PENGUKURAN DAN ANALISIS PERILAKU HERDING PADA SAHAM IPO BURSA EFEK INDONESIA TAHUN TESIS

UNIVERSITAS INDONESIA

PENGUKURAN DAN ANALISIS PERILAKU HERDING PADA SAHAM IPO BURSA EFEK INDONESIA TAHUN 2007-2011

TESIS

MAXIMILIAN CHANDRA 0906654342

FAKULTAS EKONOMI PROGRAM STUDI MAGISTER MANAJEMEN KEKHUSUSAN MANAJEMEN KEUANGAN JAKARTA JULI 2012

Pengukuran dan..., Maximilian Chandra, FE UI, 2012

UNIVERSITAS INDONESIA

PENGUKURAN DAN ANALISIS PERILAKU HERDING PADA SAHAM IPO BURSA EFEK INDONESIA TAHUN 2007-2011

TESIS

Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Manajemen

MAXIMILIAN CHANDRA 0906654342

FAKULTAS EKONOMI PROGRAM STUDI MAGISTER MANAJEMEN KEKHUSUSAN MANAJEMEN KEUANGAN JAKARTA JULI 2012


HALAMAN PERNYATAAN ORISINALITAS

Tesis ini adalah hasil karya sendiri, dan semua sumber baik yang dikutip maupun dirujuk telah saya nyatakan dengan benar.

Nama

: MAXIMILIAN CHANDRA

NPM

: 0906654342

Tanda Tangan

:

Tanggal

: 14 Juli 2012

ii


HALAMAN PENGESAHAN

Tesis ini diajukan oleh Nama NPM Program Studi Kekhususan Judul Tesis

: : : : : :

Maximilian Chandra 0906654342 Magister Manajemen Keuangan Pengukuran dan Analisis Perilaku Herding pada Saham IPO Bursa Efek Indonesia Tahun 2007-2011

Telah berhasil dipertahankan dihadapan Dewan Penguji dan diterima sebagai bagian persyaratan yang diperlukan untuk memperoleh gelar Magister Manajemen pada Program Studi Keuangan, Fakultas Ekonomi, Universitas Indonesia.

DEWAN PENGUJI Pembimbing

: Rofikoh Rokhim, Ph.D

(……………………)

Penguji

: Eko Rizkianto, M.E

(……………………)

Penguji

: Dr. Dewi Hanggraeni, MBA

(……………………)

Ditetapkan di

: Jakarta

Tanggal

: Juli 2012

iii


KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala berkat dan karunia-Nya, sehingga penulis dapat menyelesaikan penulisan karya akhir ini. Penulisan karya akhir ini diajukan dalam rangka memenuhi syarat memperoleh gelar Magister Manajemen pada Program Studi Magister Manajemen, Fakultas Ekonomi, Universitas Indonesia. Pada kesempatan ini, penulis juga mengucapkan terima kasih yang sebesar-besarnya atas dukungan yang diberikan oleh berbagai pihak sehingga penulis dapat menyelesaikan karya akhir ini dengan baik, antara lain kepada : 1.

Bapak Prof. Rhenald Kasali, Ph.D, selaku Ketua Program Magister Manajemen Fakultas Ekonomi Universitas Indonesia.

2.

Ibu Rofikoh Rokhim, Ph.D, selaku dosen pembimbing yang telah meluangkan waktu, tenaga serta pikiran untuk membantu dan memberikan pengarahan kepada penulis dalam penyusunan karya akhir ini.

3.

Seluruh Dosen beserta Staf Program Magister Manajemen Universitas Indonesia, yang telah membantu dan membimbing penulis selama masa perkuliahan.

4.

Keluarga saya tercinta, yang selalu memberikan dukungan dan doa sehingga penulis dapat menyelesaikan jenjang pendidikan ini.

5.

Seluruh rekan-rekan MMUI angkatan 2009 batch 2, khususnya kelas G-092, atas dukungan dan berbagai pengalaman selama melewati masa perkuliahan bersama-sama.

6.

Berbagai pihak yang tidak dapat saya sebutkan satu persatu, yang telah memberikan bantuan baik secara langsung maupun tidak langsung selama masa kuliah penulis di MMUI hingga selesainya penulisan karya akhir ini. Akhir kata, penulis berharap Tuhan Yang Maha Esa berkenan membalas

segala kebaikan semua pihak yang telah membantu dan semoga penulisan karya akhir ini dapat bermanfaat bagi pihak-pihak yang membutuhkan. Jakarta, 12 Juli 2012 Penulis

iv


HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS Sebagai sivitas akademik Universitas Indonesia, saya yang bertanda tangan di bawah ini: Nama NPM Program Studi Departemen Fakultas Jenis karya

: : : : : :

Maximilian Chandra 0906654342 Magister Manajemen Manajemen Ekonomi Tesis

demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Indonesia Hak Bebas Royalti Noneksklusif (Non-exclusive RoyaltyFree Right) atas karya ilmiah saya yang berjudul: PENGUKURAN DAN ANALISA PERILAKU HERDING PADA SAHAM IPO BURSA EFEK INDONESIA TAHUN 2007-2011 beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Noneksklusif ini, Universitas Indonesia berhak menyimpan, mengalihmedia/formatkan, mengelola dalam bentuk pangkalan data (database), merawat, dan memublikasikan tugas akhir saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta. Demikian pernyataan ini saya buat dengan sebenarnya.

Dibuat di : Jakarta Pada tanggal : 14 Juli 2012 Yang menyatakan

(MAXIMILIAN CHANDRA)

v


ABSTRAK Nama Program Studi Judul

: Maximilian Chandra : Magister Manajemen Universitas Indonesia : Pengukuran dan Analisis Perilaku Herding pada Bursa Efek Indonesia Tahun 2007-2011

Perilaku herding cenderung terjadi pada emerging market seperti Indonesia. Hal ini dikuatkan oleh penelitian yang dilakukan Chang, Cheng, dan Khorana (1999) yang mengatakan terdapat aktifitas herding pada pasar emerging market saat itu, Korea Selatan dan Taiwan. Tesis ini akan membahas apakah perilaku herding pada investor terjadi pada saat penawaran IPO ditawarkan di Bursa Efek Indonesia pada lingkup tahun 2007-2011. Penelitian yang menggunakan metode Cross-sectional Absolute Deviation (CSAD) untuk mendeteksi herding menghasilkan bahwa tidak terjadi perilaku herding yang secara signifikan dapat menghasilkan abnormal return. Kata kunci: Herding, imbal hasil abnormal, behavioral finance

vi Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

ABSTRACT Name Study Program Title

: Maximilian Chandra : Magister Manajemen Universitas Indonesia : Pengukuran dan Analisa Perilaku Herding pada Bursa Efek Indonesia Tahun 2007-2011

Investor herding behavior usually can be seen in the emerging market as proven in South Korean and Taiwan market by the research of Chang, Cheng, and Khorana (1999). This thesis discusses whether investor herding behavior occurs for IPO trading in Indonesian stock market for the period of 2007-2011. Using Crosssectional Absolute Deviation (CSAD) as measurement, the research shows that there is no herding activity that significantly resulting an abnormal return for investor. key words: herding, abnormal return, behavioral finance

vii Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

DAFTAR ISI HALAMAN JUDUL ...................................................................................... HALAMAN PERNYATAAN ORISINALITAS.......................................... HALAMAN PENGESAHAN ........................................................................ KATA PENGANTAR .................................................................................... LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH ................... ABSTRAK ...................................................................................................... ABSTRACT ..................................................................................................... DAFTAR ISI ................................................................................................... DAFTAR GAMBAR ...................................................................................... DAFTAR TABEL........................................................................................... DAFTAR RUMUS ......................................................................................... DAFTAR LAMPIRAN ..................................................................................

i ii iii iv v vi vii viii x xi xii xiii

BAB 1 PENDAHULUAN 1.1 Latar Belakang .............................................................................. 1.2 Perumusan Masalah....................................................................... 1.3 Tujuan Penelitian........................................................................... 1.4 Manfaat Penelitian......................................................................... 1.5 Lingkup Penelitian ........................................................................ 1.6 Sistematika Pembahasan ...............................................................

1 8 9 9 10 10

BAB 2 LANDASAN TEORI 2.1 Behavioral Finance ....................................................................... 2.1.1 Pengertian Behavioral Finance ........................................... 2.1.2 Cognitive Bias dalam Behavioral Finance .......................... 2.2 Pengertian Perilaku Herding ......................................................... 2.2.1 Penyebab Perilaku Herding Pada Investor .......................... 2.2.2 Akibat Perilaku Herding Pada Pasar Modal ........................ 2.3 Efficient Market Hypothesis .......................................................... 2.4 Abnormal Return VS Risk-adjusted Return ................................... 2.4.1 Capital Asset Pricing Model (CAPM) ................................. 2.4.2 Jensen Alpha ........................................................................ 2.5 Penelitian Deteksi Herding ........................................................... 2.5.1 Metode Lakonishok, Shleifer, dan Vishny (LSV) ............... 2.5.2 Metode Christy dan Huang (CH) ......................................... 2.5.3 Metode Chang, Cheng, dan Khorana (CCK) .......................

11 11 12 13 16 17 18 19 19 20 20 20 22 24

BAB 3 PASAR MODAL INDONESIA 3.1 Sistem dan Struktur Pasar Modal Indonesia ................................. 3.2 Bursa Efek Indonesia .................................................................... 3.2.1 Sejarah Bursa Efek Indonesia .............................................. 3.2.2 Pengembangan Sistem Perdagangan ................................... 3.3 Penjelasan Initial Public Offering (IPO) .......................................

29 31 31 32 34

viii Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

BAB 4 METODOLOGI PENELITIAN 4.1 Pemilihan Sampel dan Pengumpulan Data ................................... 4.1.1 Perhitungan Beta ( β ) .......................................................... 4.1.2 Perhitungan Risk-freeRate ( rf ) ............................................ 4.1.3 Perhitungan Abnormal Return ............................................. 4.2 Pendeteksian Herding ................................................................... € 4.3 Metode Regresi ............................................................................. € .............................................................. 4.4 Pengembangan Hipotesis 4.4.1 Hipotesis untuk Penelitian ................................................... 4.4.2 Hipotesis untuk Regresi .......................................................

40 44 44 44 44 45 45 45 46

BAB 5 ANALISIS PENELITIAN 5.1 Mendeteksi Perilaku Herding........................................................ 5.1.1 Menghitung Nilai CSAD ..................................................... 2 5.1.2 Menghitung Nilai Rm,t dan Rm,t ............................................ 5.1.3 Menghitung Analisis Regresi............................................... 5.2 Menghitung Imbal Balik Abnormal .............................................. 5.2.1 Menghitung Nilai Koefisien Beta ........................................ € Expected Return ..................................... € Nilai 5.2.2 Menghitung 5.2.3 Menghitung Nilai Imbal Balik Abnormal............................ 5.3 Menguji Nilai Signifikansi Imbal Balik Abnormal ....................... 5.4 Pendeteksian Herding per Saham .................................................

47 47 48 51 53 53 56 57 60 63

BAB 6 KESIMPULAN DAN SARAN 6.1 Kesimpulan.................................................................................... 6.2 Saran ..............................................................................................

68 68

DAFTAR REFERENSI .................................................................................

70

ix Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

DAFTAR GAMBAR Gambar 1.1 Gambar 1.2 Gambar 1.3 Gambar 1.4 Gambar 1.5 Gambar 1.6 Gambar 3.1 Gambar 3.2 Gambar 3.3 Gambar 3.4 Gambar 3.5 Gambar 3.6

Perbandingan Pertumbuhan Ekonomi Indonesia dan Dunia. ..... .......2 Perkembangan Credit Rating Indonesia ..................................... .......3 Total Pembelian Net oleh Dana Asing Tahun 2001-2011 .......... .......3 Transaksi Investor Domestik pada Bursa Efek Indonesia .......... .......5 Tingkat Inflasi Indonesia 1990-2010 .......................................... .......6 Perkembangan Rasio Utang Indonesia Terhadap PDB 19962009 ............................................................................................ .......6 Struktur Pasar Modal Indonesia .................................................. .....29 Hubungan Arus Modal Asing dengan Pasar Modal ................... .....30 Komposisi Pemodal Asing dan Pemodal Domestik pada BEI ... .....31 Mekanisme Perdagangan Bursa Efek Indonesia ......................... .....32 Proses Remote Trading ............................................................... .....33 Kinerja IHSG 1984 - Mei 2011 .................................................. .....34

x Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

DAFTAR TABEL Tabel 4.1 Tabel 4.2 Tabel 4.3 Tabel 4.4 Tabel 4.5 Tabel 5.1 Tabel 5.2 Tabel 5.3 Tabel 5.4 Tabel 5.5 Tabel 5.6 Tabel 5.7 Tabel 5.8 Tabel 5.9 Tabel 5.10 Tabel 5.11 Tabel 5.12 Tabel 5.13 Table 5.14 Tabel 5.15 Tabel 5.16 Tabel 5.17 Tabel 5.18 Tabel 5.19 Tabel 5.20 Tabel 5.21 Tabel 5.21 Tabel 5.23 Tabel 5.24

Saham-saham IPO pada Tahun 2007 ............................................ Saham-saham IPO pada Tahun 2008 ............................................ Saham-saham IPO pada Tahun 2009 ............................................ Saham-saham IPO pada Tahun 2010 ............................................ Saham-saham IPO pada Tahun 2011 ............................................ Hasil Perhitungan CSAD .............................................................. Perhitungan Nilai 𝑅!,! dan 𝑅!,! ! ................................................. Ringkasan Imbal Balik Pasar Harian ............................................ Ringkasan Actual Return Harian ................................................... 10 Saham dengan Actual Return Tertinggi dalam Satu Hari ........ 10 Saham dengan Actual Return Terendah dalam Satu Hari ........ Hasil regresi 𝑅!,! dan 𝑅!,! ! ........................................................ Beta untuk Saham IPO Tahun 2007 dan 2008 .............................. Beta untuk Saham IPO Tahun 2009 dan 2010 .............................. Beta untuk Saham IPO Tahun 2011 .............................................. Ringkasan Beta Penelitian ............................................................. Ringkasan Expected Return Harian............................................... Ringkasan Imbal Balik Abnormal ................................................. 10 Saham dengan Penurunan Terbanyak dalam Satu Hari ........... 10 Saham dengan Kenaikan Terbanyak dalam Satu Hari ............. 15 Saham dengan Rata-rata Imbal Balik Abnormal Tertinggi ...... 15 Saham dengan Rata-rata Imbal Balik Abnormal Terendah ..... Hasil Uji Perbedaan Imbal Balik Abnormal ................................. Imbal Balik Positif dan Negatif Saham-Saham IPO Tahun 2007 . Imbal Balik Positif dan Negatif Saham-Saham IPO Tahun 2008 . Imbal Balik Positif dan Negatif Saham-Saham IPO Tahun 2009 . Imbal Balik Positif dan Negatif Saham-Saham IPO Tahun 2010 . Imbal Balik Positif dan Negatif Saham-Saham IPO Tahun 2011 . Ringkasan Event Positif dan Negatif .............................................

40 41 41 42 43 47 49 49 49 50 50 51 53 54 55 55 56 57 58 58 59 60 61 64 64 65 65 66 67

xi Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

DAFTAR PERSAMAAN MATEMATIS (2.1) (2.2) (2.3) (2.4) (2.5) (2.6) (2.7) (2.8) (2.9) (2.10)

Capital Asset Pricing Model (CAPM) ................................................. Jensen Alpha ........................................................................................ Pengukuran Herding dengan Metode LSV .......................................... Cross-section Standard Deviation (CSSD) .......................................... Fungsi Linear CSSD............................................................................. Capital Asset Pricing Model (CAPM) ................................................. Systematic Risk pada Equally Weighted Portofolio.............................. Absolute Value of Deviation (AVD) .................................................... Expected Cross-sectional Absolute Deviation (ECSAD)..................... Hubungan Peningkatan dan kelinearan antara Dispersi Saham dan Imbal Balik Pasar (1)............................................................................ (2.11) Hubungan Peningkatan dan kelinearan antara Dispersi Saham dan Imbal Balik Pasar (2)............................................................................ (2.12) Cross-sectional Absolute Deviation (CSAD) ....................................... (2.13) Fungsi Linear Cross-sectional Absolute Deviation .............................

19 20 21 23 23 25 25 26 26 26 26 26 27

xii Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

DAFTAR LAMPIRAN Lampiran 1 Lampiran 2 Lampiran 3 Lampiran 4 Lampiran 5

Pergerakan IHSG Bulan Agustus 2011 ...................................... Saham-saham yang Tidak Tersedia Datanya .............................. Perhitungan Koefisien Beta Setiap Saham ................................. Uji Perbedaan Imbal Balik Abnormal Setiap Saham.................. Data Risk-free Rate (Suku Bunga SBI).......................................

73 74 75 96 124

xiii Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

BAB 1 PENDAHULUAN 1.1 Latar Belakang Krisis 2008 merupakan krisis global pertama yang memberikan dampak besar bagi perekenomian dunia. Amerika Serikat sebagai negara dengan perekonomian terbesar di dunia menjadi negara pemicu krisis sekaligus mendapatkan dampak langsung yang paling besar, dapat dilihat dari pertumbuhan ekonomi Amerika dari tahun 2007 sampai dengan 2009 sebesar 1,9%, -0,1% dan 3,5%. Krisis global ini, berbeda dengan krisis regional Asia di tahun 1998, memberikan dampak pada penurunan pertumbuhan ekonomi global. Pertumbuhan perekonomian dunia dari tahun 2008 dan 2009 adalah 2,7% dan -0,8%, menyusut dibanding dengan 2006 dan 2007 sebelum krisis 5,3% dan 5,2% Pertumbuhan baru membaik di tahun 2010 sebesar 4,9%(http://data.worldbank.org/indicator/ NY.GDP.MKTP.KD.ZG, diaksestanggal 17 Mei 2012, jam 13.00). Negara-negara Asia, seperti sudah belajar dari persitiwa krisis di tahun 1998, tetap mengalami pertumbuhan perekonomian pada tahun 2008 dengan dimotori oleh China dengan pertumbuhan ekonomi sebesar 14,2% di tahun 2007 dan hanya menurun menjadi 9,6% di tahun 2008. Asia mulai menggeser posisi benua Eropa dan Amerika sebagai pusat ekonomi berbasis pertumbuhan (http://data.worldbank.org/indicator/NY.GDP.MKTP.KD. ZG, diakses tanggal 17 Mei 2012, jam 13.00). Krisis global 2008 menjadi perhatian seluruh dunia, termasuk Asia karena memberikan dampak risiko yang sistemik. Sebagai contoh, krisis yang dimulai karena subprime mortgage, dengan produk derivatifnya, mortgage backed secutity, langsung berdampak sistemik terhadap industri properti, otomotif, keuangan

dan

asuransi

di

Amerika

(http://faculty.washington.edu/sparke

/blackburn.pdf, diakses tanggal 10 Juli 2012, jam 22.00). Khususnya di industri keuangan, Investment Bank dan perusahaan asuransi yang diperkirakan dapat luput dari tsunami krisis ini harus mendapatkan pertolongan dari pemerintah Amerika seperti Citibank dan AIG Insurance.

Universitas Indonesia 1 Pengukuran dan..., Maximilian Chandra, FE UI, 2012

2

Bahkan Investment Bank seperti Bear Stearns dan Lehman Brothers harus mengalami kebangkrutan (Bouaziz, 2012). Kufmann (1995, 1996), Goodhart et al. (1998) dan de Brant dan Hartman (2000), dalam Schuler (2003), mengatakan bahwa dampak krisis pada sektor bank menjadi lebih bahaya karena tidak hanya memberikan efek pada bank lain di dalam negeri, tetapi juga diluar negeri.

20.00% World

15.00%

China

10.00%

India 5.00%

Indonesia

0.00%

Amerika 2002

2003

2004

2005

2006

2007

2008

2009

2010

-‐5.00%

Gambar 1.1 Perbandingan Pertumbuhan Ekonomi Indonesia dan Dunia. Sumber : http://data.worldbank.org/indicator/NY.GDP.MKTP.KD.ZG pada 20 Mei 2012, jam 19.00

Indonesia, sebagai negara emerging market diluar BRIC (Brazil, Rusia, India, China) secara diluar dugaan dapat menjadi satu dari tiga negara dengan pertumbuhan ekonomi yang positif bersama dengan India dan China pada tahun 2008. Indonesia menjadi sorotan dunia karena secara mengejutkan bisa sejajar dengan negara negara BRIC. Pertumbuhan ekonomi Indonesia pada tahun 20082010 adalah 6%, 4,6% dan 6,1% berturut-turut mengalahkan pertumbuhan ekonomi dunia 2,7%, -0,8% dan 4,9% menjadikan Indonesia sebagai perekonomian terbesar ke-17 dunia (http://data.worldbank.org/indicator/NY .GDP.MKTP.KD.ZG, diakses tanggal 17 Mei 2012, jam 13.30). Global Competitiveness Index yang dikeluarkan oleh IMF (2011) menempatkan Indonesia pada urutan 44 dunia dengan skor 4,43, tak lain dikarenakan oleh kondisi demografi Indonesia yang sangat mendukung iklim

Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

3

investasi (The Indonesia Competitiveness Report, 2011). Peringkat credit rating Indonesia juga beranjak pulih dari krisis 1998.

Gambar 1.2 Perkembangan Credit Rating Indonesia Sumber: Presentasi Direktorat Jendral Pengelolahan Utang, 2009, hal. 52

Dengan pertumbuhan ekonomi di atas rata-rata, Indonesia menjadi negara tujuan investor global yang baru sebagai alternatif tujuan untuk menempatkan investasi

selain

di

negara-negara

maju(http://data.worldbank.org/indicator

/NY.GDP.MKTP.KD.ZG pada 20 Mei 2012, jam 19.00).

Gambar 1.3 Total Pembelian Net oleh Dana Asing Tahun 2001-2011 Sumber: IDX 2011, hal. 22


4

Iklim investasi Indonesia tentunya menarik perhatian investor dalam dan luar negeri untuk memanfaatkan momentum ini untuk berinvestasi. Tetapi, kondisi investasi yang masih "seumur jagung" (Bursa diresmikan oleh Presiden Soeharto pada tahun 10 Agustus 1977) jika dibandingkan dengan pasar saham di luar negeri menghasilkan banyaknya investor-investor maupun manager keuangan baru yang belum banyak mempunyai pengalaman berinvestasi dan juga keterbatasan akses informasi saham dikarenakan infrastruktur IT yang belum mencapai level negara-negara maju. Bursa Efek Indonesia baru melakukan implementasi aplikasi pedagangan jarak jauh atau remote trading baru pada tahun 2002(http://www.idx.co.id/Home/AboutUs/History/tabid/72/language/id-ID/ Default.aspx, diakses tanggal 20 Mei 2012, jam 21.00). Situasi pasar saham yang kondusif dimanfaatkan dengan baik oleh perusahaan-perusahaan untuk melakukan penawaran umum perdana (IPO). Nilai emisi mengalami peningkatan dari tahun ke tahun dengan puncaknya dapat terlihat dari nilai emisi IPO sepanjang tahun 2010 yang mencapai Rp29,678 triliun atau meningkat lebih dari 7 kali lipat dibandingkan 2009 yang sebesar Rp3,853 triliun (IDX, 2010). Kemungkinan besarnya nilai emisi IPO juga dapat dikarenakan karena dari sisi demand, yaitu kemampuan investor untuk menyerap saham-saham IPO sangat tinggi. Terbukti pada saat saham PT. Krakatau Steel melakukan IPO, terjadi oversubscribe sampai sembilan kali pada saat periode bookbuilding atau saham PT.

Sumber

Alfaria

(http://www.antaranews.com

Trijaya

yang

oversubscribe

sebesar

25%

/berita/1288095216/saham-perdana-krakatau-steel-

oversubscribe, diakses tanggal 1 juni 2012, jam 22.00). Dengan pertumbuhan ekonomi Indonesia sebesar 6,1% sekarang ini dan bahkan terbilang sukses melewati krisis global tahun 2008. IHSG menjadi salah satu indeks dengan imbal balik tertinggi di dunia sekarang ini. Terbukti pada saat indeks MSCI mengalami penurunan sebesar 20% pada tahun 2011, Indonesia mengalami kenaikan terealisasi sebesar 3,19% atau ketiga terbaik di dunia. Indonesia sudah menjadi tujuan investasi daripada manager investasi luar negeri dan dalam negeri. (http://blogs.reuters.com/globalinvesting /2012/01/03/indonesia -2011-emerging-market-winner/, diakses tanggal 14 Mei 2012, jam 23.00).


5

Animo masyarakat Indonesia untuk berinvestasi di pasar modal juga ikut terangkat. Terlihat pada Gambar 1.4 bahwa transaksi asing (dilambangkan dengan A) dengan asing masih di level 16,37% pada tahun 2011 dan transaksi yang melibatkan investor lokal (dilambangkan dengan I) masih dominan pada pasar modal Indonesia sebesar 83,63%..

Gambar 1.4 Transaksi Investor Domestik pada Bursa Efek Indonesia Sumber: IDX 2011, hal. 22

Dua studi analisa pasar yang paling sering diterapkan dalam mencoba memprediksi pergerakan harga saham adalah technical analysis dan fundamental analysis. Tetapi, terjadinya pergerakan harga saham yang sangat tajam dalam kurun waktu periode yang singkat sangat sulit untuk diantisipasi dan dijelaskan oleh dua studi tersebut. Sebagai contoh, pada saat credit rating Amerika diturunkan oleh S&P pada bulan Agustus 2011, IHSG juga ikut terkoreksi lebih dari 5% (Lampiran 1) dalam waktu hanya satu hari walaupun fundamental perekonomian Indonesia, jika dilihat dari rasio utang terhadap PDB serta inflasi, masih sangat bagus.


6

Gambar 1.5 Tingkat Inflasi Indonesia 1990-2010 Sumber: The Indonesia Competitiveness Report 2011, hal. 16

Tingkat inflasi relatif stabil dibawah 20% selama 20 tahun kecuali pada krisis 1998 ketika inflasi mencapai hampir pada level 60%. Krisis global 2008 tidak mempengaruhi secara signifikan level inflasi Indonesia dan tetap berada dibawah di level dibawah 10%.

Gambar 1.6 Perkembangan Rasio Utang Indonesia Terhadap PDB 1996-2009 Sumber: Presentasi Direktorat Jendral Pengelolahan Utang, 2009, hal. 24


7

Krisis 1998 yang menyebabkan pemerintah harus menambah porsi utang dari US$ 55,3 Milyar sebelum krisis menjadi US$ 134 Milyar setelah krisis (rasio 83% pada tahun 1999). Rasio mencapai puncaknya pada tahun 2000 di level 89%. Setelah tahun 2000, rasio utang negara terhadap PDB mengecil setiap tahunnya. Pada tahun 2011 mencapai level 30% dikarenakan pertumbuhan ekonomi yang tinggi (Ulfa, 2004). Performa perekonomian Indonesia menjadikan Indonesia menjadi salah satu emerging market yang menarik untuk berinvestasi. Penelitian yang dilakukan menandakan bahwa kemungkinan perilaku herding dalam berinvestasi lebih cenderung terjadi pada emerging market. Chang, Cheng, dan Khorana (1999) mengukur perilaku investasi dari berbagai pasar international seperti Hong Kong, Jepang, Korea Selatan dan Taiwan. Hasilnya adalah bahwa tidak ditemukan perilaku herding di Amerika dan Hong Kong pada saat kondisi pasar sedang turun atau pasar sedang naik, dan partial herding pada pasar saham Jepang ketika kondisi pasar sedang menurun. Chang, Cheng, Khorana menemukan bahwa di Korea Selatan dan Taiwan, dua emerging market pada sample, terdapat adanya aktifitas herding. Penelitian ini akan menguji tingkat herding yang terjadi pada pasar saham Indonesia, khususnya saham-saham IPO. Kemungkinan adanya perilaku herding pada investor sangat mungkin terjadi karena Indonesia adalah salah satu emerging market pada saat ini. Banyaknya investor yang memiliki sedikit pengetahuan mikro mengenai fundamental perusahaan menciptakan probabilitas adanya aktifitas herding. Investor mencoba menghasilkan tingkat imbal balik diatas imbal balik pasar maupun imbal balik ekspektasi. 1.2 Perumusan Masalah Penelitian ini akan mencoba menjawab pertanyaan-pertanyaan dibawah dengan menganalisa perilaku herding, penawaran perdana umum (IPO), dan menggunakan metode perhitungan CSAD atau Cross-sectional Absolute Deviation (Chang, Cheng, dan Khorana, 1999) sebagai teori pendukung. CSAD mencoba mengukur tingkat dispersi imbal balik saham individual terhadap imbal


8

balik pasar. Perilaku herding terindikasi jika tingkat dispersi relatif mengecil karena investor mengikuti konsensus pasar. Penelitian ini mencoba menjawab pertanyaan menyangkut perilaku herding pada saham IPO di Indonesia: 1. Kemungkinan terjadinya perilaku herding pada saat hari pertama transaksi IPO sangat mungkin terjadi mengingat terbatasnya informasi perusahaan tertutup yang akan melakukan IPO. Apakah herding selalu terjadi pada hari pertama IPO? 2. Jika kecenderungan perilaku herding terbukti pada pembelian saham-saham IPO di Indonesia di hari pertama, sampai berapa lamakah saham-saham tersebut masih diburu para pelaku herding? 3. Apakah perilaku investasi seperti herding dapat menghasilkan imbal hasil abnormal jangka pendek bagi investor dengan mengabaikan informasi pribadi yang didapat investor tersebut? 1.3 Tujuan Penelitian Tujuan dari penelitian ini adalah: 1. Untuk mendeteksi adanya aktifitas herding pada hari pertama saham-saham IPO di Indonesia. 2. Untuk mendeteksi seberapa lamakah aktifitas herding terjadi pasca peluncuran IPO. 3. Untuk mengetahui apabila herding beli dapat mendapatkan tingkat imbal balik abnormal yang signifikan pada saham IPO tahun 2007-2011 pada khususnya. 1.4 Manfaat Penelitian Dengan dibuatnya tesis ini diharapkan pembaca mendapatkan pemahaman yang lebih dalam terhadap peran perilaku herding dalam berinvestasi, khususnya investor di Pasar Modal Indonesia, sehingga dapat menjadi bahan pertimbangan dalam mengambil keputusan berinvestasi. Penelitian ini dapat memberikan manfaat pada berbagai kalangan. 1. Untuk kalangan regulator, diharapkan dengan memperhitungkan perilaku investor di pasar modal, regulator seperti Bank Indonesia, BAPEPAM-LK dan


9

Kementrian Keuangan dapat menerapkan aturan yang lebih practical di lapangan dengan cara menjaga sentimen yang berlebih dan kestabilan kondisi pasar. 2. Untuk

kalangan

industri,

terutama

para

investor,

akan

lebih

mempertimbangkan faktor perilaku sesama investor dalam mengambil keputusan berinvestasi. Untuk broker, sebagai intermediary produk investasi, dapat lebih memahami perilaku investor sehingga dapat menerapkan strategi penjualan yang lebih efektif. Sedangkan untuk emiten, sebagai perusahaan yang melakukan penawaran perdana (IPO), dapat memakai penelitian ini untuk mempertimbangkan timing IPO yang dapat memberikan hasil yang optimal. 3. Untuk kalangan akademisi, diharapkan penelitian ini dapat menjadi sumber inspirasi dan data bantuan dalam membuat penelitian tentang perilaku investor. 1.5 Lingkup Penelitian Data-data saham yang akan diperhitungkan dalam penelitian ini adalah data-data imbal balik harian, selama 15 hari dari hari pertama pencatatan, sahamsaham IPO pada Bursa Efek Indonesia pada tahun 2007-2011. Peneliti memiliki asumsi bahwa perilaku herding yang kuat hanya mungkin terjadi sampai dengan 15 hari pertama. Perhitungan data untuk imbal balik abnormal menggunakan Jensen Alpha sebagai acuan. Data 2007 digunakan untuk mengantisipasi investor yang sudah memperhitungkan krisis sebelum tahun 2008. Sedangkan data tahun 2011 terbatas sampai dengan IPO saham tanggal 05 Desember 2011. 1.6 Sistematika Pembahasan Tesis ini akan diajabarkan menjadi 6 bab dengan sususan sebagai berikut: Bab 1 Pendahuluan Bab ini meliputi latar belakang penelitian, perumusan masalah, tujuan penelitian, manfaat penelitian, pembatasan masalah, metode penelitian dan sistematika penulisan. Bab 2 Landasan Teori Bab ini berisi teori-teori pustaka yang menjadi dasar penelitian yang berkaitan dengan pokok permasalahan topik ini.


10

Bab 3 Pasar Modal Indonesia Kondisi pasar modal Indonesia dan penjelasan tentang IPO disertai dengan trend IPO di Indonesia Bab 4 Metodologi Penelitian Bab ini menguraikan rancangan penelitian, variabel dan pengukuran, teknik pengumpulan data dan metode analisis data yang digunakan. Bab 5 Analisis Penelitian Bab ini memuat perbandingan hasil penelitian tesis dengan penelitian sebelumnya serta analisis permasalahan dan pembahasan yang terkait dengan topik penelitian ini. Bab 6 Kesimpulan dan Saran Bab ini mencakup kesimpulan dari hasil penelitian tentang herding behavior dalam Pasar Modal Indonesia yang hasilnya dapat dijadikan dasar untuk pembaca dalam mengambil keputusan investasi. Selanjutnya, rekomendasi dan saran juga akan dibahas dalam bab ini.


BAB 2 LANDASAN TEORI 2.1 Behavioral Finance 2.1.1 Pengertian Behavioral Finance Menurut Statman (1999), persepsi bahwa behavioral finance adalah penggabungan antara ilmu psikologi dan keuangan adalah keliru karena sebetulnya psikologi tidak pernah terpisahkan dari ilmu keuangan. Menurut Ritter (2003), behavioral finance terdiri dari dua bagian, cognitive (cara manusia berpikir) dan limit to arbitrage (memanfaatkan pasar yang tidak efisien). Behavioral finance dapat diartikan sebagai pemahaman ilmu keuangan dari perspektif cara berpikir manusia, rasional maupun irasional, yang pada akhirnya mempengaruhi pengambilan keputusan dalam berinvestasi. Fuller (2000) menjelaskan tiga poin penting dalam behavioral finance. Yang pertama adalah penjelasan bahwa behavioral finance adalah penggabungan antara ekonomi klasik dan keuangan dengan psikologi dan ilmu pengambilan keputusan; dan perlu diketahui bahwa ilmu pengambilan keputusan juga berkembang mengikuti perkembangan zaman, sehingga penerapan teori ekonomi klasik yang relatif bersifat baku, berbeda-beda seiring dengan perkembangan zaman. Yang kedua, Fuller menjelaskan bahwa behavioral finance adalah suatu percobaan untuk menjelaskan apa penyebab beberapa anomali-anomali keuangan yang sudah terlihat dan dibukukan dalam literasi keuangan. Banyaknya studi kasus dan observasi dari kejadian sebelumnya diharapkan dapat menjadi dasar pengembangan teori behavioral finance di masa depan. Diharapkan anomalianomali keuangan tersebut dapat dijelaskan melalui teori-teori baru. Yang terakhir, behavioral finance adalah suatu bidang studi yang menjelaskan bagaimana investor secara sistematis membuat judgement yang salah atau "mental mistakes". Fuller (2000) juga menjelaskan bahwa sub bidang keuangan belum mempunyai banyak literasi keuangan yang membahas tentang behavioral finance sehingga sangat sulit untuk diajarkan secara baku pada kurikulum universitas dalam sistem pendidikan yang formal atau baku. Tetapi jika dilihat fakta yang ada

Universitas Indonesia 11 Pengukuran dan..., Maximilian Chandra, FE UI, 2012

12

di "lapangan" dapat terlihat kemungkinan dampak psikologis manusia terhadap pergerakan harga saham. Oleh karena itu, kata "sentimen pasar" menjadi sangat umum dikatakan oleh analis profesional dalam menganalisis pergerakan harga saham, biasanya pada kondisi jangka pendek. Bodie, Kane, dan Marcus (2009) menjelaskan ada dua pemikiran, bahwa investor tidak selalu dapat memproses data dengan cara yang benar sehingga menciptakan probabilitas distribusi yang salah terhadap prediksi imbal balik masa depan. Kedua, jika distribusi dalam keadaan sebenarnya, investor cenderung juga membuat keputusan yang tidak optimal. Dua pemikiran ini menguatkan bahwa investor dapat mengambil keputusan secara irasional. Dan tentunya, keputusan investor-investor ini juga dapat mempengaruhi harga. Behavioral finance juga perlu dimasukkan dalam pengambilan keputusan karena bisa menjadi faktor penggerak harga pasar. Pemahaman mengenai behavioral finance menjadi sangat penting bagi manager keuangan maupun untuk pembuat kebijaksanaan pasar modal. Pembuat kebijakan keuangan harus mengetahui perilaku investor, perilaku mana yang mungkin memperbesar volatilitas pasar dan destabilitasi pasar (Demier dan Kien, 2001). 2.1.2 Cognitive Bias dalam Behavioral Finance Ritter (2003) menjelaskan beberapa bias yang mempengaruhi perilaku manusia pada umumnya: 1. Heuristics Untuk

penyederhanaan

proses

pengambilan

keputusan,

manusia

cenderung membuat "rule of thumb" atau aturan standard yang sederhana untuk mengambil keputusan. Sebagai contoh, 80/20 rule yang diungkapkan pertama kali oleh ekonom Italia bernama Vilfredo Pareto banyak digunakan oleh manager keuangan untuk menyusun portfolionya. Spaziale (2010) pada bukunya mengatakan bahwa manager keuangan biasanya mengharapkan 80% portofolio imbal balikdihasilkan oleh 20% saham tertinggi pada portofolio tersebut. 2. Overconfidence


13

Ritter (2003) juga menjelaskan bahwa investor cenderung berinvestasi secara berlebihan hanya pada saham yang mereka sudah biasa atau familiar. Investor cenderung merasa terlalu percaya diri. 3. Framing Pola berfikir manusia bisa dimanipulasi dengan presentasi konsep yang dikemas lebih menarik. Sebagai contoh, Bodie (2009) menjelaskan bahwa permainan "coin toss" yang memberikan imbalan $50 pada tails dan hadiah sebesar $50 yang di-bundling dengan kekalahan $50 jika yang keluar heads. Walaupun kedua hal diatas dapat menimbulkan kerugian $50, perilaku investor akan berbeda terhadap masing-masing taruhan. 4. Representativeness Investor

cenderung

meremehkan

rata-rata

jangka

panjang

dan

memberikan perhatian lebih pada jangka pendek, sehingga investor cenderung "overreact" pada jangka pendek. Sebagai contoh, dimana pemikiran bahwa imbal balik atas saham yang tinggi adalah "normal" hanya karena melihat rata-rata imbal balik historical yang tinggi. 5. Conservatism Bodie, Kane, dan Marcus (2009) juga menjelaskan bahwa investor cenderung bereaksi "terlalu lambat" tentang perkembangan yang terjadi. Berlawanan

dengan

bias

representativeness,

investor

menjadi

"underreact" karena conservatism. 2.2 Pengertian Perilaku Herding Keynes (1936) pertama kali mengeluarkan jargon animal spirit untuk menjelaskan naive optimism dan confidence terhadap pasar saham. Manusia adalah social animal yang masih mempunyai naluri dasar dari animal. Istilah herding diambil dari konsep animal spirit tersebut(http://schott.blogs.ny times.com/2010/01/07/animal-spirits/ diakses pada tanggal 20 Juni 2012, jam 23.00). Herding adalah fenomena yang terjadi dimana jika sebuah kelompok bergerak secara kesatuan dengan motif yang tidak rasional. Secara spontan, dapat


14

disebabkan oleh emosi kolektif yang timbul karena sosial shock yang ekstrem, atau dapat dimanipulasi oleh orang yang mempunyai keahlian menggiring kearah yang

sama

(http://pgreenfinch.pagesperso-orange.fr/bfglo/bfglo.herding.htm

diakses pada tanggal 21 Juni 2012, jam. 22.15). Dalam ekonomi dan pasar keuangan, sangatlah umum bahwa kebanyakan investor mempunyai kesamaan ekspektasi, pada saat yang bersamaan, terhadap harga dan imbal balik di masa depan. Adanya istilah bullish dan bearish pada pasar saham menggambarkan persepsi tersebut. Bullish adalah situasi pasar saham dimana sedang membentuk trend naik dengan ekspektasi imbal balik yang tinggi dan volatilitas pasar yang rendah. Sebaliknya, bearish adalah kondisi pasar saham sedang menurun dengan ekspektasi imbal balik rendah dan volatilitas pasar tinggi (Kole dan Dijk, 2010). Banyak teori-teori keuangan yang bersifat akademis selalu memakai asumsi kondisi pasar dan perilaku investor untuk penyederhanaan masalah. Sebagai contoh: Tidak adanya biaya transaksi dan kemudahan akses informasi adalah asumsi kondisi pasar yang dipakai dalam teori Efficient Market Hypothesis (EMH). Lalu, dalam EMH maupun teori keuangan lainnya, perilaku investor pun diasumsikan bahwa mereka bertindak rasional yang selalu mengutamakan penambahan nilai portofolio mereka dan bergerak atas kepentingannya sendiri. Pada kenyataannya, tidaklah selalu kasusnya demikian (Fuller, 2000). Salah satu fenomena perilaku irasional dapat disebabkan oleh peer pressure. Peer pressure adalah dimana orang cenderung akan berbuat tidak menyimpang dari grup untuk menghindari tekanan dari sesama anggota grup (http://pages.stern.nyu.edu/~adamodar/New_Home_Page/invfables/investorirratio nality.htm). Contoh analogi adalah ketika seseorang memberikan tip pada tukang parkir didalam tempat parkir berbayar. Walaupun sudah tertera tulisan "no tipping" di baju penjaga parkir, masih banyak pengunjung yang "rela" mengeluarkan tip tambahan atas jasa memberikan aba-aba parkir. Tentunya, secara rasional, pengunjung tidak perlu memberikan tip tambahan karena biaya parkir akan dibayar pada loket tiket parkir pada gerbang keluar. Dalam istilah psikologi, bisa kondisi seperti ini bisa dikatakan sebagai peer pressure atau tekanan sosial yang diterima orang tersebut apabila tidak memberikan tip seperti


15

yang dilakukan oleh pengendara lain. Hal ini menjadi penyebab terjadinya kegiatan "meniru" pengendara-pengendara sebelumnya sehingga terjadi perilaku herding. Seperti halnya dengan manager keuangan, reputasi mereka sangat menjadi "taruhan" dari aksi-aksi managerial mereka. Chang, Cheng, dan Khorana (1999) mengatakan bahwa perilaku herding bisa dilakukan oleh investor atau manager keuangan baik dengan motif yang rasional maupun irasional. Manager keuangan melakukan herding dengan alasan rasional apabila terdapat pinciple-agent problem dimana manager mengabaikan informasi yang mereka dan meniru aksi dari manager lainnya dengan tujuan untuk menjaga reputasi managerial di pasar (Scharfstein dan Stein, 1990). Bikhchandani et al (1992) dan Welch (1992) menggambarkan perilaku ini Informational Cascade. Sedangkan investor dan manager keuangan yang irational adalah yang mengabaikan informasi pribadi yang mereka percaya dan mengikuti konsensus pasar. Perilaku herding menjadi sangat penting jika pasar didominasi dengan investor institusi yang besar. Institusi dapat membeli saham IPO dalam volume yang besar sehingga dapat menciptakan pergerakan harga. Institusi dievaluasi berdasarkan peer group, mereka harus sangat berhati-hati mengambil keputusan dengan mencermati keputusan manager lain. Ditambah, investor ritel juga biasanya mendengar rekomendasi saham yang diberikan oleh investor institusional. Sebagai contoh, salah satu faktor pada pergerakan pasar saham Hong Kong adalah 70% dari total transaksi penempatan modal dilakukan oleh investor institusi yang cenderung untuk melakukan herding karena ingin mempertahankan reputasinya dalam industri keuangan (Lan dan Lai, 2011). Perilaku investor dapat masuk ke kategori irasional jika profit maximizing investor mengabaikan informasi privat mereka dan mengikuti konsensus pasar. Intuisinya adalah adanya kemungkinan bahwa investor lain mengetahui kemungkinan imbal balik pada sebuah investasi dan aksi mereka menunjukan informasi ini, sehingga investor lain akan melakukan aksi yang sama (Demier dan Lien, 2001). Scharfstein dan Stein (1990), Rajan (1994), dan Maug dan Naik (1996), dalam Demier dan Lien (2001) menjelaskan bahwa perilaku investor masuk dalam


16

kategori rasional apabila terjadi hubungan principle-agent dimana manager keuangan meniru aksi manager lainnya dikarenakan insentif yang didapat dari skema kompensasi, batasan ruang lingkup pekerjaan, atau untuk mempertahankan reputasinya. Mereka berpendapat bahwa jika investor mengabaikan informasi privatnya dan mengikuti konsensus pasar pada saat market stress, individual asset return tidak akan diverge/berpisah secara substansial dari imbal balik pasar keseluruhan sehingga menyebabkan penurunan tingkat penyebarannya pada periode tersebut (Demier dan Kien, 2001). 2.2.1 Penyebab Perilaku Herding Pada Investor Perilaku herding terjadi ketika pasar tidak transparan yaitu apabila investor menghadapi ketidakpastian sumber informasi publik dan menerima ketidakjelasan signal tentang masa depan perusahaan (Kremer dan Nautz, 2012). Baker dan Wurgler (2007) menjelaskan para ekonom berusaha untuk membuat model ekonomi yang baru yang berdasarkan atas dua dasar asumsi. Asumsi pertama adalah bahwa investor adalah subyek dari sentimen. Definisi sentimen investor adalah suatu kepercayaan terhadap cash flow masa depan dan risiko investasi yang berdasarkan pada fakta yang tidak ada ditangan. Asumsi kedua, menurut Shleifer dan Vishny (1997), dalam Baker dan Wurgler (2007), adalah bertaruh melawan sentimen investor berarti mahal dan berisiko. Hirshleifer dan Teoh (2003) dan Brunnermeier (2001), dalam Chang, Cheng, dan Khorana (1999), memberikan empat alasan mengapa investor institusi bertransaksi pada arah yang sama. Pertama, mereka mengolah informasi yang sama. Seperti yang terjadi pada pasar emerging market yang memiliki keterbatasan informasi mikro dan lebih fokus pada informasi makro. Kedua, mereka lebih memilih saham dengan ciri-ciri yang umum yaitu "prudent", "liquid" or "better-known". Ketiga, para manager cenderung mengikuti langkah transaksi yang dilakukan manager yang lain guna menjaga reputasinya. Dijelaskan oleh Bikchandani dan Sharma (2001), bahwa terdapat dua kategori manager investasi


17

yaitu: "high skilled" dan "low skilled". Manager "low skilled" biasanya mengikuti "noise" atau "signal" yang dikeluarkan oleh manager "high skilled". Keempat, para manager mengikuti valuasi harga saham dari manager lainnya (Guiterrez dan Kelley, 2009). Hal ini menguatkan dugaan kemungkinan perilaku herding oleh investor institusi cenderung terjadi karena adanya tekanan peer pressure antar sesama manager keuangan. Bikchandani dan Sharma (2001) juga menambahkan bahwa ketika memiliki keterbatasan informasi, investor akan mengikuti gerakan investor lain dalam mengambil keputusan berinvestasi yang pada akhirnya akan mengabaikan signal miliknya dan mengikuti keputusan mayoritas (perilaku herding) dan membentuk suatu "information cascade". Apakah investor bisa mendapatkan profit dengan memakai rekomendasi analisa sekuritas yang tersedia secara umum? Hipotesa Semi-strong form menggambarkan bahwa investor seharusnya tidak bisa mendapatkan profit yang signifikan dengan menggunakan informasi publik seperti rekomendasi analis. Tetapi di satu sisi, para analis dibayar sangat mahal karena dipercaya dapat menghasilkan profit yang lebih daripada umumnya (Barber, 2000). 2.2.2 Akibat Perilaku Herding Pada Pasar Modal Motif transaksi investor institusi untuk bertransaksi ke arah yang sama dapat menyebabkan efek yang berbeda pada harga saham. Jika investor institusi sebagai investor yang sophisticated dan mendapatkan informasi yang lebih baik, maka herding dapat menggerakan harga saham ke arah intrinsic value. Sebaliknya, investor institusi dapat menggerakan harga saham ke arah menjauh dari intrinsic value kalau mereka herding berdasarkan karakteristik preferensi dan reputasi manager (Guiterrez dan Kelley, 2009). Model ekonomi standar memakai asumsi bahwa investor tidak memakai emosi dan dapat membawa pasar modal ke arah net present value dari cash flow masa depan. Dan seperti yang kita ketahui, model seperti ini sangatlah tidak sesuai dengan kenyataan di lapangan (Baker dan Wurgler, 2007).


18

Perilaku herding dapat memberikan risiko harga saham menjauh dari nilai fundamentalnya. Hal ini sangat berhubungan dengan momentum strategy beserta investor yang bereaksi berlebihan terhadapnya. Menurut Baker dan Wurgler (2007), terdapat dua jenis investor, yaitu rasional investor yang tidak terpengaruh dengan sentimen pasar, dan irasional investor yang terpengaruh dengan sentimen pasar. Menurut mereka ada dua faktor yang menyebabkan harga saham bergeser dari nilai fundamental: pergantian sentimen yang mempengaruhi irasional investor dan pembatasan untuk melakukan arbitrage bagi rasional investor. Dijelaskan juga bahwa batasan arbitrage adalah waktu yang tidak cukup, tingginya biaya dan risiko dari transaksi short sell. 2.3 Efficient Market Hypothesis Efficient Market Hypothesis (EMH) adalah suatu pemikiran bahwa harga saham sudah mencerminkan seluruh informasi yang tersedia (Bodie, Kane, dan Markus, 2005). EMH terdiri dari tiga versi yang dikategorikan menurut definisi ketersediaan informasi yang bisa didapat oleh investor, yaitu weak, semistrong, dan strong. Versi weak menyatakan bahwa harga saham sudah mencerminkan seluruh informasi yang sudah tersedia di pasar seperti harga historical, volume perdagangan, dan suku bunga jangka pendek. Dengan menggunakan informasi yang bisa didapat dengan bebas dan tanpa biaya, investor akan dengan sangat mudah bereaksi terhadap signal yang terbentuk di pasar. Sedangkan versi semistrong, menyatakan bahwa semua data publik yang tersedia yang berhubungan dengan prospek perusahaan sudah harus tercermin di dalam harga pasar. Data-data yang dimaksud adalah data yang dipakai dalam versi weak ditambah dengan data fundamental perusahaan, kualitas management, prediksi pendapatan, informasi neraca perusahaan, dan praktek akuntansi. Sehingga, jika semua investor dapat dengan mudah memperoleh informasi ini, maka akan langsung tercermin pada harga pasar. Yang ketiga adalah versi strong yang berpendapat bahwa semua informasi apapun yang berhubungan dengan perusahaan tersebut, termasuk informasi orang dalam, sudah harus tercermin pada harga pasar.


19

Hubungan EMH dengan investor adalah perspektif investor terhadap EMH sangat menentukan perilaku berinvestasi investor dalam mencari abnormal return pada pasar modal. Abnormal return adalah imbal balik yang melebihi ekspektasi imbal balik pasar. Sebagai contoh, jika investor beranggapan bahwa pasar sama sekali tidak efisien (diluar teori EMH), maka strategi yang akan diterapkan adalah technical analysis. Technical analysis adalah strategi investasi dengan melihat trend harga saham. Strategi ini beranggapan bahwa hanya dengan mengamati pergerakan harga saham historical, investor dapan membaca trend pergerakan harga saham selanjutnya sehingga dapat mendapatkan abnormal return. Faktor irasional menjadi faktor dominan dalam mengambil keputusan investasi, menyebabkan kondisi pasar yang lebih spekulatif dan distorsi harga yang pada akhirnya, dapat menghasilkan imbal balik abnormal (Justarina, 1990). Sebaliknya, ketika calon investor percaya bahwa pasar dalam keadaaan efisien, maka investor tersebut akan menjadi investor pasif yang tidak akan mencoba mencari abnormal return di pasar dan mengatakan bahwa chartist yang mendapatkan untung dari technical analysis hanyalah keberuntungan semata. Herding dalam berinvestasi adalah kombinasi dari strategi investasi diatas, mereka masih mengharapkan abnormal return (EMH versi weak) dengan cara yang pasif, yaitu dengan meniru aksi investor lain (EMH versi strong). 2.4 Abnormal Return VS Risk-adjusted Return 2.4.1 Capital Asset Pricing Model (CAPM) Bagian ini membahas teori CAPM yang menyatakan bahwa expected return pada aset yang beresiko diperoleh dari risk-free rate dan market risk premium aset tersebut (Bodie, Kane, dan Marcus, 2009). Intuisi dari CAPM adalah semakin tinggi resiko aset tersebut, investor akan berharap imbal balik yang juga semakin tinggi. Hubungan antara market risk premium dan expected return bisa dilihat dari persamaan berikut: E(ri ) = rf + β i [E(rM ) − rf ]

€

E(ri )

: expected return portofolio/aset

rf

: risk-free rate

(2.1)

€ €


20

: beta portofolio/aset

βi

[E(rM ) − rf ] : market risk premium

€ €

2.4.2 Jensen Alpha Bodie, Kane, dan Marcus (2009) menjelaskan bahwa Jensen Alpha adalah imbal balik abnormal saham atau portfolio jika dibandingkan dengan perhitungan risk-adjusted return dari teori CAPM

α P = r P − [r f + β P (r M − r f )]

€

€ €

€ €

rP

: imbal balik portofolio atau saham individual

rf

: risk-free rate

βP

: beta portofolio atau saham individual

rM

: imbal balik pasar

(2.2)

dimana, r f + β P (r M − r f ) adalah risk-adjusted return CAPM. Alpha bisa digambarkan sebagai perbedaan antara risk-adjusted return dan € return dari portofolio acuan (portofolio benchmark). Dapat diartikan bahwa active investor mencari alpha tertinggi sedangkan passive investor memakai teori EMH dan berusaha untuk mencari imbal balik sesuai dengan portofolio benchmark (Fuller, 2000). Makalah ini mencoba untuk menganalisa hubungan antara dispersi saham (perilaku herding) dengan imbal balik abnormal. 2.5 Penelitian Deteksi Herding 2.5.1 Metode Lakonishok, Shleifer, dan Vishny (LSV) Lakonishok, Shleifer dan Vishny (1992), setelah ini disebut dengan LSV, memeriksa 769 dana peniun untuk menganalisa dampak herding yang dilakukan manager keuangan pada harga saham. LSV mengatakan ada dua aspek yang dapat terjadi pada perdagangan yang dilakukan manager keuangan: 1. Herding yang berarti membeli (menjual) secara bersamaan saham yang sama dengan pembelian (penjualan) manager keuangan yang lain dan,


21

2. Positive feedback trading yang berarti membeli saham dengan performa yang tinggi sebelumnya (past winner) dan menjual saham "losers" LSV juga mencermati jika menganalisa pasar secara keseluruhan tidak akan ditermukan aktifitas herding karena untuk setiap saham yang dibeli pada saat itu juga ada saham yang dijual, maka dari itu herding hanya bisa dideteksi pada subset dari investor. Pada kasus LSV subsetnya adalah manager dana pensiun. Menurut Lakonishok, Shleifer dan Vishny (1992) ada dua kemungkinan yang bisa terjadi: 1. Apabila ada dua subset dengan strategi investasi A dan B yang dapat membawa mereka ke pada sisi pasar yang sama, kondisi ini tidak sesuai dengan penelitian LSV. 2. Apabila ada dua subset dengan strategi investasi A dan B yang dapat membawa mereka ke pada sisi pasar yang berlawanan (subset satu memakai strategi A yaitu menjual, subset dua memakai strategi B yaitu membeli), dimana subset dua membeli apa yang dijual oleh subset satu. Hal ini hanya menggambarkan perdagangan sesama manager keuangan. Hal ini sesuai dengan penelitian LSV, terdapat herding yang kecil. LSV menggunakan persamaan:

H(i) =| B(i) /(B(i) + S(i)) − p(t) | −AF(i)

(2.3)

H(i) : pengukuran herding suatu kuartal

€ € € €

B(i)

: jumlah manager keuangan yang meningkatkan simpanan sahamnya dalam kuartal(net buyers)

S(i)

: jumlah manager keuangan yang menurunkan simpanan sahamnya dalam satu kuartal (net sellers).

p(t) : proporsi pembelian manager keuangan terhadap jumlah yang aktif dalam

kuartal €

€

AF(i) : faktor penyesuaian Faktor penyesuaian dalam persamaan tersebut berpedoman pada null hypothesis tidak terjadi herding. Jadi AF adalah nilai dari |B/(B+S) - p| dibawah


22

null hypothesis tidak terjadi herding. Nilai AF dapat diperoleh dari p dan jumlah manager keuangan yang aktif pada saham itu di kuartal tersebut. Nilai AF menurun seiring dengan jumlah manager keuangan yang aktif pada saat saham meningkat. Menurut Bellando (2010) metode LSV mudah untuk digunakan tetapi terdapat beberapa kekurangan seperti kemampuan untuk memisahkan antara herding yang bersifat intentional dan yang non-intentional. Yang dimaksud dengan intentional adalah investor yang dengan sengaja meniru perilaku investor lain. Ditambahkan pula dengan Bikhchandani dan Sharma (2000), metode LSV setidaknya memiliki dua kekurangan yaitu tidak bisa mengukur intensitas perilaku herding karena hanya menggunakan jumlah pembeli dan penjual pada pasar saham, dengan tidak melihat volume transaksinya. Lalu, yang kedua, metode LSV tidak dapat mengetahui secara terperinci pola transaksi yang inter-temporal pada setiap fund. Transaksi inter-temporal adalah transaksi yang mempengaruhi transaksi berikutnya. Wylie (2005) juga mengatakan kekurangan metode LSV. Metode LSV tidak membaca bahwa probabilitas untuk membeli dan menjual berbeda ketika manager tidak dapat melakukan short selling. Walter dan Weber (2006) juga mengatakan bahwa metode LSV menghasilkan hasil yang bias. Kesimpulan yang didapat oleh Bellando (2000) bahwa bias yang dihasilkan oleh metode LSV berkorelasi positif dengan intensitas herding. Atas pertimbangan diatas makalah ini tidak memakai teori LSV. 2.5.2 Metode Christy dan Huang (CH) Christy dan Huang (1995), selanjutnya disingkat CH, berpendapat bahwa dalam pergerakan harga yang ekstrem, investor cenderung menyimpan informasi yang menurut mereka benar dan mengikuti mengikuti konsensus pasar. Sehingga, CH memeriksa apakah penyebaran imbal balik saham secara signifikan lebih rendah daripada rata-rata pasar dalam kondisi pergerakan harga ekstrem.


23

Dalam mengukur tingkat perilaku herding, Christy dan Huang (1995) menggunakan metode Cross-sectional Standard of Return (CSSD). Metode CSSD mencoba untuk mengukur rata-rata kedekatan imbal balik saham individual terhadap imbal balik rata-rata pasar. Christy dan Huang menjabarkan CSSD sebagai berikut: N

∑(R

i,t

CSSDt =

€ €

− Rm,t ) 2

i=1

N −1

(2.4)

Ri,t

: imbal balik saham untuk saham i pada waktu t.

Rm,t

: cross-sectional rata-rata N return pada portofolio pasar pada waktu t.

N

: jumlah saham dalam portofolio

€

Lalu, untuk mencari hubungan linear dari rata-rata kedekatan imbal balik individual terhadap imbal balik pasar digunakan persamaan berikut: CSSDt = α + β L DtL + β U DUt + εt

€

α

(2.5)

: koefisien dispersi rata-rata sampel tanpa melibatkan adanya dummy variabel

€

€ € €

€ €

β L , β U : koefisien indikator herding jika menunjukan nilai negatif yang signifikan secara statistik

DtL

: bernilai = 1, jika imbal balik pada hari t berada pada ekstrim 1% dan 5% lower tail dari distribusi imbal hasil pasar; dan = 0 jika sebaliknya

DUt

: bernilai = 1, jika imbal balik pada hari t berada pada ekstrim 1% dan 5% upper tail dari distribusi imbal hasil pasar; dan = 0 jika sebaliknya

εt

: standard error Dummy variable diciptakan untuk menangkap perbedaan perilaku investor

pada kondisi naik atau turun ekstrem relatif terhadap pasar normal.


24

Jika nilai β L dan β U adalah negatif dan signifikan, bisa dikatakan bahwa ada indikasi perilaku herding. CH memakai 1% atau 5% dari upper tail dan lower tail distribusi data untuk menggambarkan kondisi pergerakan harga ekstrem. € € Kritik dari teori ini adalah bahwa mendeteksi perilaku herding hanya berdasarkan transaksi yang berkelompok. Padahal, menurut Setiawan (2009), ada faktor lain yang menyebabkan investor bertransaksi secara berkelompok selain perilaku herding. Faktor eksternal seperti tingkat suku bunga juga akan membawa investor bertransaksi satu arah. Investor cenderung merevaluasi nilai saham berdasarkan suku bunga yang baru. 2.5.3 Metode Chang, Cheng, dan Khorana (CCK) Chang, Cheng dan Khorana (2005), setelah ini disingkat CCK, melebarkan analisa Christy and huang (1995) dalam tiga dimensi tambahan: 1. Pendekatan yang lebih kuat untuk mengukur herding dengan dasar return equity behavior; memakai metode non-linear regression untuk mengukur hubungan antara tingkatan dari penyebaran imbal balik equity (dengan menggunakan Cross-sectional Absolute Deviation atau CSAD) dengan ratarata imbal balik pasar. Intuisinya adalah, kita mengharapkan penyebaran imbal balik saham akan berkurang (atau meningkat tetapi dengan tingkat yang berkurang) jika imbal balik pasar meningkat dan jika terjadi aktivitas herding yang tinggi maupun moderat. 2. Menganalisa perilaku herding di US, HK, Korea Selatan, Jepang dan Taiwan dan menemukan bahwa dalam pasar international faktor seperti besarnya peranan institutional atau individual investor, kualitas dan tingkatan keterbukaan informasi pasar, tingkat kerumitan dari pasar derivatif sangat menentukan perilaku investor di pasar. 3. Menganalisa penggeseran dalam perilaku herding setelah liberalisasi pasar keuangan di Asia. Untuk memulai, CCK menggambarkan hubungan antara CSAD dan imbal balik pasar. CCK menggambarkan bahwa pada kondisi ekstrem, jika investor mengikuti konsensus perilaku pasar dan mengabaikan pendapat pribadi mereka,


25

maka hubungan linear dan meningkat antara penyebaran dan imbal balik pasar tidak berlaku lagi, melainkan hubungannya bisa peningkatan non-linear atau penurunan. Tingkat dispersi saham dapat diukur dengan cross-sectional absolute deviation dari imbal balik saham. Rational asset pricing model memprediksi bahwa dispersi adalah fungsi positif dari imbal balik pasar dan hubungannya adalah linear. Lebih lanjut, peningkatan kecenderungan perilaku herding investor terhadap konsensus pasar pada saat pergerakan harga saham yang besar dapat merubah hubungan dari linear menjadi non-linear. Untuk itu, CCK mengunakan regresi non-linear untuk menangkap hubungan itu (Chang, Cheng, Khorana, 1999). Persamaan CAPM sebagai berikut:

E t (Ri ) = γ 0 + β i E t (Rm − γ 0 )

€

(2.6)

E t (Ri ) : ekspektasi imbal balik saham i pada periode t

γ0

: imbal balik pada zero-beta portofolio

€

βi

: time-invariant systematic risk

€

Rm

: imbal balik portofolio pasar

€ €

Lalu, perhitungan systematic risk pada equally weighted portofolio pasar sebagai berikut: N

βm =

€ €

1 ∑βi N i=1

(2.7)

βm

: beta pada portofolio saham

N

: jumlah saham pada portofolio pasar

βi

: time-invariant systematic risk saham i

€


26

Absolute Value of Deviation (AVD) sebagai deviasi ekspektasi imbal balik pada saham i pada periode t terhadap ekspektasi imbal balik portofolio pasar bisa dilihat pada persamaan berikut: AVDi,t = β i − β m E t (Rm − γ 0 )

(2.8)

dimana, AVDi,t adalah deviasi ekspektasi imbal balik saham i terhadap imbal balik

€

pasar pada periode t.

€

Lalu, dapat mendapatkan persamaan Expected CSAD (ECSAD) sebagai berikut: N

N

1 1 ECSADt = ∑ AVDi,t = ∑ β i − β m E t (Rm − γ 0 ) N i=1 N i=1

(2.9)

Sehingga, peningkatan dan hubungan linear antara dispersi dan time-

€

varying expected market return (imbal balik pasar) dapat dijabarkan sebagai berikut:

∂ECSADt 1 N = ∑β −β >0 ∂E t (Rm ) N i=1 i m

(2.10)

dan,

€

∂ECSADt =0 ∂E t (Rm ) 2

€

(2.11)

Dengan melihat persamaan diatas dapat CCK menyimpulkan bahwa diperlukan parameter regresi tambahan untuk menggambarkan hubungan nonlinear antara imbal balik saham dan imbal balik pasar. Dapat disimpulkan bahwa perhitungan CSAD adalah sebagai berikut:

1 N CSADt = ∑ R i,t − Rm,t N i=1

(2.12)

€ Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

27

€

Ri,t

: imbal balik saham individual pada periode t

Rm,t

: imbal balik pasar pada periode t

N

: jumlah perusahaan dalam sampel

€

€

Sehingga, dalam mencari hubungan non-linear akan dipakai persamaan dibawah ini: 2 CSADt = α + γ1 Rm,t +γ 2 Rm,t + εt

€ €

€

€

(2.13)

α

: variabel intersect

γ1

: koefisien linear antara CSAD dan imbal balik portofolio pasar

γ2

: koefisien non-linear antara CSAD dan imbal balik portofolio pasar

Rm,t

: imbal balik portofolio pasar pada periode t

εt

: standard error

€

€

Perlu diketahui nilai absolut pada Rm,t diperlukan untuk membandingkan koefisien linear. Jika relatif pada periode pergerakan harga besar investor melakukan herding atas dasar rata-rata konsensus pasar, maka hubungan non€ linear antara CSAD dan rata-rata imbal balik pasar akan terbentuk. Hubungan non-linear ini dapat dilian pada koefisien γ 2 yang negatif dan signifikan secara statistik (Chang, Cheng, dan Lhorana, 1999). Jika koefisien untuk non-linear ( γ 2) tidak negatif secara signifikan, CSAD

€

tidak meningkat pada decreasing rate atau mengalami penurunan pada saat ratarata pergerakan harga naik maka hasil ini sesuai dengan prediksi rational assed

€

pricing model (Chang, Cheng, Khorana, 1999). Menurut Gerrid (2010) ada beberapa keunggulan dan kelemahan pada metode CCK. Keunggulannya adalah metode ini dapat mendeteksi herding secara keseluruhan dan data yang diperlukan relatif mudah untuk didapat karena hanya menggunakan data imbal balik saham. Sedangkan kelemahannya adalah metode


28

ini sulit mendeteksi herding yang dilakukan oleh seorang individu atau sebuah institusi saja dan sulit mendeteksi herding pada setiap saham dalam penelitian. Makalah tersebut mencoba mendeteksi perilaku herding pada saat pasar naik maupun turun secara keseluruhan untuk semua saham, sehingga metode CCK adalah yang paling fit untuk penelitian ini.


BAB 3 PASAR MODAL INDONESIA 3.1 Sistem dan Struktur Pasar Modal Indonesia Justarina (1990) menjelaskan bahwa pada Pasar Modal Indonesia, terdapat empat stakeholder yaitu: investor, perusahaan terbuka, agen pemerintahan, dan institusi terkait seperti underwriter, akuntan publik, notaris, konsultan hukum, perusahaan apraisal, broker dan trader. Struktur pasar modal Indonesia sesuai dengan UU No.8 Tahun 1995 tentang pasar modal adalah sebagai berikut:

Gambar 3.1 Struktur Pasar Modal Indonesia Sumber: http://www.idx.co.id/Portals/0/StaticData/AboutUs/IndonesiaCapitalMarketStructure/ StrukturPasarModalIndonesiaInd_big.jpg, diunduh tanggal 16 Juni 2012, jam 14.00

29 Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

30

Fungsi

pasar

modal

pada

umumnya,

menurut

BEI

(http://www.idx.co.id/Home/Information/ForCompany/ProcessOfGoingPublic/tab id/176/language/id-ID/Default.aspx) adalah yang pertama, sebagai sumber pendanaan yang berasal dari dana masyarakat. Dapat dilihat dari Gambar 3.1 bahwa dana masyarakat dapat berasal dari pemodal domestik maupun asing. Peran pemodal asing dapat dilihat dari bagan berikut:

Gambar 3.2 Hubungan Arus Modal Asing dengan Pasar Modal Sumber: Setiawan, 2010, hal 4

Gambar diatas menjelaskan bahwa perlunya peranan pemodal asing untuk berinvestasi pada pasar modal di Indonesia karena dapat memberikan peningkatan harga saham yang menjadikan ongkos emisi menurun. Selanjutnya, akan semakin banyak emisi yang mencatatkan sahamnya pada pasar modal karena cost of issuing stock menjadi lebih murah. Penambahan supply dan demand akan meningkatkan likuiditas pada pasar saham. Likuiditas pada suatu pasar modal adalah hal yang penting untuk menjaga kesinambungan pasar modal.


31

Komposisi transaksi pemodal asing dan pemodal domestik dapat dilihat seperti dibawah ini:

Gambar 3.3 Komposisi Pemodal Asing dan Pemodal Domestik pada BEI Sumber: IDX 2011, hal 32

Dapat diteliti bahwa pemodal domestik masih dengan relatif stabil mengambil porsi transaksi yang lebih besar untuk setiap tahunnya dengan posisi terakhir sebesar 65% pada kuartal terakhir tahun 2011. Fungsi yang kedua adalah masyarakat sebagai investor memiliki alternatif investasi dalam instrumen keuangan seperti saham, obligasi dan reksadana, sesuai dengan profil risiko masing-masing investor. 3.2 Bursa Efek Indonesia 3.2.1 Sejarah Bursa Efek Indonesia Bursa Efek di Indonesia pertama kali dibentuk pada Desember 1912 di Batavia oleh pemerintah Belanda dan ditutup pada tahun 1914 sampai dengan 1918 karena Perang Dunia I dan 1942 sampai dengan 1952 karena Perang Dunia II. Tahun 1956 sampai dengan 1977 Bursa mengalami kevakuman karena nasionalisasi perusahaan-perusahaan Belanda sehingga Bursa menjadi tidak efektif. Presiden Soeharto meresmikan kembali Bursa Efek pada tanggal 10 Agustus 1977 dengan nama Bursa Efek Jakarta yang dijalankan dibawah Badan Pelaksana Pasar Modal (BAPEPAM). Perusahaan efek pertama yang go public adalah PT. Semen Cibinong Tbk. Sampai dengan tahun 1987, jumlah saham


32

tercatat di Bursa hanya sebanyak 24 perusahaan. Sejumlah terobosan dibuat pemerintah untuk menambah daya tarik Bursa, yaitu dengan dibuatnya Paket Desember 1987 (PAKDES 87) yang memberikan kemudahan untuk perusahaan yang ingin go public dan paket deregulasi 1988 yang membuka BEJ untuk pemodal asing. Pada tahun 1989, Bursa Efek Surabaya diresmikan sebelum merger dengan Bursa Efek Jakarta pada tahun 2007 membentuk Bursa Efek Indonesia. 3.2.2 Pengembangan Sistem Perdangangan Setelah krisis tahun 1998, BEI secara terus menerus memperbarui sistem internalnya dengan milestone seperti implementasi sistem perdagangan tanpa warkat pada tahun 2000, sistem perdagangan jarak jauh (remote trading) pada tahun 2002, penggabungan Bursa Efek Surabaya ke dalam Bursa Efek Jakarta menjadi Bursa Efek Indonesia (BEI) pada tahun 2007, dan yang terakhir adalah peluncuran sistem perdagangan baru BEI atau yang dikenal sebagai JATS-NextG pada tahun 2009(http://www.idx.co.id/Home/AboutUs/History/tabid/72/language/ id-ID/Default.aspx, diakses 19 Juni 2012, pk. 18.00). Skema sistematik sistem perdagangan BEI yang terbaru (JATS-NextG) adalah sebagai berikut:

Gambar 3.4 Mekanisme Perdagangan Bursa Efek Indonesia Sumber: http://www.idx.co.id/Portals/0/StaticData/AboutUs, diakses tanggal 16 Juni 2012, jam 16.00


33

Gambar 3.5 Proses Remote Trading Sumber: http://www.idx.co.id/Portals/0/StaticData/AboutUs, diakses tanggal 16 Juni 2012, jam 16.45

Sejak Januari 1996 pemodal asing dapat memiliki reksadana sampai dengan 100 persen dan sejak tahun 2003 pemodal asing juga dapat memiliki saham

perusahan

efek

sampai

dengan

99

persen

(Kepmen

RI

No.

179/KMK.010/2003). Deregulasi melalui liberalisasi juga membuat imbal balik pasar atau Indeks Harga Saham Gabungan (IHSG) Bursa Efek Indonesia (d/h Bursa Efek Jakarta) dari 200 pada tahun 1989 menjadi 2745,8 pada tahun 2007 (Yahoo Finance, diakses tanggal 20 Juni, 2012). Transaksi pada BEI dari periode ke periode mengalami peningkatan. Untuk periode berakhir tahun 2011, total transaksi BEI adalah Rp 1.220,67 Triliun atau 3% peningkatan dari akhir tahun 2010. Net Foreign Capital Inflow juga meningkat di akhir tahun 2011 menjadi Rp 23,87 Triliun dari Rp 20,98 Trilliun di akhir tahun 2010 (IDX, 2011).


34

Kinerja IHSG dapat dilihat pada data berikut:

Gambar 3.6 Kinerja IHSG 1984 - Mei 2011 Sumber: IDX 2011, hal 3

Dapat dicermati bahwa kinerja IHSG melaju sejak krisis global 2008, dari 1.451 (8 October 2008 terkena suspend trading) menjadi 3.872 pada 20 Mei 2011. 3.3 Penjelasan Initial Public Offering (IPO) Hartanto dan Ediningsih (2003) menjelaskan bahwa IPO adalah kegiatan penjualan sekuritas kepada masyarakat baik perorangan maupun institusi pada pasar perdana. Menurut Tandelilin (2001), dalam Hartanto dan Ediningsih (2003), pada saat proses go public, perusahaan harus membuat prospectus terlebih dahulu. Prospectus adalah informasi detil mengenai perusahaan yang berfungsi untuk memberikan informasi mengenai kondisi perusahaan kepada para calon investor. Setelah itu, penjualan sekuritas pada pasar perdana dilakukan oleh underwriter yang ditunjuk perusahaan. Menurut Jogiyanto (2000), dalam Hartanto dan Ediningsih (2003), underwriter berfungsi sebagai pemberi saran kepada perusahaan, pemasar sekuritas kepada investor, dan penjamin penjualan saham perdana dan bersedia membeli sisa sekuritas yang tidak terjual. Namun,


35

underwriter, pada prakteknya, tidak menjamin secara penuh saham yang tidak terjual. 2012 adalah tahun dimana Indonesia mendapatkan peringkat Investment grade sejak 1998. Dampak dari kenaikan Investment Grade ini adalah akan semakin banyaknya capital inflow masuk ke Indonesia, baik melalu Foreign Direct Investment (FDI) atau melalui institusi keuangan yang pada akhirnya masuk ke pasar finansial untuk mengejar growth rate of return dikarenakan menurunnya perekonomian di Amerika dan Eropa. Masuknya "Hot Money" ini dikarenakan bahwa banyak institusi finansial luar negeri melarang para manager keuangan mereka untuk berinvestasi sebelum negara tersebut mendapatkan Investment Grade. Hal ini juga tentunya sudah bisa diprediksi perusahaan dan memanfaatkan momentum ini untuk go public. Jegadeesh dan Titman (1993) membuktikan bahwa strategi momentum dapat menghasilkan imbal balik yang signifikan dalam waktu penyimpanan tiga sampai duabelas bulan. Setidaknya ada enam alasan perusahaan tertutup melakukan IPO menurut BEI(http://www.idx.co.id/Home/Information/ForCompany/ProcessOfGoingPublic /tabid/176/language/id-ID/Default.aspx). Pertama, sebagai sumber pendanaan yang berasal dari dana masyarakat yang pada akhirnya dapat digunakan oleh perusahaan untuk melakukan ekspansi usaha. Kedua, dengan melakukan IPO, perusahaan memiliki competitive advantage untuk pengembangan usaha seperti mengajak supplier dan buyer untuk turut memegang saham perusahaan sehingga meningkatkan komitmen kerjasama. Ketiga, melakukan merger dan akusisi menjadi lebih mudah dengan penerbitan saham baru. Keempat adalah peningkatan kemampuan going concern. Kelima, perusahaan dapat meningkatkan citra perusahaan. Dan keenam, perusahaan dapat meningkatkan nilai perusahaan dari setiap peningkatan kinerja operasional. Disamping

keuntungan

diatas,

dijelaskan

juga

oleh

BEI

(http://www.idx.co.id/Home/Information/ForCompany/ProcessOfGoingPublic/tab id/176/language/id-ID/Default.aspx) bahwa setidaknya terdapat dua konsekuensi ketika perusahaan menjadi perusahaan go public yaitu: kepemilikan berkurang dan harus mengikuti aturan Bursa. Kepemilikan pemegang saham menjadi berkurang karena untuk menjadi go public pemegang saham harus rela


36

melepaskan sahamnya untuk masyarakat umum. Perusahaan harus mengikuti aturan Bursa seperti kelengkapan dokumen dan ketepatan pelaporan laporan keuangan. Pada Laporan Departemen Keuangan RI (2009) dalam Brau dan Fawcett (2004), motif dari sebuah perusahaan melakukan go public adalah untuk menekan cost of capital perusahaan, sebagai strategi pemilik untuk keluar dari perusahaan, membuka kesempatan akusisi dan sebagai langkah strategis perusahaan. Dalam Laporan Departemen Keuangan RI (2009) menjelaskan bahwa Brau dan Fawcett (2004) juga meneliti tentang timing untuk melakukan go public dan mendapatkan kesimpulan, dari yang paling kuat sampai dengan yang paling lemah, bahwa perusahaan melakukan IPO ketika pada saat pasar saham mengalami kenaikan (bullish), pada saat maraknya perusahaan melakukan IPO, dan ketika perusahaan telah mencapai siklus pertumbuhan usaha dan membutuhkan dana tambahan. Ritter (2000) juga mengatakan bahwa IPO cenderung terjadi secara berkelompok. Dalam teori pecking order ada tiga urutan umum bagi perusahaan untuk mencari sumber pendanaan dimana pendanaan dari pasar saham menjadi pilihan terakhir setelah kas internal dan penerbitan hutang perusahaan (Bodie, Kane, dan Marcus, 2009). Teori trade-off menjelaskan bahwa dalam menganalisa cost dan benefit dari menerbitkan debt dan equity dapat memperoleh proporsi rasio D/E yang baik. Cost dari menerbitkan debt adalah financial distress cost yaitu bankruptcy cost, non-bankruptcy cost seperti pengurangan karyawan mendadak, dan class action antara pemegang bond dan pemegang saham, dan agency cost. Sedangkan benefit dari penerbitan debt adalah tax benefit. Ketika cost dari menerbitkan utang lebih besar daripada benefit, maka perusahaan akan memilih untuk menerbitkan saham (Frank and Goyal, 2003). Perkembangan IPO masih tertinggal dengan negara lain. Menurut laporan Departemen Keuangan RI, minimnya jumlah perusahaan yang melakukan IPO di Indonesia adalah karena belum adanya timing untuk melakukan IPO, belum banyak perusahaan yang mempunyai kondisi kesehatan finansial yang memuaskan, dan masih minimnya pemahaman menejemen perusahaan tentang


37

proses go public (Laporan Departemen Keuangan RI, 2009). Sejak tahun 2007 sampai dengan 2011, setidaknya terdapat 63 perusahaan atau emiten yang melakukan IPO, yaitu 15 emiten pada 2007, 12 emiten pada 2008, 13 emiten pada 2009, dan 23 emiten pada 2010 (IDX 2007, 2008, 2009, 2010). Persyaratan umum yang harus dipenuhi untuk go public menurut BEI (http://www.idx.co.id/Home/Information/ForCompany/HowToBeaListedCompan y/tabid/177/language/id-ID/Default.aspx) adalah sebagai berikut: 1. Badan hukum calon perusahaan tercatat berbentuk Perseroan Terbatas (PT). 2. Pernyataan pendaftaran yang disampaikan ke Bapepam-LK telah menjadi efektif. 3. Memiliki Komisaris Independen sekurang-kurangnya 30% dari jajaran anggota Dewan Komisaris, memiliki Direktur tidak terafiliasi, memiliki Komite Audit atau menyampaikan pernyataan untuk membentuk Komite Audit paling lambat 6 bulan setelah tercatat, memiliki Sekretaris Perusahaan. 4. Nilai nominal saham sekurang-kurangnya Rp100. 5. Calon Perusahaan tercatat tidak sedang dalam sengketa hukum yang diperkirakan dapat mempengaruhi kelangsungan perusahaan. 6. Bidang usaha baik langsung atau tidak langsung tidak dilarang oleh UndangUndang yang berlaku di Indonesia. 7. Khusus calon perusahaan tercatat yang bergerak dalam industri pabrikan, memiliki sertifikat AMDAL dan tidak dalam masalah pencemaran lingkungan dan calon perusahaan tercatat uang bergerak dalam industri kehutanan harus memiliki sertifikat ecolabelling (ramah lingkungan). 8. Persyaratan pencatatan awal yang berkaitan dengan hal finansial didasarkan pada laporan keuangan auditan terakhir sebelum mengajukan permohonan pencatatan. Saham yang dicatat pada BEI dapat dimasukkan pada dua papan pencatatan: Papan Utama dan Papan Pengembangan. Papan Utama diperuntukan untuk perusahaan yang berskala besar dengan Aktiva Berwujud Bersih (Net Tangible Assets) sebesar Rp 100 Milyar atau lebih. Sedangkan Papan Pengembangan ditujukan untuk perusahan berskala lebih kecil dengan Aktiva


38

Berwujud Bersih (Net Tangible Assets) dibawah Rp 100 Miliar tetapi diatas Rp 5 Milyar. Syarat untuk tercatat pada Papan Utama adalah: 1. Telah memenuhi persyaratan umum pencatatan saham. 2. Telah melakukan kegiatan operasional dalam usaha utama minimal 36 bulan berturut-turut. 3. Laporan keuangan telah diaudit tiga tahun buku terakhir dengan ketentuan laporan keuangan auditan dua tahun buku terakhir dan laporan keungan auditan interim terakhir memperoleh pendapat Wajar Tanpa Pengecualian (WTP). 4. Berdasarkan laporan keuangan auditan terakhir memiliki Aktiva Berwujud Bersih minimal Rp. 100 Miliar. 5. Jumlah saham yang dimiliki oleh pemegang saham yang bukan merupakan pemegang saham pengendali (minority shareholders) setelah penawaran umum atau perusahaan yang sudah tercatat di Bursa Efek lain atau bagi perusahaan publik yang belum tercatat di Bursa Efek lain dalam periode lima hari Bursa sebelum permohonan pencatatan, sekurang-kurangnya 100.000.000 saham atau 35% dari modal disetor (mana yang lebih kecil). 6. Jumlah pemegang saham paling sedikit 1000 pemegang saham yang memiliki rekening Efek di Anggota Bursa Efek. Syarat untuk tercatat pada Papan Utama adalah: 1. Telah memenuhi persyaratan umum pencatatan saham. 2. Telah melakukan kegiatan operasional dalam usaha utama minimal 12 bulan berturut-turut. 3. Laporan keuangan tahun buku terakhir mencangkup minimal 12 bulan dan laporan keungan auditan interim terakhir memperoleh pendapat Wajar Tanpa Pengecualian (WTP). 4. Memiliki Aktiva Berwujud Bersih minimal Rp. 5 Miliar. 5. Jumlah saham yang dimiliki oleh pemegang saham yang bukan merupakan pemegang saham pengendali (minority shareholders) setelah penawaran umum atau perusahaan yang sudah tercatat di Bursa Efek lain atau bagi perusahaan publik yang belum tercatat di Bursa Efek lain dalam periode lima hari Bursa


39

sebelum permohonan pencatatan, sekurang-kurangnya 50.000.000 saham atau 35% dari modal disetor (mana yang lebih kecil). 6. Jumlah pemegang saham paling sedikit 500 pemegang saham yang memiliki rekening Efek di Anggota Bursa Efek. 7. Jika calon perusahaan tercatat mengalami rugi atau belum membukukan keuntungan atau beroperasi kurang dari dua tahun, wajib setelah dua tahun tercatat sudah memperoleh laba usaha dan laba bersih. Dan, untuk yang sifat usahanya memerlukan periode pengembalian yang lama (Break Even Point) maka diwajibkan untuk sudah memperoleh laba pada akhir tahun ke-6 setelah tercatat. 8. Perjanjian penjaminan emisi harus menggunakan prinsip kesanggupan penuh (full commitment).


BAB 4 METODOLOGI PENELITIAN 4.1 Pemilihan Sampel dan Pengumpulan Data Pengumpulan data harian saham selama 15 hari saham IPO tahun 20072011 diambil dari situs Yahoo Finance yang dapat diakses di finance.yahoo.com. Penelitian dilakukan dengan menganalisa 82 saham IPO yang terdata dari total 88 total saham yang melakukan IPO dari 2007-2011. Saham yang tidak tersedia datanya adalah saham Bumi Citra Permai Tbk pada tahun 2009, Indopoly Swakarsa Industry Tbk pada tahun 2010, dan ABM Investama Tbk, Erajaya Swasembada Tbk, Saranacentral Bajatama Tbk, dan Greenwood Sejahtera pada tahun 2011. Selanjutnya data tersebut akan diolah menjadi input variable guna mencari tingkat perilaku herding pada persamaan Cross-sectional Absolute Deviation. Sedangkan penggunaan teori melalui studi kepustakaan diharapkan akan mendukung penemuan-penemuan lapangan. Berikut adalah saham-saham yang masuk dalam penelitian: Tabel 4.1 Saham-Saham IPO pada Tahun 2007 No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Saham BISI WEHA BKDP SGRO MNCN MCOR LCGP PKPK DEWA BACA GPRA WIKA ACES CTRP PTSN

Nama Perusahaan BISI International Panorama Transportasi Tbk Bukit Darmo Property Tbk Sampoerna Agro Tbk Media Citra Nusantara Tbk Bank Multicor Tbk Laguna Cipta Griya Tbk Perdana Karya Perkasa Tbk Darma Henwa Tbk Bank Capital Tbk Perdana Gapuraprima Tbk Wijaya Karya Tbk Ace Hardware Indonesia Tbk Ciputra Property Tbk Sat Nusapersada Tbk

Tanggal IPO 28 Mei 2007 31 Mei 2007 15 Juni 2007 18 Juni 2007 22 juni 2007 03 Juli 2007 04 Juli 2007 11 Juli 2007 27 September 2007 04 Oktober 2007 10 Oktober 2007 29 Oktober2007 07 November 2007 08 November 2007 09 November 2007

Sumber: diolah peneliti, Juli 2012


41

Tabel 4.2 Saham-saham IPO dari Tahun 2008 No. 1 2 3 4 5 6 7 8 9 10 11 12

Saham YPAS KOIN GZCO BSDE INDY VRNA PDES KBRI HOME BYAN TRAM SIAP

Nama Perusahaan Yanaprima Hastapersada Tbk Kokoh Inti Arebama Tbk Gozco Plantations Tbk Bumi Serpong Damai Tbk Indika Energy Tbk Verena Multi Finance Tbk Destinasi Tirta Nusantara Tbk Kertas Basuki Rachmat Indonesia Tbk Hotel Mandarine Regency Tbk Bayan Resources Tbk Trada Maritime Tbk Sekawan Intipratama Tbk

Tanggal IPO 05 Maret 2008 9 April 2008 15 Mei 2008 06 Juni 2008 11 Juni 2008 25 Juni 2008 08 Juli 2008 11 Juli 2008 17 Juli 2008 12 Agustus 2008 10 September 2008 17 Oktober 2008


Tabel 4.3 Saham-saham IPO dari Tahun 2009 No. 1 2 3 4 5 6 7 8 9 10 11 12 13

Saham AMRT TRIO BPFI INVS GTBO MKPI RINA BWPT DSSA BCIP NIKL BBTN GDST

Nama Perusahaan Sumber Alfaria Trijaya Tbk Trikomsel Oke Tbk Batavia Prosperindo Finance Tbk Tbk Inovisi Infracom Tbk Garda Tujuh Buana Tbk Metropolitan Kentjana Tbk Katarina Utama Tbk BW Plantation Tbk Dian Swastatika Sentosa Tbk Bumi Citra Permai Tbk Pelat Timah Nusantara Tbk Bank Tabungan Negara (Persero) Tbk Gunawan Dianjaya Steel Tbk

Tanggal IPO 15 Januari 2009 14 April 2009 01 Juni 2009 03 Juli 2009 09 Juli 2009 10 Juli 2009 14 Juli 2009 27 Oktober 2009 10 Desember 2009 11 Desember 2009 14 Desember 2009 17 Desember 2009 23 Desember 2009



42

Tabel 4.4 Saham-saham IPO dari tahun 2010 No. 1 2 3 4 5 6 7

Saham EMTK PTPP BIPI TOWR ROTI GOLD SKYB

Nama Perusahaan Elang Mahkota Teknologi Tbk PP (Persero) Tbk Benakat Petroleum Energy Tbk Sarana Menara Nusantara Tbk Nippon Indosari Corpindo Tbk Golden Retailindo Tbk Skybee Tbk Bank Pembangunan Daerah Jawa Barat dan Banten Tbk 8 BJBR 9 IPOL Indopoly Swakarsa Industry Tbk 10 GREN Evergreen Invesco Tbk 11 BUVA PT Bukit Uluwatu Villa Tbk 12 BRAU Berau Coal Energy Tbk 13 HRUM Harum Energy Tbk 14 ICBP Indofood CBP Sukses Makmur Tbk 15 TBIG PT Tower Bersama Infrastructure Tbk 16 KRAS Krakatau Steel (Persero) Tbk 17 APLN Agung Podomoro Land Tbk 18 BORN Borneo Lumbung Energi & Metal Tbk 19 WINS Wintermar Offshore Marine Tbk 20 MIDI Midi Utama Indonesia Tbk 21 BRMS Bumi Resources Minerals Tbk 22 BSIM Bank Sinarmas Tbk 23 MFMI Multifiling Mitra Indonesia Tbk

Tanggal IPO 12 Januari 2010 09 Februari 2010 11 Februari 2010 08 Maret 2010 28 Juni 2010 07 Juli 2010 07 Juli 2010 08 Juli 2010 09 Juli 2010 09 Juli 2010 12 Juli 2010 19 Agustus 2010 06 Oktober 2010 07 Oktober 2010 26 Oktober 2010 10 November 2010 11 November 2010 26 November 2010 29 November 2010 30 November 2010 09 Desember 2010 13 Desember 2010 29 Desember 2010



43

Tabel 4.5 Saham-saham IPO dari tahun 2011 No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Saham EMDE MBTO GIAA MBSS SRAJ HDFA BULL JAWA SIMP MTLA TIFA PTIS SDMU ALDO STAR SMRU SUPR ARII GEMS VIVA CASS ABMM ERAA BAJA GWSA

Nama Perusahaan Megapolitan Developments Tbk Martina Berto Tbk Garuda Indonesia (Persero) Tbk Mitrabahtera Segara Sejati Tbk Sejahteraraya Anugrahjaya Tbk HD Finance Tbk Buana Listya Tama Tbk Jaya Agra Wattie Tbk Salim Ivomas Pratama Tbk Metropolitan Land Tbk Tifa Finance Tbk Indo Straits Tbk Sidomulyo Selaras Tbk Alkindo Naratama Tbk Star Petrcohem Tbk SMR Utama Tbk Solusi Tunas Pratama Tbk Atlas Resources Tbk Golden Energy Mines Tbk PT Visi Media Asia Tbk Cardig Aero Services Tbk ABM Investama Tbk Erajaya Swasembada Tbk Saranacentral Bajatama Tbk Greenwood Sejahtera Tbk

Tanggal IPO 12 Januari 2011 13 Januari 2011 11 Februari 2011 6 April 2011 11 April 2011 10 Mei 2011 23 Mei 2011 30 Mei 2011 09 Juni 2011 20 Juni 2011 08 Juli 2011 12 Juli 2011 12 Juli 2011 12 Juli 2011 13 Juli 2011 10 Oktober 2011 11 Oktober 2011 08 November 2011 17 November 2011 21 November 2011 05 Desember 2011 06 Desember 2011 14 Desember 2011 21 Desember 2011 23 Desember 2011



44

4.1.1 Perhitungan Beta ( β ) Perhitungan Beta dilakukan untuk setiap saham dikarenakan setiap saham memiliki sensitifitas yang berbeda terhadap pasar. Beta dilakukan dengan

€

menggunakan persamaan regresi berikut:

Ri,t = rf + β i (Rm,t − rf )

€

€

Ri,t

: imbal balik actual saham i pada hari t

rf

: risk-free rate

Rm,t

: imbal balik actual pasar pada hari t

(2.1)

Hasil Beta untuk setiap saham IPO dapat dilihat pada bagian lampiran.

€ €

4.1.2 Perhitungan Risk-free Rate ( rf ) Data rf untuk penelitian ini menggunakan data SBI (Sertifikat Bank Indonesia) bulanan yang diperoleh dari situs Bank Indonesia (www.bi.go.id). € Lalu, untuk mencari tingkat hariannya, SBI bulanan dibagi dengan 20 hari karena € mengikuti pendekatan hari kerja bursa dalam sebulan. Data SBI harian dapat dilihat pada bagian lampiran. 4.1.3 Perhitungan Abnormal Return Perhitungan abnormal return dilakukan dengan menggunakan rumus Jensen Alpha. Imbal balik abnormal dihitung untuk total 82 saham IPO pada 15 hari berturut-turut semenjak hari pertama penawaran. 4.2 Pendeteksian Herding Berikut adalah metode penelitian secara sistematis: 1. Untuk mendeteksi herding pada saham IPO, kami menggunakan rumus CSAD dengan menggunakan data saham pada hari pertama saham IPO dari tahun 2007 sampai dengan tahun 2011. N

CSADt =

1 ∑ Ri,t − Rm,t N i=1

(2.12)

€ Universitas Indonesia Pengukuran dan..., Maximilian Chandra, FE UI, 2012

45

Ri,t

: imbal balik saham individual pada periode t

Rm,t : imbal balik pasar pada periode t N

€ €

: jumlah perusahaan dalam sampel

2. Untuk mengetahui tingkat herding harian, penelitian dilanjutkan sampai selama 15 hari terhitung dari hari pertama IPO dan mengamati fluktuasi harga pada masa tersebut. 3. Untuk mengetahui apakah dengan melakukan herding akan mendapatkan abnormal return dari pembelian saham IPO, akan digunakan analisa regresi antara CSAD dan Jensen Alpha selama 15 hari setiap sahamnya. 4.3 Metode Regresi Data-data harian akan diperhitungkan dalam regresi silang (cross section). Selanjutnya akan diuji tingkat signifikan dari koeffisien masing-masing variabel. 2

CSADt = α + γ1 Rm,t + γ 2 Rm,t + εt

(2.13)

α

: variabel intersect

γ1

: koefisien linear antara CSAD dan imbal balik portofolio pasar

€

γ2

: koefisien non-linear antara CSAD dan imbal balik portofolio pasar

€

Rm,t

: imbal balik portofolio pasar pada periode t

€

εt

: standard error

€

€

Perlu diketahui nilai absolut pada Rm,t diperlukan untuk membandingkan

€

koefisien linear. Lalu, hubungan non-linear dapat diketahui dari nilai koefisien γ 2 yang negatif dan signifikan secara statistik. € 4.4 Pengembangan Hipotesis

€

4.4.1 Hipotesis untuk Penelitian Penelitian ini mencoba mendeteksi perilaku herding pada saham-saham IPO dimulai pada hari t dengan mendeteksi tingkat penyebaran imbal balik saham


46

individual terhadap imbal balik pasar dengan menggunakan metode CSAD. Maka, hipotesis penelitian adalah sebagai berikut:

H 0 : tidak dapat ditemukan tingkat penyebaran imbal balik saham yang dapat menunjukan hubungan positif-negatif secara konsisten sehingga dapat disimpulkan bahwa tidak terdapat adanya perilaku herding

€

H1 : ditemukan tingkat penyebaran imbal balik saham yang dapat menunjukan hubungan posiitf-negatif secara konsisten sehingga dapat disimpulkan bahwa terdapat adanya perilaku herding

€

4.4.2 Hipotesis untuk Regresi Dengan mengacu pada persamaan 2.13 untuk mendeteksi herding, hipotesis untuk pendeteksian tingkat penyebaran imbal balik saham dapat dirumuskan sebagai berikut:

H 0 : tidak terdapat tingkat penyebaran imbal hasil yang signifikan apabila koefisien:

bi ≠ 0 ; i=1,2

€

H1 : terdapat tingkat penyebaran imbal hasil yang signifikan pada masa €

pengamatan

€


BAB 5 ANALISIS PENELITIAN 5.1 Mendeteksi Perilaku Herding Untuk mendeteksi perilaku herding dilakukan tahapan berikut ini 5.1.1 Menghitung Nilai CSAD Nilai CSAD dihitung menggunakan metode yang ditampilkan pada BAB 3. Hasil yang diperoleh adalah sebagai berikut : Tabel 5.1. Hasil Perhitungan CSAD t CSAD 1 0,000 2 8,794 3 6,216 4 5,551 5 4,517 6 3,579 7 2,789 8 2,650 9 2,611 10 3,023 11 2,239 12 2,318 13 2,680 14 2,907 15 2,333 Sumber: diolah peneliti, Juli 2012

Melihat nilai tingkat dispersi imbal balik saham yang diperoleh dari penelitian dapat disimpulkan bahwa tingkat dispersi mengecil seiring dengan berjalannya waktu. Nilai CSAD pada t=1 adalah nol dikarenakan karena penelitian dilakukan menggunakan closing price saham IPO (closing price saham IPO untuk t=-1 adalah nihil).


48

Untuk nilai CSAD tertinggi terjadi pada t=2 sebesar 8,794 menandakan bahwa terjadi tingkat dispersi yang tinggi, sedangkan yang terendah pada t=11 sebesar 2,239. Hal ini menunjukan jika kemungkinan herding pada masa awal periode setelah IPO sangat kecil dikarenakan bahwa herding tidak terjadi apabila imbal balik saham berdeviasi jauh dari imbal balik pasar. Sebaliknya, dalam kasus bahwa herding berlaku, imbal balik saham tidak akan berdeviasi jauh dari imbal balik pasar secara keseluruhan. Hal ini akan menyebabkan meningkatnya penyebaran pada rate yang menurun, jika herding sangat kuat, bahkan akan ada penurunan penyebaran. Dapat dilihat bahwa herd behavior dan rational asset pricing model sangat berkontradiksi dalam memprediksi saham. Chirsty dan Huang (1995) berpendapat bahwa dalam rational asset pricing model dapat diprediksi bahwa penyebaran akan meningkat selaras dengan nilai absolut imbal balik pasar karena aset individual mempunyai tingkat sensitivitas yang berbeda terhadap imbal balik pasar. Investor cenderung melakukan herding jika ada pergerakan harga saham yang besar, maka yang akan terjadi adalah lebih sedikit dari peningkatan proporsional (atau pengurangan) pada CSAD. CSAD bukan untuk mengukur tingkat herding secara langsung, melainkan hubungan antara CSAD dan 𝑅!,! yang dipakai untuk mendeteksi perilaku herding (Chang, Cheng, dan Khorana, 1999). Pada penelitian ini walaupun ada penuruan penyebaran, dengan metode CSAD tidak ditemukan perilaku herding. 5.1.2 Menghitung Nilai Rm,t dan Rm,t 2 Nilai Rm,t dan Rm,t 2 dihitung berdasarkan pada nilai imbal balik pasar. Untuk data pasar € closing index IHSG. Hasil yang diperoleh adalah € digunakan sebagai berikut : € €


49

Tabel 5.2. Perhitungan Nilai 𝑹𝒎,𝒕 dan 𝑹𝒎,𝒕 𝟐 t 1 2 € 3 4 5 6 7 8 9 10 11 12 13 14 15

2

Rm,t

Rm,t

0,000 0,815 0,969 € 0,816 0,734 0,736 0,557 0,670 1,073 0,882 1,133 0,695 0,749 0,546 0,70

0,000 0,665 0,938 0,665 0,538 0,541 0,311 0,449 1,152 0,778 1,284 0,483 0,560 0,298 0,490


Ringkasan data market return dan return saham adalah sebagai berikut: Tabel 5.3 Ringkasan Market Return Harian Market Return (%) Median 0,000 Mean 0,159 Min -9,542 Max 15,237 Sumber: diolah peneliti, Juli 2012

Tabel 5.4 Ringkasan Actual Return Harian Actual Return (%) Median 0,000 Mean 0,376 Min -80,222 Max 35,000


50


Secara rata-rata, imbal balik saham adalah 0,37%, masih lebih tinggi daripada imbal balik pasar 0,159% untuk 15 hari pertama pasca penawaran umum. Adanya nilai minimum -80,222% (GREN) pada return saham menunjukan adanya kemungkinan bahwa perusahaan yang melakukan penawaran umum tidak selalu sukses. Return saham sebesar maximum 35% adalah yang paling sukses diantara 82 saham. Tabel 5.5 10 Saham dengan Actual Return Tertinggi dalam Satu Hari No. 1 2 3 4 5 6 7 8 9 10

Hari 2 2 2 2 6 3 2 5 4 2

Top Gain SRAJ BKDP TRAM BISI PKPK PKPK PKPK CASS SMRU MFMI

Actual Return (%) 35,000 34,8039 34,5911 33,8235 29,7297 29,5454 29,4117 25,000 25,000 25,000


Tabel 5.6 10 Saham dengan Actual Return Terendah dalam Satu Hari No. 1 2 3 4 5 6 7 8 9 10

Hari 2 3 2 3 2 6 5 14 2 4

Top Loser GREN MFMI LCGP GOLD BACA KOIN TOWR TIFA TIFA GOLD

Actual Return (%) -80,2222 -24,7058 -24,4582 -23,0769 -21,8446 -18,1818 -17,2131 -16,2790 -16,1290 -16,0000



51

5.1.3 Menghitung Analisis Regresi Untuk mengetahui apakah terdapat perilaku herding, dilakukan analisis regresi dengan hasil sebagai berikut : Tabel 5.7. Hasil Regresi 𝑹𝒎,𝒕 dan 𝑹𝒎,𝒕 𝟐 Model Summary Model 1

R .424a

R Square .180

Adjusted R Square .031

Std. Error of the Estimate 1.88255

a. Predictors: (Constant), Rmt^2, Rmt Coefficientsa

Model 1

(Constant) Rmt Rmt^2

Unstandardized Coefficients B Std. Error 3.502 .787 15.805 11.012 -51.252 33.050

Standardized Coefficients Beta 1.192 -1.288

t 4.451 1.435 -1.551

Sig. .001 .179 .149

a. Dependent Variable: CSAD


Hasil analisis regresi yang diperoleh menunjukkan bahwa kedua variabel tidak memiliki hasil yang signifikan. Hal ini ditunjukkan oleh nilai signifikansi yang lebih besar dari 0,05 yaitu sebesar 0,179 dan 0,149. Dengan diperolehnya nilai signifikansi yang lebih besar dari 0,05 maka disimpulkan tidak terdapat hubungan yang signifikan 2

antara nilai CSAD dan kedua variabel Rm,t dan Rm,t . Berdasarkan pada hasil ini maka dapat disimpulkan tidak terdapat perilaku herding, Hal ini sejalan dengan penelitian Chang, Cheng, dan Khorana (1999).

€

€

Sebagai perbandingan, pada pasar developed seperti Amerika dan Jepang, CSAD meningkat secara linear dengan rata-rata realized imbal balik pasar harian. Semua ini menguatkan bahwa pada pasar tersebut tidak ada hubungan non-linear pada CSAD dan rata-rata imbal balik.

Pada sampel emerging market, untuk pasar keuangan Korea Selatan dan Taiwan koefisien

negatif dan signifikan secara statistik. Intuisinya adalah pada

saat rata-rata return pasar menjadi besar pada term absolut, cross-sectional return dispersion meningkat pada tingkat yang berkurang (Chang, Cheng, dan Khorana, 1999).


52

Nilai CSAD cenderung akan menurun karena ada tekanan pada individu untuk "menekan" pendapat mereka dan mengikuti konsensus pasar. Tingkat penekanan dapat offset atau melebihi offset dengan peningkatan 𝑅!,! sehingga tingkat dispersi bisa bertambah tergantung pada sensitifitas pasar (Chang, Cheng, dan Khorana, 1999). Pada penelitian Chang, Cheng, dan Khorana (1999) ditemukan bahwa terjadi aktifitas herding pada pasar Korea Selatan dan Taiwan dengan alasan bahwa perilaku herding dapat dipengaruhi oleh faktor seperti tingkat campur tangan

pemerintah,

baik

dalam

kebijakan

moneter

atau

dalam

pembelian/penjualan langsung di pasar saham. Lalu, faktor seperti keterbatasan informasi mikro yang berguna pada pasar saham. Lalu, Pada saat kondisi pasar tidak efisien, pengetahuan investor terhadap informasi fundamental perusahaan sangat terbatas sehingga memungkinkan mereka untuk mengambil keputusan berdasarkan signal yang lain (Chang, Cheng, dan Khorana, 1999). Faktor ketiga adalah lebih banyaknya speculator dibandingkan investor pada pasar Korea Selatan dan Taiwan. Froot, Scharfstein dan Stein (1992) membuktikan bahwa kehadiran speculator jangka pendek dapat menyebabkan kualitas informasi menjadi tidak efisien (informational inefficient). Jika investor fokus terhadap satu sumber informasi, tidak pada informasi yang beragam, maka dapat menghasilkan tingkat dispersi imbal balik yang dekat (Chang, Cheng, dan Khorana, 1999). Chang, Cheng, dan Khorana (1999) juga menemukan bahwa systematic risk (risiko pasar) lebih berperan pada pasar emerging market dibandingkan dengan unsystematic risk (risiko spesifik pada perusahaan dan industri). Keterbatasan informasi perusahaan pada developing market menyebabkan investor fokus hanya pada informasi makroekonomi. Perilaku ini masih berdasarkan asas rationalitas (Chang, Cheng, dan Khorana, 1999). Penelitian saham IPO pada pasar Indonesia memberikan bukti yang berbeda pada kasus emerging market. Hasil yang berbeda dengan penelitian CCK sebelumnya disebabkan karena tidak adanya pergerakan harga yang ekstrem pada saham IPO, dan tidak terjadinya market stress pada saat penawaran perdana. Emiten akan memilih timing pada saat situasi pasar sedang kondusif. Lain dengan halnya dengan pasar Korea Selatan dan Taiwan, penyebaran return equity lebih


53

kecil karena adanya pergerakan harga ekstrem (naik dan turun) dan akibatnya adalah adanya aktifitas herding (Chang, Cheng, dan Khorana, 1999). CH dan CCK meneliti imbal balik cluster saham individu lebih sempit ke arah pasar pada saat market stress. Idenya adalah investor cenderung untuk menekan pemikiran mereka dan lebih mengikuti konsensus pasar pada saat pergerakan harga yang besar, jadi perilaku herding cenderung akan terbentuk pada periode ini (Demier dan Kien, 2001). Jadi, mengikuti intuisi diatas, dapat disimpulkan bahwa akan terjadi penurunan penyebaran imbal balik saham individu secara signifikan pada saat investor mengikuti konsensus pasar (Demier dan Kien, 2001).

Hal ini tidak

terjadi pada saham IPO pada pasar Indonesia karena pengerakan harga saham IPO Indonesia cenderung tidak pada saat terjadi market stress, maka perilaku herding tidak terjadi. Prediksi diatas sangat berkontradiksi dengan rational asset pricing model yang menyatakan bahwa kondisi market stress meningkatan penyebaran karena imbal balik saham individual berlainan tergantung pada sensitivitasnya terhadap imbal balik pasar (Demier dan Kien, 2001).

5.2 Menghitung Imbal Balik Abnormal 5.2.1 Menghitung Nilai Koefisien Beta Perhitungan Beta dilakukan dengan menggunakan persamaan regresi berikut:

Ri,t = rf + β i (Rm,t − rf )

(2.1)

Berikut hasil beta yang didapat untuk setiap sahamnya: €

Tabel 5.8. Beta untuk Saham IPO Tahun 2007 dan 2008 Tahun 2007 1 2 3 4 5 6 7 8 9

Saham BISI WEHA BKDP SGRO MNCN MCOR LCGP PKPK DEWA

Beta -7,835 0,992 3,821 1,349 0,227 -0,586 0,960 -1,272 0,775

Tahun 2008 1 2 3 4 5 6 7 8 9

Saham YPAS KOIN GZCO BSDE INDY VRNA PDES KBRI HOME

Beta -0,812 -1,678 -0,788 1,880 -0,775 0,618 -2,376 0,275 -2,189


54

10 11 12 13 14 15

BACA GPRA WIKA ACES CTRP PTSN

-0,521 0,216 -0,361 0,809 2,039 0,614

10 BYAN 11 TRAM 12 SIAP

1,079 0,229 0,827


Tabel 5.9. Beta untuk Saham IPO Tahun 2009 dan 2010 Tahun 2009 1 2 3 4 5 6 7 8 9 10 11 12 13

Saham AMRT TRIO BPFI INVS GTBO MKPI RINA BWPT DSSA BCIP NIKL BBTN GDST

Beta 0,880 -0,079 0,729 0,475 -0,289 2,239 0,123 0,459 0,181 0,672 -0,370 1,249

Tahun 2010 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Saham EMTK PTPP BIPI TOWR ROTI GOLD SKYB BJBR IPOL GREN BUVA BRAU HRUM ICBP TBIG KRAS APLN BORN WINS MIDI BRMS BSIM MFMI

Beta 0,460 1,347 0,273 -0,960 0,393 -0,534 0,416 -2,288 4,050 3,752 -0,631 1,171 1,913 -0,080 0,186 0,389 0,941 1,250 1,848 0,373 -7,940 1,205



55

Tabel 5.10. Beta untuk Saham IPO Tahun 2011 Tahun 2011 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Saham EMDE MBTO GIAA MBSS SRAJ HDFA BULL JAWA SIMP MTLA TIFA PTIS SDMU ALDO STAR SMRU SUPR ARII GEMS VIVA CASS ABMM ERAA BAJA GWSA

Beta 0,810 0,856 1,090 -0,102 -7,522 0,993 0,962 0,503 0,763 -0,554 9,320 -0,748 2,903 3,219 -3,561 0,416 0,383 0,339 0,889 1,951 1,274 -


Ringkasan singkat untuk data-data perolehan data dalam penilitan disajikan sebagai berikut: Tabel 5.11 Ringkasan Beta Penelitian Beta Median Mean Min Max

0,4599 0,3114 -7,9405 9,3207



56

Melihat dari rata-rata beta yang kecil sebesar 0,3114 dapat diartikan bahwa imbal balik saham-saham IPO selama 15 hari secara rata-rata lebih rendah dibandingkan dengan market risk premium. Ada dua kemungkinan penyebab kecilnya nilai beta. Yang pertama adalah, dari segi supply, banyaknya proporsi penawaran umum yang dilakukan oleh perusahaan yang berkualitas rendah dimata investor sehingga investor enggan untuk membeli saham tersebut. Yang kedua adalah tidak adanya likuiditas dari sisi demand yang dapat menaikan harga saham IPO. Perusahaan yang melakukan IPO adalah perusahaan yang sudah memenuhi syarat dari BEI dan sudah berkualitas lebih baik relatif dengan perusahaan yang masih tertutup. Data dari Bapepam-LK menunjukan bahwa jumlah investor pada pasar saham di Indonesia hanya 460 ribu investor atau 0.2% dari total populasi Indonesia. Dibandingkan dengan Singapura (30%) dan Malaysia (12.8%), investor di Indonesia jumlahnya masih sedikit. (http://www.tempo.co/read/news/20 12/02/23/090385868/Bapepam-Investor-Saham-Domestik-Baru-02-Persen, diakses pada tanggal 4 juli, 2012 pk. 16.30). Sehingga likuiditas permintaan adalah faktor yang membuat penyerapan IPO menjadi lemah dan menghasilkan beta penelitian yang kecil. 5.2.2 Menghitung Nilai Expected Return Menggunakan rumus CAPM, data expected return untuk 82 saham selama 15 hari dapat dilihat pada bagian lampiran. Tabel 5.12 Ringkasan Expected Return Harian Expected Return (%) Median 0.227 Mean 0.347 Min -18.099 Max 21.696 Sumber: diolah peneliti, Juli 2012


57

5.2.3 Menghitung Nilai Imbal Balik Abnormal Dengan menggunakan rumus Jensen Alpha, abnormal return dari 82 saham selama 15 hari dapat dilihat pada bagian lampiran. Jegadeesh dan Titman (1993) membuktikan bahwa adanya imbal balik positif dari momentum strategy, yaitu strategi investasi yang memanfaatkan momentum pergerakan harga saham. Baker (2000) dalam tulisannya setelah meneliti sebanyak 360,000 rekomendasi analis dari 269 rumah broker dalam periode 1986-1996, menyatakan bahwa suatu strategi yang menerapkan pembelian saham-saham yang sangat direkomendasikan oleh analis dan short sell saham-saham yang sangat tidak direkomendasikan oleh analis dapat memberikan keuntungan abnormal sebesar 4%. Manager keuangan yang perduli dengan reputasinya mempunyai tendensi yang endogen untuk mengimitasi trade sebelumnya, yang pada akhirnya akan memberikan impact pada harga aset yang mereka perdagangkan. Kedua, institutional herding secara positif memprediksi return jangka pendek dan secara negatif memprediksi return jangka panjang (Dasgupta, 2010). Penemuan pada IPO saham Indonesia tidak terdapat imbal balik abnormal yang signifikan secara statistik pada 15 hari pertama setelah penerbitan IPO. Ratarata abnormal return yang terbentuk adalah 0,029% Berikut ringkasan data abnormal return untuk 82 saham: Tabel 5.13 Ringkasan Imbal Balik Abnormal Imbal Balik Abnormal (%) Median -0,499 Mean 0,029 Min -79,231 Max 34,416 Sumber: diolah peneliti, Juli 2012


58

Table 5.14 10 Saham dengan Penurunan Terbanyak dalam Satu Hari No. 1 2 3 4 5 6 7 8 9 10

Hari 2 3 2 3 2 5 6 6 4 10

Loser GREN MFMI LCGP GOLD BACA TOWR BSIM KOIN GOLD PKPK

Abnormal Return -79,2307 -24,6391 -24,4629 -23,5757 -22,4723 -17,8502 -17,0401 -16,0596 -15,7122 -13,7076


Saham GREN menjadi top loser dengan penurunan sebanyak 79% pada hari ke-2 pasca IPO. Tujuh dari sepuluh saham mengalami penuruan tajam pada periode dibawah lima hari. Hal ini memberikan informasi bahwa untuk sahamsaham ini kemungkinan terjadi perilaku herding jual masih ada. Metode CCK tidak dapat mendeteksi perilaku herding per saham. Tabel 5.15 10 Saham dengan Kenaikan Terbanyak dalam Satu Hari No. 1 2 3 4 5 6 7 8 9 10

Hari 2 2 2 3 6 2 2 5 2 3

Gainer TRAM BKDP PKPK PKPK PKPK SRAJ TOWR CASS MFMI TOWR

Abnormal Return 34,4158 32,1197 29,1180 28,6083 28,4195 26,7801 25,3270 25,0823 24,9270 24,8346


Saham TRAM menjadi top gainer dengan kenaikan sebesar 34,41% pada transaksi hari ke-2 setelah IPO. Terdapat sembilan saham dari sepuluh saham top gainer yang mendapatkan kenaikan yang tajam. Hal ini juga dapat diartikan bahwa perilaku herding dapat terjadi atas pembelian saham saham diatas.


59

Tabel 5.16 15 Saham dengan Rata-rata Imbal Balik Abnormal Tertinggi No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Saham DSSA TRAM TOWR BKDP YPAS BJBR PKPK SRAJ WEHA MFMI HOME TIFA STAR DEWA SIAP

Mean Abnormal Return (%) 6,990 6,275 3,683 3,352 3,060 2,381 2,377 1,961 1,732 1,696 1,526 1,510 1,329 1,237 1,212


Saham DSSA mencatatkan rata-rata abnormal return tertinggi dari seluruh saham sebesar 6.990%. Dalam tabel terdapat empat saham (BKDP, PKPK, WEHA, DEWA) dari IPO tahun 2007, empat (TRAM, YPAS, HOME, SIAP) dari tahun 2008, satu (DSSA) dari tahun 2009, tiga (TOWR, BJBR,MFMI) dari tahun 2010 dan tiga (SRAJ, TIFA, STAR) dari tahun 2011. Saham WEHA dan BKDP melakukan IPO secara berurutan pada tanggal 31 Mei dan 15 Juni pada tahun 2007. Begitupun dengan saham PKPK dan DEWA (11 Juli dan 27 September pada tahun 2007) dan saham TRAM dan SIAP (10 September dan 17 Oktober pada tahun 2008). Ada kemungkinan perilaku herding terjadi pada saham-saham yang berurutan.


60

Tabel 5.17 15 Saham dengan Rata-rata Imbal Balik Abnormal Terendah No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Saham BACA GREN LCGP KOIN GDST MBTO EMDE VRNA EMTK BYAN GIAA GOLD MCOR BWPT INVS

Average Abnormal Return (%) -4,014 -3,975 -3,922 -2,349 -2,093 -1,994 -1,951 -1,661 -1,631 -1,606 -1,401 -1,362 -1,312 -1,205 -1,129


Saham BACA mencatat rata-rata abnormal return terendah sebesar 4,014%. Untuk saham top loser ini terdapat tiga saham (BACA, LCGP, MCOR) yang IPO pada tahun 2007, tiga (KOIN,VRNA,BYAN) pada tahun 2008, tiga (GDST, BWPT, INVS) pada tahun 2009, tiga (GREN, EMTK, GOLD) pada tahun 2010, dan tiga (EMDE, MBTO, GIAA) pada 2011. Saham MCOR dan LCGP melakukan IPO berurutan pada tanggal 3 Juli dan 4 Juli pada tahun 2007. Yang menarik adalah untuk tahun 2011, tiga saham (EMDE, MBTO dan GIAA) melakukan penawaran umum secara berurutan pada tanggal 12 Januari, 13 Januari, dan 11 Februari secara berurutan. Untuk saham-saham dengan IPO yang berurutan terdapat kecenderungan perilaku herding karena sentimen pasar dapat terbentuk dari kejadian IPO sebelumnya. 5.3 Menguji Nilai Signifikansi Imbal Balik Abnormal Langkah selanjutnya adalah menguji apakah terdapat nilai imbal balik abnormal yang diperoleh signifikan secara statistik. Hasil yang diperoleh dengan menggunakan uji perbedaan adalah sebagai berikut :


61

Tabel 5.18. Hasil Uji Perbedaan Imbal Balik Abnormal No 1 2 3 4 5 7 8 9 10 11 12 13 14 15 16 17 18 19 20 22 23 24 27 29 30 31 32 33 34 35 36 37 38 39 40 42 43 44 45 46 47 49 50 51

Saham ACES ALDO AMRT APLN ARII BBTN BIPI BISI BJBR BKDP BORN BPFI BRAU BRMS BSDE BSIM BULL BUVA BWPT CASS CTRP DEWA EMTK GEMS GIAA GOLD GPRA GREN GTBO GZCO HDFA HOME HRUM ICBP INDY JAWA KBRI KOIN KRAS LCGP MBSS MCOR MFMI MIDI

T-Hitung -1,347 1,247 0,049 -0,986 -1,541 0,528 0,451 0,058 1,268 1,253 0,071 0,367 -1,157 -0,852 -0,879 0,142 -0,250 -0,737 -1,662 0,198 0,209 0,770 -1,415 -0,245 -2,003 -0,429 0,021 -0,667 -1,145 -0,670 0,198 0,881 0,446 -0,544 -0,667 -1,843 0,270 -1,355 -1,199 -2,102 -1,812 -1,142 0,447 -0,033

Sig. 0,201 0,234 0,962 0,342 0,147 0,606 0,659 0,955 0,227 0,232 0,944 0,720 0,268 0,410 0,395 0,889 0,806 0,474 0,120 0,846 0,838 0,455 0,181 0,810 0,066 0,675 0,984 0,516 0,273 0,515 0,846 0,394 0,663 0,596 0,516 0,088 0,791 0,198 0,252 0,056 0,093 0,274 0,662 0,974

Keterangan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan


62

No 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 6 21 25 26 28 41 48

Saham MKPI MNCN MTLA NIKL PDES PKPK PTIS PTPP PTSN RINA ROTI SDMU SGRO SIAP SIMP SKYB SMRU SRAJ STAR SUPR TBIG TIFA TOWR TRAM TRIO VIVA VRNA WEHA WIKA WINS YPAS BACA BYAN DSSA EMDE GDST INVS MBTO

T-Hitung -0,139 -0,632 -1,248 -0,603 0,519 0,586 0,204 -0,425 -0,754 -1,773 1,373 0,433 -1,348 1,386 -1,772 0,131 0,131 0,850 1,296 -0,180 0,625 0,570 0,952 1,977 -1,955 0,810 -1,181 0,722 -0,385 -0,324 1,380 -2,234 -2,371 2,281 -3,093 -2,434 -2,441 -2,316

Sig. 0,892 0,538 0,234 0,557 0,612 0,568 0,842 0,678 0,464 0,100 0,193 0,672 0,201 0,189 0,100 0,898 0,898 0,411 0,218 0,860 0,543 0,578 0,358 0,070 0,072 0,433 0,259 0,483 0,706 0,751 0,191 0,044 0,034 0,040 0,009 0,030 0,030 0,038

Keterangan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Non Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan


Hasil pengujian di atas menunjukkan nilai signifikansi sebesar 0,000. Nilai ini lebih kecil dari 0,05 sehingga dinyatakan signifikan secara statistik. Berdasarkan hasil ini dapat disimpulkan bahwa selama 15 hari hanya terdapat


63

tujuh imbal balik Abnormal yang signifikan secara statistik, yaitu BACA, BYAN, DSSA, EMDE, GDST, INVS, dan MBTO. Sementara yang lainnya tidak signifikan, rata – rata besar nilai imbal balik Abnormal untuk keseluruhan 82 saham yang terbentuk adalah sebesar 0,029%. Hanya saham DSSA yang mencatat rata-rata imbal balik abnormal positif (tertinggi dalam penelitian), sedangkan enam saham lainnya mencatat rata-rata imbal balik abnormal negatif. Salah satu perimeter untuk menilai keberhasilan sebuah IPO adalah kemampuan emiten memberikan abnormal return kepada investor. Ardiansyah (2004) menyimpulkan bahwa keberhasilan IPO juga dipengaruhi dengan faktor keuangan dan non-keuangan. Faktor keuangan yang memberikan dampak signifikan adalah earning per share perusahaan dan financial leverage. Sedangkan untuk faktor non-keuangan yang berdampak secara signifikan terhadap initial return adalah faktor makroekonomi. 5.4 Pendeteksian Herding per Saham Bagian ini mencoba untuk mendeteksi untuk setiap sahamnya. Perilaku herding dapat dilihat jika ada transaksi pembelian (penjualan) searah yang menyebabkan kenaikan (penurunan) harga saham sehingga pergerakan harga menjadi relatif ekstrem. Untuk melihat pergerakan saham ekstrem dapat dilakukan pengamatan berapa jumlah hari kenaikan atau penurunan harga akan bertahan. Intuisinya adalah jika terjadi positif (negatif) return yang semakin lama terdapat indikasi perilaku herding pada investor. Berikut adalah tabel imbal balik positif dan negatif setiap saham.


64

Tabel 5.19 Imbal Balik Positif dan Negatif Saham-Saham IPO Tahun 2007 Tahun 2007

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

t BISI WEHA BKDP SGRO MNCN MCOR LCGP PKPK DEWA BACA GPRA WIKA ACES CTRP PTSN

1 -

2 1 1 1 1 -1 -1 -1 1 -1 -1 1 1 1 -1 0

3 1 1 1 -1 0 0 -1 1 -1 -1 0 1 -1 1 -1

4 -1 1 1 -1 0 1 1 -1 1 0 -1 -1 -1 0 -1

5 0 -1 -1 0 0 -1 1 -1 1 -1 0 0 -1 1 1

6 1 -1 -1 -1 1 1 -1 1 1 -1 -1 -1 -1 0 1

7 1 1 -1 -1 -1 -1 -1 0 1 -1 1 1 -1 -1 -1

8 -1 -1 -1 -1 -1 -1 1 0 1 -1 -1 -1 1 0 -1

9 -1 -1 -1 -1 1 1 -1 0 -1 0 -1 0 -1 -1 0

10 1 1 -1 1 0 -1 -1 -1 1 1 0 1 -1 -1 -1

11 1 -1 0 1 -1 1 -1 1 1 1 1 -1 1 -1 -1

12 -1 0 1 0 1 1 1 -1 1 -1 0 1 -1 1 0

13 0 -1 0 -1 0 1 -1 -1 1 1 1 0 0 0 -1

14 -1 -1 0 -1 1 -1 -1 -1 -1 -1 -1 0 1 1 0


Tabel 5.20 Imbal Balik Positif dan Negatif Saham-Saham IPO Tahun 2008 Tahun No t 2008 16 YPAS 17 KOIN 18 GZCO 19 BSDE 20 INDY 21 VRNA 22 PDES 23 KBRI 24 HOME 25 BYAN 26 TRAM 27 SIAP

1 -

2 1 1 0 -1 1 -1 1 -1 1 -1 1 1

3 1 -1 -1 -1 -1 -1 -1 1 1 1 1 1

4 1 -1 -1 -1 -1 0 -1 1 1 -1 -1 -1

5 1 -1 1 1 -1 0 1 1 1 -1 1 -1

6 0 -1 -1 -1 0 -1 1 1 1 -1 1 -1

7 -1 1 1 1 -1 -1 -1 1 -1 1 0 1

8 -1 1 1 -1 -1 -1 0 0 1 0 1 -1

9 10 11 12 13 14 15 0 1 1 1 -1 1 1 1 0 1 -1 -1 -1 0 1 -1 0 -1 1 -1 1 -1 0 -1 0 -1 -1 1 1 1 -1 -1 -1 0 1 1 -1 1 0 1 -1 -1 0 1 -1 1 -1 1 1 0 1 0 0 0 0 0 1 1 -1 -1 -1 1 1 1 -1 0 0 0 -1 -1 0 0 1 0 1 1 -1 1 -1 1 1 1 -1 -1



15 -1 -1 1 0 0 0 -1 -1 -1 -1 -1 -1 -1 0 1

65

Tabel 5.21 Imbal Balik Positif dan Negatif Saham-Saham IPO Tahun 2009 Tahun No t 2009 28 AMRT 29 TRIO 30 BPFI 31 INVS 32 GTBO 33 MKPI 34 RINA 35 BWPT 36 DSSA 37 NIKL 38 BBTN 39 GDST

1 -

2 1 -1 0 -1 1 1 1 -1 1 -1 -1 -1

3 0 0 1 0 -1 1 -1 -1 1 -1 0 1

4 -1 0 1 -1 -1 -1 0 1 1 1 1 0

5 -1 -1 1 -1 -1 -1 0 0 1 -1 -1 -1

6 0 0 0 -1 -1 0 0 1 1 -1 1 -1

7 -1 -1 1 0 -1 1 0 -1 0 -1 0 -1

8 1 1 1 1 -1 0 0 -1 0 0 0 -1

9 10 11 1 -1 1 0 0 0 0 0 -1 -1 -1 0 -1 1 0 1 0 0 0 -1 -1 -1 0 0 0 1 -1 0 -1 1 0 1 0 1 1 0

12 0 0 -1 -1 1 -1 1 1 1 -1 1 -1

13 0 0 -1 1 -1 0 -1 -1 0 1 -1 0

14 0 0 -1 0 -1 0 0 0 -1 0 -1 -1

15 0 0 0 0 1 0 0 -1 1 0 0 -1


Tabel 5.22 Imbal Balik Positif dan Negatif Saham-Saham IPO Tahun 2010 Tahun No t 2010 40 EMTK 41 PTPP 42 BIPI 43 TOWR 44 ROTI 45 GOLD 46 SKYB 47 BJBR 48 GREN 49 BUVA 50 BRAU 51 HRUM 52 ICBP 53 TBIG 55 APLN 57 WINS 59 BRMS 61 MFMI

1 -

2 -1 -1 1 1 -1 1 -1 1 -1 -1 1 0 -1 1 1 -1 -1 1

3 -1 1 1 1 1 -1 -1 -1 1 0 0 -1 -1 1 -1 1 0 -1

4 -1 1 1 1 1 -1 1 -1 -1 -1 -1 -1 1 -1 0 -1 1 1

5 1 -1 0 -1 1 -1 1 1 -1 -1 -1 1 1 1 0 -1 -1 -1

6 0 1 1 -1 1 -1 -1 -1 -1 0 -1 1 -1 1 0 0 -1 1

7 -1 -1 0 -1 1 -1 -1 -1 -1 1 -1 1 -1 -1 1 0 1 -1

8 -1 0 0 -1 -1 -1 -1 1 -1 0 1 0 0 -1 -1 -1 -1 -1

9 10 11 12 13 14 15 -1 1 -1 1 1 -1 0 -1 0 0 -1 0 0 -1 0 -1 0 -1 1 0 0 0 1 1 -1 -1 1 -1 0 -1 0 -1 1 1 1 1 -1 1 1 0 -1 1 -1 1 1 -1 0 1 -1 1 1 1 1 1 -1 1 1 1 1 1 0 1 1 -1 1 0 1 1 -1 0 1 -1 -1 -1 -1 -1 1 -1 0 -1 -1 1 1 -1 -1 1 -1 -1 1 -1 1 1 0 -1 -1 1 -1 -1 -1 0 0 0 -1 0 0 -1 0 -1 0 1 -1 1 0 -1 1 -1 1 0 1 -1 -1 1 0 1 1 -1



66

Tabel 5.23 Imbal Balik Positif dan Negatif Saham-Saham IPO Tahun 2011 Tahun No t 2011 62 EMDE 63 MBTO 64 GIAA 65 MBSS 66 SRAJ 67 HDFA 68 BULL 69 JAWA 70 SIMP 71 MTLA 72 TIFA 73 PTIS 74 SDMU 75 ALDO 76 STAR 77 SMRU 78 SUPR 79 ARII 80 GEMS 81 VIVA 82 CASS

1 -

2 1 -1 -1 -1 1 1 -1 -1 0 1 -1 1 -1 1 -1 -1 1 -1 1 1 -1

3 -1 -1 -1 -1 0 -1 1 -1 -1 -1 -1 1 0 0 -1 -1 1 -1 -1 0 -1

4 0 0 1 -1 1 0 1 1 1 0 1 1 1 1 0 1 -1 1 1 -1 -1

5 0 -1 0 1 0 -1 1 -1 0 0 -1 -1 0 0 1 1 0 1 -1 -1 1

6 -1 -1 -1 1 1 1 1 0 -1 0 -1 1 0 1 1 -1 -1 -1 1 -1 1

7 -1 -1 -1 -1 -1 0 -1 0 -1 -1 0 -1 1 1 1 -1 1 -1 -1 1 1

8 -1 -1 1 1 1 -1 -1 -1 1 -1 0 -1 -1 1 0 -1 -1 1 -1 1 -1

9 10 11 12 13 14 15 -1 -1 -1 -1 -1 -1 0 1 -1 -1 -1 -1 1 1 -1 1 0 -1 -1 0 1 -1 0 0 0 0 -1 0 0 0 1 0 0 -1 1 -1 1 -1 1 0 0 1 1 0 -1 -1 -1 0 -1 -1 -1 0 -1 0 1 0 1 0 -1 1 -1 0 0 1 -1 -1 0 -1 1 -1 1 -1 1 1 1 -1 -1 -1 -1 -1 -1 -1 -1 0 1 0 1 -1 1 -1 1 0 1 1 -1 -1 1 1 1 0 1 -1 1 1 1 -1 1 1 -1 0 1 -1 0 1 1 -1 1 1 -1 -1 0 0 -1 1 -1 0 1 -1 -1 0 -1 -1 -1 0 1 -1 -1 0 1 -1 1 -1 -1 -1 0 -1 1


Tabel 5.19 sampai dengan tabel 5.23 adalah data rangkuman imbal balik harian selama 15 hari pasca IPO. Angka 1 menyatakan adanya imbal balik positif, angka -1 menyatakan adanya imbal balik negatif, dan 0 menyatakan bahwa tidak ada perubahan imbal balik. Pada t=1, hasil imbal balik adalah nihil karena peneliti hanya menggunakan harga penutupan untuk mencatat imbal balik dan harga penutupan pada t=0 adalah nihil. Peneliti berasumsi bahwa pergerakan imbal balik searah selama tiga hari adalah fluktuasi yang ekstrem. Intuisinya adalah bahwa pergerakan ekstrem positif (negatif) dapat disebabkan oleh perilaku herding beli (jual) investor. Setelah mengamati tabel-tabel diatas, untuk saham yang dapat mempertahankan imbal balik positif berturut-turut yang terlama dalam 15 hari pertama setelah IPO setiap tahunnya adalah saham DEWA (lima hari, 4 ≤ t ≤ 8) pada tahun 2007 (tabel 5.19), HOME (lima hari, 2 ≤ t ≤ 6) pada tahun 2008 (tabel


67

5.20), DSSA (lima hari, 2 ≤ t ≤ 6) pada tahun 2009 (tabel 5.21), BJBR (enam hari, 8 ≤ t ≤ 13) pada tahun 2010 (tabel 5.22), dan BULL (empat hari, 3 ≤ t ≤ 6) pada tahun 2011 (tabel 5.23). Saham yang dapat mempertahankan imbal balik negatif berturut-turut yang terlama selama 15 hari pertama pasca IPO setiap tahunnya adalah saham BKDP (lima hari, 5 ≤ t ≤ 10) pada tahun 2007 (tabel 5.19), KOIN (empat hari, 3 ≤ t ≤ 6) pada tahun 2008 (tabel 5.20), GTBO (tujuh hari, 3 ≤ t ≤ 9) pada tahun 2009 (tabel 5.21), GOLD (enam hari, 3 ≤ t ≤ 8) pada tahun 2010 (tabel 5.22), dan EMDE (sembilan hari, 6 ≤ t ≤ 14) pada tahun 2011 (tabel 5.23). Kemungkinan herding sangat besar terjadi pada saham-saham diatas. Untuk imbal balik positif atau negatif yang bertahan lebih dari tiga hari dapat diringkas sebagai berikut: Tabel 5.24 Ringkasan Event Positif dan Negatif

Tahun 2007 2008 2009 2010 2011 Total

Event Berurut ≥ 3 Hari Positif Negatif (kali) (kali) 5 10 8 9 2 5 6 9 4 12 25 45


Dengan mencermati tabel diatas, pada setiap tahunnya, event tiga hari negatif selalu lebih banyak daripada event tiga hari positif. Dapat diamati bahwa event dengan imbal balik negatif (45 event) lebih banyak daripada event dengan imbal balik positif (25 event). Hal ini menunjukan bahwa kecenderungan untuk herding lebih sering terjadi pada saat harga saham IPO sedang turun dan sejalan dengan penelitian Chang, Cheng dan Khorana (1999) bahwa tingkat kecenderungan herding lebih tinggi pada saat kondisi pasar sedang turun dibanding dengan pada saat kondisi pasar sedang naik.


BAB 6 KESIMPULAN DAN SARAN 6.1 Kesimpulan 1.

Walaupun tingkat herding tidak signifikan pada periode 15 hari penelitian, kemungkinan aktifitas herding masih dapat terjadi pada selama lima hari pasca penawaran perdana saham.

2.

Tidak terjadi aktifitas herding yang signifikan sampai dengan hari ke-15 setelah penawaran perdana saham yang dapat menghasilkan imbal balik abnormal. Adanya perbedaan hasil jika dibandingkan dengan emerging market lainnya seperti Korea Selatan dan Taiwan pada penelitian Chang, Cheng, dan Khorana (1999) dapat dikarenakan perbedaan data subset dan kondisi pasar saham.

3.

Tidak terdapat imbal hasil abnormal pada saham IPO pada umumnya. Hanya terdapat tujuh emiten yang memberikan imbal hasil abnormal yang signifikan secara statistik (enam saham dengan imbal hasil abnormal negatif dan satu saham dengan imbal hasil abnormal positif). Kecenderungan perilaku herding di Indonesia terjadi pada saat harga IPO turun. Kesuksesan atau kegagalan IPO akan membentuk sentimen pasar untuk IPO selanjutnya. Perilaku herding pada pembelian saham IPO Bursa Efek Indonesia tidak

terbukti pada penelitian ini dan diharapkan penelitian selanjutnya dapat membuktikan adanya aktifitas herding. Peneliti memberikan saran pada peneliti selanjutnya pada section berikut. 6.2 Saran 1.

Untuk kalangan regulator, harus dicermati bahwa perilaku herding menguat dapat terjadi apabila kondisi pasar saham sedang dalam kondisi stress. Menjaga stabilitas pasar agar tidak terjadi herding irasional dapat dilakukan dengan sosialisasi yang berkala mengenai pasar saham pada calon investor dan meningkatkan likuiditas dari sisi permintaan dengan menjaring lebih banyak investor. Langkah ini akan menciptakan lebih


69

banyak investor “sophisticated” dan mengurangi efek herding sehingga mengurangi tingkat distorsi pasar saham. . Transaksi shortsell juga harus diawasi pada saat down market dimana herding lebih cenderung terjadi. 2.

Untuk kalangan industri, terutama para investor, mengharapkan abnormal return pada pembelian saham-saham IPO sangat kecil kemungkinannya. Diharapkan investor menggunakan analisa yang lebih tajam daripada hanya mengikuti konsensus pasar. Untuk calon perusahaan tercatat agar lebih memilih timing IPO yang tepat dengan menghindari timing pada saat down market dan setelah IPO yang tidak sukses karena IPO yang tidak sukses dapat membentuk sentimen pasar (herding jual) untuk IPO selanjutnya yang dapat menyebabkan imbal balik negatif pasca hari pertama pencatatan.

3.

Untuk kalangan akademisi, diharapkan penelitian ini dapat menjadi sumber penelitian selanjutnya. Peneliti dapat menambah periode pengamatan untuk mendeteksi aktifitas herding lebih jauh menjadi 30 hari, melakukan regresi beta dengan periode yang lebih lama juga dengan periode 30 hari, dan menambahkan enam saham IPO pada tahun 2011 yang tidak diikutkan dalam penelitian ini.


DAFTAR REFERENSI Ardiansyah, M. (2004). Pengaruh Variabel Keuangan terhadap Return Awal dan Return 15 Hari Setelah IPO serta Moderasi Besaran Perusahaan terhadap Hubungan antara Variabel Keuangan dengan Return Awal dan Return 15 Hari Setelah IPO di Bursa Efek Indonesia. Jurnal Riset Akuntansi Indonesia Vol. 7, No. 2, Hal 125-153. Baker, M., & Wurgler, J. (2007). Investor Sentiment in The Stock Market. Journal of Economuc Perspectives Vol. 21, No. 2, Spring 2007. 129151. Barber, B., Lehavy, R., & McNicols, M. (2000). Can Investors Profit from the Prophets? Security Analyst Recommendations and Stock Returns.. Research Paper. Bellando, R. (2010). Measuring Herding Intensity: A Hard Task. JEL classification: G11, G23. Bikchandani, S., & Sharma, S. (2001). Herd Behavior in Financial Markets. IMF Staff Papers Vol. 47, no. 3, 279-310. Bodie, Z., Kane, A., & Marcus, A. J. (2009). Investments (8th ed.). Singapore: McGraw- Hill. Bouaziz, M. C.& Selmi, N. (2012). Contagion Effect of The Subprime Financial Crisis: Evidence of DCC Multivariate GARCH Models. European Journal of Economics, Finance and Administrative Science, Issue 44. Chang, E. C., Cheng, J, W., & Khorana, A. (1999). An Examination of Herd Behavior in Equity Msrkets: An International Perspective. Journal of Banking & Finance 24, 1651-1679. Christie, W. G., & Huang, R. D. (1995). Following The Pied Piper: Do Foreign Individual Returns Herd Around The Market. Financial Analyst Journal, 31-37. Dasgupta, A., Prat, A. & Veado, M. (2010). The Price Impact of Institutional Herding. Working Paper. Demirer, R., & Lien, D. (2001). A New Measure to Test Herd Formation in Equity Markets. Working Paper. Direktorat Jendral Pengelolaan Utang. (2009). Perkembangan Utang Negara (Pinjaman Luar Negeri & Surat Berharga Negara). Departmen Keuangan Republik Indonesia.


71

Frank, M. Z., & Goyal V. K. (2003). Testing The Pecking Order Theory of Capital Structure. Journal of Finance Economics 67, 217-248. Fuller, R. J. (2000). Behavioral Finance and The Source of Alpha. Journal of Pension Plan Investing, Winter 1998, Vol. 2, No. 3. Geiger, T. (2011). The Indonesia Competitiveness Report 2011: Sustaining The Growth Momentum. World Economic Forum. Gerrid, H. (2010). Pengukuran Herding Institutional pada Bursa Efek Indonesia untuk Tahun 2005-2008. Tesis. Database MMUI. Guiterrez, R., C., & Kelley, E., K. (2009). Institutional Herding and Future Stock Returns. Working Paper University of Oregon, University of Arizona. Hartanto, I. B., & Ediningsih S. I. (2004). Kinerja Harga Saham setelah Penawaran Perdana (IPO) pada Bursa Efek Jakarta. Usahawan no. 08 THXXIII. Database MMUI. Indonesia Stock Exchange. (2007). IDX Fact Book 2007. Jakarta: Indonesia Stock Exchange. Indonesia Stock Exchange. (2008). IDX Fact Book 2008. Jakarta: Indonesia Stock Exchange. Indonesia Stock Exchange. (2009). IDX Fact Book 2009. Jakarta: Indonesia Stock Exchange. Indonesia Stock Exchange. (2010). IDX Fact Book 2010. Jakarta: Indonesia Stock Exchange. Indonesia Stock Exchange. (2011). IDX Fact Book 2011. Jakarta: Indonesia Stock Exchange. Indonesia Stock Exchange. (2011). IDX Monthly Statistic August 2011. Jakarta: Indonesia Stock Exchange. Jegadeesh, N., & Titman, S. (1993). Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency. Journal of Finance Vol. 48, Issue 1. 65-91. Justarina, S. M. N., & Argadikusuma, S. (1990). Perilaku Pasar Modal Indonesia. Karya Akhir. Database MMUI. Keputusan Menteri Republik Indonesia No. 179/KMK.010/2003. Kole, E. & Dijk, D. J. C., (2010) How To Identify and Predict Bull and Bear Markets? Econometric Institute, Erasmus School of Economics, Erasmus University Rotterdam.


72

Kremer, S. & Nautz, D. (2012). Causes and Consequenses of Short-Term Institutional Herding. JEL Classification: G11, G24, C23. Lakonishok, J., Shleifer, A., & Vishny, R. W. (1992). The Impact of Institutional Trading on Stock Price. Journal of Financial Economics 31, 23-43. Manurung, R. M. (2009). Potensi Jumlah Perusahaan yang Dapat Melakukan Go Public di Pasar Modal Indonesia. Laporan Studi. Departemen Keuangan Republik Indonesia. BAPEPAM-LK. Nalborhu, J. S. M., & Argadikusuma, S. (1990). Perilaku Pasar Modal Indonesia. Database Universitas Indonesia. Pretchter, R. R. (2001). The Practitioner's Perspective: Unconscious Herding Behavior as The Psychologucal Basis of Financial Market Trends and Patterns. The Journal of Psychology and Financial Markets. Vol 2., No. 3, 120-125 Ritter, J. R. (2003). Behavioral Finance. Pacific- Basin Finance Journal Vol. 11, No. 4. September 2003. 429-437. Schroder, M. & Schuler, M. (2003). Systemic Risk in European BankingEvidence from Bivariate GARCH Models. Discussion Paper No. 0311. Centre for European Economic Research (ZEW). Shefrin, H., & Belotti, M., L. (2007). Behavioral Finance: Biases, Mean-Variance Returns, and Risk Premiums. CFA Institute Conference Proceedings Quarterly June 2007, 4-12. Statman, M. (1999). Behavioral Finance: Past Battles and Future Engagements. Association for Invetment Management and Research, 18-26. Ulfa, A. (2004). Studi Manajemen Utang Luar Negeri dan Dalam Negeri Pemerintah dan Assessment terhadap Optimal Borrowing.Bunga Rampai Hasil Penelitian 2004, 223-239 Zhou, R. T., & Lai, R. N. (2006). A New Perspective of Market Behavior with Spurious Herding. Working Paper.


73

Lampiran 1 Pergerakan IHSG Bulan Agustus 2011


74

Lampiran 2 Saham-saham yang Tidak Tersedia Datanya No. 1 2 3 4 5 6

Ticker BCIP IPOL ABMM ERAA BAJA GWSA

Nama Perusahaan Bumi Citra Permai Tbk Indopoly Swakarsa Industry Tbk ABM Investama Tbk Erajaya Swasembada Tbk Saranacentral Bajatama Tbk Greenwood Sejahtera Tbk


Tanggal IPO 11 Desember 2009 09 Juli 2010 06 Desember 2011 14 Desember 2011 21 Desember 2011 23 Desember 2011

Lampiran 3 Perhitungan Koefisien Beta Setiap Saham Coefficientsa,b,c

Model 1

Rm - Rf

Unstandardized Coefficients B Std. Error .809 .639

Standardized Coefficients Beta .331

t 1.266

Sig. .228

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = ACES

Coefficientsa,b,c

Model 1

Rm - Rf

Unstandardized Coefficients B Std. Error 3.220 1.699


t 1.895

Sig. .081

t 1.350

Sig. .200

t 1.016

Sig. .328

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = ALDO

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = AMRT

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = APLN


76 (Lanjutan) Coefficientsa,b,c

Model 1

Rm - Rf



t 1.296

Sig. .218

t -.527

Sig. .607

t -.518

Sig. .613

t

Sig. .736

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = ARII

Coefficientsa,b,c

Model 1

Rm - Rf

Unstandardized Coefficients B Std. Error -.522 .990

Standardized Coefficients Beta -.145

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BACA

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BBTN

Coefficientsa,b,c

Model 1

Rm - Rf



.345

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BIPI



Model 1

Rm - Rf

Unstandardized Coefficients B Std. Error -7.835 3.382


t -2.316

Sig. .037

t -1.002

Sig. .335

t 1.218

Sig. .245

t 1.356

Sig. .198

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BISI

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BJBR

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BKDP

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BORN



Model 1

Rm - Rf



t 2.968

Sig. .011

t -.973

Sig. .348

t .919

Sig. .375

t 1.321

Sig. .209

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BPFI

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BRAU

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BRMS

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BSDE



Model 1

Rm - Rf



t -2.787

Sig. .015

t 1.319

Sig. .210

t 3.052

Sig. .009

t

Sig. .456

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BSIM

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BULL

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BUVA

Coefficientsa,b,c

Model 1

Rm - Rf



.769

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BWPT



Model 1

Rm - Rf

Unstandardized Coefficients B Std. Error 1.080 .555


t 1.945

Sig. .074

t .339

Sig. .740

t 2.027

Sig. .064

t

Sig. .533

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = BYAN

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = CASS

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = CTRP

Coefficientsa,b,c

Model 1

Rm - Rf

Unstandardized Coefficients B Std. Error .775 1.208


.641

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = DEWA



Model 1

Rm - Rf



t .062

Sig. .952

t 1.725

Sig. .108

t .384

Sig. .707

.677

Sig. .510

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = DSSA

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = EMDE

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = EMTK

Coefficientsa,b,c

Model 1

Rm - Rf



t

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = GDST



Model 1

Rm - Rf



t 1.885

Sig. .082

t 1.178

Sig. .260

t -.135

Sig. .894

t

Sig. .731

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = GEMS

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = GIAA

Coefficientsa,b,c

Model 1

Rm - Rf

Unstandardized Coefficients B Std. Error -.535 3.948


a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = GOLD

Coefficientsa,b,c

Model 1

Rm - Rf



.352

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = GPRA



Model 1

Rm - Rf



t .582

Sig. .570

t -.723

Sig. .482

t -1.309

Sig. .213

t 1.115

Sig. .285

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = GREN

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = GTBO

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = GZCO

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = HDFA



Model 1

Rm - Rf



t -1.209

Sig. .248

t 1.269

Sig. .227

t 2.300

Sig. .039

t -.981

Sig. .345

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = HOME

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = HRUM

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = ICBP

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = INDY



Model 1

Rm - Rf



t 1.068

Sig. .305

t .949

Sig. .360

t 1.324

Sig. .208

t -1.139

Sig. .275

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = INVS

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = JAWA

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = KBRI

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = KOIN



Model 1

Rm - Rf



t .286

Sig. .779

.738

Sig. .474

t -.100

Sig. .922

t 1.562

Sig. .142

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = KRAS

Coefficientsa,b,c

Model 1

Rm - Rf



t

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = LCGP

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = MBSS

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = MBTO



Model 1

Rm - Rf



t -.440

Sig. .667

t .798

Sig. .439

t 1.605

Sig. .133

t 3.367

Sig. .005

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = MCOR

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = MFMI

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = MIDI

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = MKPI



Model 1

Rm - Rf



t .504

Sig. .623

t -1.017

Sig. .328

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = MNCN

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = MTLA

Coefficientsa,b,c

Model 1

Rm - Rf



t .776

Sig. .452

t -1.156

Sig. .269

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = NIKL

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = PDES



Model 1

Rm - Rf



t -.510

Sig. .619

t -.283

Sig. .781

t 1.646

Sig. .124

t

Sig. .376

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = PKPK

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = PTIS

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = PTPP

Coefficientsa,b,c

Model 1

Rm - Rf



.916

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = PTSN



Model 1

Rm - Rf



t .447

Sig. .662

.461

Sig. .652

t 1.914

Sig. .078

t 1.804

Sig. .094

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = RINA

Coefficientsa,b,c

Model 1

Rm - Rf



t

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = ROTI

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = SDMU

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = SGRO



Model 1

Rm - Rf



t 4.794

Sig. .000

t 1.999

Sig. .067

t .240

Sig. .814

.240

Sig. .814

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = SIAP

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = SIMP

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = SKYB

Coefficientsa,b,c

Model 1

Rm - Rf



t

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = SMRU



Model 1

Rm - Rf



t -2.092

Sig. .057

t -2.461

Sig. .029

t 1.129

Sig. .279

t -.058

Sig. .955

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = SRAJ

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = STAR

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = SUPR

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = TBIG



Model 1

Rm - Rf



t 2.356

Sig. .035

t -.320

Sig. .754

t .194

Sig. .849

t -.566

Sig. .581

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = TIFA

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = TOWR

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = TRAM

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = TRIO



Model 1

Rm - Rf



t 1.360

Sig. .197

t .700

Sig. .497

.277

Sig. .786

t -.418

Sig. .683

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = VIVA

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = VRNA

Coefficientsa,b,c

Model 1

Rm - Rf



t

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = WEHA

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = WIKA



Model 1

Rm - Rf



t 1.511

Sig. .155

t -1.115

Sig. .285

a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = WINS

Coefficientsa,b,c

Model 1

Rm - Rf



a. Dependent Variable: Ri - Rf b. Linear Regression through the Origin c. SAHAM = YPAS


Lampiran 4 Uji Perbedaan Imbal Balik Abnormal Setiap Saham

SAHAM = ACES One-Sample Statisticsa N AR

Mean -.9865

14

Std. Deviation 2.74084

Std. Error Mean .73252

a. SAHAM = ACES

One-Sample Testa Test Value = 0

AR

t -1.347

df 13

Sig. (2-tailed) .201

Mean Difference -.98650

95% Confidence Interval of the Difference Lower Upper -2.5690 .5960

a. SAHAM = ACES

SAHAM = ALDO One-Sample Statisticsa N AR

Mean 1.1388

14



a. SAHAM = ALDO


AR

t 1.274

df 13


Mean Difference 1.13879

95% Confidence Interval of the Difference Lower Upper -.7922 3.0697

a. SAHAM = ALDO

SAHAM = AMRT One-Sample Statisticsa N AR

Mean .0326

14



a. SAHAM = AMRT


t AR

df .049

13


Mean Difference .03264

95% Confidence Interval of the Difference Lower Upper -1.3929 1.4582

a. SAHAM = AMRT


97 (Lanjutan)

SAHAM = APLN One-Sample Statisticsa N AR

Mean -.4183

14



a. SAHAM = APLN


AR

t -.986

df 13




a. SAHAM = APLN

SAHAM = ARII One-Sample Statisticsa N AR

Mean -.5681

14



a. SAHAM = ARII


AR

t -1.541

df 13




a. SAHAM = ARII

SAHAM = BACA One-Sample Statisticsa N AR

Mean -4.0134

14


Std. Error Mean 1.72674

a. SAHAM = BACA


AR

t -2.324

df 13


Mean Difference -4.01343

95% Confidence Interval of the Difference Lower Upper -7.7438 -.2830

a. SAHAM = BACA


98 (Lanjutan)

SAHAM = BBTN One-Sample Statisticsa N AR

Mean .4384

14



a. SAHAM = BBTN


t AR

df .528

13




a. SAHAM = BBTN

SAHAM = BIPI One-Sample Statisticsa N AR

Mean .2327

14



a. SAHAM = BIPI


t AR

df .451

13




a. SAHAM = BIPI

SAHAM = BISI One-Sample Statisticsa N AR

14

Mean .1542



a. SAHAM = BISI


t AR

df .058

13




a. SAHAM = BISI


99 (Lanjutan) SAHAM = BJBR One-Sample Statisticsa N AR

Mean 2.3808

14



a. SAHAM = BJBR


AR

t 1.268

df 13




a. SAHAM = BJBR

SAHAM = BKDP One-Sample Statisticsa N AR

Mean 3.3524

14



a. SAHAM = BKDP


AR

t 1.253

df 13




a. SAHAM = BKDP

SAHAM = BORN One-Sample Statisticsa N AR

Mean .0719

14



a. SAHAM = BORN


t AR

df .071

13




a. SAHAM = BORN


100 (Lanjutan) SAHAM = BPFI One-Sample Statisticsa N AR

Mean .1059

14



a. SAHAM = BPFI


t AR

df .367

13



95% Confidence Interval of the Difference Lower Upper -.5176 .7293

a. SAHAM = BPFI

SAHAM = BRAU One-Sample Statisticsa N AR

Mean -.6721

14



a. SAHAM = BRAU


AR

t -1.157

df 13




a. SAHAM = BRAU

SAHAM = BRMS One-Sample Statisticsa N AR

Mean -.4424

14



a. SAHAM = BRMS


AR

t -.852

df 13




a. SAHAM = BRMS


101 (Lanjutan) SAHAM = BSDE One-Sample Statisticsa N AR

Mean -1.0650

14



a. SAHAM = BSDE


AR

t -.879

df 13




a. SAHAM = BSDE

SAHAM = BSIM One-Sample Statisticsa N AR

Mean .3909

14



a. SAHAM = BSIM


t AR

df .142

13




a. SAHAM = BSIM

SAHAM = BULL One-Sample Statisticsa N AR

Mean -.1048

14



a. SAHAM = BULL


AR

t -.250

df 13




a. SAHAM = BULL


102 (Lanjutan) SAHAM = BUVA One-Sample Statisticsa N AR

Mean -.3066

14



a. SAHAM = BUVA


AR

t -.737

df 13




a. SAHAM = BUVA

SAHAM = BWPT One-Sample Statisticsa N AR

Mean -1.2051

14



a. SAHAM = BWPT


AR

t -1.662

df 13




a. SAHAM = BWPT

SAHAM = BYAN One-Sample Statisticsa N AR

Mean -1.6059

14



a. SAHAM = BYAN


AR

t -2.371

df 13




a. SAHAM = BYAN


103 (Lanjutan) SAHAM = CASS One-Sample Statisticsa N AR

Mean .4623

14



a. SAHAM = CASS


t AR

df .198

13




a. SAHAM = CASS

SAHAM = CTRP One-Sample Statisticsa N AR

Mean .2680

14



a. SAHAM = CTRP


t AR

df .209

13




a. SAHAM = CTRP

SAHAM = DEWA One-Sample Statisticsa N AR

Mean 1.2374

14



a. SAHAM = DEWA


t AR

df .770

13




a. SAHAM = DEWA


104 (Lanjutan) SAHAM = DSSA One-Sample Statisticsa N AR

Mean 6.9899

14



a. SAHAM = DSSA


AR

t 2.281

df 13



95% Confidence Interval of the Difference Lower Upper .3692 13.6106

a. SAHAM = DSSA

SAHAM = EMDE One-Sample Statisticsa N AR

Mean -1.9513

14



a. SAHAM = EMDE


AR

t -3.093

df 13




a. SAHAM = EMDE

SAHAM = EMTK One-Sample Statisticsa N AR

Mean -1.6315

14



a. SAHAM = EMTK


AR

t -1.415

df 13




a. SAHAM = EMTK


105 (Lanjutan) SAHAM = GDST One-Sample Statisticsa N AR

Mean -2.0929

14



a. SAHAM = GDST


AR

t -2.434

df 13




a. SAHAM = GDST

SAHAM = GEMS One-Sample Statisticsa N AR

Mean -.1509

14



a. SAHAM = GEMS


AR

t -.245

df 13




a. SAHAM = GEMS

SAHAM = GIAA One-Sample Statisticsa N AR

Mean -1.4013

14



a. SAHAM = GIAA


AR

t -2.003

df 13




a. SAHAM = GIAA


106 (Lanjutan) SAHAM = GOLD One-Sample Statisticsa N AR

Mean -1.3624

14



a. SAHAM = GOLD


AR

t -.429

df 13




a. SAHAM = GOLD

SAHAM = GPRA One-Sample Statisticsa N AR

Mean .0306

14



a. SAHAM = GPRA


t AR

df .021

13




a. SAHAM = GPRA

SAHAM = GREN One-Sample Statisticsa N AR

Mean -3.9754

14



a. SAHAM = GREN


AR

t -.667

df 13




a. SAHAM = GREN


107 (Lanjutan) SAHAM = GTBO One-Sample Statisticsa N AR

Mean -.7428

14



a. SAHAM = GTBO


AR

t -1.145

df 13




a. SAHAM = GTBO

SAHAM = GZCO One-Sample Statisticsa N AR

Mean -.5434

14



a. SAHAM = GZCO


AR

t -.670

df 13




a. SAHAM = GZCO

SAHAM = HDFA One-Sample Statisticsa N AR

Mean .1337

14



a. SAHAM = HDFA


t AR

df .198

13




a. SAHAM = HDFA


108 (Lanjutan) SAHAM = HOME One-Sample Statisticsa N AR

Mean 1.5260

14



a. SAHAM = HOME


t AR

df .881

13




a. SAHAM = HOME

SAHAM = HRUM One-Sample Statisticsa N AR

Mean .3311

14



a. SAHAM = HRUM


t AR

df .446

13




a. SAHAM = HRUM

SAHAM = ICBP One-Sample Statisticsa N AR

Mean -.3544

14



a. SAHAM = ICBP


AR

t -.544

df 13




a. SAHAM = ICBP


109 (Lanjutan) SAHAM = INDY One-Sample Statisticsa N AR

Mean -.5991

14



a. SAHAM = INDY


AR

t -.667

df 13




a. SAHAM = INDY

SAHAM = INVS One-Sample Statisticsa N AR

Mean -1.1292

14



a. SAHAM = INVS


AR

t -2.441

df 13




a. SAHAM = INVS

SAHAM = JAWA One-Sample Statisticsa N AR

Mean -.7381

14



a. SAHAM = JAWA


AR

t -1.834

df 13




a. SAHAM = JAWA


110 (Lanjutan) SAHAM = KBRI One-Sample Statisticsa N AR

Mean .0772

14



a. SAHAM = KBRI


t AR

df .270

13



95% Confidence Interval of the Difference Lower Upper -.5414 .6958

a. SAHAM = KBRI

SAHAM = KOIN One-Sample Statisticsa N AR

Mean -2.3494

14



a. SAHAM = KOIN


AR

t -1.355

df 13




a. SAHAM = KOIN

SAHAM = KRAS One-Sample Statisticsa N AR

Mean -.8560

14



a. SAHAM = KRAS


AR

t -1.199

df 13




a. SAHAM = KRAS


111 (Lanjutan) SAHAM = LCGP One-Sample Statisticsa N AR

Mean -3.9223

14



a. SAHAM = LCGP


AR

t -2.102

df 13




a. SAHAM = LCGP

SAHAM = MBSS One-Sample Statisticsa N AR

Mean -.8394

14



a. SAHAM = MBSS


AR

t -1.812

df 13




a. SAHAM = MBSS

SAHAM = MBTO One-Sample Statisticsa N AR

Mean -1.9938

14



a. SAHAM = MBTO


AR

t -2.316

df 13




a. SAHAM = MBTO


112 (Lanjutan) SAHAM = MCOR One-Sample Statisticsa N AR

Mean -1.3116

14



a. SAHAM = MCOR


AR

t -1.142

df 13




a. SAHAM = MCOR

SAHAM = MFMI One-Sample Statisticsa N AR

Mean 1.6962

14



a. SAHAM = MFMI


t AR

df .447

13




a. SAHAM = MFMI

SAHAM = MIDI One-Sample Statisticsa N AR

14

Mean -.0524



a. SAHAM = MIDI


AR

t -.033

df 13




a. SAHAM = MIDI


113 (Lanjutan) SAHAM = MKPI One-Sample Statisticsa N AR

Mean -.1146

14



a. SAHAM = MKPI


AR

t -.139

df 13




a. SAHAM = MKPI

SAHAM = MNCN One-Sample Statisticsa N AR

Mean -.2506

14



a. SAHAM = MNCN


AR

t -.632

df 13




a. SAHAM = MNCN

SAHAM = MTLA One-Sample Statisticsa N AR

Mean -.6794

14



a. SAHAM = MTLA


AR

t -1.248

df 13




a. SAHAM = MTLA


114 (Lanjutan) SAHAM = NIKL One-Sample Statisticsa N AR

Mean -.5674

14



a. SAHAM = NIKL


AR

t -.603

df 13




a. SAHAM = NIKL

SAHAM = PDES One-Sample Statisticsa N AR

Mean 1.0290

14



a. SAHAM = PDES


t AR

df .519

13




a. SAHAM = PDES

SAHAM = PKPK One-Sample Statisticsa N AR

Mean 2.3767

14



a. SAHAM = PKPK


t AR

df .586

13




a. SAHAM = PKPK


115 (Lanjutan) SAHAM = PTIS One-Sample Statisticsa N AR

Mean .2995

14



a. SAHAM = PTIS


t AR

df .204

13




a. SAHAM = PTIS

SAHAM = PTPP One-Sample Statisticsa N AR

Mean -.2391

14



a. SAHAM = PTPP


AR

t -.425

df 13




a. SAHAM = PTPP

SAHAM = PTSN One-Sample Statisticsa N AR

Mean -.5985

14



a. SAHAM = PTSN


AR

t -.754

df 13




a. SAHAM = PTSN


116 (Lanjutan) SAHAM = RINA One-Sample Statisticsa N AR

Mean -.7265

14



a. SAHAM = RINA


AR

t -1.773

df 13




a. SAHAM = RINA

SAHAM = ROTI One-Sample Statisticsa N AR

Mean 1.0866

14



a. SAHAM = ROTI


AR

t 1.373

df 13




a. SAHAM = ROTI

SAHAM = SDMU One-Sample Statisticsa N AR

Mean .3642

14



a. SAHAM = SDMU


t AR

df .433

13




a. SAHAM = SDMU


117 (Lanjutan) SAHAM = SGRO One-Sample Statisticsa N AR

Mean -.7885

14



a. SAHAM = SGRO


AR

t -1.348

df 13




a. SAHAM = SGRO

SAHAM = SIAP One-Sample Statisticsa N AR

Mean 1.2121

14



a. SAHAM = SIAP


AR

t 1.386

df 13




a. SAHAM = SIAP

SAHAM = SIMP One-Sample Statisticsa N AR

Mean -.6541

14



a. SAHAM = SIMP


AR

t -1.772

df 13




a. SAHAM = SIMP


118 (Lanjutan) SAHAM = SKYB One-Sample Statisticsa N AR

Mean .3548

14



a. SAHAM = SKYB


t AR

df .131

13




a. SAHAM = SKYB

SAHAM = SMRU One-Sample Statisticsa N AR

Mean .3548

14



a. SAHAM = SMRU


t AR

df .131

13




a. SAHAM = SMRU

SAHAM = SRAJ One-Sample Statisticsa N AR

Mean 1.9607

14



a. SAHAM = SRAJ


t AR

df .850

13




a. SAHAM = SRAJ


119 (Lanjutan) SAHAM = STAR One-Sample Statisticsa N AR

Mean 1.3295

14



a. SAHAM = STAR


AR

t 1.296

df 13




a. SAHAM = STAR

SAHAM = SUPR One-Sample Statisticsa N AR

Mean -.0924

14



a. SAHAM = SUPR


AR

t -.180

df 13




a. SAHAM = SUPR

SAHAM = TBIG One-Sample Statisticsa N AR

Mean .8749

14



a. SAHAM = TBIG


t AR

df .625

13




a. SAHAM = TBIG


120 (Lanjutan) SAHAM = TIFA One-Sample Statisticsa N AR

Mean 1.5104

14



a. SAHAM = TIFA


t AR

df .570

13




a. SAHAM = TIFA

SAHAM = TOWR One-Sample Statisticsa N AR

Mean 3.6833

14



a. SAHAM = TOWR


t AR

df .952

13




a. SAHAM = TOWR

SAHAM = TRAM One-Sample Statisticsa N AR

Mean 6.2746

14



a. SAHAM = TRAM


AR

t 1.977

df 13




a. SAHAM = TRAM


121 (Lanjutan)

SAHAM = TRIO One-Sample Statisticsa N AR

Mean -.6345

14



a. SAHAM = TRIO


AR

t -1.955

df 13




a. SAHAM = TRIO

SAHAM = VIVA One-Sample Statisticsa N AR

Mean .9858

14



a. SAHAM = VIVA


t AR

df .810

13




a. SAHAM = VIVA

SAHAM = VRNA One-Sample Statisticsa N AR

Mean -1.6608

14



a. SAHAM = VRNA


AR

t -1.181

df 13




a. SAHAM = VRNA


122 (Lanjutan) SAHAM = WEHA One-Sample Statisticsa N AR

Mean 1.7319

14



a. SAHAM = WEHA


t AR

df .722

13




a. SAHAM = WEHA

SAHAM = WIKA One-Sample Statisticsa N AR

Mean -.3720

14



a. SAHAM = WIKA


AR

t -.385

df 13




a. SAHAM = WIKA

SAHAM = WINS One-Sample Statisticsa N AR

Mean -.4237

14



a. SAHAM = WINS


AR

t -.324

df 13




a. SAHAM = WINS


123 (Lanjutan)

SAHAM = YPAS One-Sample Statisticsa N AR

Mean 3.0599

14



a. SAHAM = YPAS


AR

t 1.380

df 13




a. SAHAM = YPAS


124 (Lanjutan) Lampiran 5 Data Risk-free Rate (Suku Bunga SBI) Tahun 2007 2007 2007 2007 2007 2007 2007 2007 2008 2008 2008 2008 2008 2008 2008 2008 2008 2008 2008 2008 2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 2010 2010 2010 2010 2010

Bulan Mei Juni Juli Agustus September Oktober November December Januari Februari Maret April Mei Juni Juli Agustus September Oktober November December Januari Februari Maret April Mei Juni Juli Agustus September Oktober November December Januari Februari Maret April Mei

SBI Tahunan 8.75% 8.50% 8.25% 8.25% 8.25% 8.25% 8.25% 8.00% 8.00% 8.00% 8.00% 8.00% 8.25% 8.50% 8.75% 9.00% 9.25% 9.50% 9.50% 9.25% 8.75% 8.25% 7.75% 7.50% 7.25% 7.00% 6.75% 6.50% 6.50% 6.50% 6.50% 6.50% 6.50% 6.50% 6.50% 6.50% 6.50%

SBI Harian 0.44% 0.43% 0.41% 0.41% 0.41% 0.41% 0.41% 0.40% 0.40% 0.40% 0.40% 0.40% 0.41% 0.43% 0.44% 0.45% 0.46% 0.48% 0.48% 0.46% 0.44% 0.41% 0.39% 0.38% 0.36% 0.35% 0.34% 0.33% 0.33% 0.33% 0.33% 0.33% 0.33% 0.33% 0.33% 0.33% 0.33%


125 (Lanjutan) Tahun 2010 2010 2010 2010 2010 2010 2010 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011

Bulan Juni Juli Agustus September Oktober November December Januari Februari Maret April Mei Juni Juli Agustus September Oktober November December

SBI Tahunan 6.50% 6.50% 6.50% 6.50% 6.50% 6.50% 6.50% 6.50% 6.75% 6.75% 6.75% 6.75% 6.75% 6.75% 6.75% 6.75% 6.50% 6.00% 6.00%

SBI Harian 0.33% 0.33% 0.33% 0.33% 0.33% 0.33% 0.33% 0.33% 0.34% 0.34% 0.34% 0.34% 0.34% 0.34% 0.34% 0.34% 0.33% 0.30% 0.30%


PENGUKURAN DAN ANALISIS PERILAKU HERDING PADA SAHAM IPO BURSA EFEK INDONESIA TAHUN TESIS

Recommend Documents