BAB 1 PENDAHULUAN
1.1 Latar Belakang
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel yang lain. Analisis regresi merupakan salah satu analisis yang paling populer dan luas pemakaiannya. Dalam penilaian ketepatan model regresi tidak cukup hanya didasarkan pada besarnya nilai R2 (koefisien determinasi), maupun koefisien regresi atau nilai-t dari koefisien regresi tersebut, diperlukan metode berupa pemeriksaan sisaan (residual) dengan lebih seksama. Dan metode yang paling sering digunakan dalam analisis regresi adalah Ordinary Least Square (OLS), namun metode tersebut dikenal sangat peka terhadap adanya pencilan. Pencilan merupakan data yang nilainya atau letaknya berbeda sangat jauh dari kumpulan data yang lainnya. Adanya pencilan dalam data dapat mengakibatkan estimasi koefisien regresi menjadi kurang tepat. Hal ini dapat ditunjukkan dengan nilai standard error yang besar apabila menggunakan metode OLS. Membuat analisis dengan membuang pencilan dari data bukanlah langkah yang tepat, sebab adakalanya pencilan memberikan informasi yang tidak bisa diberikan oleh titik data lainnya (Draper & Smith, 1998). Model yang digunakan dalam pemilihan investasi saham adalah Capital Asset Pricing Model (CAPM) dan Reward to Variability Ratio (RVAR). Pada model RVAR, saham-saham akan diurutkan berdasarkan tingkat risiko dan tingkat pengembaliannya. Dalam memilih suatu saham, para investor lebih sering menggunakan metode Capital Asset Pricing Model (CAPM) untuk menghitung risiko investasi dan hasil investasi yang diharapkan (Fabozzi, 1999). Dalam menilai risiko suatu saham, apakah saham tersebut layak dibeli atau dijual, investor menggunakan indikator risiko berupa nilai koefisien regresi β. Nilai
Universitas Sumatera Utara
2
koefisien β ini menggunakan analisis regresi dengan metode OLS, namun apabila suatu data pada saham tersebut terdapat pencilan, maka metode OLS tidak lagi tepat. Masalah adanya pencilan pada metode OLS dapat diatasi dengan menggunakan metode estimasi yang bersifat robust (kekar) terhadap pencilan yang dikenal dengan regresi robust. Dalam regresi robust terdapat beberapa metode estimasi, antara lain Estimasi-M, Estimasi-S, Estimasi-MM, Least Trimmed Square (LTS), dan Least Median Square (LMS) (Chen, 2002). Dalam penelitian Andriani (2008), regresi robust digunakan dalam estimasi model CAPM. Penelitian tersebut dilakukan dengan membandingkan hasil estimasi dan kestabilan koefisien β pada metode OLS dan estimasi-M. Data yang digunakan adalah data harian saham pada IHSG dan PT. Telekomunikasi Tbk (TLKM). Pada data tersebut terdapat pencilan yang dapat mempengaruhi hasil estimasi. Dengan membandingkan nilai standard error pada kedua metode, nilai standard error pada estimasi-M lebih baik daripada metode OLS. Dari penelitian Andriani tersebut, penulis tertarik untuk menerapkan estimasi-M pada metode CAPM dalam pemilihan investasi saham di Bursa Efek Indonesia. Saham-saham yang akan digunakan sebagai perhitungan adalah saham dari Indeks LQ45, di mana dalam indeks tersebut merupakan saham yang aktif. Data saham yang digunakan adalah data yang terdapat pencilan dan membandingkan hasil estimasi koefisien β pada metode OLS dan estimasi-M dilihat dari nilai standard error. Saham-saham tersebut adalah saham ADHI, ASII, CPIN, KLBF, LSIP, PWON, SMRA, dan TLKM, di mana saham-saham tersebut mengalami stock split (pemecahan nominal saham), sehingga data dalam saham terdapat pencilan. Berdasarkan uraian tersebut, penulis mengambil judul penelitian “Analisis Pemilihan Investasi Saham di Bursa Efek Indonesia dengan Penerapan Estimasi-M”.
Universitas Sumatera Utara
3
1.2 Perumusan Masalah
Adanya pencilan dalam data saham di Bursa Efek Indonesia mengakibatkan metode OLS yang lazim digunakan dalam analisis pemilihan investasi saham tidak lagi tepat, hal ini dapat diatasi dengan menggunakan metode regresi robust. Dalam penelitian ini penulis akan menggunakan estimasi-M dalam membuat kajian terhadap analisis pemilihan investasi saham di Bursa Efek Indonesia.
1.3 Batasan Masalah
Masalah yang diteliti dibatasi oleh perhitungan estimasi koefisien β dan nilai standard error minimum pada metode OLS dan estimasi-M. Sumber data yang digunakan adalah data harian saham pada IHSG dan Indeks Individual dari 4 Januari 2010 - 30 Desember 2014. Indeks Individual yang digunakan terdiri dari 8 perusahaan yaitu PT. Charoen Pokphan Indonesia Tbk (CPIN), PT. London Sumatera Plantation Tbk (LSIP), PT. Adhi Karya Tbk (ADHI), PT. Kalbe Farma Tbk (KLBF), PT. Astra International Tbk (ASII), PT. Pakuwon Jati Tbk (PWON), PT. Summarecon Agung Tbk (SMRA), dan PT. Telekomunikasi Indonesia Tbk (TLKM). Data yang digunakan adalah sebagai perhitungan dalam pertimbangan memilih saham dan tidak memperhatikan bagaimana fenomena dan pengaruh yang terjadi pada data yang digunakan.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah mengkaji bagaimana pemilihan investasi saham di Bursa Efek Indonesia dengan penerapan estimasi-M dengan mengestimasi nilai koefisien β pada metode OLS dan estimasi-M pada data yang mengandung pencilan maupun tidak.
Universitas Sumatera Utara
4
1.5 Manfaat Penelitian
Manfaat penelitian sebagai berikut: 1. Memberi informasi bahwa estimasi-M dapat diterapkan dalam pemilihan investasi saham, terutama pada data yang mengandung pencilan. 2. Sebagai bahan acuan dalam penelitian yang sejenis di masa mendatang.
1.6 Metodologi Penelitian
Metodologi penelitian yang digunakan dalam memecahkan permasalahan dalam tugas akhir ini adalah sebagai berikut:
1.
Studi literatur. Tahap ini dilakukan dengan mengidentifikasi permasalahan, mengkaji, dan menganalisis pemilihan investasi saham dengan metode OLS dan estimasi-M dalam model CAPM. Penelusuran referensi ini bersumber dari buku, jurnal, maupun penelitian yang telah ada sebelumnya mengenai hal-hal yang berhubungan dengan metode CAPM dan estimasi-M dalam pemilihan investasi saham.
2.
Pengumpulan data. Pada tahap ini dilakukan pengambilan data Indeks Harga Saham Gabungan (IHSG) dan Indeks Individual pada 8 perusahaan yaitu PT. Charoen Pokphan Indonesia Tbk (CPIN), PT. London Sumatera Plantation Tbk (LSIP), PT. Adhi Karya Tbk (ADHI), PT. Kalbe Farma Tbk (KLBF), PT. Astra International Tbk (ASII), PT. Pakuwon Jati Tbk (PWON), PT. Summarecon Agung Tbk (SMRA), dan PT. Telekomunikasi Indonesia Tbk (TLKM). Data yang digunakan diperoleh dari http://finance.yahoo.com yaitu data harian saham pada 4 Januari 2010 sampai dengan 30 Desember 2014. Data suku
Universitas Sumatera Utara
5
bunga SBI diperoleh dari website www.bi.go.id. Data suku bunga yang digunakan adalah periode Januari 2010-Desember 2014.
3.
Mengestimasi koefisien β dengan metode OLS dan estimasi-M. Pada tahap ini dilakukan estimasi koefisien β dengan metode OLS, kemudian mengestimasi koefisien β dengan estimasi-M menggunakan fungsi pembobot Huber dan Tukey Bisquare dengan beberapa iterasi sehingga hasilnya konvergen.
4.
Membandingkan hasil estimasi. Pada tahap ini dilakukan perhitungan nilai standard error pada metode OLS dan estimasi-M. Keakuratan perhitungan dilihat dari nilai standard error pada masing-masing metode, jika standard error lebih kecil berarti metode tersebut lebih akurat.
5.
Menerapkan estimasi-M pada metode CAPM Pada tahap ini hasil estimasi koefisien β pada estimasi-M diterapkan pada metode CAPM dalam memilih saham di Bursa Efek Indonesia.
6.
Membuat kesimpulan. Pada tahap ini dilakukan penarikan kesimpulan dari hasil analisis data dan juga memberikan saran terhadap saham mana yang layak untuk dipilih dalam berinvestasi.
Universitas Sumatera Utara
