“Analisis Pengaruh Tingkat BI Rate dan Jumlah Uang Beredar Terhadap Indeks Harga Saham Gabungan

(1)

SKRIPSI

ANALISIS PENGUKURAN RISIKO HARGA SAHAM DENGAN

PENDEKATAN MODEL VARIANCE COVARIANCE DAN

HISTORICAL SIMULATION

Oleh :

SAMUEL VIIN SIMORANGKIR

080501112

PROGRAM STUDI EKONOMI PEMBANGUNAN

DEPARTEMEN EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI

UNIVERSITAS SUMATERA UTARA

MEDAN

(2)

ABSTRACT

This research analyzes price risk of banking stocks by measuring maximum loss for one day, five days and twenty days. The methodologies used are Value at Risk, that is Variance Covariance method and Historical Simulation method. The object of research includes 10 banking stocks listed in BEI during range of the time 3 January until 29 February 2012.

The maximum potensial loss of each stocks and its portofolio of 10 stocks of banking can calculated at 95% confidence level. Variance Covariance method and Historical Simulation method were validated using back testing and Kupiec test which compare the maximum potensial loss with actual loss. The research found there was different result of Value at Risk calculated using Variance Covariance method and Historical Simulation method. The potensial loss using Historical Simulation method is bigger than calculated using Variance Covariance method. But, these two methods are valid to measure maximum potensial loss of banking stocks. KEYWORDS :

(3)

ABSTRAK

Penelitian ini menganalisa risiko harga dari saham perbankan dengan mengukur kerugian maksimum untuk satu hari, lima hari dan duapuluh hari. Metode yang digunakan adalah metode Value at Risk, yaitu metode Variance Covariance dan metode Historical simulation. Objek penelitian ini meliputi 10 saham perbankan yang terdaftar pada BEI selama kurun waktu 3 Januari sampai 29 Februari 2012.

Potensi kerugian maksimum untuk setiap saham dan saham portofolio untuk 10 saham perbankan diukur dengan menggunakan tingkat kepercayaan 95%. Metode Variance Covariance dan metode Historical Simulation dilihat validitasnya dengan menggunakan back testing dan Kupiec test dengan membandingkan potensi kerugian maksimum dengan kerugian aktual. Penelitian ini menunjukkan bahwa terdapat perbedaan hasil pengukuran risiko harga saham Value at Risk yang diukur dengan metode Variance Covariance dan metode Historical Simulation. Potensi kerugian dengan menggunakan metode Historical Simulation lebih besar dari metode Variance Covariance. Namun kedua metode ini valid digunakan untuk mengukur potensi keugian maksimum saham perbankan.

KEYWORDS :

(4)

KATA PENGANTAR

Segala puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas anugerah-Nya sehingga penulis dapat menyelesaikan skripsi ini guna memenuhi salah satu syarat dalam mencapai gelar sarjana di program strata I Fakultas Ekonomi Universitas Sumatera Utara.

Skripsi ini berjudul “Analisis Pengaruh Tingkat BI Rate dan Jumlah Uang Beredar Terhadap Indeks Harga Saham Gabungan”. Penulis telah banyak menerima bimbingan, saran, motivasi, dan doa dari berbagai pihak selama penulisan skripsi ini. Oleh karena itu, pada kesempatan ini penulis menyampaikan terimakasih kepada semua pihak yang telah memberikan bantuan dan bimbingan, yaitu kepada:

1. Ayahanda Paindo Simorangkir dan Ibunda Nurhaliza Sitio yang telah memberikan motivasi baik moril maupun materil, serta mendoakan penulis selama masa pekuliahan hingga menyelesaikan penulisan skripsi ini. Kepada adik-adik penulis, Novida Hotmahita Simorangkir, Martha Yunrisa Simorangkir, Adriel Timoteus Simorangkir dan Ruth Aritonang yang telah mendoakan penulis. 2. Bapak Drs. Jhon Tafbu Ritonga, M.Ec selaku Dekan Fakultas Ekonomi

Universitas Sumatera Utara

3. Bapak Wahyu Ario Utomo, SE, M.Ec selaku Ketua Departemen Ekonomi Pembangunan Fakultas Ekonomi Universitas Sumatera Utara sekaligus dosen pembaca penilai skripsi penulis yang telah member nilai dan saran dalam skripsi

(5)

ini dan Bapak Drs. Syahrir Hakim Nasution, M.Si selaku Sekretaris Departemen Ekonomi Pembangunan Fakultas Ekonomi Universitas Sumatera Utara.

4. Bapak Irsyad Lubis, SE, M.Soc.Sc, Ph.D selaku Ketua Program Studi Ekonomi Pembangunan Fakultas Ekonomi Sumatera Utara dan Bapak Paidi Hidayat, SE, M.Si selaku Sekretaris Program Studi Ekonomi Pembangunan.

5. Bapak Drs. Coki A. Syahwier, M.P selaku Dosen Pembimbing yang telah memberikan bimbingan mulai dari awal pengerjaan skripsi sampai dengan selesainya skripsi ini.

6. Seluruh Dosen Pengajar di Departemen Ekonomi Pembangunan Fakultas Ekonomi Universitas Sumatera Utara, yang telah mendidik dan memberikan banyak ilmu pengetahuan yang sangat bermanfaat bagi penulis.

7. Seluruh Staf Administrasi di Fakultas Ekonomi Universitas Sumatera Utara khususnya Departemen Ekonomi Pembangunan.

8. Teman – teman mahasiswa Ekonomi Pembangunan 2008 yang telah banyak memberikan dukungan moril kepada penulis untuk penyelesaian skripsi ini.

Medan, Juni 2012

(6)

DAFTAR ISI

ABSTRACT i

ABSTRAK ii

KATA PENGANTAR iii

DAFTAR ISI v

DAFTAR TABEL vii

DAFTAR LAMPIRAN ix

BAB I PENDAHULUAN

1.1. Latar Belakang Masalah ……… 1

1.2. Perumusan Masalah ……… 8

1.3. Tujuan Penelitian ……… 8

1.4. Manfaat Penelitian ……… 9

BAB II TINJAUAN PUSTAKA 2.1. Investasi ………... 10

2.2. Value at Risk ………... 11

2.2.1. Historical Simulation Method ………... 12

2.2.2. Variance Covariance Method ………... 13

2.3. Return ………...………… 14

2.4. Risiko ………... 16

2.5. Hubungan Antara Risiko dan Return ………... 20

2.6. Metode Perhitungan Risiko ………... 20

2.7. Perhitungan VaR untuk Masing-Masing Metode ………... 28

2.8. Backtesting ………... 28

2.9. Penelitian Terdahulu ………... 30

2.10. Kerangka Konseptual ………... 32

2.11. Hipotesis ………... 33

BAB III METODE PENELITIAN 3.1. Jenis Penelitian ………... 35

3.2. Batasan Operasional ………... 35

3.3. Defenisi Operasional ………... 36

3.4. Jenis Data ………... 37

3.5. Metode Pengumpulan Data ………... 37

3.6. Teknik Analisis ………... 38

BAB IV HASIL DAN PEMBAHASAN 4.1. Menghitung Return ……….. 44

4.1.1. Statistik Deskriptif Return Saham ……….. 45

(7)

4.2.1. Hasil Uji Stasioner saham BCA ……….. 47

4.2.2. Hasil Uji Stasioner saham BII ……….. 47

4.2.3. Hasil Uji Stasioner saham BNI ……….…. 48

4.2.4. Hasil Uji Stasioner saham BRI ……….. 49

4.2.5. Hasil Uji Stasioner saham BTN ……….. 49

4.2.6. Hasil Uji Stasioner saham CIMB ……….. 50

4.2.7. Hasil Uji Stasioner saham DANAMON ……….. 50

4.2.8. Hasil Uji Stasioner saham MANDIRI ……….. 51

4.2.9. Hasil Uji Stasioner saham PANIN ……….. 52

4.2.10. Hasil Uji Stasioner saham PERMATA ……….. 52

4.3. Hasil Uji Normalitas ……….. 53

4.3.1. Hasil Uji Normalitas Saham BCA ……….. 54

4.3.2. Hasil Uji Normalitas Saham BII ……….. 55

4.3.3. Hasil Uji Normalitas Saham BNI ……….. 55

4.3.4. Hasil Uji Normalitas Saham BRI ……….. 56

4.3.5. Hasil Uji Normalitas Saham BTN ……….. 56

4.3.6. Hasil Uji Normalitas Saham CIMB ……….. 57

4.3.7. Hasil Uji Normalitas Saham DANAMON ……….. 58

4.3.8. Hasil Uji Normalitas Saham MANDIRI ……….. 58

4.3.9. Hasil Uji Normalitas Saham PANIN ……….. 59

4.3.10. Hasil Uji Normalitas Saham PERMATA ……….. 60

4.4. Hasil Uji Heteroskedastisitas ……….. 60

4.4.1. Hasil Uji Heteroskedastisitas Saham BNI ……….. 61

4.4.2. Hasil Uji Heteroskedastisitas Saham DANAMON ……. 62

4.4.3. Hasil Uji Heteroskedastisitas Saham MANDIRI …….. 62

4.4.4. Hasil Uji Heteroskedastisitas Saham BRI ……….. 63

4.4.5. Hasil Uji Heteroskedastisitas Saham PANIN …….. 64

4.4.6. Hasil Uji Heteroskedastisitas Saham BCA ……….. 65

4.4.7. Hasil Uji Heteroskedastisitas Saham BII ……….. 67

4.4.8. Hasil Uji Heteroskedastisitas Saham BTN ……….. 68

4.4.9. Hasil Uji Heteroskedastisitas Saham CIMB …….. 70

4.4.10. Hasil Uji Heteroskedastisitas Saham PERMATA …….. 71

4.5. Perhitungan Value at Risk ……….. 73

4.5.1. Perhitungan Value at Risk untuk Variance Covariance ... 73

4.5.2. Perhitungan Value at Risk untuk Historical Simulation .. 76

4.6. Backtesting ……….. 78

BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan ………. 82 5.2. Saran ………. 83

DAFTAR PUSTAKA ………. 85

(8)

DAFTAR TABEL

Nomor Judul Halaman

Tabel 2.1. Tabel Kupiec Test 29

Tabel 3.1 10 Saham Perbankan dengan Aset Terbesar 35 Tabel 4.1 Statistik Deskriptif Return Periode 3 Jan 2011 s/d 29 Feb 2012 45 Tabel 4.2 Tabel ADF Test (BCA) dari hasil perhitungan eviews 47 Tabel 4.3 Tabel ADF Test (BII) dari hasil perhitungan eviews 47 Tabel 4.4 Tabel ADF Test (BNI) dari hasil perhitungan eviews 48 Tabel 4.5 Tabel ADF Test (BRI) dari hasil perhitungan eviews 49 Tabel 4.6 Tabel ADF Test (BTN) dari hasil perhitungan eviews 49 Tabel 4.7 Tabel ADF Test (CIMB) dari hasil perhitungan eviews 50 Tabel 4.8 Tabel ADF Test (DANAMON) dari hasil perhitungan eviews 51 Tabel 4.9 Tabel ADF Test (MANDIRI) dari hasil perhitungan eviews 51 Tabel 4.10 Tabel ADF Test (PANIN) dari hasil perhitungan eviews 52 Tabel 4.11 Tabel ADF Test (PERMATA) dari hasil perhitungan eviews 52 Tabel 4.12 Tabel heteroskedastisitas (BNI) dari hasil perhitungan eviews 61 Tabel 4.13 Tabel heteroskedastisitas (DANAMON)

dari hasil perhitungan eviews 62

Tabel 4.14 Tabel heteroskedastisitas (MANDIRI)

(9)

Tabel 4.15 Tabel heteroskedastisitas (BRI) dari hasil perhitungan eviews 63 Tabel 4.16 Tabel heteroskedastisitas (PANIN) dari hasil perhitungan eviews 64 Tabel 4.17 Tabel heteroskedastisitas (BCA) dari hasil perhitungan eviews 65

Tabel 4.18 Model ARCH Terbaik 66

Tabel 4.19 Tabel heteroskedastisitas (BII) dari hasil perhitungan eviews 67

Tabel 4.20 Model ARCH Terbaik 68

Tabel 4.21 Tabel heteroskedastisitas (BTN) dari hasil perhitungan eviews 68

Tabel 4.22 Model ARCH Terbaik 69

Tabel 4.23 Tabel heteroskedastisitas (CIMB) dari hasil perhitungan eviews 70

Tabel 4.24 Model ARCH Terbaik 71

Tabel 4.25 Tabel heteroskedastisitas (PERMATA)

dari hasil perhitungan eviews 71

Tabel 4.26 Model ARCH Terbaik 73

Tabel 4.27 Perhitungan VaR dengan Variance Covariance 74 Tabel 4.28 Perhitungan VaR dengan Historical Simulation 77

Tabel 4.29 Total Failure 78

(10)

DAFTAR LAMPIRAN

Nomor Judul Halaman

Lampiran 1 Data Asli Saham 87

Lampiran 2 Uji Normalitas Masing-Masing Saham 167 Lampiran 3 Back Testing Masing-Masing Saham (Variance Covariance) 172 Lampiran 4 Back Testing Masing-Masing Saham (Historical Simulation) 178

(11)

ABSTRACT

(12)

ABSTRAK

KEYWORDS :

(13)

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Semakin berkembangnya zaman dan semakin berkembangnya ilmu pengetahuan menjadikan banyaknya alternative penyimpanan dana. Investasi dana tidak terpusat pada lembaga keuangan bank lagi, tetapi juga sudah berkembang pada bisnis properti dan berinvestasi pada bursa saham. Masyarakat semakin menyadari bahwa menanamkan modal di bank komersil memberikan return yang kecil, meskipun memang memiliki risiko yang kecil juga. Berbanding terbalik apabila menanamkan modal di pasar modal yang lebih memberikan return yang menjanjikan dan juga memang mempunyai risiko yang besar juga.

Dewasa ini pasar modal menjadi suatu alternative yang sangat diminati masyarakat (investor), pasar modal menjadi salah satu wujud globalisasi, salah satu ciri masyarakat modern dan berpendidikan. Pasar modal merupakan pasar keuangan atau surat-surat berharga jangka panjang yang bisa diperjualbelikan, baik dalam bentuk utang atau modal sendiri. Transaksi dalam surat berharga, bukan atas kertas itu sendiri melainkan atas hak-hak yang direpresentasikan oleh kertas-kertas tersebut, jadi apabila sudah terjun di dalam pasar modal investor harus memiliki tingkat analisis yang mumpuni.

Perusahaan-perusahaan besar juga dewasa ini sangat memerlukan pasar modal, pasar modal menjadi suatu penghimpunan modal bagi perusahaan agar dapat

(14)

meningkatkan produksinya. Banyak contoh perusahaan yang sukses berkat pasar modal, sebut saja perusahaan-perusaan besar sekaliber MNC (multi-national corporation), sangat mengagumkan. Perusahaan minuman Coca Cola pun salah satu perusahaan yang semakin besar dan terkenal berkat terjun di pasar modal.

Di Negara kita Republik Indonesia porsi investasi masyarakat sebagian besar masih terhimpun pada tabungan maupun deposito di perbankan. Tindakan tersebut memang sudah baik, namun agar lebih produktif dibutuhkan wadah yang tepat, salah satunya ialah menginvestasikan di pasar modal dengan membeli saham atau obligasi. Sama dengan posisi investasi masyarakat, posisi pendanaan perusahaan-perusahaan di Indonesia sebagian besar juga masih bertumpu pada perbankan. Ini tidak salah, namun pendanaan yang bersumber dari kredit perbankan sudah dianggap menjadi cara tradisional (Sawidji:2009).

Pasar modal menawarkan banyak keuntungan seperti pembayaran deviden, yang tidak bisa melebihi jumlah bunga yang dibayarkan oleh bank atas dana yang diinvestasikan oleh investor dengan nilai investasi yang sama, meskipun memang keuntungan ini dibarengi dengan risiko yang tidak kecil juga. Keuntungan lain yang dapat ditemukan investor di pasar modal ialah dalam hal mendapatkan dana, perusahaan tidak perlu menyediakan agunan seperti yang dituntut oleh bank. Selain itu dengan memanfaatkan dana dari pasar modal, perusahaan tidak lagi menyediakan dana setiap bulan atau setiap tahun untuk membayar bunga, sebagai gantinya ialah deviden, yang tidak harus dibayar secara periodik dan deviden juga dapat tidak diberikan apabila perusahaan dalam keadaan merugi, hal yang sangat berbeda dengan

(15)

bunga bank. Karena keuntungan yang ditawarkan pasar modal itu jugalah bank-bank turut serta berkecimpung di pasar modal, tidak terkecuali bank-bank pemeintah.

Memang menggalang dana dari pasar modal lebih komplek dibanding mendapatkan kredit dari perbankan, namun dalam jangka panjang, perusahaan akan memetik manfaat yang lebih besar, diantaranya bisa menggunakan dana dengan jangka waktu yang jauh lebih panjang, mendapatkan dana yang lebih besar (bahkan tidak terbatas, karena masyarakat selalu membeli saham atau obligasi), dan bisa memperbaiki structural modal (Sawidji:2009).

Pada dasarnya semua tindakan investasi masyarakat untuk menanamkan modalnya mensyaratkan suatu estimasi hasil yang diharapkan dan risiko atau kemungkinan tidak diperolehnya hasil seperti yang diharapkan. Hasil yang diharapkan disebut juga dengan tingkat keuntungan yang diharapkan atau expected return, sedangkan risiko berarti probabilitas tidak dicapainya tingkat keuntungan yang diharapkan atau kemungkinan return yang diterima menyimpang dari return yang diharapkan. Semakin besar penyimpangan tingkat keuntungan atau return yang diharapkan, maka semakin besar pula tingkat risikonya, sebaliknya semakin kecil tingkat keuntungan, maka semakin kecil juga tingkat risikonya.

Masyarakat yang semakin paham tentang pasar keuangan, semakin mengerti akan penilaian dan pengendalian risiko investasi, yang menimbulkan suatu keberanian memasuki wilayah yang berisiko. Memasuki pasar modal mendorong masyarakat menggunakan kemampuannya dalam menganalisis setiap risiko dan keuntungan yang mungkin terjadi terhadap dana yang diinvestasikan.

(16)

Ada tiga aspek yang menjadi bahan yang dipertimbangkan dalam investasi di pasar modal :

1. Tingkat pengembalian yang diharapkan (expected rate ofreturn) 2. Tingkat risiko (rate of risk)

3. Ketersediaan jumlah dana yang akan diinvestasikan.

Hubungan risiko dan return bersifat linier, yang berarti semakin tinggi tingkat risiko, maka semakin tinggi juga tingkat pengembalian yang diharapkan.

Dalam berinvestasi di pasar modal investor juga harus melakukan analisis terlebih dahulu. Dalam tahap ini investor melakukan analisis terhadap suatu efek atau sekelompok efek. Salah satu tujuan penilaian ini adalah untuk mengidentifikasi efek yang salah harga (mispriced), apakah harganya terlau tinggi atau terlalu rendah. Untuk itu, ada dua pendekatan yang digunakan, yaitu : analisis pendekatan fundamental dan analisis pendekatan teknikal.

Di dalam perkembangannya, para investor pada umumnya lebih banyak mengandalkan analisis pendekatan teknikal daripada analisis pendekatan fundamental, terutama dalam keputusan investasi jangka pendek. Hal ini terjadi karena pergerakan harga sekuritas bukan lagi secara random, melainkan secara berulang dan membentuk pola tertentu yang dapat diidentifikasi (Meyers dalam Tandelilin :2001).

Banyak keuntungan yang bisa diperoleh investor melalui pendekatan teknikal ini. Investor tidak perlu memperhitungkan berapa tingkat bunga, rasio keuangan, neraca untuk mendapatkan return yang diharapkan, investor cukup mempercayakan

(17)

pola pergerakan harga saham dikarenakan rasa optimis yang sudah terdapat di dalam harga. Selain itu keuntungan yang dapat diperoleh investor ialah investor mampu meramalkan harga saham berdasarkan harga saham terdahulu tanpa memperhatikan dasar-dasar teori dalam keputusan investasi.

Investor di pasar modal tentunya sudah akrab dengan kata risiko, mungkin menjadi suatu momok bagi investor. Mengapa harus ada risiko? Bisakah risiko itu diatasi? Tampak dari rangkaian pertanyaan itu risiko sangat dibenci oleh investor, dan tampak juga bahwa risiko selalu melekat pada investasi, bahkan risiko selalu mengiringi penghasilan. Dimana ada penghasilan yang besar, disitu ada juga risiko yang besar, dan begitu sebaliknya.

Oleh karena itu investor yang ingin bertransaksi di pasar modal harus dapat mengukur risiko harga saham. Ada cara mengukur nilai risiko dalam teori portofolio, dengan variance atau standard deviasi. Tetapi pada umumnya banyak investor dalam mengukur nilai risiko harga saham berdasarkan insting saja atau hanya mengikuti investor lai tanpa menggunakan analisis risiko harga saham yang cukup mendalam.

Pengukuran risiko dengan menggunakan standard deviasi hanya dapat melihat penyimpangan dari return saham, tetapi tidak dapat mengukur berapa kira-kira jumlah kerugian yang akan dialami oleh seorang investor menananmkan atau menginvestasikan sejumlah dananya dalam satu instrument keuangan dalam hal ini saham pada periode waktu tertentu dalam bentuk rupiah, maka sebagai lanjutan sari teori portofolio dikembangkan salah satu metode pengukuran risiko yang dapat mengukur potensi kerugian dalam bentuk jumlah uang yaitu Value at risk.

(18)

VaR merupakam metodologi yang dikembangkan oleh JP Morgan yang kemudian penggunaannya meluas untuk pengukuran berbagai jenis risiko. VaR merupakan salah satu metodologi yang dapat menghitung potensi kerugian yang mungkin terjadi pada suatu portofolio dalam periode waktu tertentu dengan tingkat keyakinan waktu tertentu. Pada dasarnya VaR adalah melakukan peramalan volatilitas yang merupakan perubahan nilai pada instrument di masa yang akan datang berdasarkan data-data di masa lampau. Salah satu model VaR dalam melakukan estimasi potensi kerugian maksimal, pada umumnya dikenal dengan metode Variance Covariance dan metode simultan yang terdiri dari model Historical Simulation dan Monte Carlo.

Telah banyak peneliti yang meneliti bahasan ini, dan adapun yang menjadi kesimpulan mengenai metode VaR dari berbagai peneliti lain diantaranya Oom Komariyah (dalam penelitiannya yang berjudul Analisis Pengukuran Risiko Harga Saham Syariah dengan Pendekatan Model Variance Covariance dan Historical Simulation) mengatakan bahwa Variance Covariance Model dan Historical Simulation model valid digunakan sebagai alat untuk mengukur potensi kerugian maksimal dari saham-saham syariah walaupun terdapat perbedaan hasil perhitungan antara kedua model tersebut. Bambang Yudatmono Soegijono (dalam penelitiannya yang berjudul Analisis Perbandingan Perhitungan nilai Value at risk sepanjang tahun 2005 dengan menggunakan Historical Simulation Method, Variance Covariance Method, dan Monte Carlo Method terhadap saham PT Indosat, tbk) menyimpulkan bahwa dari 3 model tersebut (tidak termasuk Monte Carlo Method) hanya Variance

(19)

Covariance yang valid digunakan sebagai alat untuk mengukur potensi kerugian saham sepanjan tahun 2005.

Dengan latar belakang yang telah dikemukakan diatas dan dari penelitian yang telah dilakukan oleh beberapa peneliti maka penelitiaan ini akan mengambil sebuah topic : “ Analisis Pengukuran Risiko Harga Saham dengan Pendekatan Variance Covariance dan Historical Simulation”.

(20)

1.2 Perumusan Masalah

Penelitian ini menggunakan metode Value at risk, dengan menggunakan model Variance Covariance dan Historical Simulation. Penelitian ini ingin membuktikan apakah kedua modek VaR ini valid atau tidak untuk digunakan sebagai alat ukur risiko berupa potensi kerugian maksimal dalam bentuk jumlah rupiah, sehingga para investor pasar modal dapat mengukur risiko dengan lebih baik. Adapun yang menjadi pokok-pokok permasalahan dalam penelitian ini ialah:

1. Berapakah potensi kerugian dari setiap saham dan portofolio saham dengan menggunakan Variance Covariance model dan Historical Simulation?

2. Apakah ada perbedaan hasil pengukuran antara Variance Covariance model dan Historical Simulation model?

3. Model manakah yang valid untuk penilaian potensi kerugian saham?

1.3 Tujuan Penelitian

1. Untuk menilai atau mengetahui berapa besar potensi kerugian dari setiap saham dan portofolio dengan menggunakan Variance Covariance model dan Historical Simulation model.

2. Untuk mengetahui apakah ada perbedaan hasil pengukuran antara Variance Covariance model dengan Historical Simulation model.

3. Untuk mengetahui model yang tepat digunakan untuk menilai potensi kerugian saham.

(21)

1.4 Manfaat Penelitian

1. Melalui penelitian ini dapat diketahui model yang tepat dari Value at risk sebagai alat analisis risiko harga saham sehingga dapat memprediksi potensi kerugian dari saham.

2. Diharapkan menjadi sumber informasi atau sumber pengetahuan bagi orang-orang yang akan berinvestasi di pasar modal.

(22)

BAB II

TINJAUAN PUSTAKA 2.1. Investasi

Investasi adalah komitmen atas sejumlah dana atau sumberdaya lainnya yang dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan di masa datang ( Tandelilin:2001).

Istilah investasi berkaitan dengan berbagai macam aktivitas, menginvestasikan sejumlah dana pada asset riil (seperti tanah, emas, mesin atau bangunan), maupun asset financial (deposito, saham ataupun obligasi) merupakan aktivitas investasi yang umumnya dilakukan (Tandelilin:2001). Bagi investor yang lebih pintar dan lebih berani menanggung risiko, aktivitas investasi yang mereka lakukan juga bisa mencakup investasi pada asset-aset finansial lainnya yang lebih kompleks pada saham-saham derivatif seperti :

 Warrants = Opsi untuk membeli sejumlah saham biasa dengan harga tertentu. Pada saat pemilik warrant melaksanakan opsi tersebut, mereka menyerahkan warrant tersebut ke perusahaan. Warrant sering dipergunakan sebagai ”pemanis” penebitan obligasi (Husnan:1994)

 Opsi = suatu perjanjian atau kontrak antara penjual opsi dengan pembeli opsi, di mana penjual opsi menjamin adanya hak (bukan suatu kewajiban) dari pembeli opsi, untuk membeli atau menjual saham tertentu pada waktu dan harga yang telah ditetapkan (Tandelilin:2001)

(23)

 Futures = Suatu kesepakatan tertulis antara dua pihak (pembeli dan penjual) untuk melakukan dan menerima penyerahan sejumlah aset atau komoditi dalam jumlah, harga dan batas waktu tertentu (Tandelilin:2001)

Proses keputusan investasi merupakan proses keputusan yang bekesinambungan ( on going process). Proses keputusan investasi terdiri dari lima tahap keputusan yang berjalan terus-menerus sampai tercapai keputusan investasi yang terbaik. Tahap-tahap keputusan investasi meliputi lima tahap keputusan, yaitu :

1. Penentuan tujuan investasi. 2. Penentuan kebijakan investasi. 3. Pemilihan stategi investasi. 4. Pemilihan asset.

5. Pengukuran dan evaluasi kinerja portofolio

2.2. Value at Risk

J.P Morgan mempopulerkan konsep Value at Risk sebagai alat ukur risiko pada tahun 1994. Sektor-sektor financial juga telah mengadopsi konsep ini sebagai alat ukur risikonya. Value at Risk merupakan suatu perkiraan dari kerugian yang dapat ditoleransi yang mungkin terjadi dalam periode yang ditentukan dengan tingkat keyakinan tertentu. Jadi Value at Risk bukan mengukur kerugian maksimum. Lebih jauh, VaR pada dasarnya dihitung untuk kurun waktu yang telah ditentukan yang dapat diistilahkan dengan holding period. Value at risk dapat mengukur risiko pada saham tunggal maupun saham gabungan (portofolio).

(24)

Namun demikian periode waktu ini pada umumnya dihitung pada suatu tingkat kepercayaan 95%, yang mana berarti bahwa rata-rata ada 95% kerugian (risiko) yang terjadi dibawah nilai VaR. Untuk tujuan memprediksi kemungklinan suatu risiko terburuk, maka VaR digunakan untuk menghitungnya.

Value at Risk memiliki 3 metode, yakni Historical Simulation Method, Monte Carlo Method, Variance Covariance Method. Dalam penelitian ini menggunakan 2 metode, yaitu Historical Simulation Method dan Variance Covariance Method.

2.2.1. Historical Simulation Method

Metode ini adalah metode yang paling sederhana dan transparan dalam proses perhitungannya. Pada dasarnya metode ini menggunakan data return historis dari suatu asset yang disimulasikan untuk mendapatkan nilai VaR. Salah satu keuntungan pada metode ini ialah data tidak harus berdistribusi normal, namun mengharuskan data dalam jumlah yang banyak dan metode ini juga melakukan penghitungan yang banyak juga.

Untuk menghitung VaR dengan metode ini perlu ditetapkan terlebih dahulu periode waktunya. Di dalam proses perhitungan VaR, yang menjadi obyek perhitungan adalah distribusi dari return harian. Berikut langkah-langkah dalam perhitungan nilai VaR dalam Historical Simulation Method :

a. Mengurutkan data return dari masing-masing saham mulai kerugian terbesar sampai keuntungan terbesar.

(25)

b. Setelah itu, data diambil 5% dari data keseluruhan karena menggunakan confident level 5% ( dapat juga 1% atau 10% ). Contoh, data return ada 300 data, maka diambil data sebanyak 15. c. Maka urutan data return yang diambil paling akhir ( data ke-15,

seperti contoh ) digunakan sebagai precentail dari 5%.

2.2.2. Variance Covariance Method

Metode ini merupakan metode parametrik yang digunakan dalam menghitung VaR. Metode ini pertama kali dikembangkan oleh lembaga keuangan J.P Morgan dan diterapkan dalam dunia perbankan. Dalam perhitungan dengan menggunakan metode ini, obyeknya bisa menggunakan sekuritas tunggal ataupun lebih dari satu sekuritas yang membentuk suatu portofolio.

Metode ini juga mengasumsikan bahwa perubahan-perubahan nilai suatu asset (return) dalam jangka waktu tertentu akan berdistribusi mormal. Maka untuk nilai return yang tidak berdistribusi normal harus diadakan koreksi dengan menyesuaikan nilai confident interval parameter (α) dengan menggunakan formula Cornish Fisher Expansion. Setelah diketahui nilai Z koreksi untuk masing-masing saham, baru dapat dihitung nilai VaR masing-masing saham.Berikut langkah-langkah dalam perhitungan nilai VaR dengan menggunakan Variance Covariance Method:

(26)

b. Apabila return saham tidak normal, maka dicari nilai Z koreksi dengan menggunakan formula Cornish Fisher Expansion.

c. Setelah Z koreksi sudah dihitung maka nilai VaR pun sudah dapat diketahui.

2.3. Return

Return merupakan hasil yang diperoleh dari investasi, return dapat berupa return realisasi yang sudah terjadi atau return ekspektasi yang belum terjadi tetapi yang diharapkan akan terjadi di masa mendatang. Return realisasi (realized return) merupakan return yang telah terjadi. Return realisasi dihitung berdasrkan data historis. Return realisasi penting karena diguanakan sebagai pengukur kinerja suatu perusahaan. Return histori ini juga sebagai dasar penentuan return ekspektasi (expected return) dan risiko di masa datang. Return ekspektasi adalah return yang diharapkan akan diperoleh oleh investor di masa mendatang. Berbeda dengan return realisasi yang sifatnya sudah terjadi, return ekspektasi sifatnya belum terjadi.

Tujuan investor dalam berinvestasi adalah memaksimalkan return, tanpa melakukan melupakan faktor risiko investasi yang harus dihadapinya. Return dapat juga dikatakan sebagai imbalan investasi. Tandelilin (2001) mengkategorikan return dengan 2 unsur, diantaranya adalah :

a. Yield

Yield merupakan komponen return yang mencerminkan aliran kas atau pendapatan yang diperoleh secara periodik dari suatu investasi. Jika kita berinvestasi pada sebuah obligasi misalnya, maka besarnya yield ditunjukkan

(27)

dari bunga obligasi yang dibayarkan. Demikian juga jika kita membeli saham, yield ditunjukkan oleh besarnya dividen yang kita peroleh. Nilai yield bisa nol maupun positif.

b. Capital Gain

Capital gain merupakan selisih antara penjualan dan pembelian surat berharga. Dengan kata lain, capital gain bisa juga diartikan sebagai perubahan harga sekuritas. Nilai kapital ialah nol, negatif maupun positif. Secara matematis return total suatu investasi bisa dituliskan sebagai berikut :

Retrun Total = yield + capital gain (loss)

Tingkat return dari data historis dapat diukur dari perubahan harga saham, ada dua cara yang dapat digunakan dalam menghitung tingkat return saham, yaitu dengan menggunakan persamaan sebagai berikut : (Sunaryo:2007)

R=

………. (2.1)

Dimana :

R= Return hari ini

Pn= Harga saham sekarang Po= Harga saham periode lalu

Tetapi agar dalam analisis statistik perhitungan return tersebut tidak bias karena pengaruh magnitude pembaginya, maka perhitungan return dilakukan dengan menggunakan perhitungan kedua yaitu sebagai berikut. (Sunaryo:2007)

R=Ln(Pn/Po)

……… (2.2)

(28)

R= Return hari ini

Pn= Harga saham periode sekarang Po= Harga saham periode sebelumnya

Keuntungan yang diharapkan dari portofolio merupakan rata-rata tertimbang dari tingkat keuntungan yang diharapkan dari masing-masing asset individual yang membentuk portofolio tersebut. Presentasi nilai portofolio yang diinvestasikan dalam setiap asset individual dalam portofolio disebut juga dengan bobot portofolio. Jika seluruh bobot dijumlahkan, maka akan berjumlah 100% atau 1,0 artinya seluruh dana telah diinvestasikan dalam portofolio.

Rumus untuk menghitung return yang diharapkan dari portofolio adalah sebagai berikut. (Tandelilin:2001)

E(Rp)=

………. (2.3)

Dimana :

E (Rp) = Return yang diharapkan dari portofolio Wi = Bobot portofolio sekuritas ke-i

E (Ri) = Return yang diharapkan dari sekuritas ke-i N = Jumlah sekuritas yang ada dalam portofolio

2.4 Risiko

Hanya menghitung retun saja untuk suatu investasi tidaklah cukup. Risiko dari investasi juga perlu diperhitungkan. Risiko dan retun merupakan dua hal yang tidak bisa dipisahkan, karena pertimbangan suatu investasi merupakan trade off dari kedua faktor ini. Return dan risiko mempunyai hubungan yang positif, semakin besar risiko yang harus ditanggung, maka semakin besar juga return yang harus dikompensasikan.

(29)

Risiko sering dihubungkan dengan penyimpangan atau deviasi dari outcome yang diterima dengan yang diekspektasi. Van Home dan Wachowics, Jr. (1992) dalam Jogiyanto (2000) mendefinisikan risiko sebagai variabilitas retrun terhaadap return yang diharapkan. Untuk menghitung risiko, metode yang banyak digunakan adalah metode standar deviasi yang mengukur absolut penyimpangan nilai-nilai yang sudah terjadi dengan nilai ekspektasinya.

Risiko diartikan sebagai kemungkinan kerugian dari suatu investasi akibat perubahan kondisi yang mempengaruhi nilai investasi tersebut, yaitu volatilitas nilai dari asset atau kewajiban. Sedangkan dalam literatur investasi, risiko investasi di pasar modal dinyatakan sebagai penyimpangan dari penghaasilan yang diharapkan.

Adapun beberapa jenis risiko yang mempengaruhi suatu investasi. Jenis risiko tersebut antara lain : (Sawidji:2009)

1. Risiko Sistematis

Risiko Sistematis atau risiko yang sering juga disebut risiko pasar ini adalah risiko yang timbul akibat dampak dari suatu kejadian terbaru (current event) yang sangat berpengaruh terhadap pasar. Risiko pasar ini bisa datang dari berbagai macam kejadian, mulai dari kondisi politik, sosial maupun – terutama – ekonomi. Risiko ini merupakan salah satu risiko yang tidak bisa dihindari.

(30)

2. Risiko Tidak Sistematis

Risiko tidak sistematis merupakan risiko yang tidak memiliki hubungan secara langsung dengan pasar dan sifatnta mempunyai sifat yang unik. Risiko ini tergolong risiko yang bisa dihindari.

3. Risiko Inflasi

Risiko inflasi menyebabkan penurunan daya beli atas penghasilan yang diperoleh investor. Jadi, inflasi bisa menyebabkan menurunnya daya beli atau populer dengan sebutan penurunan penghasilan riil. Risiko inflasi merupakan risiko yang tidak bisa dihindari.

4. Risiko Suku Bunga (Interest Rate Risk)

Risiko suku bunga yaitu risiko yang timbul akibat penilaian pasar terhadap supply dan demand uang. Risiko suku bunga merupakan risiko yang tidak bisa dihindari.

5. Risiko Nilai Tukar (exchange Rate Risk)

Risiko nilai tukar timbul sebagai akibat adanya perubahan nilai tukar mata uang sautu Negara terhadap mata uang Negara lain. Risiko ini tergolong risiko yang tidak bisa dihindari.

6. Risiko Negara

Risiko Negara muncul akibat perubahan yang terjadi pada Negara dimana investor melakukan investasi. Tentu saja perubahan yang dimaksud adalah perubahan yang bisa menimbulkan penurunan penghasilan. Risko Negara merupakan risiko yang dapat dihindari.

(31)

7. Risiko Likuiditas (Liquidity Risk)

Risiko likuiditas adalah risiko yang disebabkan oleh kesulitan atau bisa juga kegagalan dalam membeli atau menjual instrument investasi. Risiko ini meliputi dua hal, yaitu asset liquidity risk dan funding liquidity risk. Asset liquidity risk timbul jika suatu transaksi tidak dapat dilaksanakan pada harga pasar yang ada karena ukuran posisi transaksi yang berbeda dengan jumlah lot perdagangan normal. Funding liquidityrisk (cash flow risk) adalah ketidak mampuan memenuhi kewajiban pembayaran, sehingga terpaksa mengalami likuidasi awal dan menanggung realisasi kerugian. Risiko ini merupakan salah satu risiko yang dapat dihindari.

8. Risiko Gagal Bayar

Yang termasuk risiko ini adalah adanya kemungkinan emiten ( penerbit surat berharga) tidak bisa membayar bunga yang telah dijanjikan atau membayar pokok pinjaman sesuai jatuh tempo. Dengan demikian, yang memiliki risiko ini adalah investor obligasi atau surat utang lainnya. Risiko kegagalan membayar termasuk risiko yang dapat dihindari.

9. Risiko Gagal Eksekusi

Yang dimaksud risiko gagal eksekusi adalah bila investor tidak bisa melakukan eksekusi pada waktu yang telah ditentukan. Yang paling banyak menghadapi ini adalah investor waran dan opsi. Untuk menghindari risiko ini memang sulit, oleh karena itu, kalau ingin terbebas dari risiko ini,

(32)

satu-satunya jalan hanyalah tidak memilih waran atau opsi sebagai instrument investasi.

2.5 Hubungan antara Risko dan Return

Pada dasarnya ada investasi yang memiliki risiko dan tidak memiliki risiko, Investasi yang berisiko (risky assets) mencakup investasi dalam saham, obligasi, reksa dana, dan commercial paper. Sementara invesatsi tanpa risiko (risk free assets) mencakup invesatsi dalam deposito dan SBI.

Return ekspektasi dan risiko mempunyai hubungan yang positif. Hubungan yang positif ini hanya dapat berlaku untuk retrun ekspektasi , yaitu return yang belum terjadi. Untuk return realisasi (yang sudah terjadi), hubungan positif ini dapat tidak terjadi. Untuk pasar yang tidak rasional, kadang kala retrun realisasi yang tinggi tidak mesti mempunyai risiko yang tinggi pula. Bahkan keadaan sebaliknya dapat terjadi, yaitu return realisasi yang tinggi hanyan mempunyai risiko yang kecil.

2.6. Metode Perhitungan Risiko

Sudah sewajarnya seorang investor mengharapkan return yang setinggi-tingginya dari investasi yang dilakukan. Namun ada hal penting yang harus selalu dipertimbangkan, yaitu berapa besar risiko yang ahrus ditanggung dari investasi tersebut. Umumnya semakin besar risiko, maka semakin besar juga tingkat return yang diharapkan. Risiko bisa diartikan sebagai kemungkinan return aktual yang berbeda dengan return yang diharapkan. Risiko pada portofolio bisa dipahami sebagai perbedaan antara tingkat pengembalian nyata (actual return) dengan tingkat pengembalian yang diharapkan (expected return) yang diakibatkan oleh proses

(33)

perubahan dari variable yang mempengaruhi instrument keuangan. Pada bidang matematika disimbolkan dengan ( sigma) dan merupakan akar kuadrat dari nilai varians (standard deviasi). Dengan kata lain risiko diistilahkan juga dengan volalitas.

Risiko investasi dapat dihitung dengan menggunakan beberapa cara, yaitu dengan standar deviasi atau varian, beta saham dan juga VaR.

 Standar Deviasi atau Varian

Cara ini menekankan ukuran besarnya penyebaran distribusi probabilitas, yang menunjukkan seberapa besar penyebaran variabel random di antar rata-ratanya; semakin besar penyebarannya, semakin besar varians atau standar deviasi investasi tersebut. Adapun rumus perhitungan varian atau standar deviasi ialah :



=

………. (2.4)

Dimana :

X = Nilai data pengamatan µ = Nilai rata – rata hitung N = Jumlah total data

Untuk mencari nilai standar deviasinya, maka varians tersebut diakarkan sebagaimana rumus dibawah ini :

... (2.5)

 Beta Saham

Selain diukur dengan standar deviasi, risiko investasi juga sering diukur dengan tolok ukur beta saham. Pengertian beta adalah suatu pengukur

(34)

volatilitas return suatu sekuritas atau return portofolio terhadap return pasar. Beta portofolio mengukur volatilitas return portofolio dengan return pasar. Dengan demikian beta merupakan pengukur risiko sistematik dari suatu sekuritas atau portofolio terhadap risiko pasar.

Beta saham “X” = 1,50 berarti kenaikan atau penurunan return saham “X” naik 1,5 kali perubahan return pasar. Jika return pasar naik 2% dan return saham “X” naik 1,5 kali 2% = 3%, maka korelasi antara saham “X” dan pasar bersifat positif. Apabila return pasar naik 2% dan return saham “X” turun 3%, maka korelasi antara saham “X” dan pasar bersifat negatif. Beta dapat dihitung dengan menggunakan teknik regresi. Teknik regresi untuk mengestimasi beta suatu sekuritas dapat dilakukan dengan menggunakan return-return sekuritas sebagai variabel dependen dan return pasar sebagai variabel independen (Jogiyanto:2000). Dengan menggunakan teknik regresi, nilai beta dapat dihitung dengan menggunakan model CAPM, yang dapat dituliskan pada persamaan berikut :

Ri = RBR

+ β

i * ( RM

–

RBR ) + ei

... (2.6) Dimana :

Ri = Return sekuritas ke-i

RBR = Return aktiva bebas risiko

RM = Return portofolio pasar

(35)

Untuk mengaplikasikan model CAPM ini ke persamaan regresi, maka nilai RBR perlu dipindahkan dari sebelah kanan ke sebelah kiri persamaan,

sehingga didapat:

Ri - RBR

= β

i * ( RM

–

RBR ) + ei

... (2.7) Sehingga dependen variabel persamaan regresi adalah sebesar ( Ri – RBR )

dengan independen variabelnya adalah ( RM – RBR ).

 Value at Risk

Nilai volalitas dapat dihitung dalam perhitingan VaR, terutama pada Historical Simulation Method dan VarianceCovariance Method. Untuk mengetahui nilainya maka terlebih dahulu dilakukan uji white heterocedastic, yang memiliki aturan sebagai berikut :

1. Apabila data return bersifat heteroskedastik

Jika demikian hasilnya, maka harus dilakukan penghitungan dengan pendekatan dua rumus dibawah ini

 EWMA (Exponential Weighted Moving Average)

Adapun menghitung rumus mencari standar deviasi menggunakan cara ini adalah dengan menggunakan rumus berikut ini :

………. (2.8) Dimana :

Ri = Retrun ke-i

(36)

Varibel ) mempunyai range nilai 0 < 1 yang menunjukkan skala bobot pengamatan. Nilai dapat dicari dengan menggunakan rumus Root Mean Squared Error (RMSE), sebagaimana dinyatakan dengan rumus :

RMSE =

-

(

………….……. (2.9)

Dimana :

= ( t

= perkiraan varians t-1 Xt = varians return pada waktu t

Nilai yang digunakan untuk persamaan rumus di atas adalah 0,94 untuk data observasi harian dan 0,97 untuk data observasi bulanan.

 ARCH/GARCH

ARCH yang merupakan singkatan dari Autoregresive Conditional Heteroscedasticity adalah suatu metode yang dikembangkan oleh Engle. Melalui metode ini akan diukur kesalahan dari data time series. Error disini dilihat dari nilai varians, yang mana dari waktu ke waktu diasumsikan konstan. Jadi varians pada t merupakan varians dari t-1.

Dalam menentukan nilai standar deviasi dengan menggunakan metode ini, hal yang paling penting adalah penentuan model AR dan MA terbaik untuk

(37)

menentukan model yang tepat untuk menemukan model ARCH terbaik, adapun model ARCH adalah : (Widarjono,2007)

... (2.10)



AR (autoregresive)

Model AR menunjukkan nilai prediksi variabel dependen Yt hanya

merupakan fungsi linier dari sejumlah Yt aktual sebelumnya. Misalnya nilai

variabel dependen Yt hanya dipengaruhi oleh nilai variabel tersebut satu

periode sebelumnya atau kelambanan pertama maka model tersebut disebut model autoregressive tingkat pertama atau disingkat AR(1). Secara umum, bentuk model umum autoregressive (AR) dapat dinyatakan dalam persamaan sebagai berikut: (Widarjono:2007)

Yt

= β

+ β

1 Y(t-1)

+ β

2 Y(t-2)

+…+ β

p Y(t-p) + et…….(2.11) Dimana:

Yt = variabel dependen.

Y(t_-1), Y_(t-2), Y_(t-p) = kelambanan (lag) dari Y_t.

et = residual (kesalahan pengganggu).

p = tingkat AR.

 MA (moving average)

Model MA ini menyatakan bahwa nilai prediksi variabel independen Yt hanya

dipengaruhi oleh nilai residual periode sebelumnya. Misalnya, jika nilai variabel dependen Yt hanya dipengaruhi oleh nilai residual satu periode

(38)

disingkat MA(1). Secara umum, bentuk model dari moving average dapat dinyatakan dalam bentuk persamaan sebagai berikut: (Widarjono, 2007)

Yt

= α

0et

+ α

1et-1

+ α

2et-2

+ α

3et-3

+...+ α

qeq ...(2.12) Dimana:

et = residual.

et-1, et-2, et-q = kelambanan (lag) dari residual.

q = tingkat MA.

2. Apabila data return bersifat homokedastik

Jika demikian hasilnya, maka nilai volalitas dapat dicari dengan rumus standard deviasi biasa, yang sebelumnya harus dicari dengan rumus varians, sebagaimana dinyatakan dalam rumus dibawah ini :



=

……….… (2.13)

Dimana :

X = Nilai data pengamatan µ = Nilai rata – rata hitung N = Jumlah total data

Untuk mencari nilai standar deviasinya, maka varians tersebut diakarkan sebagaimana rumus dibawah ini :

……….. (2.14)

Sehubungan dengan investasi, para investor menggunakan berbagai definisi untuk menjelaskan makna risiko. Markowitz memperkenalkan konsep risiko secara kuantitatif dengan mendefinisikan risiko secara variance. Variance dari variable acak adalah ukuran penyimpangan dari penghasilan yang mungkin disekitar nilai yang

(39)

diharapkan. Dalam hal return suatu aktiva, variance adalah ukuran penyimpangan penghasilan yang mungkin bagi tingkat return disekitar return yang diharapkan.

Variance yang dikaitkan dengan distribusi return mengukur penyebaran dimana distribusi dikelompokkan di sekitar mean atau return. Variance portofolio yang terdiri dari dua aktiva atau lebih tergantung tidak hanya pada variance masing-masing aktiva tetapi juga pada seberapa dekat hubungan antara kedua aktiva. Untuk mengukur variance portofolio dari n sekuritas, dapat digunakan rumus sebagai berikut :

Variance portofolio =

……(2.15)

Dimana :

= Variance return sekuritas i

= covariance antara return sekuritas I dan j

Wi = bobot atau porsi dana yang diinvestasikan pada sekuritas i

Persamaan diatas menunjukkan bahwa variance portofolio merupakan jumlah variance tertimbang dari masing-masing aktiva ditambah kovarian tertimbang antara aktiva. Dari perhitungan statistika diatas dapat membuktikan semakin banyak jenis saham yang dimasukkan dalam portofolio, akan menyebabkan semakin berkurangnya risiko portofolio.

Kovarian adalah suatu ukuran absolut yang menjumlahkan sejauh mana return dari dua sekuritas dalam portofolio cenderung untuk bergerak secara bersama-sama. Dalam konteks manajemen portofolio, kovarian menunjukkan sejauh mana return dari dua sekuritas mempunyai kecenderungan bergerak secara bersama-sama. Nilai kovarian yang positif menunjukkan nilai-nilai dari dua variabel bergerak kearah yang

(40)

sama, yaitu jika satu meningkat, yang lain juga meningkat atau jika satu menurun, yang lainnya juga menurun. Nilai kovarian yang negatif menunjukkan nilai-nilai dari variabel bergerak kearah yang berlawanan, yauitu jika satu meningkat, yang lainnya menurun atau jika satu menurun, yang lainnya meningkat. Nilai kovarian yang nol menunjukkan nilai-nilai dari beberapa variabel independen, yaitu pergerakan satu variabel tidak ada hubungannya dengan pergerakan variabel yang lainnya.

Kovarian dan korelasi secara konseptual memiliki pengertian yang sama. Membagi kovarian dengan hasil standar deviasi akan menghasilkan angka korelasi yang dapat dibandingkan di antara aktiva yang bebeda. Nilai korelasi berkisar dari negatif satu hingga positif satu. Korelasi adalah nilai kovarian yang distandardisasi supaya nilainya berkisar dari -1 hingga +1. Untuk mempermudah dalam perhitungan variance portofolio, bisa dinyatakan dalam bentuk matrix berikut ini :

Saham 1 Saham 2 Saham 3 Saham n

Saham 1 X1X1 11 X1X212 X1X313 X1Xn1n Saham 2 X2X121 X2X222 X2X323 X2Xn2n Saham 3 X3X131 X3X232 X3333 X3Xn3n Saham n XnX1n1 XnX2n2 XnX3n3 XnXnnn Sumber :(Husnan:1994)

2.7. Menghitung Nilai VaR untuk Masing-Masing Metode

Untuk menghitung nilai VaR, maka digunakan rumus umum sebagai berikut :

VaR = Vo * α *



*

……… (2.16)

(41)

Dimana :

Vo = Nilai Exposure α = Alpha

 = Standard deviasi t = waktu ( holding period )

2.8. Backtesting

Apabila model menggunakan data historis, maka pengguna wajib melakukan uji akurasi, yang dinamakan Backtesting. Backtesting dilakukan dengan cara membandingkan profitloss aktual harian yang terjadi dengan nilai VaR harian. Di dalam melakukan proses backtesting, digunakan metode Kupiec Test dalam pengambilan keputusan sebagaimana tabel yang dinyatakan dibawah ini :

Tabel 2.1 Tabel Kupiec Probabiliti VaR

confidence level

T = 255 days T = 510 days T = 1000 days

0.01 99% N<7 1<N<11 4<N<17

0.025 97.5% 2<N<12 6<N<21 15<N<36 0.05 95% 6<N<21 16<N<36 37<N<65 0.075 92.5% 11<N<28 27<N<51 59<N<92 0.10 90% 16<N<36 38<N<65 81<N<120 Sumber : Framework Basel

(42)

Selanjutnya untuk mengetahui suatu model VaR yang telah dibuat dapat digunakan atau tidak, maka harus dilakukan uji validasi dengan menghitung Likelihood Ratio (LR) seperti dinyatakan dalam rumus berikut ini :

LR = -2 log[

(p

)

]] + 2 log

(

… (2.17)

Dimana :

P* = probabilitas terjadinya failure di bawah null hypothesis n = jumlah observasi

x = total failures

Rumus di atas merupakan tes proportion of failure (PF). Tes ini memiliki distribusi chi-squared dengan degree of freedom = 1. Setelah nilai LR dihitung untuk masing-masing metode, maka selanjutnya nikai LR ini dibandingkan dengan nilai Chi-squared (X2) dari tabel sesuai tingkat kepercayaan yang dipilih (α = 0,05 yakni sebesar 3,814). Adapun langkah-langkah menarik kesimpulan membandingkan nilai LR adalah sebagai berikut :

 Membuat Hipotesa Ho : Model valid H1 : Model tidak valid

 Menetapkan Critical Value

Pada umumnya penelitian menggunakan tingkat kepercayaan 95%, yang mana nilai CV adalah 3,814.

 Membuat Aturan Pengambilan Keputusan

(43)

LR > 3,814 = Terima Hi, maka disimpulkan model tidak valid 2.9. Penelitian Terdahulu

No Nama Peneliti Judul Penelitian Hasil Penelitian

1 Oom Komariyah Analisis Pengukuran Risiko Harga Saham Syariah dengan Pendekatan Model Variance Covariance

dan Historical

Simulation

Untuk mengetahui model yang tepat dalam

menentukan kerugian maksimal.

Hasil dari penelitian ialah kedua model valid

digunakan dalam menentukan kerugian.

2 Bambang Yudatmono Soegijono (2006)

Analisis Perbandingan Perhitungan Value at Risk sepanjang tahun

2005 dengan

menggunakan Historical Simulation, Variance Covariance, Monte Carlo Terhadap saham PT Indosat

Untuk mengetahui model yang valid dalam menentukan kerugian maksimal.

Hasil dari penelitian ialah model yang valid dalam menetukan kerugian

hanya Variance

Covariance.

3 Dedy Sahat Tupal Parulian (2006)

Pengukuran Value at Risk dengan Estimasi Volatilitas ARCH dan GARCH pada Indeks Hangseng, Nikkei, Kospi, JSX.

Untuk menentukan estimasi yang tepat dalam pengukuran Value at Risk.

Metode ARCH dan GARCH tepat dalam menentukan Value at Risk.

(44)

4 Di Asih I Maruddani dan Ari Purbowati

Pengukuran Value at Risk pada Aset tunggal dan Portofolio dengan simulasi Monte Carlo.

Perbedaan nilai Value at Risk (VaR) pada setiap ulangan disebabkan oleh perbedaan hasil dari setiap simulasi yang dijalankan.

5 R. Agus Sartono dan Arie Andika Setiawan

VaR Portofolio Optimal : Perbandingan antara Metode Markowitz dan Mean Absolute

Deviation

Pada analisa hasil perhitungan nilai VaR dengan metode simulasi historis didapat bahwa tidak ada perbedaan nilai VaR simulasi historis antara

portofolioportofolio hasil metode

Mean-Variance dan

MeanAabsolute Deviation.

6 Yuskar Kahar Perhitungan Value at Risk pada Institusi perbankan berdasarkan metode Variance Covariance.

Metode Variance Covariance tepat untuk menghitung nilai risiko pada institusi perbankan.

2.10. Kerangka Konseptual

Data 10 saham perbankan

(45)

Tidak

normal Tidak normal

Homoscedastic Heteroscedastic

Valid Tidak Valid

2.11. Hipotesis

Adapun Hipotesis dalam penelitian ini adalah : Hitung Return

Ln (pn/p0)

Uji Stasioner

Uji Normalitas Jarque Bera

Gunakan α Gunakan α‟

Uji Heteroscedastic White Heteroscedasticity

Standar Deviasi Biasa

Standar Deviasi ARCH

Hitung Normal VaR

Hitung Skewed VaR

Diffrencing

Back Testing

(46)

1. Terdapat perbedaan hasil pengukuran potensi kerugian antara Variance Covariance Model dengan Historical Simulation Model.

2. Variance Covariance Model dan Historical Simulation Model valid digunakan dalam pengukuran potensi kerugian harga saham.

(47)

BAB III

METODE PENELITIAN 3.1 Jenis penelitian

Jenis penelitian dalam penelitian ini adalah penelitian konklusif. Penelitian konklusif (conclusive research) adalah penelitian yang bertujuan untuk menguji atau membuktikan sesuatu dan untuk membantu si peneliti dalam memilih tindakan khusus selanjutnya (Mudrajad:2009).

3.2 Batasan operasional

Penelitian ini memiliki beberapa batasan masalah, dalam pemilihan saham yang diteliti (sampel) peneliti menggunakan teknik pengambilan sampel purposive sampling. Purposive sampling adalah sampling yang digunakan untuk memudahkan peneliti dalam meneliti atau dapat juga dikatakan pemilihan sampel atas pertimbangan pribadi peneliti. Pada penelitian ini sampel yang diteliti adalah 10 saham perbankan dengan tingkat asset tertinggi.

Tabel 3.1

10 Saham Perbankan dengan Aset Terbesar

No Nama Bank Total Asset

(dalam rupiah)

1 Bank Mandiri 493,05

2 Bank Rakyat Indonesia 456,382

(48)

4 Bank Negara Indonesia 289,458

5 Bank CIMB Niaga 164,247

6 Bank Danamon Indonesia 127,128

7 Bank Panin 118,991

8 Bank Permata 101,54

9 Bank Internasional Indonesia 91,335

10 Bank Tabungan Negara 89,227

Sumber : detikfinance (data diolah)

Secara keseluruhan, adapun yang menjadi pembatasan masalah dalam penelitian ini adalah sebagai berikut :

1. Saham yang diambil pada penelitian ini ialah 10 saham perbankan, yakni 10 bank dengan asset terbesar, Bank Mandiri, Bank BRI, Bank BNI, Bank BTN, Bank BCA, Bank Permata, Bank Panin, Bank CIMB Niaga, Bank Danamon 2. Tingkat keyakinan yang dipakai dalam perhitungan potensi kerugian adalah

sebesar 95%.

3. Tenggang waktu yang digunakan dalam melakukan pengukuran potensi kerugian dalam penelitian ini adalah 1 hari, 5 hari, dan 20 hari ke depan. 4. Portofolio terdiri dari 10 saham perbankan, dengan harga yang digunakan

adalah harga penutupan pada tanggal 29/2/2012

5. Validitas model yang diukur hanya untuk potensi kerugian maksimal untuk 1 hari ke depan.

(49)

3.3 Definisi Operasional

1.Value at Risk = Value at Risk adalah suatu alat yang digunakan untuk mengetahui besarnya risiko harga saham atau risiko dari investasi yang dapat ditolerir, baik dalam bentuk saham tunggal ataupun saham gabungan (saham sekuritas) dalam waktu tertentu dan tingkat keyakinan tertentu.

2.Var.Covariance = Suatu Metode untuk mengukur Value at Risk, yang mana cara perhitungannya mensyaratkan data harus normal mendapatkan nilainya setelah mendapatkan nilai volatilitas.

3.Historical Sim = Suatu Metode untuk mengukur Value at Risk yang menggunakan return histori, perhitungan yang harus didahulukan dengan pengurutan data dan menentukan nilai precentailnya sesuai dengan tingkat kepercayaan.

3.4 Jenis Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder atau data kuantitatif yang bersifat time series dalam bentuk data harian yaitu data dalam bentuk angka-angka dalam kurun waktu 3 Januari 2011 sampai 29 Februari 2012 yang diperoleh dari www.yahoofinance.com.

3.5 Metode Pengumpulan Data

Pada penelitian ini penulis menggunakan metode kepustakaan (library research), yang diperoleh dari publikasi resmi yang berhubungan dengan penelitian. Pengumpulan data dimulai dengan penelitian pendahuluan, membaca dan

(50)

mempelajari penelitian terdahulu serta tulisan-tulisan yang mendukung dan berhubungan dengan pokok-pokok bahasan penelitian ini. Hal tersebut dilakukan untuk memperkaya literatur yang digunakan dalam menjawab persoalan dan mendukung data kuantitatif yang telah ada.

3.6 Teknik Analisis

Untuk menganalisis risiko harga saham dalam penelitian ini penulis menggunakan Value at Risk, yakni Variance-covariance model dan Historical Simulation model.

Terdapat beberapa tahap yang harus dipenuhi dalam menganalisis risiko harga saham dengan metode VaR ini. Adapun langkah-langkah analisisnya ialah :

a. Menentukan saham yang akan dianalisis

Saham yang dianalisis pada penelittian ini adalah 10 saham perbankan dengan tingkat asset terbesar.

b. Menghitung return masing-masing saham Return dihitung dengan menggunakan rumus R= Ln (Pn / Po)

Dimana :

R= Return hari ini

Pn= Harga saham periode sekarang Po= Harga saham periode sebelumnya

alasan dipilihnya metode ini, karena metode ini lebih akurat dalam menghitung data dalam jumlah yang cukup banyak.

(51)

c. Menghitung return portofolio

Return portofolio dihitung dengan menggunakan rumus

E (Rp) =

Dimana :

E (Rp) = Return yang diharapkan dari portofolio Wi = Bobot portofolio sekuritas ke-i

E (Ri) = Return yang diharapkan dari sekuritas ke-i N = Jumlah sekuritas yang ada dalam portofolio d. Melakukan uji stasioner data

Uji stasioner data dilakukan dengan uji ADF (Augmented Dicky Fuller) test dibandingkan dengan test statistic dengan tingkat kepercayaan yang telah ditetapkan (critical value). Adapun yang menjadi patokan data stasioner atau tidak adalah :

Ho : α = 0 maka data return tidak stasioner H1 : α ≠ 0 maka data return sudah stasioner

Test Statistik:

-Nilai ADF test > critical value 5% atau nilai probabilitas > 5%, maka data belum stasioner dan menolak Ho

(52)

-Nilai ADF test < critical value 5% atau nilai probabilitas ≤ 5%, maka data sudah stasioner dan terima Ho

e. Melakukan uji normalitas data

Uji normalitas dilakukan untuk menguji apakah data tersebut berdistribusi normal maka digunakan test distribusi probabilitas Jarque-Berra. Patokan untuk melihat apakah data sudah berdistribusi normal ialah :

Probabilitas (α) > 5% maka data bedistribusi normal Probabilitas (α‟) < 5% maka data tidak normal

Apabila data tidak normal, maka probabilitas (α) dikoreksi menjadi α‟ dengan Cornish Fisher Expansion dengan memperhatikan nilai skewness. Adapun rumus mencari α‟ adalah sebagai berikut:

α‟= α- -1)€……….. (3.1)

alpha : 1.644853 Keterangan :

α = Nilai alpha sesuai nilai probabilitas Jarque-Berra α‟= Nilai setelah disesuaikan (adjusted)

€ = Nilai skewnes (kemenangan)

Uji normalitas ini pada dasarnya hanya diperlukan pada Variance Covariance method, pada Historical Simulation method uji normalitas tidak diperlukan.

(53)

Variance Covariance Method membutuhkan uji ini karena pada perhitungan Value at Risk membuthkan nilai Z koreksi yang diperoleh dari uji normalitas. f. Menguji data homokedastisitas atau heteroskedastisitas

Uji ini dilakukan dengan white heteroscedaticity test (no cross) untuk mengetahui nilai volatilitas data. Selanjutnya diambil keputusan menggunakan rumus yang mana, apakah menggunakan rumus standard deviasi biasa (apabila data homokedastisitas) atau menggunakan rumus ARCH GARCH (apabila data heteroskedastisitas). Adapun yang menjadi patokan dalam penentuan penggunaan rumus ialah :

Nilai probabilitas<5% maka data bersifat heteroskedastisitas Nilai probabilitas >5% maka data bersifat homokedastisitas g. Menetukan Z score atau Z koreksi bila data tidak berdistribusi normal

Z score atau Z koreksi dilakukan apabila data return tidak berdistribusi normal, Z koreksi diperlukan dalam menentukan nilai Value at Risk dengan menggunakan Variance Covariance Method. Z koreksi dapat ditentukan dengan menggunakan rumus sebagai berikut :

α‟= α- -1)€ Keterangan :

α = Nilai alpha sesuai nilai probabilitas Jarque-Berra (1,644853) α‟= Nilai setelah disesuaikan (adjusted)

(54)

h. Melakukan pengurutan data

Untuk perhitungan Value at Risk dengan Historical Simulation, return data perlu diurutkan dari kerugian terbesar sampai keuntungan terbesar, kemudian menentukan precentail 5% untuk perhitungan VaR. Pengurutan data ini juga diperlukan untuk menentukan besarnya failure profitloss dalam tahap backtesting.

i. Menentukan Variance portofolio

Variance Covariance digunakan untuk perhitungan VaR portofolio model Variance-covariance. Variance Covariance dapat dihitung dengan menggunakan rumus :

Variance portofolio=

Dimana :

= Variance return sekuritas i

= covariance antara return sekuritas I dan j

Wi = bobot atau porsi dana yang diinvestasikan pada sekuritas i j. Menghitung Value at Risk

Apabila persyaratan diatas telah dilalui, maka telah dapat dihitung VaR masing-masing saham dengan model variance-covariance dan Historical Simulation. Perhitungan dapat dilakukan dengan menggunakan rumus : VaR = Vo * α *  *

(55)

Vo = Nilai Exposure α = Alpha

 = Standard deviasi

t = waktu ( holding period )

k. Menghitung nilai VaR portofolio saham

Langkah berikutnya ialah menghitung VaR portofolio saham, cara perhitungannya sama dengan menghitung Value at Risk saham, namun dalam perhitungan portofolio nilai exposure tiap saham dijumlahkan.

l. Melakukan Back testing

Tahap akhir dari Metode ini adalah melakukan backtesting dengan menggunakan kupiec test, dengan cara membandingkan nilai profitloss aktual harian dengan nilai Value at Risk harian. Setelah itu dilakukan uji validasi dengan menggunakan rumus LR yang dinyatakan dalam rumus berikut :

LR = -2 log[

(p

)

]] + 2 log

(

Dimana :

P* = probabilitas terjadinya failure di bawah null hypothesis n = jumlah observasi

(56)

BAB IV

HASIL DAN PEMBAHASAN

Pada Bab ini akan dijelaskan langkah-langkah perhitungan nilai Value at Risk dengan metode Variance Covariance dan metode Historical Simulation pada 10 saham perbankan Indonesia dengan nilai asset tertinggi, yakni saham BCA, BII, BNI, BRI, PERMATA, CIMB NIAGA, DANAMON, PANIN BANK, BANK MANDIRI, BANK BTN. Analisa dimulai dengan statistik deskriptif data return setiap saham, dan dilanjutkan dengan serangkaian pengolahan data return untuk mencari nilai Z koreksi dan nilai volatilitas dalam pengukuran nilai VaR. Setelah nilai VaR diketahui, maka dilakukan uji BackTesting menggunakan Kupiec Test untuk dapat mengambil kesimpulan model mana yang valid untuk mengukur risiko harga saham.

4.1 Menghitung Return

Return harian tiap saham dihitung dengan menggunakan rumus (2.2) untuk sejumlah 288 data perdagangan, yang dimulai dari periode 3 Januari 2011 sampai 29 Februari 2012, data perdagangan diperoleh dari yahoo.finance dengan harga saham penutup yang menjadi acuan untuk menghitung return tiap saham. Adapun proses perhitungan return masing-masing saham dan portofolio secara lengkap dapat dilihat pada lampiran 1 dengan bantuan Microsoft Excel.

(57)

Tabel 4.1 dibawah ini menunjukkan statistik deskrptif return masing-masing saham selama periode pengamatan, yakni dari 3 Januari 2011 sampai 29 Februari 2012.

Tabel 4.1

Statistik Deskriptif Return Periode 3 Jan 2011 s/d 29 Feb 2012

Saham Minimum Maximum Mean Std. Deviasi

BCA -0.0876 0.054808 0.00057 0.018578

BII -0.01358 0.112478 -0.00168 0.024849

BNI -0.1606 0.075794 -0.00002 0.023785

BRI -0.14058 0.096992 0.000999 0.024955

BTN -0.19637 0.119545 -0.00109 0.026472

CIMB -0.10981 0.114238 -0.00111 0.023725

DANAMON -0.07327 0.106295 -0.00072 0.0234392 MANDIRI -0.15684 0.078643 -(0.5)-18 0.02529385

PANIN -0.08633 0.134657 -0.0009 0.02392003

PERMATA -0.07889 0.114048 -0.00081 0.02318019 Sumber : Yahoofinance, Data Diolah

Nilai-nilai dari return masimg-masing saham selama periode penelitian menunjukkan nilai mean variance yang stasioner. Namun untuk lebih pasti, maka stasioner data return akan diuji lebih detail pada uji stasioner dengan menggunakan ADF Test statistik. Pada tabel diatas juga dapat dilihat nilai volatilitas return

(58)

masing-masing saham, yang ditunjukkan pada nilai standard deviasi, yang berarti nilai risiko dari masing-masing saham selama periode penelitian.

4.2. Hasil Uji Stasioner

Uji stasioner bertujuan untuk mengetahui apakah 10 saham perbankan yang diteliti memiliki kondisi yang stasioner atau tidak stasioner, adapun yang menunjukkan stasioner atau tidak ialah apabila data memiliki mean dan variance yang konstan. Dalam pengujian stasioner ini memerlukan alat bantu program eviews 5.0 untuk mengetahui hasilnya, dan untuk dapat melihat hasilnya menggunakan metode Augmented Dickey-Fuller (ADF) dan level data pada data return setiap saham.

Di dalam melakukan analisa terhadap output data dari program eviews digunakan patokan sebagai berikut :

1. Menentukan stasioner data dengan menggunakan ADF Test

Nilai ADF Test > critical value Data belum stasioner Nilai ADF Test < critical value Data sudah stasioner Selanjutnya dilakukan uji hipotesa sebagai berikut :

Ho : ¥ = 0 Maka data return tidak stasioner H1 : ¥≠ 0 Maka data return sudah stasioner

2. Apabila data return tidak stasioner

Jika output data return yang ditunjukkan ADF Test tidak stasioner, maka data return yang ada harus didifrensikan (diturunkan) satu tingkat atau dua tingkat

(59)

dengan memilih 1st level atau 2nd level dengan bantuan program eviews. Pada dasarnya seluruh data bersifat stasioner, tetapi tergantung pada tingkat level tertentu dengan syarat yang berlaku.

4.2.1. Hasil Uji Stasioner Data Return Saham BCA

Adapun hasil pengolahan data return saham BCA dengan menggunakan alat bantu program eviews :

Tabel 4.2

Tabel ADF Test (BCA) dari hasil perhitungan eviews

t-Statistic Prob.* Augmented Dickey-Fuller Test statistic -16.55856 0.0000 Test critical values: 1% level -3.452991

5% level -2.871402

10% level -2.572097

Sumber : Data diolah

Berdasarkan hasil pengolahan yang ditunjukkan pada tabel 4.11 diatas, dapat kita lihat nilai ADF Test (-16.55856) lebih kecil dari nilai critical value (-2.867124), nilai tersebut menunjukkan tolak Ho dan terima H1, maka dapat disimpulkan bahwa data return BCA stasioner dan dapat diproses lebih lanjut tanpa melakukan proses diffrencing.

4.2.2. Hasil Uji Stasioner Data Return Saham BII

Adapun hasil pengolahan data return saham BII dengan menggunakan alat bantu program eviews :

Tabel 4.3

(60)

t-Statistic Prob.* Augmented Dickey-Fuller Test statistic -15.93091 0.0000 Test critical values: 1% level -3.452991

5% level -2.871402

10% level -2.572097

Sumber : Data Diolah

Berdasarkan hasil pengolahan yang ditunjukkan pada tabel 4.12 diatas, dapat kita lihat nilai ADF Test (-15.93091) lebih kecil dari nilai critical value (-2.867124), nilai tersebut menunjukkan tolak Ho dan terima H1, maka dapat disimpulkan bahwa data return BII stasioner dan dapat diproses lebih lanjut tanpa melakukan proses diffrencing.

4.2.3. Hasil Uji Stasioner Data Return Saham BNI

Adapun hasil pengolahan data return saham BNI dengan menggunakan alat bantu program eviews :

Tabel 4.4

Tabel ADF Test (BNI) dari hasil perhitungan eviews

t-Statistic Prob.* Augmented Dickey-Fuller Test statistic -16.69410 0.0000 Test critical values: 1% level -3.452991

5% level -2.871402

10% level -2.572097

Sumber : Data Diolah

Berdasarkan hasil pengolahan yang ditunjukkan pada tabel 4.13 diatas, dapat kita lihat nilai ADF Test (-16.69410) lebih kecil dari nilai critical value (-2.867124), nilai tersebut menunjukkan tolak Ho dan terima H1, maka dapat disimpulkan bahwa data

(61)

return BNI stasioner dan dapat diproses lebih lanjut tanpa melakukan proses diffrencing.

4.2.4. Hasil Uji Stasioner Data Return Saham BRI

Adapun hasil pengolahan data return saham BRI dengan menggunakan alat bantu program eviews :

Tabel 4.5

Tabel ADF Test (BRI) dari hasil perhitungan eviews

t-Statistic Prob.* Augmented Dickey-Fuller Test statistic -16.91513 0.0000 Test critical values: 1% level -3.452991

5% level -2.871402

10% level -2.572097

Sumber : Data Diolah

Berdasarkan hasil pengolahan yang ditunjukkan pada tabel 4.14 diatas, dapat kita lihat nilai ADF Test (-16.91513) lebih kecil dari nilai critical value (-2.867124), nilai tersebut menunjukkan tolak Ho dan terima H1, maka dapat disimpulkan bahwa data return BRI stasioner dan dapat diproses lebih lanjut tanpa melakukan proses diffrencing.

4.2.5. Hasil Uji Stasioner Data Return Saham BTN

Adapun hasil pengolahan data return saham BTN dengan menggunakan alat bantu program eviews :

(1)

Tanggal Open High Low Close Volume Close Return Ret*100% 1/26/2011 1520 1630 1500 1630 458000 1630 0.07647 7.647036 3/30/2011 1760 1830 1760 1830 657500 1830 0.039002 3.900216 4/29/2011 1700 1760 1700 1750 2674500 1750 0.034887 3.488726 10/6/2011 1400 1450 1400 1450 224500 1450 0.04226 4.225981 11/14/2011 1490 1690 1490 1670 10356000 1670 0.114048 11.40475 1/12/2012 1400 1470 1400 1470 215000 1470 0.034606 3.460553 1/26/2012 1350 1420 1350 1410 37500 1410 0.05092 5.092009 9/16/2011 1610 1670 1600 1670 745500 1670 0.04282 4.282

Lampiran 4

Back Testing masing-masing saham (

Historical Simulation

)

Back Testing saham BCA

Vo = 7600 (Harga saham penutup 29 Februari 2012)

Percentile = 0.03058

VaR = 232.408

Market risk = 3.058

Tanggal Open High Low Close Volume Close Return Ret*100% 11/8/2011 8000 8200 7950 8200 12537000 8200 0.030962 3.096223 1/25/2011 5450 5700 5400 5600 31939500 5600 0.036368 3.636764 1/26/2011 5600 5850 5450 5850 25564000 5850 0.043675 4.367506 2/2/2011 5750 5850 5750 5850 11542500 5850 0.034786 3.478612 2/11/2011 5800 6000 5650 5950 16494000 5950 0.042925 4.292504 2/28/2011 6150 6300 6100 6300 18657000 6300 0.032261 3.226086 7/8/2011 7850 8200 7850 8050 23332500 8050 0.031548 3.154836 7/15/2011 8000 8300 8000 8300 12540000 8300 0.036814 3.681397 9/23/2011 7000 7500 6950 7500 15408000 7500 0.054808 5.480824 10/11/2011 7650 7900 7600 7750 16564000 7750 0.03279 3.278982 10/24/2011 7800 8000 7800 7950 7976000 7950 0.038466 3.846628

Back Testing saham BII

(2)

Percentile = 0.03704

VaR = 17.594

Market risk = 3.704

Tanggal Open High Low Close Volume Close Return Ret*100% 1/11/2011 560 630 560 610 15466000 610 0.103541 10.35407 1/27/2011 660 760 660 690 34046000 690 0.044452 4.445176 1/28/2011 690 750 680 740 13639000 740 0.069959 6.995859 3/24/2011 590 630 590 620 13343500 620 0.049597 4.959694 3/30/2011 600 630 600 620 2126000 620 0.049597 4.959694 6/22/2011 550 570 550 570 786000 570 0.054067 5.406722 8/10/2011 480 480 455 475 2278000 475 0.07654 7.654008 10/6/2011 375 400 375 400 519000 400 0.038221 3.822121 1/17/2012 415 500 415 470 14873000 470 0.112478 11.2478 2/16/2012 440 480 440 470 6684500 470 0.065958 6.595797

Back Testing saham BNI

Vo = 3775 (Harga saham penutup 29 Februari 2012)

Percentile = 0.03846628

VaR = 145.2102

Market risk = 3.846628

Tanggal Open High Low Close Volume Close Return Ret*100% 1/12/2011 3225 3375 3225 3375 49301000 3375 0.053245 5.3244515 1/26/2011 3325 3500 3275 3500 40160500 3500 0.043803 4.3802623 7/27/2011 4175 4500 4175 4475 94581000 4475 0.069392 6.9391993 9/16/2011 3950 4150 3900 4100 23237500 4100 0.056441 5.6441311 10/6/2011 3275 3450 3275 3425 59158000 3425 0.075794 7.5793839 10/17/2011 3800 3900 3800 3900 27249000 3900 0.04591 4.5909701 10/24/2011 3900 4025 3900 4000 40314000 4000 0.044736 4.4735894 12/1/2011 3900 3950 3900 3950 29863500 3950 0.038715 3.8714512 2/8/2012 3425 3600 3400 3575 1.14E+08 3575 0.042864 4.2863704 2/17/2012 3475 3575 3450 3575 52802000 3575 0.042864 4.2863704

Back Testing saham BRI

Vo = 6900 (Harga saham penutup 29 Februari 2012)

Percentile = 0.04082199

(3)

VaR = 281.6718

Market risk = 4.082199

Tanggal Open High Low Close Volume Close Return Ret*100% 1/25/2011 4900 5200 4900 5150 83249000 5150 0.054877 5.487661 3/1/2011 4725 4900 4725 4900 46388000 4900 0.041673 4.16727 3/4/2011 4975 5250 4975 5250 1.03E+08 5250 0.063904 6.39038 3/31/2011 5500 5800 5500 5750 94991000 5750 0.062801 6.28009 4/7/2011 6000 6200 6000 6200 59223500 6200 0.041158 4.115807 4/20/2011 6300 6600 6300 6600 65162500 6600 0.054488 5.448819 8/1/2011 6950 7200 6950 7200 56001000 7200 0.04256 4.255961 9/23/2011 5000 5700 5000 5600 70074000 5600 0.05506 5.505978 9/27/2011 5600 5800 5450 5750 87952500 5750 0.072103 7.210329 10/6/2011 5550 5950 5550 5950 54532500 5950 0.096992 9.699227 10/10/2011 5850 6050 5800 6050 20754500 6050 0.0422 4.220035 12/16/2011 6600 6800 6600 6800 39740000 6800 0.04512 4.512044 2/8/2012 6950 7200 6950 7150 42850500 7150 0.042864 4.28637

Back Testing saham BTN

Vo = 1220 (Harga saham penutup 29 Februari 2012)

Percentile = 0.0380274

VaR = 46.39342

Market risk = 3.80274

Tanggal Open High Low Close Volume Close Return Ret*100% 1/12/2011 1390 1460 1390 1450 36761000 1450 0.04948 4.948006 1/24/2011 1270 1340 1260 1340 68837500 1340 0.061558 6.155789 1/26/2011 1370 1470 1330 1450 79769000 1450 0.056753 5.675282 3/1/2011 1350 1420 1340 1420 49437000 1420 0.065478 6.547793 3/21/2011 1490 1550 1480 1540 60025500 1540 0.03974 3.974033 3/31/2011 1630 1710 1620 1680 81234500 1680 0.04256 4.255961 8/10/2011 1500 1550 1500 1530 14167000 1530 0.046831 4.68313 9/7/2011 1550 1600 1550 1600 3829500 1600 0.038221 3.822121 9/23/2011 1030 1140 1000 1130 22325000 1130 0.063949 6.394872 9/27/2011 1130 1190 1130 1170 33720500 1170 0.061694 6.169357 10/6/2011 1120 1180 1120 1170 6975500 1170 0.070826 7.082605 10/12/2011 1260 1470 1250 1420 18784000 1420 0.119545 11.95452 10/14/2011 1380 1490 1370 1490 8988000 1490 0.048119 4.811925

(4)

Back Testing saham CIMB

Vo = 1270 (Harga saham penutup 29 Februari 2012)

Percentile = 0.03509132

VaR = 44.56598

Market risk = 3.509132

Tanggal Open High Low Close Volume Close Return Ret*100% 1/5/2011 1670 1770 1620 1760 61079000 1760 0.058496 5.849621 1/27/2011 1570 1880 1570 1760 73252500 1760 0.114238 11.42382 1/28/2011 1760 1920 1710 1880 32486000 1880 0.065958 6.595797 2/10/2011 1800 2025 1770 1980 26745000 1980 0.078781 7.878088 3/31/2011 1750 1860 1750 1860 21860000 1860 0.060961 6.09607 9/27/2011 1040 1130 1040 1110 730000 1110 0.084557 8.455739 9/28/2011 1110 1180 1100 1150 464000 1150 0.035402 3.540193 10/6/2011 1030 1070 1030 1060 657500 1060 0.038466 3.846628 10/11/2011 1080 1140 1080 1110 1197000 1110 0.046091 4.609111 10/12/2011 1110 1210 1110 1190 727000 1190 0.069593 6.959329 10/24/2011 1200 1320 1200 1280 1949500 1280 0.081346 8.134564 10/27/2011 1290 1380 1290 1360 2019000 1360 0.060625 6.062462 11/4/2011 1290 1330 1290 1330 376000 1330 0.038319 3.831886

Back Testing saham DANAMON

Vo = 4475 (Harga saham penutup 29 Februari 2012)

Percentile = 0.03922071

VaR = 175.5127

Market risk = 3.922071

Tanggal; Open High Low Close Volume Close Return Ret*100% 1/18/2011 5400 6050 5400 5950 66362000 5950 0.106295 10.62947 1/26/2011 5950 6300 5800 6250 37607500 6250 0.057629 5.762911 2/7/2011 6100 6400 6050 6350 26725500 6350 0.040166 4.016604 8/12/2011 5250 5400 5150 5350 5192000 5350 0.047856 4.785602 9/5/2011 5300 5500 5300 5450 7711000 5450 0.046957 4.695698 9/23/2011 4550 4775 4425 4775 7464000 4775 0.042787 4.278728 10/6/2011 4075 4300 4075 4250 8300000 4250 0.054394 5.439407 10/12/2011 4500 4800 4475 4800 6741500 4800 0.064539 6.453852 10/13/2011 4850 5150 4825 5100 11769500 5100 0.060625 6.062462 1/9/2012 4350 4950 4350 4800 30019500 4800 0.09844 9.844007

(5)

2/2/2012 4600 4825 4550 4800 13824000 4800 0.048009 4.800922 2/29/2012 4350 4475 4325 4475 5958000 4475 0.045722 4.572225

Back Testing saham MANDIRI

Vo = 6450 (Harga saham penutup 29 Februari 2012)

Percentile = 0.03745756

VaR = 241.6013

Market risk = 3.745756

Tanggal Open High Low Close Volume Close Retrun Ret*100 1/26/2011 5650 6000 5550 5950 78164000 5950 0.051736 5.1735674 2/18/2011 5550 5950 5500 5900 1.37E+08 5900 0.061154 6.1154423 3/4/2011 6000 6200 5950 6200 86522500 6200 0.049597 4.9596941 3/31/2011 6500 6800 6500 6800 83966500 6800 0.04512 4.5120435 4/20/2011 6750 7100 6750 7100 88802000 7100 0.057987 5.7987258 8/10/2011 7350 7500 7300 7500 50199000 7500 0.040822 4.0821995 9/7/2011 6800 7100 6800 7100 32926500 7100 0.043172 4.3172172 9/16/2011 6500 6700 6350 6650 47310000 6650 0.046162 4.6162042 9/23/2011 5100 5700 5100 5600 74476000 5600 0.05506 5.5059777 9/27/2011 5700 6050 5700 5950 85648000 5950 0.078643 7.8643127 9/28/2011 5950 6250 5800 6200 60824000 6200 0.041158 4.1158072 9/29/2011 6100 6500 6050 6450 49091000 6450 0.039531 3.9530839 10/6/2011 5750 6100 5750 6050 80402500 6050 0.068403 6.8402727 10/10/2011 6000 6250 5950 6250 26376000 6250 0.040822 4.0821995 10/24/2011 6600 6900 6600 6900 65539500 6900 0.067441 6.7441281 10/27/2011 6950 7150 6850 7150 77932000 7150 0.042864 4.2863704 11/2/2011 6650 7100 6550 7100 42637500 7100 0.043172 4.3172172 11/4/2011 7100 7250 7050 7200 56189000 7200 0.04256 4.2559614 12/1/2011 6600 6750 6550 6650 90197500 6650 0.038319 3.8318864 12/16/2011 6550 6750 6500 6700 67441000 6700 0.038027 3.8027396

Back Testing saham PANIN

Vo = 880 (Harga saham penutup 29 Februari 2012)

Percentile = 0.0317487

(6)

Market risk = 3.745756

Tanggal Open High Low Close Volume Close Return Ret*100% 2/9/2011 1110 1280 1100 1270 28894500 1270 0.134657 13.46569 2/11/2011 1220 1380 1200 1310 19758500 1310 0.054916 5.491576 7/28/2011 900 970 890 950 72576500 950 0.054067 5.406722 9/7/2011 800 890 800 840 8696500 840 0.04879 4.879016 9/27/2011 660 700 660 690 3951000 690 0.044452 4.445176 10/12/2011 610 640 600 640 8256000 640 0.048009 4.800922 10/27/2011 660 720 660 710 6842000 710 0.073025 7.302514 11/4/2011 680 710 680 700 2980500 700 0.043803 4.380262 12/16/2011 690 720 690 720 3133000 720 0.057158 5.715841 12/23/2011 770 790 770 790 865500 790 0.05196 5.195974 1/26/2012 770 870 770 870 3468500 870 0.109199 10.91993 2/1/2012 850 920 850 910 8920500 910 0.068208 6.820825

Back Testing saham PERMATA

Vo = 1410 (Harga saham penutup 29 Februari 2012)

Percentile = 0.02817088

VaR = 39.72094

Market risk = 2.817088

Tanggal Open High Low Close Volume Close Return Ret*100% 1/5/2011 1730 1790 1710 1790 1137500 1790 0.028331 2.833051 1/26/2011 1520 1630 1500 1630 458000 1630 0.07647 7.647036 3/30/2011 1760 1830 1760 1830 657500 1830 0.039002 3.900216 4/29/2011 1700 1760 1700 1750 2674500 1750 0.034887 3.488726 9/16/2011 1610 1670 1600 1670 745500 1670 0.04282 4.282 10/6/2011 1400 1450 1400 1450 224500 1450 0.04226 4.225981 11/14/2011 1490 1690 1490 1670 10356000 1670 0.114048 11.40475 12/23/2011 1390 1410 1380 1410 75500 1410 0.028779 2.877896 1/12/2012 1400 1470 1400 1470 215000 1470 0.034606 3.460553 1/26/2012 1350 1420 1350 1410 37500 1410 0.05092 5.092009