
.399
4095.005
.690
.000058412
.000146482
-.000228772
.000345595
kedua variance sama (equal variances assumed) untuk hipotesis Ho: µ1 = µ2 terhadap Ha: µ1 ≠ µ2 yang memberikan nilai t hitung sebesar 0,359 dengan derajat kebebasan 6326 dan probabilitas 0,720, karena probabilitas > 0,05 maka Ho: µ1 = µ2 diterima. Dengan demikian dapat disimpulkan bahwa rata-rata volatilitas return close to open antara sektor telekomunikasi dan sektor pertambangan sama.
Dari hasil levene’s test pada Tabel 4.7 didapat F hitung untuk volatilitas return close to open adalah 0,710 dengan probabilitas 0,400 karena probabilitas > 0,05 maka Ho diterima atau variance volatilitas return close to open untuk sektor pertambangan dan telekomunikasi sama. Dengan kata lain asumsi kedua variance sama besar (equal variance assumed) terpenuhi. Dengan demikian digunakan hasil uji t dua sampel independen dengan asumsi
Tabel 3 Independent samples test volatilitas harga perdagangan sektor telekomunikasi dan pertambangan Levene's Test for Equality of Variances F
Adjprice
Equal variances assumed Equal variances not assumed
41.130
Sig.
.000
t-test for Equality of Means t
df
Sig. (2tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower
Upper
.015
6323
.988
.000884427
.059047081
-.114867883
.116636736
.015
6131.300
.988
.000884427
.058600126
-.113992388
.115761241
8
demikian hasil yang digunakan adalah hasil uji t dua sampel independen dengan asumsi kedua variance tidak sama untuk hipotesis Ho: µ1 = µ2 terhadap Ha: µ1 ≠ µ2 yang memberikan nilai t hitung sebesar 0,015 dengan derajat kebebasan 6131 dan probabilitas 0,988, karena probabilitas > 0,05 maka Ho: µ1 = µ2 diterima. Dengan demikian dapat disimpulkan bahwa rata-rata volatilitas harga antara sektor pertambangan dan telekomunikasi sama.
Hasil levene’s test pada Tabel 4.9 menunjukkan nilai F hitung untuk volatilitas harga sebesar 41,130 dengan probabilitas 0 sehingga Ho: σ1²=σ2² ditolak karena probabilitas < 0,05. Hal ini menunjukkan bahwa variance volatilitas harga untuk sektor pertambangan dan telekomunikasi berbeda. Dengan kata lain asumsi kedua variance sama besar (equal variances assumed) tidak terpenuhi. Sehingga yang digunakan adalah asumsi kedua variance tidak sama besar (equal variance not assumed). Dengan
Tabel 4 Independent samples test frekuensi perdagangan sektor telekomunikasi dan pertambangan Levene's Test for Equality of Variances
F
Adjfeq
Equal variances assumed Equal variances not assumed
13.649
Sig.
.000
t-test for Equality of Means
t
df
Sig. (2tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower
Upper
.118
6323
.906
.004779911
.040532129
-.074676812
.084236633
.115
5219.369
.909
.004779911
.041645406
-.076862518
.086422340
Hasil levene’s test pada Tabel 4.11 menunjukkan nilai F hitung untuk volatilitas harga sebesar 13,649 dengan probabilitas 0 sehingga Ho: σ1²=σ2² ditolak karena probabilitas < 0,05. Hal ini menunjukkan bahwa variance frekuensi perdagangan untuk sektor pertambangan dan telekomunikasi berbeda. Dengan kata lain asumsi kedua variance sama besar (equal variances assumed) tidak terpenuhi, sehingga
yang digunakan adalah asumsi kedua variance tidak sama besar (equal variance not assumed). Dengan demikian hasil yang digunakan adalah hasil uji t dua sampel independen dengan asumsi kedua variance tidak sama untuk hipotesis Ho: µ1 = µ2 terhadap Ha: µ1 ≠ µ2 yang memberikan nilai t hitung sebesar 0,115 dengan derajat kebebasan 5219 dan probabilitas 0,909, karena probabilitas > 0,05 maka Ho: µ1 = µ2 diterima. Dengan demikian dapat disimpulkan bahwa rata-rata
frekuensi perdagangan antara sektor pertambangan dan telekomunikasi sama. Tabel 5 Independent samples test volume perdagangan sektor telekomunikasi dan pertambangan Levene's Test for Equality of Variances F
adjtrd
Equal variances assumed Equal variances not assumed
6.448
Sig.
.011
t-test for Equality of Means t
df
Sig. (2tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower
Upper
.000
6323
1.000
-.000000038
.062823901
-.123156197
.123156121
.000
6302.731
1.000
-.000000038
.061479928
-.120521627
.120521552
= µ2 diterima. Dengan demikian dapat disimpulkan bahwa rata-rata volume perdagangan antara sektor pertambangan dan telekomunikasi sama. Dari seluruh pengujian hipotesis yang telah dilakukan pada sektor pertambangan dan telekomunikasi ternyata 4 dari 5 pengukuran aktivitas perdagangan menunjukkan rata-rata aktivitas perdagangan yang sama. Dengan kata lain tidak terdapat perbedaan aktivitas perdagangan pada kedua sektor tersebut, walaupun volatilitas return dengan metode close to close menunjukkan perbedaan yang signifikan pada rata-rata aktivitas perdagangan dikedua sektor tersebut, dalam teori trading halt hypothesis dikatakan bahwa perbedaan aktivitas perdagangan banyak disebabkan oleh adanya perdagangan yang terhenti atau adanya perioda non-trading. Namun perbedaan tersebut belum bisa untuk
Hasil levene’s test pada Tabel 4.13 menunjukkan nilai F hitung untuk volume perdagangan sebesar 6,448 dengan probabilitas 0,011 sehingga Ho: σ1²=σ2² ditolak karena probabilitas < 0,05. Hal ini menunjukkan bahwa variance volume perdagangan untuk sektor pertambangan dan telekomunikasi berbeda. Dengan kata lain asumsi kedua variance sama besar (equal variances assumed) tidak terpenuhi, sehingga yang digunakan adalah asumsi kedua variance tidak sama besar (equal variance not assumed). Dengan demikian hasil yang digunakan adalah hasil uji t dua sampel independen dengan asumsi kedua variance tidak sama untuk hipotesis Ho: µ1 = µ2 terhadap Ha: µ1 ≠ µ2 yang memberikan nilai t hitung 0 dengan derajat kebebasan 6303 dan probabilitas 1, karena probabilitas > 0,05 maka Ho: µ1
10
perbedaan mekanisme perdagangan di awal perdagangan dengan sepanjang hari perdagangan ataupun di akhir perdagangan. Sementara itu tingginya perdagangan pada akhir hari ditimbulkan karena pemain profesional mengutak-atik posisi dan strateginya sebagai persiapan untuk hari selanjutnya. Dengan demikian maka dapat dikatakan bahwa pola perdagangan yang terbentuk pada sektor pertambangan dan sektor telekomunikasi pada setiap pengukuran aktivitas perdagangan yang dilakukan membentuk pola yang berbeda-beda. Hal ini berbeda dengan penelitian yang dilakukan oleh Kholisoh (2006) yang menemukan adanya pola W di tiga aktivitas perdagangan, volatilitas harga, volume dan frekuensi perdagangan. Namun beberapa pola yang terbentuk sesuai dengan teori yang menyebutkan adanya aktivitas perdagangan rata-rata yang tinggi di awal dan di akhir perdagangan. Hasil penelitian ini menunjukkan bahwa terdapat kesesuaian antara hasil pengujian signifikansi perbedaan ratarata aktivitas perdagangan menggunakan independent sample t-test dengan pola perdagangan yang terbentuk yaitu tidak ada perbedaan aktivitas perdagangan yang terjadi pada sektor pertambangan dan sektor telekomunikasi. Adanya perbedaan dengan penelitian sebelumnya bisa disebabkan oleh adanya kemungkinan penggunaan sampel yang sedikit dengan menggunakan 2 sektor industri, selain itu data yang digunakan merupakan data pada tahun 2001-2003 karena untuk
menyimpulkan bahwa aktivitas perdagangan pada kedua sektor tersebut berbeda. Hal tersebut dapat disebabkan karena kedua sektor tersebut merupakan sektor industri yang sama-sama bergerak di bidang infrastruktur dan merupakan sektor yang berkembang cukup pesat selama tahun 2001-2003 setelah Indonesia mengalami krisis moneter tahun 1997. Secara umum pola perdagangan secara grafik menunjukkan bahwa sektor pertambangan dan telekomunikasi memiliki persamaan baik pada volatilitas return dengan metode close to close maupun close to open dan volatilitas harga serta volume perdagangan yaitu membentuk pola L shape, pola W shape dan pola garis lurus. Dengan demikian dapat dikatakan bahwa tidak ada perbedaan pola aktivitas perdagangan pada kedua sektor tersebut, walaupun pada frekuensi perdagangan terdapat perbedaan pada sektor pertambangan membentuk pola garis lurus sementara sektor telekomunikasi membentuk pola U shape terbalik. Hasil tersebut menunjukkan bahwa rata-rata aktivitas perdagangan tinggi pada interval-interval awal, hal ini sesuai dengan penelitian Chang et al. (1995) di Bursa Efek Jakarta dengan menggunakan data harian menunjukkan bahwa volatilitas pada sesi pembukaan lebih besar dari sesi penutupan bukan disebabkan adanya perbedaan mekanisme perdagangan, melainkan adanya periode non-trading yang terjadi sepanjang malam. Berbeda dengan teori trading mechanism hypothesis yang menjelaskan bahwa adanya perbedaan aktivitas perdagangan disebabkan oleh
11
memperoleh data yang terbaru dibutuhkan biaya yang cukup besar. Penelitian selanjutnya sebaiknya menggunakan sampel yang lebih besar dan data yang terbaru sehingga dapat lebih mewakili kondisi pasar modal yang akan terjadi dimasa mendatang. Pengukuran aktivitas yang dilakukan tidak terbatas pada data transaksi tetapi pada data pesanan (order) sehingga
dapat menjelaskan secara lebih rinci mengenai reaksi yang terjadi di pasar. Data transaksi yang digunakan dipartisi kedalam interval waktu yang lebih kecil, 15 menit, 5 menit atau bahkan dalam satuan detik karena perubahan yang tejadi dipasar modal terjadi begitu cepat.
PENUTUP Simpulan 1. Pola aktivitas perdagangan menunjukkan bahwa sektor pertambangan dan telekomunikasi memiliki persamaan baik pada volatilitas return dengan metode close to close maupun close to open dan volatilitas harga serta volume perdagangan yaitu membentuk pola L shape, pola W shape dan pola garis lurus. Dengan kata lain tidak ada perbedaan pola aktivitas perdagangan pada kedua sektor tersebut, walaupun pada frekuensi perdagangan terdapat perbedaan yaitu pada sektor pertambangan membentuk pola garis lurus sementara sektor telekomunikasi membentuk pola U shape terbalik. Dengan demikian maka dapat dikatakan bahwa pola perdagangan yang terbentuk pada sektor pertambangan dan sektor telekomunikasi pada setiap pengukuran aktivitas perdagangan yang dilakukan membentuk pola yang berbeda-beda. Namun beberapa pola yang terbentuk sesuai dengan teori yang menyebutkan adanya aktivitas perdagangan rata-
rata yang tinggi di awal dan di akhir perdagangan. 2. Dari seluruh pengujian hipotesis yang telah dilakukan pada sektor pertambangan dan telekomunikasi ternyata 4 dari 5 pengukuran aktivitas perdagangan intrahari menunjukkan rata-rata aktivitas perdagangan yang sama atau tidak terdapat perbedaan aktivitas perdagangan pada kedua sektor tersebut, tidak adanya perbedaaan dapat disebabkan karena kedua sektor tersebut merupakan sektor yang bergerak dibidang infrastruktur. Volatilitas return dengan metode close to close menunjukkan perbedaan yang signifikan pada rata-rata aktivitas perdagangan dikedua sektor tersebut, adanya perbedaan aktivitas perdagangan disebabkan oleh perbedaan mekanisme perdagangan di awal perdagangan dengan sepanjang hari perdagangan ataupun di akhir perdagangan (teori trading mechanism hypothesis) dan dapat pula disebabkan oleh adanya perdagangan yang terhenti atau adanya perioda non-trading (teori trading halt hypothesis). Walaupun
12
terdapat pengukurang yang menynjukkan adanya perbedaan namun belum bisa untuk menyimpulkan bahwa aktivitas perdagangan pada kedua sektor tersebut berbeda.
saham yang diperdagangkan tetap. Hal ini dapat memberikan dampak yang positif maupun negatif bagi investor. 2. Penelitian selanjutnya sebaiknya menggunakan data yang terbaru dengan sampel yang lebih banyak. 3. Pengukuran aktivitas yang dilakukan tidak terbatas pada data transaksi tetapi pada data pesanan (order). 4. Data transaksi yang digunakan dipartisi kedalam interval waktu yang lebih kecil, 15 menit, 5 menit atau bahkan dalam satuan detik.
Saran 1. Para investor yang ingin menginvestasikan dana harus dapat mencerna informasi dengan lebih baik karena adanya efek dari pengumuman informasi yang meningkatkan frekuensi perdagangan dengan jumlah total
Chang, R.P., S.T. Hsu, N.K. Huang, dan S.Ghon Rhee, 1999. The effect of trading methods on volatility and liquidity: evidence from the Taiwan Stock Exchange. Journal of Business Finance and Accounting. Choe, H. dan H. Shin, 1993. An analysis of interday and intraday return volatility: evidence from the Korea Stock Exchange. Pacific-Basin Finance Journal, 1, 175-188. Commerton-Forde, Carole, 1999. Do trading rules impact on market efficiency? A comparison of opening procedures on the Australian and Jakarta Stock Pacific-Basin Sexchange. Finance Journal, 7, 495-521. Ekaputra, Irwan Adi, 2003. Studi tentang dinamika intrahari di Bursa efek Jakarta. Universitas Indonesia, Thesis. Foster, F.D. dan Viswanathan, S, 1993. Variation in trading volume, return volatility and trading cost:
DAFTAR PUSTAKA Adiningsih, Sri, 2007. Persaingan Pada Industri Telepon Selular di Indonesia, Kedai Berita.. Aitken et al., 1995. An intraday analysis of the probability of trading on the ASX at the asking price. Australian Journal of Management, 115-. Ahmad, Kamarudin, 2004. Dasar-dasar Manajemen Investasi dan Portofolio, Jakarta: PT. Rineka Cipta. Amihud , Y. dan Mendelson, 1987. Trading mechanism and stock returns: an empirical Journal of investigation. Finance, 42, 533-553. Chan, Yue-cheong, Andy C.W. Chui, dan Chuck C.Y. Kwok, 2001. The impact of salient political and economic news on the trading activity. Pacific-Basin Finance Journal 9, 195-217.
13
pada pasar modal Indonesia. Universitas Gadjah Mada, Thesis. Uyanto, Stanislaus S, 2006. Pedoman Analisis Data dengan SPSS, Yogyakarta: Graha Ilmu. Wood, R.A., T.H. McInish, dan J.K. Ord, 1985. An investigation of transaction data for NYSE Stocks. Journal of Finance, 40, 723-738. http://www.idx.co.id/MainMenu/Educat ion/MengenalPasarModal/tabid/ 137/lang/id-ID/language/idID/Default.aspx http://www.idx.co.id/MainMenu/Educat ion/MekanismePerdagangan/tabi d/194/lang/id-ID/language/idID/Default.aspx http://www.tmk.co.id/portal/business/fi nance/mengenal-pasar-modalsaham-obligasi-indeks-reksadana/ http://fxfisher.net/index.php?view=artic le&catid=35%3Aadvance&id=4 9%3Aelliot-a-tradingsistems&option=com_content&I temid=53&showall=1
evidence on recent price formation models. Journal of Finance, 48, 187-211. Hendarto, Kusumarsono, 2005. Belajar Trading “Pahami Trading Sebelum Anda Memulai”, Yogyakarta: Penerbit Andi. Kholisoh, Luluk, 2006. Aspek mikrostruktur pasar seputar pengumuman informasi spesifik perusahaan dan berita ekonomi di Bursa Efek Jakarta. Universitas Gadjah Mada, Disertasi. Listiyarini, Tri, 2008. Outlook Migas dan Pertambangan 2008, Migas Terangkat, Tambang Menggeliat, Investor daily. Nurlaty, Lala, 2006. Pengujian hubungan intraday trading volume dan return volatility pada saham LQ45 di Bursa Efek Jakarta, Skripsi. Nugroho, Purwanto A, 2004. Pengaruh informasi terhadap return saham, volatilitas return saham dan volume perdagangan pada Bursa Efek Jakarta. Universitas Indonesia, Skripsi Oktavianingsih, 2007. Pola intrahari return, volatilitas return dan volume transaksi saham dibursa efek Jakarta. Universitas Indonesia, Thesis. Sari, Widha, 2004. Hubungan antara volume perdagangan dan volatilitas harga intraday di Bursa Efek Jakarta, Universitas Gadjah Mada, Thesis. Setyawan, Surya, 2005. Penggunaan data intraday serta berita salient ekonomi dan politik dalam menguji kandungan informasi
14
