PEMILIHAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN BAYESIAN INFORMATION CRITERION (BIC) oleh EKO UTORO M

perpustakaan.uns.ac.id

digilib.uns.ac.id

PEMILIHAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN BAYESIAN INFORMATION CRITERION (BIC)

oleh EKO UTORO M0108041

SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2012

commit to user i


digilib.uns.ac.id

commit to user ii


digilib.uns.ac.id

ABSTRAK Eko Utoro, 2012. PEMILIHAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN BAYESIAN INFORMATION CRITERION (BIC). Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sebelas Maret. Saham merupakan suatu sertifikat atau piagam yang memiliki fungsi sebagai bukti kepemilikan perusahaan dengan berbagai aspek penting. Kumpulan investasi yang dimiliki oleh institusi ataupun perorangan disebut portofolio. Portofolio dapat memberikan informasi besarnya proporsi return yang optimal dalam suatu instrumen, sehingga investor dapat menentukan besarnya alokasi dana yang diinvestasikan. Salah satu metode untuk pemilihan saham dalam pembentukan portofolio optimal adalah bayesian information criterion (BIC). BIC dipilih dalam membantu membedakan saham relevan dan tidak relevan secara konsisten pada portofolio sehingga banyak saham yang terdapat pada portofolio dapat diestimasi secara optimal. Dalam pemilihan portofolio yang dimasukkan adalah sahamsaham yang mempunyai nilai BIC terkecil dari jumlah return yang berbeda-beda dari tiap saham. Pemilihan portofolio optimal dengan menggunakan BIC diterapkan dalam penutupan harga saham pada 8 perusahaan manufaktur dibidang otomotif. Nilai BIC paling minimum yaitu -48.232327 didapatkan saat return saham sebesar 129 data. Portofolio yang tersusun merupakan gabungan dari 6 saham yang direkomendasikan untuk menginvestasikan modal 40.53% ke PT. Astra Internasional Tbk, 14.36% ke PT. Gajah Tunggal Tbk, 11.90% ke PT. Goodyear Indonesia, 8.69% ke PT. Indospring Tbk, 12.11% ke PT. Multi Prima Sejahtera, dan 12.41% ke PT. Indomobil Sukses International Tbk. Kata kunci : return, portofolio optimal, Bayesian Information Criterion

commit to user iii


digilib.uns.ac.id

ABSTRACT

Eko Utoro, 2012. OPTIMAL PORTFOLIO SELECTION WITH BAYESIAN INFORMATION CRITERION (BIC). Faculty of Mathematics and Natural Sciences, Sebelas Maret University. Stock is a certificate or plaque that has a function as a proof of ownership of the company with the many important aspects. Collections of investments held by institutions or individuals are called portfolio. Portfolios can provide large proportion of the optimal return within an instrument, so that investors can determine the size of the allocation of funds invested. One method for selecting stocks in the optimal portfolio formation is bayesian information criterion (BIC). BIC selected to help distinguish relevant and irrelevant stock consistently at so many stock portfolios contained in the optimal portfolio can be estimated. The portfolio selection included stocks that have the smallest BIC value of the number of return different from each stock. Selection of optimal portfolios using the BIC is applied to the closing share price on 8 companies in automotive manufacturing. The minimum value of BIC is -48.232327 obtained when stock return of 129 data. The optimal portfolio is composed of a combination 6 recommended stocks to invest capital 40.53% to PT. Astra International Tbk, 14.36% to PT. Gajah Tunggal Tbk, 11.90% to the PT. Goodyear Indonesia, 8.69% to PT. Indospring Tbk, 12.11% to PT. Multi Prima Prosperous, and 12.41% to PT. Indomobil Sukses International Tbk.

Key words: return, optimal portfolio, Bayesian Information Criterion .

commit to user iv


digilib.uns.ac.id

MOTO

Allah selalu menjanjikan kemudahan bagi mereka yang bersyukur atas nikmatNYA (HR Bukhari-Muslim)

Sesungguhnya keadaan-Nya apabila Dia menghendaki sesuatu hanyalah berkata kepadanya: "Jadilah!" maka terjadilah ia (QS. Yaasiin : 82)

commit to user v


digilib.uns.ac.id

PERSEMBAHAN

Karya ini saya persembahkan untuk Ayah dan Ibu yang tak pernah lelah menasihatiku dan telah memberikan semua yang terbaik melalui kasih sayang dan doa

commit to user vi


digilib.uns.ac.id

KATA PENGANTAR

Segala puji bagi Allah SWT, yang telah melimpahkan rahmat dan karuniaNya dan memberikan kekuatan dan kemudahan kepada penulis sehingga dapat menyelesaikan skripsi ini dengan baik. Terselesaikannya skripsi ini tidak lepas dari bimbingan dan motivasi dari berbagai pihak. Untuk itu penulis menyampaikan ucapan terima kasih kepada 1.

Ibu Dr. Sri Subanti, M.Si dan sebagai Dosen Pembimbing I atas kesediaan dan kesabaran dalam memberikan bimbingan dalam penyusunan skripsi ini,

2.

Bapak Drs. Santoso Budi Wiyono, M. Si sebagai Dosen Pembimbing II dalam memberi nasehat serta pengarahan dalam penyusunan skripsi ini,

3.

semua pihak yang turut membantu kelancaran penulisan skripsi ini.

Semoga penulisan skripsi ini dapat bermanfaat bagi pembaca.

Surakarta, Desember 2012 Penulis

commit to user vii


digilib.uns.ac.id

DAFTAR ISI

JUDUL .................................................................................................................. i PENGESAHAN .................................................................................................... ii ABSTRAK ............................................................................................................ iii ABSTRACT ............................................................................................................ iv MOTO .................................................................................................................. v PERSEMBAHAN ................................................................................................ vi KATA PENGANTAR .......................................................................................... vii DAFTAR ISI .......................................................................................................viii DAFTAR TABEL ................................................................................................. x I.

PENDAHULUAN

1

1.1 Latar Belakang Masalah ......................................................................... 1 1.2 Perumusan Masalah ................................................................................ 2 1.3 Batasan Masalah ..................................................................................... 2 1.4 Tujuan Penelitian .................................................................................... 3 1.5 Manfaat Penelitian .................................................................................. 3 II. LANDASAN TEORI

4

2.1 Tinjauan Pustaka ..................................................................................... 4 2.1.1 Konsep Dasar Probabilitas .......................................................... 5 2.1.2 Distribusi Normal ....................................................................... 6 2.1.3 Fungsi Densitas Probabilitas ....................................................... 7 2.1.4 Distribusi Prior dan Distribusi Posterior ..................................... 8 2.1.5 Teorema Bayes ........................................................................... 8 2.1.6 Metode Maksimum Likelihood ................................................... 9 2.1.7 Return .......................................................................................... 10 2.1.8 Risiko (Risk) ............................................................................... 11 2.1.9 Portofolio .................................................................................... 11 2.1.10 Normalitas .................................................................................. 12 2.2 Kerangka Pemikiran ............................................................................... 13

commit to user viii


digilib.uns.ac.id

III. METODE PENELITIAN

14

IV. PEMBAHASAN

15

4.1 Saham Relevan dan Tidak Relevan ....................................................... 15 4.2 Bayesian Information Criterion (BIC) untuk Portofolio ....................... 16 4.3 Penerapan Kasus .................................................................................... 18 4.3.1 Statistik Deskriptif Data Saham .................................................. 19 4.3.2 Uji Normalitas Data Return Saham ............................................. 19 4.3.3 Ukuran Portofolio ........................................................................ 21 4.3.4 Bobot Portofolio .......................................................................... 23 V. PENUTUP

24

5.1 Kesimpulan ............................................................................................. 24 5.2 Saran ....................................................................................................... 24 DAFTAR PUSTAKA

25

LAMPIRAN

27

commit to user ix


digilib.uns.ac.id

DAFTAR TABEL

4.1

Statistik deskriptif return dari 8 saham perusahaan manufaktur ................. 20

4.2

Uji Kolmogorov-Smirnov sampel 120 dan 200 data return saham ............. 21

4.3

Tabel eliminasi Backward BIC untuk sampel yang berbeda-beda ............. 22

commit to user x


digilib.uns.ac.id 1

BAB I PENDAHULUAN

1.1. LATAR BELAKANG MASALAH Pasar modal menjadi wahana alternatif untuk berinvestasi selain pada investasi nyata yang berupa pembelian surat-surat berharga seperti obligasi, saham dan lain-lain. Saham merupakan suatu sertifikat atau piagam yang memiliki fungsi sebagai bukti kepemilikan suatu perusahaan dengan berbagai aspek-aspek penting bagi perusahaan. Pemilik saham akan mendapatkan hak untuk menerima sebagaian pendapatan tetap atau deviden dari perusahaan serta kewajiban menanggung risiko kerugian yang diderita perusahaan. Investasi merupakan penempatan sejumlah dana pada masa sekarang dengan harapan untuk memperoleh keuntungan di masa yang akan datang. Kumpulan investasi yang dimiliki oleh institusi ataupun perorangan disebut portofolio. Risiko tertentu dapat dikurangi dan memberikan potensi tingkat keuntungan yang cukup dan tetap dengan memiliki beberapa aset. Alokasi aset memerlukan strategi investasi dengan menempatkan dana dalam berbagai instrumen investasi dengan tingkat risiko dan potensi keuntungan yang berbeda yang biasa disebut diversifikasi. Menurut Laksono [4] pertimbangan yang dilakukan investor adalah membentuk portofolio untuk menanggung risiko tertentu guna memperoleh return yang sebesar-besarnya atau dengan risiko yang sekecil-kecilnya untuk memperoleh return tertentu. Portofolio dapat memberikan informasi besarnya proporsi return yang optimal dalam suatu instrumen sehingga investor dapat menentukan besarnya alokasi dana yang diinvestasikan. Markowitz [7] merekomendasikan suatu portofolio optimal dimana mampu memberikan expected return yang maksimum sekaligus meminimumkan risiko. Teori portofolio yang dikenal dengan istilah mean - variance efficiency (MV), namun jumlah portofolio yang besar akan membentuk suatu matrik kovariansi dengan dimensi tinggi yang akan menyulitkan dalam mengestimasi secara akurat. Estimasi eror dapat menyebabkan portofolio yang terbentuk

commit to user


digilib.uns.ac.id 2

menjadi tidak stabil. Untuk menyelidiki pengaruh dari estimasi eror maka perlu dilakukan pengontrolan banyak saham yang dimasukkan dalam portofolio. Lan, et al. [5] yang mengenalkan saham relevan dan tidak relevan dalam pemilihan portofolio untuk menyeimbangkan diversifikasi serta estimasi eror. Saham relevan adalah saham yang seharusnya masuk dalam portofolio sedangakan saham tidak relevan adalah saham yang tidak mampu menambah pengurangan resiko yang telah dilakukan oleh saham relevan. Pembedaan saham relevan dan tidak relevan ini dilakukan dengan membangun suatu kriteria pemilihan. Bayesian information criterion (BIC) dipilih dalam membantu membedakan saham relevan dan tidak relevan secara konsisten pada portofolio sehingga banyak saham yang terdapat pada portofolio dapat diestimasi secara optimal. Dalam penelitian ini dilakukan kajian ulang dari penelitian terdahulu yang dilakukan oleh yaitu tentang pembentukan portofolio optimal dengan menggunakan BIC. Menurut Polson dan Tew [9] portofolio dibentuk dari data return harian saham karena data return harian mampu memberikan nilai informasi mengenai estimasi struktur varians kovarian return di masa mendatang. Saham yang digunakan dalam penerapan kasus adalah penutupan harga saham harian dari perusahaan manufaktur otomotif yaitu yang diperjualbelikan di pasar modal dan memberikan gambaran perusahaan mana saja yang lebih baik dimasukkan pada portofolio sekaligus bobot investasi optimal pada portofolio tersebut.

1.2. PERUMUSAN MASALAH Berdasarkan latar belakang dapat dibuat rumusan masalah yaitu bagaimana menentukan pemilihan saham dan bentuk portofolio optimal dengan menggunakan BIC.

1.3. BATASAN MASALAH Untuk membatasi permasalahan agar tidak meluas, data yang digunakan dalam penelitian ini adalah data saham Perusahaan manufaktur otomotif yang diperjualbelikan di pasar modal Indonesia tanggal 1 Januari 2010 sampai 18

commit to user


digilib.uns.ac.id 3

Oktober 2010. Metode yang digunakan dalam penelitian ini adalah BIC. BIC digunakan untuk membentuk portofolio optimal berdasarkan nilai terkecil.

1.4. TUJUAN PENELITIAN Berdasarkan perumusan masalah, tujuan dari penelitian ini adalah mengetahui pemilihan saham dan bentuk portofolio optimal dengan menggunakan BIC.

1.5. MANFAAT PENELITIAN Manfaat dari penelitian ini adalah teoritis dan praktis. Manfaat teoritis yaitu memberikan pengetahuan mengenai investasi dan portofolio. Sedangkan manfaat praktis yaitu memberikan informasi bagi investor untuk menetapkan portofolio dalam pemilihan saham sehingga investor dapat mempertimbangkan sahamsaham yang akan diinvestasikan.

commit to user


digilib.uns.ac.id 4

BAB II LANDASAN TEORI

Pada bagian ini terdiri dari tinjauan pustaka dan kerangka pemikiran. Tinjauan pustaka berisi tentang penelitian-penelitian yang terdahulu dan digunakan sebagai dasar dilaksanakannya penelitian ini, serta teori-teori penunjang berisi definisi-definisi yang digunakan dalam pembahasan. Sedangkan kerangka pemikiran merupakan alur pikir dalam pembuatan skripsi ini.

2.1. TINJAUAN PUSTAKA Penelitian terdahulu diperoleh dari studi-studi mengenai tentang BIC, BIC merupakan pengembangan dari

yang dilakukan

oleh Schwarz [10]. Studi yang pernah dilakukan oleh Lan, et al. [5] yang mengenalkan saham relevan dan tidak relevan dalam pemilihan portofolio untuk menyeimbangkan diversifikasi serta estimasi eror. Saham relevan adalah saham yang seharusnya masuk dalam portofolio sedangkan saham tidak relevan adalah saham yang tidak mampu menambah pengurangan risiko yang telah dilakukan oleh saham relevan. Pembedaan saham relevan dan tidak relevan ini dilakukan dengan membangun suatu kriteria pemilihan. BIC digunakan dalam membedakan saham relevan dan tidak relevan secara konsisten pada portofolio sehingga banyak saham yang terdapat pada portofolio dapat diestimasi secara optimal. Studi lain dalam membentuk susunan portofolio berdasarkan BIC juga dilakukan oleh

[8] yaitu tentang

perbandingan pemilihan portofolio

optimal menggunakan BIC dan Mean-Variance Efficiency pada indeks LQ45. Hasil yang diperoleh adalah metode pemilihan portofolio BIC lebih baik digunakan dalam pembentukan portofolio optimal daripada Mean-Variance Efficiency (MV) dengan nilai risiko yang lebih kecil.

commit to user


digilib.uns.ac.id 5

2.1.1. Konsep Dasar Probabilitas Berikut ini dituliskan tiga belas definisi dan tiga teorema yang diambil dari Bain & Engelhardt [1]. Definisi 2.1 Probabilitas merupakan suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu kejadian yang tidak pasti (uncertain event). Nilai probabilitas dapat dihitung berdasarkan nilai hasil observasi (sifatnya subjektif) atau berdasarkan pertimbangan pembuat keputusan. Suatu merupakan besarnya nilai kemungkinan munculnya suatu kejadian adalah diantara 0 dan 1. Diambil suatu percobaan dari sampel , dengan Suatu

dikatakan sebagai probabilitas dari peristiwa

bagian dari sampel . jika dan hanya jika

memenuhi 3 kondisi, yaitu 1. 2. 3. untuk suatu barisan peristiwa ketika

dengan

Definisi 2.2 Jika

yang saling asing, yaitu peristiwa maka

dan B adalah kejadian dengan

maka probabilitas bersyarat

didefinisikan sebagai

Teorema 2.1 Misalkan

kejadian dengan

commit to user

,

maka


digilib.uns.ac.id 6

Teorema 2.2 Jika

partisi dari

dan

sembarang kejadian, maka

bukti : partisi dari

artinya

untuk

2.1.2. Distribusi Normal Definisi 2.3 Suatu variabel random dan variansi

akan mengikuti distribusi normal mean

yang dinotasikan dengan

mempunyai persamaan

pdf untuk dimana

dan

. yaitu

Definisi 2.4 Nilai ekspektasi dari

Definisi 2.5 Variansi

dengan substitusi standar

yaitu

, maka persamaan

commit to user

menjadi pdf normal


digilib.uns.ac.id 7

2.1.3. Fungsi Densitas Probabilitas Definisi 2.6 Suatu fungsi dari variabel random diskrit menyatakan probabilitas setiap nilai x, yaitu

Maka

disebut fungsi densitas probabilitas diskrit, dengan fungsi distribusi

kumulatifnya dinyatakan dengan

Definisi 2.7 Suatu variabel random disebut variabel random kontinu jika terdapat fungsi f(x), maka fungsi kumulatifnya dinyatakan dengan

Fungsi densitas probabilitas bersama atau joint probability density function, dari variabel random diskrit berdimensi k dimana didefinisikan sebagai

untuk semua nilai yang mungkin Definisi 2.8 Jika pasangan mempunyai pdf bersama

dari dari variabel random diskrit yang maka pdf marginal dari

secara umum

commit to user

dan

adalah


digilib.uns.ac.id 8

Dalam kasus kontinu pdf marginal didefinisikan dengan menggunakan jumlahan menjadi integral. Fungsi distribusi kumulatif bersama (joint cumulative distribution function, disingkat CDF) dari variabel random berdimensi k dengan didefinisikan sebagai

Definisi 2.9 Suatu

adalah variabel random berdimensi k dengan maka CDF marginal dari

CDF bersama

dan

Definisi 2.10 Jika pdf bersama

adalah

adalah variabel random diskrit atau kontinu dengan maka pdf bersyarat dari

diberikan

didefinisikan sebagai

untuk semua nilai

sedemikian sehingga

dan nol untuk lainnya.

2.1.4. Distribusi Prior dan Distribusi Posterior Distribusi prior dari suatu parameter

merupakan fungsi kepadatan

probabilitas yang menggambarkan tingkat keyakinan nilai posterior untuk

. Fungsi kepadatan

merupakan fungsi kepadatan probabilitas bersyarat

diberikan

nilai sampel y, sehingga

Secara umum, distribusi posterior menggambarkan tingkat keyakinan terhadap kemungkinan nilai parameter

setelah diberikan nilai sampel.

2.1.5. Teorema Bayes Teorema Bayes digunakan untuk mengestimasi dua informasi, yaitu informasi dari data observasi baru dan informasi yang telah diperoleh sebelumnya.

commit to user


digilib.uns.ac.id 9

Teorema 2.3 Ditentukan variabel random vektor dari n observasi dengan distribusi

adalah sebuah dan bergantung pada suatu

, maka

himpunan parameter

Untuk X merupakan data observasi, distribusi bersyarat dari

adalah

Distribusi prior merupakan distribusi awal sebelum diperoleh data observasi dan dinotasikan

. Sedangkan distribusi posterior merupakan

distribusi ketika data observasi telah diketahui dan dinotasikan sebagai Distribusi posterior adalah fungsi distribusi probabilitas bersyarat

.

dengan nilai

yang kontinu dapat

observasi X telah diketahui. Distribusi posterior untuk ditentukan sebagai

sedangkan distribusi posterior untuk

dengan

yang diskrit adalah

adalah distribusi prior dan

adalah fungsi distribusi data

observasi atau fungsi likelihood. 2.1.6. Metode Maksimum Likelihood Fungsi densitas probabilitas bersama dari variabel random dengan

sebagai fungsi likelihood. Untuk

tetap, fungsi likelihood adalah fungsi adalah sampel random dari

dituliskan dengan

. Jika

maka

adalah fungsi densitas

Definisi 2.12 Misal L probabilitas bersama dari

yang

. Jika diberikan nilai observasi

commit to user


digilib.uns.ac.id 10

, nilai dari

dalam

dimana

estimasi maksimum likelihood dari .Maka

Definisi 2.13 Misal

menjadi maksimum disebut

merupakan nilai dari

sehingga

adalah peubah acak yang iid dengan pdf

dimana

merupakan suatu vektor dari p-parameter yang tidak

diketahui. Suatu parameter

dapat ditemukan dengan melakukan taksiran

terhadap joint likelihood. Dalam melakukan penaksiran joint maximum likelihood ada beberapa tahapan yang harus dilakukan, 1. mencari pdf bersama dari

yaitu

. Karena

adalah peubah acak yang iid maka

2. mencari fungsi likelihood-nya. Fungsi likelihood didefinisikan sebagai pdf bersama dari

yang dianggap sebagai fungsi dari

.

Dimisalkan fungsi likelihood =

3. mencari taksiran dari likelihood, taksiran dari

. Dalam metode penaksiran joint maximum diperoleh dengan menemukan nilai , sebut

yang memaksimumkan fungsi likelihood. Maka

disebut taksiran joint

maximum likelihood dari . 2.1.7. Return Menurut Sularso [13] return merupakan imbalan atas keberanian investor menanggung risiko atas investasi yang dilakukan. Sumber-sumber return investasi terdiri dari dua komponen utama, yaitu yield dan capital gain. Return harian tiap saham dikenal dengan return individual. Return ini merupakan logaritma natural harga saham pada waktu t dibagi harga saham pada waktu t - 1.

commit to user



Dimana

adalah harga saham pada waktu

dan

adalah harga saham

pada waktu t. 2.1.8. Risiko (Risk) Risiko atau risk merupakan kemungkinan perbedaan antara return aktual yang diterima dengan return yang diharapkan. Risiko dari suatu portofolio saham bergantung kepada variabel proporsi dari saham-saham individu, varianscovarian dari saham-saham tersebut. Perubahan yang terjadi pada variabelvariabel tersebut akan merubah risiko dari portofolio. Risiko portofolio akan menurun sesuai dengan banyaknya saham yang berbeda ditambahkan ke dalam portofolio serta risiko dari tiap-tiap saham individu dan tingkat dimana risiko itu independen [12]. Dalam upaya untuk meminimumkan risiko, seorang investor sebaiknya melakukan diversifikasi dengan membentuk portofolio. Diversifikasi risiko ini sangat penting untuk investor, karena dapat meminimumkan risiko yang muncul tanpa harus mengurangi return yang diterima. Portofolio merupakan strategi diversifikasi investasi ke dalam dua atau lebih saham untuk menurunkan risiko. Tujuan yang mendasar dari portofolio adalah untuk mendapatkan alokasi yang optimal diantara aset - aset yang berbeda [11].

2.1.9.

Portofolio

Portofolio merupakan kombinasi atau gabungan aset, baik berupa aset riil maupun finansial yang dimiliki oleh investor. Dalam membentuk portofolio banyak kemungkinan terdapat aset yang jumlahnya tidak terbatas sehingga investor harus dapat menentukan portofolio mana yang akan dipilih. Perlu dilakukan identifikasi seberapa proporsi dana yang akan diinvestasikan pada masing-masing aset agar portofolio menghasilkan keuntungan yang besar tetapi risiko yang ditanggung kecil [3].

Return dari portofolio dapat ditulis

commit to user



dengan N

: banyaknya aset dalam portofolio : return dari aset ke-i pada periode ke-t : proporsi aset ke-i dalam portofolio, dengan

.

Bentuk notasi matriks return portofolio pada waktu dapat ditulis

Nilai ekspektasi dari return portofolionya yaitu

dan variannya adalah

. Dalam bentuk notasi matriks, nilai ekspektasi dan variansi dari return portofolio dapat ditulis =

,

, dengan

adalah matriks varian-covarian. 2.1.11. Normalitas Menurut Gujarati [2] salah satu cara menguji kenormalan data adalah uji

Kolmogorov-Smirnov. Uji Kolmogorov-Smirnov merupakan pengujian normalitas yang banyak dipakai, terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang

commit to user



sering terjadi pada uji normalitas dengan menggunakan grafik. Penerapan pada uji Kolmogorov-Smirno akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal. Pengujian hipotesis yang digunakan adalah a) Jika p-value b) Jika p-value

maka data berdistribusi normal.

2.2. KERANGKA PEMIKIRAN Perkembangan jual-beli surat berharga di bursa saham mengharuskan investor harus menyusun portofolio yang optimal sehingga mendapatkan tingkat pengembalian yang maksimal. Banyaknya portofolio yang disusun akan tetap memiliki return dan risiko yang tidak pasti. Maka pada penelitian ini dapat dibentuk suatu portofolio yang optimal dari beberapa saham yang terpilih berdasarkan nilai BIC yang diperoleh. Peneliti ini menyusun portofolio dengan menggunakan Bayesian Information Criterion (BIC) yaitu menghitung data return dari data saham yang diperoleh, menguji data return yang didapat dengan uji distribusi normal, sehingga data return yang normal dapat dibentuk bermacammacam portofolio dengan nilai sampel n berbeda-beda, sehingga didapat sahamsaham relevan yang memiliki nilai BIC terkecil. Portofolio yang tersusun dari saham relevan yang mempunyai nilai return yang maksimal dan risiko yang minimum.

commit to user



BAB III METODE PENELITIAN Metode yang digunakan dalam penulisan skripsi ini adalah studi literatur yaitu dengan mempelajari referensi yang berupa buku dan jurnal yang bersesuaian dengan tujuan penelitian skripsi ini. Dalam penelitian ini materi utama untuk pembelajaran adalah bayesian information criterion (BIC). Langkah-langkah yang dilakukan dalam penulisan skripsi ini adalah 1. mengkaji ulang literatur mengenai BIC, 2. menentukan pemilihan portofolio menggunakan BIC, 3. penerapan BIC pada pembentukan portofolio pada 8 saham perusahaan manufaktur yang bergerak di bidang otomotif di Indonesia, a. melakukan uji normal Kolmogorov-Smirnov, uji independensi dan uji stasioneritas pada return saham, b. menentukan ukuran sampel portofolio yang berbeda - beda untuk proses BIC, c. melakukan eliminasi Backward kepada tiap ukuran sampel yang berbeda, d. memilih ukuran sampel yang minimum terhadap proses BIC, e. menghitung bobot portofolio dari setiap saham yang dipilih f. membentuk susunan portofolio dari gabungan saham-saham yang terpilih,

commit to user



BAB IV PEMBAHASAN

Salah satu metode untuk pembentukan portofolio optimal adalah bayesian information criterion (BIC). BIC merupakan metode pemilihan model dari beberapa saham yang membentuk model. Metode pemilihan model dengan menggunakan BIC didasarkan pada metode MLE dan Teorema Bayes. Dalam memilih model terbaik dengan metode BIC dipilih model dengan nilai BIC terkecil. Semakin kecil nilai BIC semakin baik modelnya. BIC dalam pembahasan ini digunakan pemilihan saham untuk membentuk portofolio terhadap nilai return saham yang berbeda. Penghitungan BIC digunakan untuk menyusun portofolio optimal yaitu tersusun atas saham-saham yang relevan. 4.1. Saham Relevan dan Tidak Relevan Misalkan

adalah jumlah aset yang akan diinvestasikan, aset,

bobot portofolio yang terdiri atas

adalah matrik kovarians dari d aset,

adalah vektor

adalah vektor return dari d aset dan adalah vektor sepanjang

dimana elemen

vektornya adalah 1 [7]. Suatu

adalah return dari saham kepada waktu kedimana

dan diasumsikan bahwa

adalah jumlah kandidat saham dan

adalah suatu variabel random yang berdistribusi dan

independen dan identik dengan

untuk

.

Untuk mengecilkan variansi portofolio, salah satu cara yang dilakukan adalah sehingga

dengan menentukan vektor bobot optimal dapat diminimumkan dibawah constrain

dimana

.Penyelesaian optimal untuk meminimumkannya adalah dimana nilai variansinya . Notasi

mewakili portofolio yang tersusun atas saham ke

, sehingga ukuran dari

. Portofolio yang tersusun atas semua

kandidat saham dinotasikan sebagai

commit to user

. Berdasarkan penjelasan



sebelumnya, solusi bobot optimal adalah vektor

yang didapatkan dari

sehingga dapat dikatakan bahwa

portofolio full-size

. Suatu saham

adalah tidak nol. Sedangkan

dikatakan relevan jika bobot yang sesuai pada

saham yang tidak relevan jika bobot yang sesuai adalah nol. Portofolio optimal adalah

dengan ukuran dengan ukuran

adalah

sedangkan komplemennya .

Saham relevan adalah saham yang harus dimasukkan dalam portofolio dan tidak relevan adalah saham yang tidak dapat mengurangi risiko yang sudah dilakukan oleh saham relevan. Syarat perlu dan cukup bahwa didapatkan

setiap untuk

dimana

dan

sembarang portofolio

adalah koefisien regresi dari

diasumsikan mengikuti distribusi normal. Untuk

dan saham sembarang

diasumsikan independen terhadap

dimana

adalah untuk

, didapatkan

untuk

[5].

4.2. Bayesian Information Criterion (BIC) untuk Portofolio Bayesian information criterion (BIC) merupakan salah satu pemilihan kriteria informasi. Selain mean

variance efficiency bisa menggunakan BIC

untuk menentukan pemilihan struktur portofolio optimal. Pada pemilihan model ekonomi, BIC merupakan kriteria yang digunakan sebagai salah satu pemilihan model terbaik. Kriteria informasi ini digunakan untuk mengestimasi dimensi dari model. BIC dibangun dari log maximum likelihood dan dimensi model atau jumlah parameter. BIC melengkapi pemilihan kriteria informasi untuk kasus dengan jumlah data sampel besar [10]. Lan, et al [5] mempertimbangkan fungsi joint likelihood dalam pemilihan portofolio menggunakan BIC. Fungsi joint likelihood dari dimana portofolio

. Fungsi marginal likelihood adalah

commit to user

untuk kandidat



Estimasi maksimum likelihood untuk nilai maksimum dari fungsi

dinotasikan

merupakan

, maka nilai

untuk untuk saham tidak relevan.

saham relevan dan

Selanjutnya didapat fungsi conditional likelihood

yang diberikan

adalah

dimana

. Fungsi

joint likelihood

. Estimasi maksimum likelihood untuk nilai maksimum dari fungsi parameter

dinotasikan

merupakan

, namun terlebih dahulu mengestimasi

yang dibangun dibawah constrain

sedangkan nilai dari

maka berdasarkan

dan

adalah nol, maka didapat

maka dapat dicari estimasi maksimum dari

dimana

didapat

. Portofolio yang dipilih harus mempunyai fungsi joint likelihood . Berdasarkan penjelasan Schwarz [10], pemilihan

portofolio

dengan menggunakan BIC didapatkan menurut :

dimana berdasarkan jumlah parameter yang tidak diketahui pada Penyederhanaan yaitu

commit to user

dan

.



konstan dan dapat diabaikan sehingga

karena

Nilai BIC

dan

juga menhilangkan

Portofolio optimal yang dipilih adalah

.

diperoleh dengan Memaksimumkan konstanta

sehingga terbentuk

Bobot optimal dihitung dengan cara meminimumkan

dimana

. Untuk sampel ukuran didapatkan bahwa mengidentifikasi portofolio

Hal ini menunjukkan bahwa BIC mampu , portofolio yang tersusun dari saham relevan secara

konsisten. 4.3. Penerapan Kasus Investasi dilakukan untuk memperoleh return yang optimal dan risiko yang paling kecil. Investasi saham memberikan suatu return yang tidak pasti karena harga saham yang selalu berfluktuasi. Untuk mengurangi risiko akibat fluktuasi tersebut investor harus mempertimbangkan investasi berupa portofolio saham. Portofolio saham perlu dilakukan agar saham yang terbentuk menjadi optimal. Contoh kasus yang diambil adalah penutupan harga 8 saham harian perusahaan manufaktur yang ada di Indonesia. Variabel X mewakili return harga saham dengan

merupakan return PT. Astra Internasional Tbk,

return PT. Gajah Tunggal Tbk,

merupakan return PT. Goodyear Indonesia,

merupakan return PT. Nippress Tbk,

merupakan return PT. Indospring Tbk,

merupakan return PT. Multi Prima Sejahtera, Selamat Sempurna Tbk,

merupakan

merupakan return PT.

merupakan return PT. Indomobil Sukses International

Tbk yang bergerak dibidang otomotif di Indonesia selama 201 periode dari 1

commit to user



Januari 2010 sampai 18 Oktober 2010. Data saham tersebut diperoleh dari www. yahoofinance. com [14].

4.3.1. Statistik Deskriptif Data Return Saham Tabel 4.1 Statistik deskriptif return dari saham perusahaan manufaktur di Indonesia. Saham

Mean

Std. Deviation

Minimum

Maksimum

-0.000132

0.020860

-0.076710

0.060418

0.001329

0.025993

-0.057158

0.059898

-0.000474

0.036136

-0.095310

0.086614

-0.000924

0.053626

-0.120144

0.121361

-0.003394

0.037289

-0.089729

0.126195

-0.000052

0.035590

-0.076540

0.221307

0.001878

0.027530

-0.159329

0.205852

0.001565

0.030843

-0.095310

0.091138

Dalam contoh kasus ini diperoleh rata-rata return dari PT. Astra Internasional Tbk = -0.000132 dengan standar deviasi = 0.020860, rata-rata return dari PT. Gajah Tunggal Tbk = 0.001328 dengan standar deviasi = 0.025993, ratarata return dari PT. Goodyear Indonesia = -0.000474 dan dengan standar deviasi = 0.036136, rata-rata return dari PT. Nippress Tbk = -0.000924 dan dengan standar deviasi = 0.053626, rata-rata return dari PT. Indospring Tbk = -0.003394 dengan standar deviasi = 0.037289, rata-rata return dari PT. Multi Prima Sejahtera = 0.000052 dengan standar deviasi = 0.035589, rata-rata return dari PT. Selamat Sempurna Tbk = 0.001878 dengan standar deviasi = 0.027530, rata-rata return dari PT. Indomobil Sukses International = 0.001565 dengan standar deviasi = 0.030843. Hal ini menunjukkan bahwa saham perusahaan-perusahaan di atas bervariasi. 4.3.2. Uji Normalitas Data Return Saham Sebelum dilakukan perhitungan BIC, perlu dilakukan uji asumsi kenormalan data untuk return saham. Masing-masing return aset tunggal diuji

commit to user



dengan menggunakan uji Kolmogorov-Smirnov untuk mengetahui apakah benar return saham berdistribusi normal. Jika return saham tidak berdistribusi normal maka tidak dapat dimasukkan dalam pembentukan portofolio dengan metode BIC. Tabel 4.2 Hasil Uji Kolmogorov-Smirnov sampel 120 dan 200 data return saham. Saham

Nilai p-value 120 data return

Nilai p-value 200 data return

0,957

0,967

0,525

0,108

0,380

0,229

0,382

0,090

0,614

0,227

0,157

0,107

0,000

0,000

0,691

0,174

Hasil uji Kolmogorov-Smirnov menunjukkan nilai p-value > 0,05 sehingga ada return 7 saham yang berdistribusi normal dan ada yang tidak berdistribusi normal. PT. Astra Internasional Tbk, PT. Gajah Tunggal Tbk, PT. Goodyear Indonesia, PT. Nippress Tbk, PT. Indospring Tbk, PT. Multi Prima Sejahtera, PT Indomobil Sukses International Tbk berdistribusi normal sehingga dapat dimasukkan dalam model portofolio. Sedangkan untuk PT. Selamat Sempurna Tbk tidak berdistribusi normal sehingga tidak dimasukkan dalam pembentukan portofolio optimal menggunakan BIC. Untuk mengetahui data return berdistribusi normal independen akan dilakukan uji independensi dengan uji hipotesis : : data return tidak saling berhubungan (independen) : data return saling berhubungan (tidak independen) Nilai p-value dari data return saham (dalam Lampiran 3) lebih besar dari tingkat signifikansi

yaitu 5% dengan demikian berdasarkan uji probabilitas dapat

disimpulkan bahwa

diterima. Jadi data return independen.

commit to user



Untuk mengetahui data return memiliki

dan

dilakukan uji stasioneritas. Kestasioneran data dapat diketahui menggunakan uji unit root test dengan hipotesis : : data mempunyai unit root atau tidak stasioner : data tidak mempunyai unit root atau stasioner Nilai probabilitas ADF (dalam Lampiran 3) adalah 0.0000 dan nilai ini lebih kecil dari tingkat signifikansi

yaitu 5% yang berakibat

ditolak. Dengan

demikian dapat disimpulkan bahwa data stasioner dalam rata-rata atau memiliki dan independen dengan

.

Jadi, data return saham berdistribusi normal dan

.

4.3.3. Ukuran Portofolio Pembentukan portofolio dengan menggunakan BIC ukuran portofolio saham ditentukan berdasarkan nilai BIC yang minimum dari semua kemungkinan ukuran portofolio saham dari tiap ukuran return yang ditentukan. Ukuran return dari tiap saham yang digunakan 120, 128, 129, 130, 140, 150, 160, 170, 180, 190, dan 200. Ukuran sampel diambil berbeda untuk menilai ukuran portofolio yang konsisten. Analisis untuk menghitung ukuran BIC portofolio dimulai dengan menggunakan ukuran sampel terendah 120 data. Penentuan portofolio dilakukan dengan mencari nilai BIC minimum yang dilakukan dengan metode Backward. Portofolio dibentuk pada awal dengan ukuran yaitu 7 saham yang memiliki distribusi normal kemudian dieliminasi satu per satu berdasarkan nilai BIC yang dihasilkan. Saat saham dikeluarkan dari portofolio memberikan nilai yang minimum dibandingkan saat saham lain dikeluarkan maka perhitungan BIC untuk langkah selanjutnya dilakukan tanpa menggabungkan lagi saham yang telah dikeluarkan kedalam portofolio.

commit to user



Tabel 4.3 Tabel eliminasi Backward BIC untuk sampel data yang berbedabeda. Sampel

Nilai BIC

Jumlah Saham

120

-48.156451

6

128

-48.225364

6

129

-48.232327

6

130

-48.225022

6

140

-48.196441

6

150

-48.141294

6

160

-48.126307

6

170

-47.822157

6

180

-47.517122

6

190

-47.393547

6

200

-47,176369

6

Return

Eliminasi Saham

Dari data di atas dapat terlihat nilai BIC dari eliminasi masing-masing sampel yang berbeda

beda dari 7 saham yang dimasukkan dalam penyusunan

portofolio. Nilai BIC yang tertera merupakan nilai estimasi terhadap resiko dengan menggunakan return saham. Pada penghitungan nilai BIC yang terendah dari tiap-tiap sampel berada di iterasi yang pertama yaitu dengan jumlah sebanyak 6 saham. Setiap eliminasi portofolio akan diketahui nilai dari BICnya sehingga dapat ditentukan portofolio mana yang akan diambil sebagai portofolio optimal dari tiap-tiap sampel. Pada sampel return 120 sampai 200 saham yang dieliminasi merupakan saham yang mempunyai nilai BIC terbesar adalah

.

Portofolio yang dipilih mempunyai nilai BIC yang paling kecil dari Tabel 4.3 didapat nilai -48.232327 sehingga diperoleh sebesar 129 data return saham dan sebanyak 6 saham yaitu

.

commit to user



4.3.4. Bobot Portofolio Susunan portofolio optimal yang dihasilkan dapat dihitung dengan menghitung bobot dari 6 saham yang dipilih dengan menghitung maka dapat diperoleh

sehingga didapat

dengan nilai

sehingga

. Dengan

persamaan diatas maka didapat

Susunan portofolio optimal yang dihasilkan berdasarkan perhitungan BIC yang minimum adalah = 0.4053

+ 0.1436

+ 0.1190

+ 0.0869

+ 0.1211

+ 0.1241

.

Dari hasil di atas merekomendasikan untuk menginvestasikan 40.53% modal ke saham PT. Astra Internasional Tbk, 14.36% modal ke saham PT. Gajah Tunggal Tbk, 11.90% modal ke saham PT. Goodyear Indonesia, 8.69% modal ke saham PT. Indospring Tbk, 12.11% modal ke saham PT. Multi Prima Sejahtera, dan 12.41% modal ke saham PT. Indomobil Sukses International Tbk.

commit to user



BAB V PENUTUP

5.1. Kesimpulan Berdasarkan pembahasan mengenai pembentukan portofolio dengan menggunakan bayesian information criterion pada jumlah sampel tertentu maka dapat diambil kesimpulan yaitu: 1. Pemilihan

saham

untuk

membentuk

portofolio

optimal

dengan

menggunakan BIC yaitu

2. Susunan portofolio berdasarkan nilai penghitungan BIC terkecil dari 8 perusahaan manufaktur bidang otomotif adalah = 0.4053

+ 0.1436

+ 0.1190

+ 0.0869

+ 0.1211

+ 0.1241

.

Portofolio yang tersusun merupakan gabungan dari 6 saham yang merekomendasikan untuk diinvestasikan 40.53% modal ke saham PT. Astra Internasional Tbk, 14.36% modal ke saham PT. Gajah Tunggal Tbk, 11.90% modal ke saham PT. Goodyear Indonesia, 8.69% modal ke saham PT. Indospring Tbk, 12.11% modal ke saham PT. Multi Prima Sejahtera, dan 12.41% modal ke saham PT. Indomobil Sukses International Tbk.

5.1 Saran Dalam penulisan skripsi ini, penulis hanya mengkaji ulang dari pemilihan portofolio dengan menggunakan bayesian information criterion. Bagi pembaca yang berminat, penulis menyarankan untuk : 1. melanjutkan pembahasan mengenai pemilihan portofolio metode lainnya seperti CAPM, Bayesian Naive dan sebagainya 2. memperluas pembahasan BIC pemilihan portofolio dengan data saham yang lebih banyak misal dengan jumlah saham 30 dan harga penutupan saham harian 500 periode.

commit to user

PEMILIHAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN BAYESIAN INFORMATION CRITERION (BIC) oleh EKO UTORO M

Recommend Documents