Hubungan dan Sumbangan Variabel Teknikal terhadap Harga

5.3 Hubungan dan Sumbangan Variabel Teknikal terhadap Harga

  Saham

  Koefisien korelasi parsial (r) berguna untuk mengetahui kuatnya hubungan masing-masing variabel bebas secara parsial terhadap variabel tak bebas. Koefisien determinasi parsial (r 2 ) digunakan untuk mengukur besarnya sumbangan ( share ) dari variabel bebas secara parsial terhadap variasi (naik Koefisien korelasi parsial (r) berguna untuk mengetahui kuatnya hubungan masing-masing variabel bebas secara parsial terhadap variabel tak bebas. Koefisien determinasi parsial (r 2 ) digunakan untuk mengukur besarnya sumbangan ( share ) dari variabel bebas secara parsial terhadap variasi (naik

  Sumber : Hasil Penelitian

  Gambar 5.20 Plot Variabel X 1 terhadap Y

  Variabel pada persamaan regresi pertama yang berupa harga saham

  penutupan pada satu hari transaksi sebelumnya atau lag 1 (X 1 ), harga saham penutupan pada dua hari transaksi sebelumnya atau lag 2 (X 2 ), harga saham

  penutupan pada tiga hari transaksi sebelumnya atau lag 3 (X 3 ), dan harga saham penutupan pada lima hari transaksi sebelumnya atau lag 5 (X 5 ), masing-masing

  akan diplot secara parsial dan dianalisis secara simultan. Variabel lainnya yaitu

  harga saham penutupan pada lima hari transaksi sebelumnya atau lag 4 (X 4 ), volume perdagangan pada satu hari transaksi sebelumnya atau lag 1 (X 6 ), harga saham penutupan pada lima hari transaksi sebelumnya atau lag 4 (X 4 ), volume perdagangan pada satu hari transaksi sebelumnya atau lag 1 (X 6 ),

  

  individu pada empat hari transaksi sebelumnya atau lag 4 (X 14 ), dan indek saham individu pada satu hari transaksi sebelumnya atau lag 5 (X 15 ) tidak dibahas

  karena tidak dapat dibuktikan secara signifikan memiliki pengaruh dengan harga saham (Y).

  Tabel 5.8 menunjukkan koefisien korelasi parsial (r) antara variabel bebas

  X 1 dan variabel tak bebas Y adalah 1. Nilai koefisien korelasi 1 berarti hubungan

  variabel bebas X 1 terhadap variabel tak bebas Y adalah positif dan kuat.

  Hubungan antara variabel bebas X 1 dengan variabel tak bebas Y digambarkan

  pada gambar 5.20. Plot antara variabel X 1 dengan Y terlihat linier.

  Tabel 5.8 Hasil perhitungan Koefisien Korelasi dan Determinasi (X 1 )

  Model Summary b

  Change Statistics

  Adjusted

  Std. Error of

  R Square

  a R Square

  R Square

  the Estimate

  Change

  F Change

  df1

  df2

  Sig. F Change Watson

  a. Predictors: (Constant), X1 b. Dependent Variable: Y

  Sumber : Hasil Penelitian

  1

  Tabel 5.8 menunjukkan koefisien determinasi parsial (r 2 ) antara variabel X

  dan Y adalah 1. Nilai koefisien determinasi parsial (r 2 ) 1 berarti sumbangan

  variabel X 1 secara parsial terhadap harga saham adalah 100.

  Sumber : Hasil Penelitian

  Gambar 5.21 Plot Variabel X 2 terhadap Y

  Tabel 5.9 menunjukkan koefisien korelasi parsial (r) antara variabel bebas

  X 2 dan variabel tak bebas Y adalah 1. Nilai koefisien korelasi 1 berarti hubungan

  variabel bebas X 2 terhadap variabel tak bebas Y adalah positif dan kuat.

  Hubungan antara variabel bebas X 2 dengan variabel tak bebas Y digambarkan

  pada gambar 5.21.

  Tabel 5.9 menunjukkan koefisien determinasi parsial (r 2 ) antara variabel X

  dan Y adalah 0,999. Nilai koefisien determinasi parsial (r 2 ) 0,999 berarti

  sumbangan variabel X 2 secara parsial terhadap harga saham adalah 99,9,

  sisanya 0,1 merupakan sumbangan faktor lain.

  Tabel 5.9 Hasil perhitungan Koefisien Korelasi dan Determinasi (X 2 )

  Model Summary b

  Change Statistics

  Adjusted

  Std. Error of

  R Square

  a R Square

  R Square

  the Estimate

  Change

  F Change

  df1

  df2

  Sig. F Change Watson

  a. Predictors: (Constant), X2 b. Dependent Variable: Y

  Sumber : Hasil Penelitian

  Gambar 5.22 Plot Variabel X 3 terhadap Y

  Tabel 5.10 menunjukkan koefisien korelasi parsial (r) antara variabel bebas

  X 3 dan variabel tak bebas Y adalah 0,999. Nilai koefisien korelasi 0,999 berarti

  hubungan variabel bebas X 3 terhadap variabel tak bebas Y adalah positif dan

  kuat. Hubungan antara variabel bebas X 3 dengan variabel tak bebas Y

  digambarkan pada gambar 5.22.

  Tabel 5.10 Hasil perhitungan Koefisien Korelasi dan Determinasi (X 3 )

  Model Summary b

  Change Statistics

  Adjusted

  Std. Error of

  R Square

  a R Square

  R Square

  the Estimate

  Change

  F Change

  df1

  df2

  Sig. F Change Watson

  a. Predictors: (Constant), X3 b. Dependent Variable: Y

  Sumber : Hasil Penelitian

  Tabel 5.10 menunjukkan koefisien determinasi parsial (r 2 ) antara variabel

  X 2

  3 dan Y adalah 0.999. Nilai koefisien determinasi parsial (r ) 0.999 berarti

  sumbangan variabel X 3 secara parsial terhadap harga saham adalah 99.9,

  sisanya 0.1 merupakan sumbangan faktor lain.

  Gambar 5.23 Plot Variabel X 5 terhadap Y

  Tabel 5.11 menunjukkan koefisien korelasi parsial (r) antara variabel bebas

  X 5 dan variabel tak bebas Y adalah 0,999. Nilai koefisien korelasi 0,999 berarti

  hubungan variabel bebas X 5 terhadap variabel tak bebas Y adalah positif dan

  kuat. Hubungan antara variabel bebas X 5 dengan variabel tak bebas Y

  digambarkan pada gambar 5.23.

  Tabel 5.11 Hasil perhitungan Koefisien Korelasi dan Determinasi (X 5 )

  Model Summary b

  Change Statistics

  Adjusted

  Std. Error of

  R Square

  R Square

  R Square

  the Estimate

  Change

  F Change

  df1

  df2

  Sig. F Change Watson

  a. Predictors: (Constant), X5 b. Dependent Variable: Y

  Sumber : Hasil Penelitian

  Tabel 5.11 menunjukkan koefisien determinasi parsial (r 2 ) antara variabel

  X 2

  5 dan Y adalah 0,998. Nilai koefisien determinasi parsial (r ) 0,998 berarti

  sumbangan variabel X 5 secara parsial terhadap harga saham adalah 99,8,

  sisanya 0,2 merupakan sumbangan faktor lain.

  Koefisien korelasi berganda (R) berguna untuk mengetahui kuatnya hubungan variabel bebas secara simultan terhadap variabel tak bebas. Koefisien determinasi berganda (R 2 ) digunakan untuk mengukur besarnya sumbangan ( share ) dari variabel bebas terhadap variasi (naik turunnya) variabel tak bebas.

  Tabel 5.12 menunjukkan hasil perhitungan koefisien korelasi (R) dan koefisien determinasi (R 2 ) secara simultan. Koefisien korelasi dan determinasi

  dihitung dari persamaan regresi yang menggunakan variabel lag harga saham diuji baik secara parsial maupun simultan.

  Pada tabel 5.12 menunjukkan koefisien korelasi berganda pada persamaan regresi (5.3) adalah 1. Apabila koefisien korelasi 1 maka hubungan variabel teknikal yang terdiri dari harga saham penutupan pada satu, dua, tiga dan lima Pada tabel 5.12 menunjukkan koefisien korelasi berganda pada persamaan regresi (5.3) adalah 1. Apabila koefisien korelasi 1 maka hubungan variabel teknikal yang terdiri dari harga saham penutupan pada satu, dua, tiga dan lima

  Tabel 5.12 menunjukkan koefisien determinasi berganda untuk persamaan regresi (5.3) adalah 1. Apabila koefisien korelasi 1 maka variabel teknikal yang terdiri dari harga saham penutupan pada satu hari transaksi sebelumnya, harga saham penutupan pada dua hari transaksi sebelumnya, harga saham penutupan pada tiga hari transaksi sebelumnya dan harga saham penutupan pada lima hari transaksi sebelumnya secara simultan terhadap harga saham adalah 100.

  Tabel 5.12 Hasil perhitungan Koefisien Korelasi dan Determinasi (Simultan)

  Model Summary b

  Change Statistics

  Adjusted

  Std. Error of

  R Square

  a R Square

  R Square

  the Estimate

  Change

  F Change

  df1

  df2

  Sig. F Change Watson

  a. Predictors: (Constant), X5, X1, X3, X2 b. Dependent Variable: Y

  Sumber : Hasil Penelitian

  Sebagai contoh untuk menunjukkan hubungan variabel yang tidak dapat dibuktikan berpengaruh terhadap harga saham, penulis menunjukkan plot antara variabel bebas indek saham individu pada lima hari transaksi sebelumnya atau

  lag 5 (X 15 ) dengan variabel tak bebas Y pada gambar 5.24. Tabel 5.13

  menunjukkan koefisien korelasi parsial (r) antara variabel bebas X 15 dan variabel

  tak bebas Y adalah 0,222. Nilai koefisien korelasi 0,222 berarti hubungan variabel

  bebas X 15 terhadap variabel tak bebas Y adalah lemah. Hubungan antara variabel

  bebas X 15 dengan variabel tak bebas Y digambarkan pada gambar 5.24. Perlu

  diperhatikan nilai Durbin-Watson yang mendekati 0 mengindikasikan bahwa persamaan memiliki masalah autokorelasi, sehingga hasil uji t dan uji F tidak valid.

  Tabel 5.13 Hasil perhitungan Koefisien Korelasi dan Determinasi (X 15 )

  Model Summary b

  Change Statistics

  Adjusted

  Std. Error of

  R Square

  a R Square

  R Square

  the Estimate

  Change

  F Change

  df1

  df2

  Sig. F Change Watson

  a. Predictors: (Constant), X15 b. Dependent Variable: Y

  Sumber : Hasil Penelitian

  Gambar 5.24 Plot Variabel X 15 terhadap Y

  Tabel 5.13 menunjukkan koefisien determinasi parsial (r 2 ) antara variabel

  X 2

  15 dan Y adalah 0,049. Nilai koefisien determinasi parsial (r ) 0,049 berarti

  sumbangan variabel X 15 secara parsial terhadap harga saham adalah 4,9,

  sisanya 95,1 merupakan sumbangan faktor lain. Persamaan (5.4) menunjukkan adanya korelasi antara indek saham individu lima hari transaksi sisanya 95,1 merupakan sumbangan faktor lain. Persamaan (5.4) menunjukkan adanya korelasi antara indek saham individu lima hari transaksi

  5.4 Peramalan Harga Saham Setelah ketiga persamaan regresi diuji baik secara parsial dengan uji t dan secara simultan dengan uji F, maka persamaan regresi yang dapat digunakan untuk

  meramalkan harga saham hanya persamaan regresi pertama yaitu Ŷ = 1,017.X 1 -

  0,054.X 2 + 0,024.X 3 + 0,012.X 5 . Untuk meramalkan variabel bebas pada

  persamaan tersebut harus diketahui terlebih dahulu. Variabel bebas yang digunakan dalam penelitian ini adalah variabel yang digunakan dalam analisis teknikal. Variabel teknikal yang telah diuji dan signifikan pada tingkat kepercayaan 95 adalah harga saham penutupan pada satu hari transaksi

  sebelumnya atau lag 1 (X 1 ), harga saham penutupan pada dua hari transaksi sebelumnya atau lag 2 (X 2 ), harga saham penutupan pada tiga hari transaksi

  sebelumnya atau lag 3 (X 3 ) dan harga saham penutupan pada lima hari transaksi

  sebelumnya atau lag 5 (X 5 ). Dengan mengetahui variabel bebas tersebut dan

  memasukkan variabel ke dalam persamaan regresi Ŷ = 1,017.X 1 - 0,054.X 2 +

  0,024.X 3 + 0,012.X 5 maka perkiraan harga saham dapat dihitung.

  Pada tabel 5.3 ditunjukkan nilai standard error of the estimate (s[E( Yˆ )]) untuk persamaan (5.3) sebesar 98,18657. Nilai standard error of the estimate digunakan untuk memperkirakan besarnya penyimpangan nilai harga saham hasil estimasi (Ŷ) dengan harga saham sesungguhnya (Y) dengan menggunakan persamaan (5.5). Untuk persamaan regresi ketiga (persamaan (5.4)) yang mengalami masalah autokorelasi ditunjukkan besarnya penyimpangan yang dihasilkan terlalu besar, hal ini sudah diindikasikan adanya masalah autokorelasi Pada tabel 5.3 ditunjukkan nilai standard error of the estimate (s[E( Yˆ )]) untuk persamaan (5.3) sebesar 98,18657. Nilai standard error of the estimate digunakan untuk memperkirakan besarnya penyimpangan nilai harga saham hasil estimasi (Ŷ) dengan harga saham sesungguhnya (Y) dengan menggunakan persamaan (5.5). Untuk persamaan regresi ketiga (persamaan (5.4)) yang mengalami masalah autokorelasi ditunjukkan besarnya penyimpangan yang dihasilkan terlalu besar, hal ini sudah diindikasikan adanya masalah autokorelasi

  Persamaan (5.5) merupakan persamaan interval kepercayaan rata-rata untuk tingkat kepercayaan (1-α). Nilai t α2 dari tabel t untuk tingkat kepercayaan

  95 adalah 1,96. Untuk persamaan (5.3), hasil perhitungan menggunakan persamaan akan memiliki selisih antara harga saham perkiraan dengan harga

  saham sebenarnya sebesar yˆ ± 192 , 4457 .

  yˆ ± t α 2 s [ E ( Yˆ )] (5.5)

  Sebagai ilustrasi peramalan harga saham, diambil data saham PT. Indofood Sukses Makmur Tbk, akan diramalkan harga saham pada tanggal 25 Oktober, data harga saham penutupan pada satu hari transaksi sebelumnya, harga saham penutupan pada dua hari transaksi sebelumnya, harga saham penutupan pada tiga hari transaksi sebelumnya dan harga saham penutupan pada lima hari transaksi sebelumnya telah diketahui dan tertera pada tabel 5.11. Persamaan yang digunakan adalah persamaan (5.3).

  Tabel 5.11 Data saham PT. Indofood Sukses Makmur Tbk.

  Tanggal Keterangan Variabel Harga Penutupan

  (Rp)

  18 Oktober 2005 Hari Transaksi -5

  (X 5 ) 730

  20 Oktober 2005 Hari Transaksi -3

  (X 3 ) 740

  21 Oktober 2005 Hari Transaksi -2

  (X 2 ) 760

  24 Oktober 2005 Hari Transaksi -1

  (X 1 ) 770

  Sumber : Hasil Penelitian

  Dengan memasukkan variabel ke dalam persamaan: Ŷ

  = 1,017.X 1 - 0,054.X 2 + 0,024.X 3 + 0,012.X 5

  = 1,017 x 770 – 0,054 x 760 + 0,024 x 740 + 0,012 x 730 = 783,09 – 41,04 + 17,76 + 8,76

  Hasil perhitungan menggunakan persamaan regresi Ŷ = 1,017.X 1 - 0,054.X 2

  + 0,024.X 3 + 0,012.X 5 untuk memperkirakan harga saham pada tanggal 25

  Oktober mendapatkan hasil perkiraan harga saham sebesar Rp 768,57. Pada kenyataannya harga saham Indofood pada tanggal 25 Oktober ditutup pada Rp.770 sehingga ada selisih harga sebesar Rp 1,43. Selisih antara harga saham

  perkiraan menggunakan persamaan regresi Ŷ = 1,017.X 1 - 0,054.X 2 + 0,024.X 3 +

  0,012.X 5 dan harga saham sesungguhnya masih lebih kecil daripada selisih interval kepercayaan 95 sebesar ±192,4457.

  n − 1 ∑

  n − 1 Persamaan (5.6) merupakan persamaan peramalan harga saham analisis teknikal menggunakan metode moving average .X n pada persamaan (5.6) adalah perkiraan harga saham yang identik dengan perkiraan harga saham (Ŷ) pada persamaan regresi. Pada penelitian ini akan dicoba menggunakan metode simple moving average pada persamaan (5.7). Persamaan (5.7) adalah persamaan

  metode simple moving average yang menggunakan variabel teknikal yang telah

  terbukti berpengaruh secara statistik pada tingkat kepercayaan 95.

  4 Hasil perhitungan menghasilkan perkiraan harga saham pada tanggal 25 Oktober 2005 sebesar Rp 750. Pada kenyataannya harga saham Indofood pada tanggal 25 Oktober ditutup pada Rp.770 sehingga ada selisih harga sebesar Rp

  20. Selisih ini lebih besar dibandingkan menggunakan persamaan regresi yang 20. Selisih ini lebih besar dibandingkan menggunakan persamaan regresi yang