Beberapa analis tehnikal juga menggunakan indikator psikologis dari investor sentimen pasar.
Secara esensial analisa teknikal mempelajari dua bidang investasi yaitu analisa dari psikologi pasar dan analisa terhadap suplai dan permintaan. Para
analis berupaya untuk meramalkan pergerakan harga guna memperoleh keberhasilan dalam perdagangan serta memperkecil risiko kerugiannya serta
menghasilkan imbal hasil positif dalam masa depan melalui cara pengelolaan risiko dan manajemen keuangan.
Banyak cara pembelajaran analisa tehnikal. Para penganut cara pembelajaran dari tehnik yang berbeda-beda misalnya grafik lilin atau lebih
dikenal luas dengan istilah candlestick chart, Teori Dow, dan Teori Elliot wave seringkali mengabaikan teknik pendekatan lainnya, namun banyak pula yang
mengkombinasikan beberapa elemen pembelajaran. Para analis biasanya memutuskan untuk menggunakan metode pembelajaran yang mana yang tepat
berdasarkan pengalaman atas apa yang tercermin dari suatu instrumen pada suatu masa tertentu serta apa makna dari patron yang terbentuk dalam masa tersebut.
Analisa teknikal seringkali kontras dengan analisa fundamental yaitu studi atas faktor ekonomi yang diyakini beberapa analis mampu memengaruhi harga
dalam pasar keuangan. Para analis teknikal meyakini bahwa harga tersebut sudah mencerminkan semua pengaruh ekonomi tersebut sebelum investor
menyadarinya. Beberapa pedagang menggunakan salah satu dari teknikal atau fundamental secara eksklusif namun beberapa lainnya menggabungkan keduanya
dalam melakukan analisa.
2.6.2 Indikator Teknikal Analisis
Ada beberapa indikator yang perlu diperhatikan dalam melakukan teknikal analisis, yaitu sebagai berikut:
Universitas Sumatera Utara
1. Moving Average
Moving average adalah salah satu alat yang paling populer dan mudah digunakan untuk para analis teknikal. Alat ini berfungsi untuk memuluskan satu
serial data dan memudahkan kita untuk memetakan tren, sesuatu yang khususnya akan sangat membantu dalam pasar yang volatilitas. Dua jenis moving average
yang paling populer adalah Simple Moving Average SMA dan Exponential Moving Average EMA.
a. Simple Moving Average SMA
Simple moving average dibentuk dengan menghitung rata-rata mean harga suatu sekuritas selama periode waktu tertentu. Walaupun dimungkinkan untuk
menciptakan moving averages dari data harga pembukaan open, tertinggi high, dan terendah low, namun kebanyakan moving average diciptakan dengan
menggunakan data harga penutupan close. Adapun persamaan Simple Moving Average sebagai berikut :
μ
s
= ΣX
t
n
Di mana : μ
s
= Nilai simple moving average X
t
= Nilai perubahan harga harian n
= Jumlah hari per bulan
Sebagai contoh, simple moving average 5-hari dihitung dengan menjumlahkan harga-harga penutupan 5 hari terakhir dan membagi totalnya dengan 5.
μ
s
= 10 + 11 + 12 + 13 + 14 = 60
μ
s
= 605 = 12
Universitas Sumatera Utara
Kalkulasi ini diulang untuk setiap batang harga pada grafik. Nilai-nilai rata- rata tersebut kemudian digabungkan untuk membentuk kurva yang
dimuluskan – garis moving average. Melanjutkan contoh di atas, jika harga penutupan berikutnya dalam rata-rata
adalah 15, maka periode baru ini akan ditambahkan sehingga hari yang tertua, dalam hal ini adalah 10, akan dibuang. Simple moving average 5-hari yang
baru kemudian akan dikalkulasikan sebagai berikut :
μ
s
= 11 + 12 + 13 + 14 + 15 = 65
μ
s
= 655 = 13
Selama 2 hari terakhir, SMA bergerak dari 12 ke 13. Setiap kali data hari baru ditambahkan, data hari yang tertua akan dihilangkan dan moving average
akan melanjutkan gerak dengan bertambahnya waktu. Demikian seterusnya.
b. Exponential Moving Average EMA
Dalam rangka untuk mengurangi efek lambat pada simple moving average, para teknikalis sering menggunakan exponential moving average sering juga
disebut exponentially weighted moving average. EMA mengurangi kelambatan dengan memberikan bobot lebih pada harga-harga yang lebih kini
relatif terhadap harga-harga yang lebih lampau. Pembobotan lebih yang diberikan pada harga-harga terkini tergantung pada spesifikasi periode
moving average. Semakin pendek periode EMA yang dipakai, semakin besar bobot yang akan diberikan pada harga-harga terkininya. Sebagai contoh,
EMA 10-hari memberi bobot pada harga terkininya sebesar 18,18, sementara EMA 20-hari memberinya bobot sebesar 9,52. Sebagaimana
yang akan ditunjukkan kemudian, kalkulasi EMA jauh lebih rumit dari pada kalkulasi SMA.
Universitas Sumatera Utara
Hal penting yang mesti diingat adalah bahwa exponential moving average memberikan bobot lebih pada harga terkininya. Dikarenakan oleh hal
tersebut, maka EMA akan bereaksi lebih cepat pada perubahan harga terkininya dari pada SMA.
2. Stochastic Oscillator SO
Stochastic Oscillator SO adalah indikator momentum yang dikembangkan oleh George C. Lane pada akhir 1950-an, yang menunjukkan
lokasi dari penutupan harga saat ini relatif terhadap wilayah titik tinggi-rendah selama periode waktu tertentu. Tingkat harga penutupan yang secara konsisten
berada dekat wilayah tinggi mengindikasikan akumulasi tekanan beli dan yang berada dekat wilayah rendah mengindikasikan distribusi tekanan jual.
Perhitungan SO dilakukan menurut formula dan contoh tabulasi yang tertera pada halaman berikutnya. Suatu K 14-hari Stochastic Oscillator periode-
14 akan menggunakan data penutupan terkini, titik tertinggi dari titik-titik tinggi selama 14 hari terakhir, dan titik terendah dari titik-titik rendah selama 14 hari
terakhir. Panjangnya periode akan bervariasi tergantung dari sensitivitas dan jenis dari sinyal yang diinginkan. Sebagaimana pada RSI, besarnya periode yang
populer digunakan untuk perhitungan adalah 14. K memberitahukan pada kita bahwa harga penutupan 115,38 berada pada persentil ke-57 dari wilayah tinggi-
rendah, atau sedikit di atas titik tengah. Karena K adalah suatu rasio atau persentase, maka ia akan berfluktuasi antara 0 dan 100. Suatu SMA 3-hari
biasanya diplotkan sepanjang sisi K untuk bertindak sebagai garis pemicu, dan dinamakan dengan D.
3. Stochastic RSI
Stochastic RSI adalah suatu oscillator yang mengukur level RSI relatif terhadap wilayah pergerakannya selama periode waktu tertentu. Indikator ini
dikembangkan oleh Tushard Chande dan Stanley Kroll. Indikator ini menggunakan RSI sebagai fondasi dan mengaplikasikan formulasinya di balik
Universitas Sumatera Utara
Stochastic. Hasilnya adalah sebuah oscillator yang berfluktuasi di antara 0 dan 1. Dalam bukunya The New Technical Trader yang terbit tahun 1994, Chande dan
Kroll menjelaskan bahwa RSI kadang-kadang difungsikan di antara level 20 dan 80 untuk periode yang diperpanjang tanpa menyentuh area jenuh jual dan jenuh
beli. Para trader yang melihat waktu masuk berdasarkan pembacaan jenuh beli atau jenuh jual pada RSI mungkin akan men-dapati diri mereka tetap berada pada
pergerakan mendatar.
4. Williams R
Williams R adalah indikator momentum yang dikembangkan oleh Larry Williams dan bekerja lebih banyak seperti halnya Stochastic Oscillator. Indikator
ini terutama pupoler untuk mengukur tingkat jenuh beli dan jenuh jual. Skala indikator ini membentang dari 0 sampai 100 dengan pembacaan dari 0 – 20
dipertimbangkan sebagai jenuh beli dan pembacaan dari -80 sampai -100 dipertimbangkan sebagai jenuh jual.
William R yang kadang-kadang hanya disebut dengan R memperlihatkan hubungan antara titik penutupan relatif terhadap wilayah titik
tinggi-rendah sepanjang periode waktu tertentu. Penutupan yang semakin mendekati puncak wilayah, akan menyebabkan indikator semakin mendekati nol
tertinggi. Sebaliknya, penutupan yang semakin mendekati dasar wilayah, akan menyebabkan indikator semakin mendekati -100. Jika penutupan setara dengan
titik tinggi dari wilayah tinggi-rendah, maka indikator akan menunjukkan level 0 pembacaan tertinggi. Sebaliknya, jika penutupan setara dengan titik rendah dari
wilayah tinggi-rendah, maka indikator akan menunjukkan level -100 pembacaan terendah.
5. Bollinger Bands
Bollinger Bands yang dikembangkan oleh John Bollinger adalah satu indikator yang memungkinkan penggunanya untuk membandingkan volatilitas
Universitas Sumatera Utara
dan level harga relatif selama periode waktu tertentu. Indikator ini terdiri dari tiga pita yang dirancang untuk meliputi mayoritas pergerakan harga sekuritas.
1. Satu simple moving average di tengah
2. Satu pita atas SMA ditambah 2 standar deviasi
3. Satu pita bawah SMA dikurangi 2 standar deviasi
Standar deviasi adalah satu unit pengukuran statistik yang memberikan perkiraan yang baik dari plot volatilitas harga. Penggunaan standar deviasi
memastikan bahwa pita akan bereaksi secara cepat atas pergerakan harga dan merefleksikan periode volatilitas tinggi dan rendah. Ketajaman harga yang
meningkat atau menurun, dan demikian pula volatilitasnya, akan membuat pita semakin melebar.
Universitas Sumatera Utara
BAB 3
ANALISIS DATA
3.1 Analisis Data
