INDIKATOR-INDIKATOR ANALISIS TEKNIKAL
7.1. MOVING AVERAGES Moving averages adalah salah satu alat yang paling populer dan mudah digunakan untuk para analis teknikal. Alat ini berfungsi untuk memuluskan satu serial data dan memudahkan kita untuk memetakan tren, sesuatu yang khususnya akan sangat membantu dalam pasar yang volatil. Dua jenis moving averages yang paling populer adalah Simple Moving Average (SMA) dan Exponential Moving Average (EMA). 7.1.1. Simple Moving Average (SMA) Suatu simple moving average dibentuk dengan menghitung rata-rata (mean) harga suatu sekuritas selama periode waktu tertentu. Walaupun dimungkinkan untuk menciptakan moving averages dari data harga pembukaan (open), tertinggi (high), dan terendah (low), namun kebanyakan moving averages diciptakan dengan menggunakan data harga penutupan (close). Sebagai contoh, simple moving average 5-hari dihitung dengan menjumlahkan harga-harga penutupan 5 hari terakhir dan membagi totalnya dengan 5. ∑xi = 10 + 11 + 12 + 13 + 14 = 60 x = (60/5) = 12 Kalkulasi ini diulang untuk setiap batang harga pada grafik. Nilai-nilai rata-rata tersebut kemudian digabungkan untuk membentuk kurva yang dimuluskan – garis moving average. Melanjutkan contoh kita di atas, jika harga penutupan berikutnya dalam rata-rata adalah 15, maka periode baru ini akan ditambahkan sehingga hari yang tertua, dalam hal ini adalah 10, akan dibuang. Simple moving average 5-hari yang baru kemudian akan dikalkulasikan sebagai berikut: ∑xi = 11 + 12 + 13 + 14 + 15 = 65 x = (65/5) = 13 Selama 2 hari terakhir, SMA bergerak dari 12 ke 13. Setiap kali data hari baru ditambahkan, data hari yang tertua akan dihilangkan dan moving average akan melanjutkan gerak dengan bertambahnya waktu. Demikian seterusnya. Dalam contoh selanjutnya pada Tabel 7.1. di bawah, dengan menggunakan data harga penutupan dari saham Eastman Kodak (EK), hari ke 10 otomatis akan menjadi hari pertama yang mungkin untuk mengkalkulasi simple moving average 10-hari. Jika kalkulasi dilanjutkan, data hari terbaru ditambahkan dan data hari terakhir dibuang. SMA 10-hari untuk hari yang ke-11 dihitung dengan menjumlahkan data harga dari hari ke-2 sampai hai ke-11 dan kemudian dibagi dengan 10. Proses perata-rataan kemudian bergerak ke hari selanjutnya di mana
SMA 10-hari untuk hari ke-12 dihitung dengan menjumlahkan data harga dari hari ke-3 sampai dengan hari ke-12, dan membaginya dengan 10.
Tabel 7.1. Closing price saham EK untuk perhitungan SMA 10-hari
Gambar 7.1. Grafik saham Eastman Kodak (EK) dengan SMA 10-hari Grafik di atas menggambarkan plot yang berisi data sekuens dari Tabel 7.1. Kurva simple moving average dimulai pada hari ke-10 dan selanjutnya. Ilustrasi sederhana di atas menyoroti fakta bahwa semua moving average adalah indikator lagging dan akan selalu berada ”di belakang” harga sekuritasnya. Harga saham EK pada gambar di atas sedang berada dalam tren menurun, tetapi simple moving average, yang mendasarkan pada data 10 hari ke belakang, selalu tetap berada di atas harga sahamnya. Jika harga meningkat (naik), kurva SMA seharusnya akan berada di bawah. Karena moving average adalah indikator lagging, maka
mereka sudah pasti masuk dalam kategori indikator pengikut tren. Saat harga berada dalam tren, moving average bekerja dengan baik. Namun sebaliknya, saat harga tidak berada dalam tren, moving average dapat memberi sinyal yang menyesatkan. 7.1.2. Exponential Moving Average (EMA) Dalam rangka untuk mengurangi efek lambat pada simple moving average, para teknikalis sering menggunakan exponential moving averages (sering juga disebut exponentially weighted moving averages). EMA mengurangi kelambatan dengan memberikan bobot lebih pada harga-harga yang lebih kini relatif terhadap harga-harga yang lebih lampau. Pembobotan lebih yang diberikan pada harga-harga terkini tergantung pada spesifikasi periode moving average. Semakin pendek periode EMA yang dipakai, semakin besar bobot yang akan diberikan pada hargaharga terkininya. Sebagai contoh, EMA 10-hari memberi bobot pada harga terkininya sebesar 18,18%, sementara EMA 20-hari memberinya bobot sebesar 9,52%. Sebagaimana yang akan ditunjukkan kemudian, kalkulasi EMA jauh lebih rumit dari pada kalkulasi SMA. Hal penting yang mesti diingat adalah bahwa exponential moving average memberikan bobot lebih pada harga terkininya. Dikarenakan oleh hal tersebut, maka EMA akan bereaksi lebih cepat pada perubahan harga terkininya dari pada SMA. 7.1.3. Kalkulasi EMA Exponential moving average dapat dispesifikasikan dalam 2 cara, yaitu sebagai EMA berbasis persentase atau sebagai EMA berbasis periode. EMA berbasis persentase mempunyai persentase yang berfungsi sebagai parameter tunggalnya, sementara EMA berbasis periode mempunyai parameter yang merepresentasikan durasi dari EMA. Formula untuk exponential moving average adalah: EMA(current) = [(Price(current) – EMA(prev)) x Multiplier] + EMA(prev) Untuk EMA berbasis persentase, ”Multiplier” adalah sama dengan spesifikasi persentase EMA. Untuk EMA berbasis periode, ”Multiplier” adalah sama dengan 2/(1 + N), di mana N adalah spesifikasi jumlah periode yang digunakan. Sebagai contoh, Multiplier EMA periode-10 dihitung dengan cara seperti berikut: [2 / (Time periods + 1)] = [2 / (10 + 1)] = 0,1818 = 18,18% Hal ini berarti bahwa EMA periode-10 ekuivalen dengan 18,18% EMA. Tabel 7.2. di bawah berikut ini memperlihatkan hasil-hasil perhitungan exponential moving average pada saham Eastman Kodak. Untuk periode pertama EMA, perhitungan simple moving average digunakan sebagai periode sebelumnya dari EMA (blok kuning untuk periode ke-10). Dari periode ke-11 ke depan, selanjutnya periode EMA sebelumnya akan digunakan dalam perhitungan. Perhitungan pada periode ke-11 dirinci sebagai berikut: (C – P) = (57,15 – 59,439) = - 2,289 (C – P) x K = - 2,289 x 0,181818 = - 0,4162
[(C – P) x K] + P = -0,4162 + 59,439 = 59,023
Tabel 7.2. Perhitungan EMA periode-10 pada saham EK.
Gambar 7.2. Grafik saham Eastman Kodak (EK) dengan EMA 10-hari Menurut teori, setiap harga penutupan sebelumnya pada satu set data digunakan dalam perhitungan tiap EMA yang akhirnya membentuk garis EMA. Sementara dampak dari data yang lebih lampau semakin lama mengecil, ia tak pernah sepenuhnya menghilang. Hal ini
berlaku tanpa memandang spesifikasi periode dari EMA. Pengaruh dari data yang lebih lampau mengecil secara cepat pada EMA yang lebih pendek. Namun sekali lagi, mereka tak akan pernah menghilang sepenuhnya. 7.1.4. Perbandingan Simple MA dan Exponential MA Secara umum, perbedaan antara exponential moving average dan simple moving average akan nampak tipis. Untuk contoh ini, yang hanya menggunakan data 20 hari pasar, perbedaannya adalah minimal, walaupun tetap saja berbeda. Exponential moving average secara konsisten akan lebih dekat kepada harga aktualnya. Secara rata-rata, EMA lebih dekat 3/8 poin kepada harga aktual dari pada SMA.
Tabel 7.3. Perbandingan Efektifitas Antara EMA dan SMA.
Gambar 7.3. Grafik Perbandingan Kurva Antara EMA (10) dan SMA (10).
Pengamatan pada Tabel 7.3. dan Gambar 7.3. di atas menunjukkan bahwa dari hari ke10 sampai hari ke-20, EMA lebih dekat kepada harga aktual dari pada SMA di 8 kasus dari antara 11 kasus yang diamati. Rata-rata perbedaan absolut antara EMA dengan harga aktual adalah 1,52; sementara SMA memiliki rata-rata perbedaan absolut sebesar 1,69. Hal ini berarti bahwa secara rata-rata EMA berada pada 1,52 poin di atas atau di bawah harga aktual, dan SMA berada pada 1,69 poin di atas atau di bawah harga aktual. Pada saat Kodak berhenti jatuh dan mulai diperdagangkan pada arah mendatar, SMA masih tetap terus menurun. Selama periode ini, SMA lebih dekat kepada harga aktual dari pada EMA. EMA mulai menjauh dari harga aktual, dan terus tetap menjauh. Hal ini disebabkan oleh karena harga aktual mulai mendatar. Karena kelambatannya ini, SMA melanjutkan untuk turun dan hampir menyentuh harga aktualnya pada tanggal 13 Desember. 7.1.5. Mana Yang Lebih Baik? Pilihan atas moving average mana yang akan dipakai, akan tergantung pada gaya trading dan investasi masing-masing pelaku pasar serta preferensi mereka. Simple moving average secara nyata memang memiliki keterlambatan, sementara exponential moving average dapat ditunjukkan mengatasi kekurangan ini. Beberapa trader lebih suka menggunakan EMA dengan periode waktu yang lebih pendek untuk mendapatkan perubahan yang lebih cepat ini. Beberapa investor lainnya lebih menyukai SMA dengan periode waktu panjang untuk mengidentifikasikan perubahan-perubahan tren jangka panjang. Sebagai tambahan, hal ini sebenarnya sangat tergantung pada masing-masing sekuritas yang sedang diamati. SMA 50-hari mungkin akan berdaya guna untuk mengidentifikasi level support di saham-saham perkebunan, sedangkan EMA 100-hari mungkin bekerja baik untuk saham-saham pertambangan. Jenis dan panjang periode dari moving average sangat tergantung pada sekuritas individual dan bagaimana sekuritas tersebut bereaksi pada masa lampau. Suatu pemikiran awal menyatakan bahwa sensitivitas yang lebih besar dan sinyal yang lebih cepat adalah loncatan menuju keuntungan. Hal ini tidaklah selalu benar dan membawa dilema besar bagi para teknikalis: pertimbangan antara sensitivitas dan reliabilitas. Indikator yang semakin sensitif akan semakin memberikan banyak sinyal. Sinyal-sinyal ini boleh jadi terbukti menurut waktu, tetapi peningkatan sensitivitas akan berarti juga peningkatan pada sinyal-sinyal yang salah. Indikator yang semakin tidak sensitif akan memberi lebih sedikit sinyal. Namun demikian, sensitivitas yang semakin kecil akan berarti juga semakin sedikitnya sinyal dan lebih reliabel. Kadang-kadang sinyal-sinyal ini juga akan terlambat. Untuk moving averages, dilema yang sama juga terjadi. Moving average yang lebih pendek akan lebih sensitif dan memunculkan lebih banyak sinyal. EMA yang secara umum lebih sensitif dari pada SMA juga akan berkemungkinan memunculkan lebih banyak sinyal. Namun demikian, hal tersebut juga akan berarti meningkatnya jumlah sinyal palsu dan tipuan. Moving average yang lebih panjang akan bergerak lebih lamban dan memunculkan lebih sedikit sinyal. Sinyal-sinyal ini akan berkemungkinan lebih reliabel, tetapi mereka juga sangat mungkin terlambat. Para investor atau trader seharusnya bereksperimen dengan
beberapa moving average dari berbagai macam tipe dan jangka waktu untuk menguji untungrugi antara sensitivitas sinyal dan reliabilitas sinyal. 7.1.6. Indikator Trend-Following Moving averages memiliki fungsi utama untuk memuluskan serangkaian data dan membuatnya mudah untuk mengidentifikasikan arah tren. Karena data harga masa lalu dipakai untuk membuat moving averages, maka mereka dipandang juga sebagai indikator lagging atau pengikut tren. Moving average tidak akan memprediksi perubahan tren, melainkan hanya mengikuti tren yang sedang berlangsung. Oleh karena itu, mereka akan paling baik digunakan untuk mengidentifikasi tren dan ditujukan penggunaannya untuk mengikuti tren, bukan untuk prediksi. 7.1.7. Waktu Penggunaan Karena mengikuti tren, moving average akan bekerja paling baik saat satu sekuritas berada dalam tren, dan sebaliknya tidak akan efektif saat sekuritas bergerak dalam trading range. Dengan pertimbangan ini, para investor dan trader harus mengidentifikasi terlebih dahulu sekuritas yang menunjukkan karakteristik tren sebelum melakukan analisa dengan moving average. Proses ini tidak harus merupakan pengujian ilmiah. Biasanya pemeriksaan visual sederhana atas grafik harga sudah cukup untuk menentukan bahwa satu sekuritas menunjukkan karakteristik tren. Dalam bentuknya yang paling sederhana, suatu harga sekuritas hanya dapat bergerak pada satu dari tiga alternatif tren: naik, turun, atau mendatar. Tren naik terjadi saat sekuritas membentuk satu seri puncak dan lembah yang lebih tinggi. Sebaliknya, tren turun terjadi saat sekuritas membentuk satu seri puncak dan lembah yang lebih rendah. Sedangkan tren mendatar terjadi jika sekuritas tidak dapat membentuk tren naik atau tren turun. Jika satu sekuritas berada dalam tren mendatar, maka: ‐ Tren naik dimulai saat batas atas dari suatu selang dilanggar ‐ Tren turun dimulai saat bataas bawah dari suatu selang dilanggar Pada contoh saham Ford pada Gambar 7.4. di bawah didapati kenyataan bahwa saham dapat bergerak baik dalam tren maupun fase mendatar. Lingkaran merah mengindikasikan fase gerakan mendatar yang tersebar di antara periode-periode trending. Terkadang sulit untuk menentukan kapan tren akan berhenti dan gerak mendatar akan mulai atau sebaliknya. Aturan dasar untuk tren dan gerak mendatar yang telah diuraikan di atas dapat diterapkan pada saham Ford tersebut. Hal ini dapat diperhatikan pada periode pergerakan mendatar, penembusan (baik ke atas maupun ke bawah), dan periode trending. Moving average nampak bekerja baik dalam masa tren, namun sangat buruk dalam masa gerak mendatar. Dapat juga dicatat dari grafik tersebut bagaimana moving average terlambat di belakang tren: ia selalu berada di bawah harga aktual selama tren naik dan berada di atas harga aktual selama tren turun. SMA 50-hari digunakan dalam contoh ini. Namun demikian, jumlah periode yang digunakan sebenarnya bersifat optional dan sedikit banyak tergantung pada karakteristik sekuritas sebagaimana halnya gaya trading dan investasi masing-masing individu.
Gambar 7.4. Grafik saham Ford untuk analisa moving average. 7.1.8. Pengaturan Moving Average Setelah satu sekuritas dinilai memiliki cukup karakteristik tren, langkah selanjutnya adalah memilih sejumlah periode dan jenis moving average. Jumlah periode yang digunakan dalam moving average akan bervariasi menurut volatilitas sekuritasnya, karakter trennya, dan preferensi individu. Volatilitas yang semakin tinggi akan menuntut penghalusan yang lebih banyak, sehingga membutuhkan moving average yang lebih panjang. Saham yang tidak menunjukkan karakteristik tren yang kuat juga dapat membutuhkan moving average yang lebih panjang. Tidak ada ketentuan pasti tentang besarnya periode panjang, namun beberapa periode yang populer meliputi 21, 50, 89, 150, dan 100 hari sebagaimana juga periode 10, 30, dan 40 minggu. Trader jangka pendek mungkin sebaiknya melihat dulu fakta tren 2-3 minggu dengan moving average 21-hari, sementara investor berjangka lebih panjang akan melihat fakta tren 3-4 bulan dengan moving average 40-minggu. Teknik coba-coba biasanya merupakan alat terbaik untuk menemukan panjang periode yang sesuai. Pelajarilah bagaimana moving average bersesuaian dengan harga aktual. Jika terlalu banyak persilangan, perpanjanglah moving average untuk menurunkan sensitivitasnya. Jika moving average lambat untuk bereaksi, perpendeklah periodenya untuk meningkatkan sensitivitasnya. Sebagai tambahan, kita dapat mencoba untuk menggunakan baik SMA maupun EMA. Exponential moving average biasanya sangat sesuai untuk situasi jangka pendek yang memerlukan moving average yang responsif. Simple moving average, sebaliknya akan bekerja baik untuk situasi jangka panjang yang tidak memerlukan sensitifitas.
7.2. PENGGUNAAN MOVING AVERAGE Kegunaan dari moving average sebenarnya cukup banyak, tetapi yang paling utama adalah 3 di antaranya, yaitu:
• • •
Identifikasi/konfirmasi tren Identifikasi/konfirmasi tingkat support dan resistensi Sistem perdagangan
7.2.1. Identifikasi/Konfirmasi Tren Terdapat 3 cara yang dapat digunakan untuk mengidentifikasi arah tren dengan moving average, yaitu arah, lokasi, dan perpotongan. Teknik identifikasi tren yang pertama adalah menggunakan arah pergerakan moving average untuk menentukan tren. Jika moving average meningkat, tren dipertimbangkan sebagai naik. Jika moving average berkurang, tren dipertimbangkan sebagai turun. Arah dari moving average dapat ditentukan secara sederhana dengan melihat plot dari moving average itu sendiri atau dengan menerapkan satu indikator pada moving average tersebut. Dalam kasus ini, kita tidak akan melakukan tindakan apapun terhadap perubahan kecil, melainkan lebih melihat pada pergerakan dan perubahan arah yang umum.
Gambar 7.5. Grafik saham Disney untuk simulasi moving average Pada contoh kasus saham Disney di atas, EMA 100-hari telah digunakan untuk menentukan tren. Kita tidak akan mengambil tindakan pada setiap perubahan kecil pada moving average tersebut, kecuali pada perputaran ke atas dan ke bawah yang signifikan. Hal ini bukanlah masalah yang ilmiah, melainkan bahwa jumlah titik perputaran yang signifikan dapat ditandai cukup hanya berdasarkan pada pengamatan visual (lingkaran merah pada Gambar 7.5.). Sejumlah kecil sinyal yang baik diberikan, demikian pula sejumlah kecil tipuan dan sinyal terlambat. Sebagian besar kinerja metode ini tergantung pada titik masuk dan keluar. Panjang periode moving average memperngaruhi jumlah sinyal ketepatan waktu mereka. Moving average adalah indikator lagging. Oleh karena itu, semakin panjang periode moving average, maka keterlambatannya di belakang pergerakan harga aktualnya semakin jauh. Untuk sinyal yang lebih cepat, EMA 50-hari dapat digunakan.
Teknik kedua untuk identifikasi tren adalah melalui pengamatan lokasi harga aktual. Lokasi harga aktual relatif terhadap moving average dapat digunakan untuk menentukan tren dasarnya. Jika harga berada di atas moving average, maka tren dipertimbangkan sebagai naik. Jika harga berada di bawah moving average, maka tren dipertimbangkan sebagai turun. Contoh yang ditunjukkan pada Gambar 7.6. di bawah sangat menjelaskan hal ini. Tren jangka panjang untuk saham Cisco ditentukan oleh lokasi harga sahamnya relatif terhadap SMA 100hari. Saat harga Cisco berada di atas SMA 100-harinya, tren pergerakannya dinilai bullish. Saat harga sahamnya berada di bawah SMA 100-harinya, tren pergerakannya dinilai bearish. Sinyal beli dan jual dimunculkan dari perpotongan di atas dan di bawah moving average. Grafik tersebut menunjukkan adanya sinyal jelas yang muncul pada Agustus 1999 dan sinyal beli palsu pada Juli 2000. Kedua sinyal ini terjadi saat tren harga Cisco mulai melemah. Pada sebagian besar bagian lainnya, metode sederhana ini akan tetap membawa investor hampir selalu pada pergerakan bullish.
Gambar 7.6. Grafik saham Cisco untuk identifikasi tren Teknik ketiga untuk identifikasi tren didasarkan pada lokasi dari moving average jangka pendek relatif terhadap moving average jangka panjang. Jika moving average pendek berada di atas moving average panjang, tren dipertimbangkan sebagai naik. Jika moving average pendek berada di bawah moving average panjang, tren dipertimbangkan turun. Pada grafik saham Inter-Tel (INTL) yang tercermin pada Gambar 7.7 di bawah, perpotongan moving average 30/100 digunakan untuk menentukan tren. Saat MA-30 hari bergerak di atas MA-100 hari, tren dipertimbangkan sebagai bullish. Sebaliknya, saat MA-30 hari turun di bawah MA-100 hari, tren dipertimbangkan sebagai bearish. Penggambaran diferensiasi 30/100 diplotkan di bawah grafik harga aktual dengan menggunakan PPO (Percentage Price Oscillator) yang diatur dengan parameter (30, 100, 1). Saat diferensiasi positif, trend dipandang naik. Saat diferensiasi negatif, tren dipandang turun. Sebagaimana halnya dengan semua sistem pengikut tren, sinyal akan bekerja dengan baik jika saham sedang berada dalam tren yang kuat, namun tidak efektif saat saham berada dalam gerakan side way. Perlu juga diperhatikan bahwa sinyal ini cenderung terlambat dan muncul setelah pergerakan dimulai. Sekali lagi, hal ini membuktikan
bahwa indikator pengikut tren paling baik digunakan sebagai pengidentifikasi dan pengikut, bukan sebagai prediktor.
Gambar 7.7. Grafik saham Inter-Tel untuk identifikasi tren 7.2.2. Level Support dan Resistance Kegunaan lain dari indikator moving average adalah untuk identifikasi tingkat support dan resistance. Hal ini biasanya cukup dapat dipenuhi dengan satu buah moving average dan didasarkan pada penilaian historis. Sebagaimana halnya pada identifikasi tren, identifikasi tingkat support dan resistance bekerja dengan baik pada pasar yang sedang berada dalam tren. Grafik pada Gambar 7.8. menunjukkan bahwa setelah keluar dari tren sideways, saham Sun Microsystem (SUNW) berhasil melewati support moving average pada akhir Juli dan awal Agustus. Dapat diperhatikan pula adanya penembusan resistance pada sekitar tanggal 18 Juni menjadi support. Dengan demikian, dalam hal ini moving average bertindak sebagai konfirmator dari peralihan resistance-support. Setelah pengujian pertama ini, MA 50-hari melanjutkan geraknya melalui 4 uji support yang lebih berhasil pada beberapa bulan berikutnya. Penembusan support oleh MA 50-hari akan bertindak sebagai pemberi peringatan bahwa sekuritas mungkin bergerak dalam arah mendatar atau akan mengubah arah trennya. Penembusan semacam ini terjadi pada April 2000, dan MA 50-hari berbalik menjadi resistance pada bulan tersebut. Saat sekuritas menembus di atas SMA 50-hari pada awal Juni 2000, level tersebut berbalik menjadi support sampai penembusan pada Oktober 2000. Pada bulan Oktober 2000, SMA 50-hari menjadi level resistance dan bertahan selama beberapa bulan berikutnya.
Gambar 7.8. Grafik saham Sun Microsystem untuk identifikasi tren
7.3. STOCHASTIC OSCILLATOR (SO) Stochastic Oscillator (SO) adalah indikator momentum yang dikembangkan oleh George C. Lane pada akhir 1950-an, yang menunjukkan lokasi dari penutupan harga saat ini relatif terhadap wilayah titik tinggi-rendah selama periode waktu tertentu. Tingkat harga penutupan yang secara konsisten berada dekat wilayah tinggi mengindikasikan akumulasi (tekanan beli) dan yang berada dekat wilayah rendah mengindikasikan distribusi (tekanan jual). 7.3.1. Perhitungan Stochastic Oscillator Perhitungan SO dilakukan menurut formula dan contoh tabulasi yang tertera pada halaman berikutnya. Suatu %K 14-hari (Stochastic Oscillator periode-14) akan menggunakan data penutupan terkini, titik tertinggi dari titik-titik tinggi selama 14 hari terakhir, dan titik terendah dari titik-titik rendah selama 14 hari terakhir. Panjangnya periode akan bervariasi tergantung dari sensitivitas dan jenis dari sinyal yang diinginkan. Sebagaimana pada RSI, besarnya periode yang populer digunakan untuk perhitungan adalah 14. %K memberitahukan pada kita bahwa harga penutupan (115,38) berada pada persentil ke-57 dari wilayah tinggirendah, atau sedikit di atas titik tengah. Karena %K adalah suatu rasio atau persentase, maka ia akan berfluktuasi antara 0 dan 100. Suatu SMA 3-hari biasanya diplotkan sepanjang sisi %K untuk bertindak sebagai garis pemicu, dan dinamakan dengan %D. 7.3.2. Lambat vs Cepat vs Penuh Dalam analisis teknikal modern dikenal adanya 3 Stochastic Oscillator, yaitu: Cepat, Lambat, dan Lengkap (Fast, Slow, dan Full). Untuk sementara ini, pembahasan akan ditekankan pada SO Cepat versus SO Lambat. Sebagaimana yang ditunjukkan pada perhitungan, SO Cepat dibentuk oleh garis %K dan %D. Untuk menghindari kerancuan di antara keduanya, kita akan menggunakan %K (cepat) dan %D (cepat) untuk mengacu pada komponen yang digunakan pada SO Cepat, dan %K (lambat) dan %D (lambat) untuk mengacu pada
komponen yang digunakan pada SO Lambat. Tenaga penggerak di balik kedua Stochastic Oscillator tersebut adalah %K (cepat), yang didapatkan dari penggunaan formula perhitungan SO yang telah diberikan.
Pada contoh grafik saham Cisco (CSCO) di Gambar 7.9., SO Cepat diplotkan pada kotak di bawah grafik kurva harga. Garis hitam tebal merepresentasikan %K (cepat) dan garis merah tipis merepresentasikan %D (cepat). Selain disebut sebagai garis pemicu, %D adalah juga merupakan versi penghalusan dari %K (cepat). Salah satu metode penghalusan data adalah dengan menerapkan moving average. Untuk menghaluskan %K (cepat) dan menciptakan %D (cepat), suatu SMA periode-3 diaplikasikan pada %K (cepat). Perhatikan bagaimana garis %K (cepat) menembus garis %D (cepat) beberapa kali selama bulan Mei, Juni, dan Juli. Untuk mengurangi beberapa penembusan palsu ini dan untuk memuluskan %K (cepat), maka SO Lambat dikembangkan. Stochastic Oscillator Lambat diplotkan pada kotak yang lebih bawah: garis hitam tebal merepresentasikan %K (lambat) dan garis merah tipis merepresentasikan %D (lambat). Untuk mendapatkan %K (lambat) pada SO Lambat, satu SMA 3-hari telah diaplikasikan pada %K (cepat). SMA 3-hari ini memperlambat (memuluskan) data untuk membentuk versi %K (cepat) yang lebih lambat. Pengamatan lebih cermat akan menunjukkan bahwa %D (cepat), garis merah tipis pada SO Cepat, adalah identik dengan %K (lambat), garis hitam tebal pada SO Lambat. Untuk membentuk garis pemicu atau %D (lambat) pada SO Lambat, satu SMA 3-hari diterapkan pada %K (lambat).
Stochastic Oscillator Lengkap memiliki tiga parameter. Sebagaimana yang ada pada versi Cepat dan Lambat, parameter pertama adalah jumlah periode yang digunakan untuk membentuk garis %K awal, dan parameter terakhir adalah jumlah periode terakhir yang digunakan untuk membentuk garis sinyal %D (lengkap). Sesuatu yang baru dalam hal ini adalah parameter tambahan, satu garis di tengah. Garis tersebut adalah “faktor penghalus” dari garis %K awal. Garis %K (lengkap) yang diplotkan adalah suatu SMA n-periode dari garis %K awal (di mana n adalah sama dengan parameter tengah).
Gambar 7.9. Grafik saham Cisco dengan analisa Stochastic Oscillator Stochastic Oscillator Lengkap lebih maju dan lebih flexibel dari pada sepupunya di SO Cepat dan SO Lambat. Kita bahkan dapat menggunakannya untuk menduplikasikan versi lainnya. Sebagai misal, suatu SO Cepat (14, 3) adalah ekivalen dengan SO Lengkap (14, 1, 3) dan suatu SO Lambat (12, 2) adalah ekivalen dengan SO Lengkap (12, 3, 2). 7.3.3. Ikhtisar %K dan %D • • • • • •
%K (cepat) %D (cepat) %K (lambat) %D (lambat) %K (lengkap) %D (lengkap)
= rumus %K di atas dengan menggunakan periode x = SMA y-hari dari %K (cepat) = SMA 3-hari dari %K (cepat) = SMA y-hari dari %K (lambat) = SMA y-hari dari %K (cepat) = SMA z-hari dari %K (lengkap)
Dalam hal ini x adalah parameter pertama, y adalah parameter kedua, dan (dalam kasus stochastic Lengkap) z adalah parameter ketiga. Dalam kasus stochastic Cepat dan Lambat, x secara khusus biasa ditentukan dengan 14 dan y dengan 3. 7.3.4. Penggunaan Pembacaan di bawah level 20 dipertimbangkan sebagai jenuh jual dan pembacaan di atas 80 dipertimbangkan sebagai jenuh beli. Namun demikian, Lane tidak meyakini bahwa pembacaan di atas 80 perlu dipandang akan bearish atau pembacaan di bawah 20 dipandang akan bullish. Sekuritas yang bersangkutan dapat saja berlanjut naik setelah Stochastic Oscillator mencapai 80 dan berlanjut jatuh setelah Stochastic Oscillator mencapai 20. Lane meyakini bahwa beberapa sinyal terbaik terjadi saat oscillator bergerak dari wilayah jenuh beli kembali ke bawah level 80 dan dari wilayah jenuh jual kembali ke atas level 20. Sinyal beli dan jual dapat juga diperoleh saat %K memotong di atas atau di bawah %D. Meskipun demikian, sinyalsinyal perpotongan cukup sering terjadi dan menghasilkan sejumlah tipuan. Salah satu sinyal paling reliabel adalah dengan menunggu terjadinya suatu divergensi yang muncul dari level jenuh beli atau jenuh jual. Sesaat setelah oscillator menyentuh level jenuh beli, kita sebaiknya menunggu terjadinya suatu divergensi negatif yang melebar dan kemudian memotong di bawah level 80. Hal ini biasanya memerlukan turunan dobel di bawah level 80 terlebih dulu, dan tukikan ketiga akan menghasilkan sinyal jual. Untuk sinyal beli, kita sebaiknya menunggu terjadinya divergensi positif yang melebar setelah indikator bergerak di bawah level 20. Hal ini biasanya menuntut trader untuk mengesampingkan penembusan pertama di atas level 20. Setelah divergensi positif terbentuk, penembusan kedua di atas level 20 akan mengkonfirmasi divergensi dan sinyal beli diberikan. 7.3.5. Contoh Kasus Pada contoh kasus saham IBM di Gambar 7.10. di bawah, dapat dilihat dengan jelas bahwa pengambilan tindakan yang hanya berdasarkan perpotongan jenuh beli dan jenuh jual dapat memunculkan sinyal palsu. Penggunaan perpotongan %D (lambat) dengan %K (lambat) dapat memberikan beberapa sinyal yang baik, namun masih mungkin terdapat tipuan. Dengan memperhatikan divergensi dan jenuh beli/jual secara bersama-sama SO Lambat 14hari dapat menghasilkan sedikit sinyal yang lebih reliabel. SO Lambat menghasilkan 2 sinyal solid pada IBM antara Agustus 1999 dan Maret 2000. Pada bulan November 1999, sinyal beli diberikan saat indikator membentuk divergensi positif dan bergerak di atas level 20 untuk kesempatan kedua. Perhatikan pula bahwa puncak dobel pada November-Desember (lingkaran abu-abu) bukanlah suatu divergensi negatif – saham melanjutkan gerak naik setelah formasi ini. Pada bulan Januari 2000, sinyal jual diberikan saat divergensi negatif terbentuk dan indikator menukik di bawah level 80 untuk kedua kalinya.
Gambar 7.10. Saham IBM untuk contoh penerapan indikator SO.
7.4. STOCHASTIC RELATIVE STRENGTH INDEX (RSI) Stochastic RSI adalah suatu oscillator yang mengukur level RSI relatif terhadap wilayah pergerakannya selama periode waktu tertentu. Indikator ini dikembangkan oleh Tushard Chande dan Stanley Kroll. Indikator ini menggunakan RSI sebagai fondasi dan mengaplikasikan formulasinya di balik Stochastic. Hasilnya adalah sebuah oscillator yang berfluktuasi di antara 0 dan 1. Dalam bukunya The New Technical Trader yang terbit tahun 1994, Chande dan Kroll menjelaskan bahwa RSI kadang-kadang difungsikan di antara level 20 dan 80 untuk periode yang diperpanjang tanpa menyentuh area jenuh jual dan jenuh beli. Para trader yang melihat waktu masuk berdasarkan pembacaan jenuh beli atau jenuh jual pada RSI mungkin akan men-dapati diri mereka tetap berada pada pergerakan mendatar. Untuk meningkatkan sensitivitas dari metode identifikasi tingkat jenuh beli dan jenuh jual dalam RSI, Chande dan Kroll mengembangkan Stochastic RSI. RSI yang dikembangkan oleh Welles Wilder adalah
oscillator momentum yang membandingkan besarnya keuntungan dengan besarnya kerugian selama periode waktu tertentu. Perhitungan untuk masing-masing indikator diberikan di bawah ini.
Dari formula di atas dapat dilihat bahwa Stochastic RSI adalah formula stochastic yang diterapkan untuk RSI; dengan demikian hal itu dapat dikatakan sebagai suatu indikator dari RSI. Stochastic RSI mengukur nilai RSI relatif terhadap wilayah tinggi-rendahnya selama periode waktu tertentu. Ketika RSI mencatat titik rendah baru dalam periodenya, Stochastic RSI akan berada pada nilai 0. Ketika RSI mencatat titik tinggi baru dalam periodenya, Stochastic RSI akan berada pada nilai 100. Suatu pembacaan 0,20 akan berarti bahwa RSI saat ini berada pada 20% di atas level terendah dari periodenya, atau 80% di bawah level tertingginya. Suatu pembacaan 0,80 akan berarti bahwa RSI berada pada 80% di atas level terendah pada periodenya, atau 20% di bawah level tertingginya. 7.4.1. Sinyal Stochastic RSI •
Perpotongan Jenuh Beli dan Jenuh Jual. Jika suatu tren naik telah teridentifikasi pada sekuritas yang sedang diamati, maka sinyal beli akan dimunculkan saat Stochastic RSI bergerak maju dari area jenuh jual (di bawah 0,20) ke atas dari 0,20. Sebaliknya, jika suatu tren turun telah teridentifikasi, maka suatu sinyal jual akan dimunculkan saat Stochastic RSI menurun dari area jenuh beli (di atas 0,80) ke bawah dari 0,80.
•
Perpotongan Garis Tengah. Beberapa trader memperhatikan gerakan di atas atau di bawah level 0,50 (garis tengah) untuk mengkonfirmasi sinyal dan mengurangi tipuan. Suatu pergerakan dari area jenuh jual ke atas level 0,50 dapat memunculkan sinyal
beli dan akan tetap berada di posisinya sampai terjadi penurunan di bawah 0,50. Sebaliknya, suatu pergerakan dari area jenuh beli ke bawah level 0,50 akan dapat bertindak sebagai sinyal jual yang akan tetap di posisinya sampai suatu gerak maju berbalik di atas 0,50. •
Divergensi Positif dan Negatif. Suatu divergensi positif yang diikuti oleh gerak maju konfirmasi di atas level 0,20 dapat memunculkan sinyal beli. Sebaliknya, suatu divergensi negatif yang diikuti oleh gerak turun di bawah 0,80 dapat bertindak sebagai sinyal jual.
•
Kegagalan. Chande dan Kroll juga memberikan catatan bahwa gerak balik di belakang garis pemicu akan mengindikasikan suatu sinyal gagal. Suatu gerak balik di atas 0,80 juga akan mengindikasikan suatu sinyal gagal dan para trader disarankan untuk menutup posisinya.
•
Tren Kuat. Sebagaimana banyak oscillator lainnya, Stochastic RSI dapat menjadi jenuh beli (atau jenuh jual) dan tetap berada pada kondisi tersebut untuk periode yang verkepanjangan. Suatu gerakan di atas 0,80 dapat mengimplikasikan jenuh beli, tetapi hal itu dapat juga mengindikasikan suatu tren naik yang kuat dan tetap berada di atas level 0,80 untuk periode yang berkepanjangan. Sebaliknya, suatu gerak cepat ke bawah 0,20 dapat mengindikasikan permulaan tren turun yang kuat. Gerakan ke arah 1 dipertimbangkan sebagai sangat kuat, dan gerakan ke arah 0 adalah sangat lemah.
7.4.2. Contoh Kasus Pada contoh grafik saham WorldCom di Gambar 7.11. di halaman berikutnya, harga saham berada pada puncaknya di bulan Juni 1999 dan berada pada tren turun yang terkondisi dengan baik. Satu serial titik rendah di bawah dan titik tinggi di bawah mengkonfirmasi tren utama sebagai bearish. Menurut Chande dan Kroll, kondisi ini akan sangat sesuai dengan Stochastic RSI untuk mengidentifikasi level jenuh beli dari mana kita kemudian harus melakukan aksi jual. Setiap kali Stochastic RSI bergerak di atas 0,80, situasi jenuh beli akan terjadi. Saat indikator turun dari level jenuh belinya di bawah 0,80, suatu sinyal jual akan diberikan. Dari bulan Maret sampai Juni, indikator telah memberikan 4 sinyal jual, atau satu per bulan. Sinyal jual bulan Juni tidak dikenali karena di sana terdapat kemungkinan perubahan tren. Sepanjang serial titik tinggi di bawah dan titik rendah di bawah masih berlanjut, tren turun tetap utuh. Titik rendah di atas di akhir Juni diikuti oleh titik tinggi di atas pada bulan Juli mengundang pertanyaan tentang kekuatan dan validitas dari tren turun. Begitu titik tinggi di atas datang, sinyal untuk Stochastic RSI mungkin memerlukan penyesuaian untuk menjaganya terhadap tipuan. Upaya untuk mencoba membeli saham ke depan dari level jenuh jual kembali di atas 0,20 akan terbukti sulit. Terdapat tipuan pada bulan Maret dan Mei yang akan menghasilkan beberapa perdagangan buruk. Gerak bergelombang di sekitar level 0,20 dapat juga mengarahkan ke beberapa tindakan keluar prematur dari posisi jual yang menguntungkan. Ketika saham sedang dalam tren yang lebih rendah, terkadang bijaksana untuk menaikkan level da-
lam rangka untuk menutup posisi jual (atau untuk memunculkan sinyal beli). Dalam kasus ini, trader dapat menggerakkan Stochastic RSI dari area jenuh jual ke atas level 0,50 sebelum menutup posisi jualnya. Hal ini akan mengeliminasi tipuan di bulan Maret dan Mei.
Gambar 7.11. Grafik saham WorldCom untuk analisa indikator StochRSI
7.5. WILLIAMS %R Williams %R adalah indikator momentum yang dikembangkan oleh Larry Williams dan bekerja lebih banyak seperti halnya Stochastic Oscillator. Indikator ini terutama pupoler untuk mengukur tingkat jenuh beli dan jenuh jual. Skala indikator ini membentang dari 0 sampai 100 dengan pembacaan dari 0 – 20 dipertimbangkan sebagai jenuh beli dan pembacaan dari -80 sampai -100 dipertimbangkan sebagai jenuh jual. William %R yang kadang-kadang hanya disebut dengan %R memperlihatkan hubungan antara titik penutupan relatif terhadap wilayah titik tinggi-rendah sepanjang periode waktu tertentu. Penutupan yang semakin mendekati puncak wilayah, akan menyebabkan indikator semakin mendekati nol (tertinggi). Sebaliknya, penutupan yang semakin mendekati dasar wilayah, akan menyebabkan indikator semakin mendekati -100. Jika penutupan setara
dengan titik tinggi dari wilayah tinggi-rendah, maka indikator akan menunjukkan level 0 (pembacaan tertinggi). Sebaliknya, jika penutupan setara dengan titik rendah dari wilayah tinggi-rendah, maka indikator akan menunjukkan level -100 (pembacaan terendah). 7.5.1. Perhitungan Williams %R Rumusan umum untuk menghitung level %R adalah: %R = [(titik tertinggi selama periode – penutupan)/(titik tertinggi selama periode – titik terendah dalam periode)] * -100 Secara khusus, Williams %R dihitung dengan menggunakan periode 14 dan diterapkan pada data intra-day, harian, mingguan atau bulanan. Kerangka waktu dan periode yang digunakan akan mungkin bervariasi menurut sensitivitas yang diinginkan dan karakteristik dari sekuritas individualnya. 7.5.2. Penggunaan %R Penting untuk diingat bahwa kondisi jenuh beli tidaklah serta merta mengimplikasikan waktu untuk menjual, dan kondisi jenuh jual juga tidak serta merta mengimplikasikan waktu untuk membeli. Satu sekuritas dapat berada dalam tren turun, menjadi jenuh jual dan tetap berada dalam kondisi jenuh jual sementara harga melanjutkan tren lebih ke bawah. Begitu suatu sekuritas menjadi jenuh beli atau jenuh jual, para trader seharusnya menunggu suatu sinyal di mana pembalikan harga telah terjadi. Salah satu metode yang mungkin digunakan adalah menunggu hingga Williams %R memotong ke atas atau ke bawah -50 untuk konfirmasi. Konfirmasi pembalikan harga dapat juga dilengkapi dengan indikator atau aspek lain dari analisis teknikal dalam hubungannya dengan Williams %R. Satu metode yang mungkin diterapkan dalam penggunaan Williams %R adalah untuk mengidentifikasi tren yang mendasari dan selanjutnya melihat kesempatan trading dalam arah tren. Dalam tren naik, para pelaku dapat melihat pembacaan jenuh jual untuk memantapkan posisi beli. Dalam tren turun, para pelaku dapat melihat pembacaan jenuh beli untuk memantapkan posisi jual. 7.5.3. Contoh Kasus Grafik harga saham Weyerhaeuser pada Gambar 7.12 di bawah dengan Williams %R periode 14-hari dan 28-hari mengilustrasikan beberapa poin kunci, yaitu: • %R 14-hari nampak begitu berombak dan cenderung memalsukan sinyal. • %R 28-hari memuluskan serial data dan sinyal menjadi lebih jarang dan lebih reliabel. • Saat %R 28-hari bergerak ke level jenuh beli atau jenuh jual, ia secara khusus tetap berada di sana untuk periode yang panjang dan saham melanjutkan trennya.
•
Beberapa sinyal masuk yang bagus diberikan oleh %R 28-hari dengan menunggu pergerakan di atas atau di bawah -50 untuk konfirmasi.
Gambar 7.12. Grafik saham Weyerhaeuser untuk analisa Williams %R
7.6. BOLLINGER BANDS Bollinger Bands yang dikembangkan oleh John Bollinger adalah satu indikator yang memungkinkan penggunanya untuk membandingkan volatilitas dan level harga relatif selama periode waktu tertentu. Indikator ini terdiri dari tiga pita yang dirancang untuk meliputi mayoritas pergerakan harga sekuritas. 1. Satu simple moving average di tengah 2. Satu pita atas (SMA ditambah 2 standar deviasi) 3. Satu pita bawah (SMA dikurangi 2 standar deviasi) Standar deviasi adalah satu unit pengukuran statistik yang memberikan perkiraan yang baik dari plot volatilitas harga. Penggunaan standar deviasi memastikan bahwa pita akan bereaksi secara cepat atas pergerakan harga dan merefleksikan periode volatilitas tinggi dan rendah. Ketajaman harga yang meningkat (atau menurun), dan demikian pula volatilitasnya, akan membuat pita semakin melebar.
7.6.1. Perhitungan Bollinger Bands
Tabel 7.5. Data untuk contoh perhitungan Bollinger Bands Contoh perhitungan indikator Bollinger Bands disajikan dalam Tabel 7.5. di atas dan Gambar 7.13 di bawah. Pita atas pada perhitungan tersebut adalah SMA 20-hari ditambah 2 standar deviasi. Sedang pita bawahnya adalah SMA 20-hari dikurangi 2 standar deviasi. 7.6.2. Pengaturan Indikator Harga penutupan adalah yang paling sering digunakan untuk menghitung Bollinger Bands. Variasi lainnya, termasuk pembobotan dan tipikal harga, juga dapat digunakan.
• •
Harga tipikal = (tinggi + rendah + penutupan)/3 Harga terbobot = (tinggi + rendah + penutupan + penutupan)/4
Gambar 7.13. Grafik saham IBM untuk contoh perhitungan Bollinger Bands Bollinger merekomendasikan untuk menggunakan SMA 20-hari untuk pita tengah dan 2 standar deviasi untuk pita luarnya. Panjang dari moving average dan besarnya deviasi dapat disesuaikan pada preferensi individual yang paling cocok dan karakteristik khusus dari sekuritas. Metode trial and error adalah salah satu yang dapat digunakan untuk menentukan panjang moving average yang sesuai. Perkiraan visual sederhana dapat digunakan untuk menentukan jumlah periode yang sesuai. Bollinger Bands harus mencakup mayoritas pergerakan harga tetapi tidak seluruhnya. Setelah pergerakan yang tajam, penetrasi dari pita-pita tersebut adalah normal. Jika harga nampak menembus pita luar terlalu sering, maka diperlukan penyesuaian moving average yang lebih panjang. Jika harga terlalu jarang menyentuh pita luar, maka diperlukan penyesuaian moving average yang lebih pendek. Metode yang lebih pasti untuk menentukan panjang moving average adalah melalui pencocokan dengan reaksi rendah setelah suatu lembah. Untuk membentuk suatu lembah dan untuk membalikkan suatu tren turun, suatu sekuritas perlu membentuk titik rendah yang lebih tinggi dari pada titik rendah sebelumnya. Bollinger Bands yang diatur secara tepat seharusnya dapat menahan support yang diletakkan oleh titik rendah kedua (lebih tinggi). Jika titik rendah kedua menembus pita yang bawah, maka maka berarti moving average terlalu pendek. Jika titik rendah kedua tetap terletak di atas pita bawah, maka berarti moving average terlalu panjang. Logika yang sama dapat diterapkan pada puncak dan reaksi berkelanjutan. Pita atas seharusnya menandakan resistance untuk reaksi lanjut setelah suatu puncak.
7.6.3. Contoh Kasus Sebagai tambahan dalam identifikasi tingkat harga relatif dan volatilitasnya, Bollinger Bands dapat dikombinasikan dengan gerakan harga dan indikator lainnya untuk memunculkan sinyal dan gerak bayangan ke depan yang signifikan.
Double Bottom – Beli: Satu sinyal beli double bottom diberikan ketika harga menembus pita bawah dan tetap berada di atas pita bawah setelah terbentuknya formasi rendah. Formasi ini dapat lebih tinggi atau lebih rendah dari pada yang lain. Hal yang penting untuk diperhatikan adalah bahwa formasi rendah yang kedua tetap berada di atas pita bawah. Pembentukan bullish dikonfirmasi ketika harga bergerak di atas pita tengah atau pita SMA.
Gambar 7.14. Grafik saham AT&T untuk analisa Bollinger Bands Grafik saham AT&T pada Gambar 7.14. di atas memberikan contoh yang baik tentang sinyal beli double bottom. Saham menembus pita bawah pada akhir September (panah merah) dan selanjutnya tetap berada di atas pada uji berikutnya di bulan Oktober. Penembusan pada bulan Oktober di atas pita tengah (lingkaran hijau) memberikan konfirmasi bullish.
Double Top – Jual: Satu sinyal jual double top diberikan ketika harga-harga memuncak di atas pita atas dan puncak berikutnya gagal untuk menembus ke atas pita atas. Pembentukan bearish dikonfirmasi saat harga-harga menurun ke bawah pita tengah. Perubahan harga yang tajam dapat terjadi setelah rentang pita tersebut menyempit dan volatilitasnya rendah. Dalam keadaan seperti ini, Bollinger Bands tidak memberikan petunjuk apapun mengenai arah harga pada masa datang. Arah harus ditentukan dengan menggunakan indikator lain dan aspek-aspek analisis teknikal. Beberapa sekuritas bergerak melalui periode bervolatilitas tinggi yang diikuti oleh periode bervolatilitas rendah. Dengan
memakai Bollinger Bands, periode-periode ini dapat diidentifikasi secara mudah dengan perkiraan visual. Pita yang sempit mengindikasikan volatilitas rendah, sedangkan pita yang lebar mengindikasikan volatilitas yang tinggi. Volatilitas dapat menjadi hal yang penting bagi pemain opsi, karena harga opsi akan lebih rendah saat volatilitasnya rendah.
Gambar 7.15. Grafik saham Starbucks untuk analisa Bollinger Bands Grafik saham Starbucks pada Gambar 7.15. di atas memberikan contoh tentang penyempitan pita sebelum terjadinya pergerakan besar. Pada bulan November, pita masih terlihat relatif lebar dan mulai menyempit 2 bulan berikutnya. Memasuki awal Januari, pita berada dalam kondisi yang paling sempit dalam periode 4 bulan terakhir (lingkaran merah). Selang seminggu lebih sedikit berikutnya, saham meledak hingga memberikan gain 10 poin lebih dalam waktu kurang dari 2 minggu.
7.7. PARABOLIC SAR 7.7.1. Pendahuluan Indikator ini dikembangkan oleh J. Welles Wilder yang juga menciptakan RSI dan DMI. Parabolic SAR mengatur berhentinya pelacakan harga untuk posisi long atau short. Indikator ini juga dikenal sebagai indikator stop-and-reversal (SAR). Oleh karenanya, Parabolic SAR lebih populer digunakan untuk mengatur stop dari pada untuk menetapkan arah atau tren. Wilder merekomendasikan penggunaan indikator ini dengan menetapkan tren terlebih dahulu, baru kemudian bertransaksi dengan Parabolic SAR dalam arah tren. Jika tren menaik, lakukan pembelian ketika indikator bergerak di bawah harga aktual. Sebaliknya jika tren menurun, lakukan penjualan ketika indikator bergerak di atas harga aktualnya.
7.7.2. Perhitungan Parabolic SAR Rumusan untuk Parabolic SAR sangat kompleks dan berada di luar lingkup definisi yang dipakai di sini, tetapi interpretasinya relatif apa adanya. Kurva titik-titik di bawah harga aktual membentuk jejak stop untuk posisi beli dan kurva titik-titik di atas harga aktual membentuk jejak stop untuk posisi jual. Pada awal pergerakannya, Parabolic SAR akan memberikan bantalan yang lebih besar antara harga aktual dan jejak stopnya. Begitu gerakan mengambil jalur bawah, jarak antara harga aktual dan indikator akan mengecil, sehingga memungkinkan stop-loss yang lebih kecil saat harga bergerak ke arah yang diinginkan. Terdapat 2 variabel dalam analisa indikator ini, yaitu: tingkat dan tingkat maksimum. Pengaturan tingkat yang lebih tinggi akan membuat indikator lebih sensitif terhadap perubahan harga. Jika tingkatan diatur terlalu tinggi, indikator akan berfluktuasi di atas dan di bawah terlalu sering, sehingga mempersulit interpretasi. Tingkatan maksimum mengontrol pengaturan SAR terhadap pergerakan harga. Pengaturan tingkat yang lebih rendah akan menjauhkan jejak stop terhadap harga aktualnya. Wilder merekomendasikan pengaturan tingkat pada 0,02 dan tingkatan maksimum pada 0,2. 7.7.3. Contoh Kasus Grafik saham Microsoft (MSFT) pada Gambar 7.16. di bawah menunjukkan bagaimana Parabolic SAR dapat menangkap sebagian besar tren dan memungkinkan para trader untuk mendapatkan untung dari sinyal beli dan jual. Pengaturan dasar yang direkomendasikan Wilder menurunkan fluktuasi yang membingungkan, tetapi bukan berarti menjadikan indikator imun terhadap tipuan (panah hitam). Interpretasi yang layak dari indikator ini akan menyarankan bahwa trader harus menutup posisi beli saat harga jatuh di bawah SAR (panah merah) dan menutup posisi jual saat harga naik di atas SAR (panah hijau). Parabolic SAR akan bekerja paling baik selama periode tren yang kuat, di mana Wilder sendiri meperkirakan terjadinya secara kasar adalah 30%. Oleh karena itu, para pemakai sebaiknya menentukan terlebih dahulu bahwa pasar sedang berada dalam tren dengan menggunakan indikator lain seperti Wilder’s ADX line.
7.8. RATE OF CHANGE (ROC) 7.8.1. Pengertian dan Perhitungan Indikator Rate of Change (ROC) adalah momentum oscillator efektif yang sederhana, yang mengukur persentase perubahan dalam harga dari satu periode ke periode berikutnya. Perhitungan ROC membandingkan harga saat ini dengan harga n periode sebelumnya. ROC = [(Today's close - Close n periods ago) / (Close n periods ago)] * 100
Gambar 7.16. Grafik saham Microsoft untuk analisa Parabolic SAR Plot dari rumusan di atas membentuk suatu oscillator yang berfluktuasi di atas dan di bawah garis nol sejalan dengan pergerakan Rate of Change dari positif ke negatif. Oscillator ini dapat digunakan seperti halnya oscillator momentum lainnya dengan memperhatikan higher lows, lower highs, divergensi positif dan negatif, serta perpotongan di atas dan di bawah nol untuk mendapatkan sinyal. 6.8.2. Contoh Kasus Grafik saham Lucent pada Gambar 7.17 di halaman berikutnya menunjukkan terbentuknya suatu divergensi negatif besar pada bulan Desember 1999 dan ROC bergerak ke dalam wilayah negatif sesaat sebelum penurunan tajam. Hal ini menunjukkan sinyal jual yang sangat bagus, namun ROC dapat juga menghasilkan tipuan selama dia bergerak ke atas dan ke bawah nol. Bersama dengan sebagian besar indikator teknikal, ROC seharusnya digunakan dalam hubungannya dengan aspek-aspek atau analisis teknikal lain sebagaimana indikator berbasis non-momentum lainnya.
Gambar 7.17. Grafik saham Lucent Technologies untuk analisa ROC
