Analisis faktor-faktor makroekonomi yang mempengaruhi return saham batubara dalam kelompok Jakarta Islamic Index (JII)

ANALISIS FAKTOR-FAKTOR MAKROEKONOMI YANG

MEMPENGARUHI RETURN SAHAM BATUBARA DALAM

KELOMPOK JAKARTA ISLAMIC INDEX (JII)

OLEH

NOVIA HANDAYANI SYUKMA H14070029

DEPARTEMEN ILMU EKONOMI

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

2011

 

ABSTRACT

NOVIA HANDAYANI SYUKMA. Analysis of Macroeconomic Factors Affecting the Coal Stock Returns in Jakarta Islamic Index (JII) (guided by

HERMANTO SIREGAR).

As it grows, Indonesian Capital Market launch the sharia investment. There is Jakarta Islamic Index (JII) which become index for sharia stocks. In JII, there are a coal stocks that are attracting investors to invest. Investors expect high returns from this coal stocks bacause coal commodity is one of Indonesia’s main commodity. However, coal stock returns are highly volatile. Stock returns are affected not only internal factor but also influenced by Indonesia’s macroeconomic conditions.

The objective of this study are to analize the macroeconomic factors that affect coal stock returns and the best model that can explain it. The method of analysis in this study is ARCH-GARCH with the periode of this study is January 2005 to May 2010. The stocks that qualify to this study are PTBA and BUMI.

The results showed that the variabel Customer Price Index (CPI) and the echange rate negatively affect to coal stock returns. Variabel Industrial Production Index (IPI) and Composite Stock Price Index has a positively affect to coal stock returns and variabel money supply and interest rate of SBI did not affect coal stock returns. The largest share of stock returns is the PTBA return with difference 0.0568 unit of shares from BUMI.

RINGKASAN

NOVIA HANDAYANI SYUKMA. Analisis Faktor-faktor Makroekonomi yang Mempengaruhi Return Saham Batubara dalam Kelompok Jakarta Islamic Index (JII) (dibimbing oleh HERMANTO SIREGAR).

Pasar modal Indonesia terus mengalami perkembangan. Hal ini terlihat dari meningkatnya kapitalisasi dan kontribusi pasar modal terhadap GDP. Seiring perkembangannya, pasar modal Indonesia menghadirkan instrumen investasi berbasis syariah dengan meluncurkan Jakarta Islamic Index (JII). Dalam kelompok JII terdapat saham batubara yang menarik investor untuk berinvestasi. Investor mengharapkan return yang tinggi dari saham batubara ini. Hal ini dikarenakan komoditas batubara merupakan salah satu komoditas unggulan Indonesia. Namun, return saham batubara bersifat sangat fluktuatif. Return saham tidak hanya dipengaruhi faktor internal perusahaan batubara, namun dipengaruhi pula oleh kondisi makroekonomi Indonesia. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi return saham batubara dalam kelompok JII dan menganalisis model terbaik yang dapat menjelaskannya. Ruang lingkup penelitian dibatasi pada return yang diperoleh dari selisih harga penjualan dan pembelian.

Jenis data yang digunakan pada penelitian ini adalah data sekunder time series bulanan. Data yang digunakan periode Januari 2005 hingga Mei 2010. Data – data tersebut meliputi harga penutupan saham (BUMI dan PTBA), Customer Price Index (CPI), nilai tukar Rupiah terhadap US Dollar (KURS), Jumlah Uang beredar (M2), Industrial Production Index (IPI), Suku Bunga SBI (SBI), dan Indeks Harga Saham Gabungan (IHSG). Penelitian ini menggunakan pula SBIS dan JII sebagai kombinasi model pembanding menggantikan variabel SBI dan IHSG. Metode yang digunakan dalam penelitian ini adalah ARCH-GARCH dengan menggunakan softwareEviews 6 dan Microsoft Excel 2007.

Hasil penelitian menunjukkan bahwa variabel Customer Price Index (CPI) dan nilai tukar Rupiah terhadap US Dollar berpengaruh negatif terhadap return saham BUMI dan PTBA. Variabel Industrial Production Index (IPI) dan Indeks Harga Saham Gabungan (IHSG) berpengaruh positif terhadap return saham BUMI dan PTBA.Variabel jumlah uang beredar dan suku bunga SBI tidak berpengaruh terhadap return saham BUMI dan PTBA. Return saham terbesar adalah return saham PTBA dengan selisih 0.0568 satuan dari saham BUMI. Berdasarkan penelitian ini pula diperoleh bahwa model terbaik untuk menjelaskan faktor-faktor yang mempengaruhi return saham batubara adalah model GARCH (2,1) dengan menggunakan variabel SBI dan IHSG.

Berdasarkan hasil penelitian, maka disarankan jika investor ingin berinvestasi pada saham yang sesuai syariah dapat memilih saham dalam kelompok JII yang berbasis komoditas karena potensi returnnya yang tinggi. Jika menginginkan return yang tinggi dapat memilih saham PTBA. Bagi emiten disarankan menjaga kestabilan kinerja perusahaannya agar tidak mempengaruhi

opini publik di pasar modal, terutama saat Customer Price Index (CPI) tinggi yaitu dengan menekan biaya produksi dengan cara memproduksi dengan skala besar agar biaya murah. Bagi BAPEPAM mensosialisasikan kepada investor mengenai return dan risiko yang didapatkan jika berinvestasi di pasar modal pada saham batubara serta faktor-faktor yang mempengaruhinya. Bagi penelitian selanjutnya, disarankan menambah panjang periode analisis sehingga hasil yang didapat lebih akurat, menambah variabel analisis tidak hanya variabel makroekonomi serta menambah analisis tidak hanya sebatas return tetapi menganalisis pula risikonya.

                                   

ANALISIS FAKTOR-FAKTOR MAKROEKONOMI YANG

MEMPENGARUHI RETURN SAHAM BATUBARA DALAM

KELOMPOK JAKARTA ISLAMIC INDEX (JII)

Oleh

NOVIA HANDAYANI SYUKMA H14070029

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi

DEPARTEMEN ILMU EKONOMI

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

2011

 

Judul Skripsi : Analisis Faktor-faktor Makroekonomi yang Mempengaruhi Return Saham Batubara dalam Kelompok

Jakarta Islamic Index (JII)

Nama : Novia Handayani Syukma

NRP : H14070029

Menyetujui, Dosen Pembimbing

Prof. Dr. Ir. Hermanto Siregar. M, Ec NIP. 19630805 198811 1 001

Mengetahui,

Ketua Departemen Ilmu Ekonomi

Dr. Ir. Dedi Budiman Hakim, M.Ec NIP. 19641022 198903 1 003

Tanggal Kelulusan:  

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH DIGUNAKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.

Bogor, Juni 2011

Novia Handayani Syukma H14070029

                           

RIWAYAT HIDUP

Penulis bernama Novia Handayani Syukma, dilahirkan di Bandung pada tanggal 27 Juni 1989. Penulis merupakan anak kedua dari tiga bersaudara, dari pasangan Bapak Aulia dan Ibu Tantri Endang. Penulis menjalani pendidikan di bangku sekolah dasar dari tahun 1995 sampai dengan tahun 2001 SDN Angkasa 1 Bandung. Selanjutnya meneruskan ke pendidikan lanjutan tingkat pertama dari tahun 2001 sampai tahun 2004 di SLTPN 1 Margahayu Bandung. Setelah itu, penulis melanjutkan pendidikan menengah umum di SMAN 1 Margahayu Bandung dan lulus pada tahun 2007.

Pada tahun 2007, penulis diterima di Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI) kemudian terdaftar sebagai mahasiswa Fakultas Ekonomi dan Manajemen (FEM) pada Program Studi Ilmu Ekonomi dan mengambil minor Manajemen Fungsional. Selama menjadi mahasiswa, penulis mencoba mengaktualisasi diri bergabung dengan HIPOTESA (Himpunan Profesi dan Peminat Ilmu Ekonomi dan Studi Pembangunan) sebagai kepala divisi pada Divisi Informasi, Promosi dan Hubungan Internal dan organisasi IMEPI (Ikatan Mahasiswa Ekonomi Pembangunan Indonesia) sebagai anggota. Penulis mengaktualisasi diri pula sebagai asisten mata kuliah ekonomi umum tahun 2009 hingga 2010. Selain itu, penulis juga aktif dalam berbagai kegiatan kepanitiaan seperti Hipotex-R 2009, Latihan Kepemimpinan dan Organisasi (LKO) IMEPI Jabagbar 2010, Economic Work (E-work) 2010, Panitia Perpisahan Ilmu Ekonomi 44 2011, dan kegiatan kepanitiaan lainnya. Tahun 2010 penulis mendapatkan dana Dikti dalam Program Kreatifitas Mahasiswa bidang Kewirausahaan (PKMK DIKTI).

Tahun 2011 penulis melakukan penelitian dengan judul “Analisis Faktor-Faktor Makroekonomi yang Mempengaruhi Return Saham Batubara dalam Kelompok Jakarta Islamic Index (JII)” untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi.

KATA PENGANTAR

Segala puji dan syukur penulis panjatkan Kehadirat Allah SWT, karena atas berkat rahmat dan karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini. Judul skripsi ini adalah “Analisis Faktor-faktor Makroekonomi yang Mempengaruhi Return Saham Batubara dalam Kelompok Jakarta

Islamic Index (JII)”. Saham batubara memiliki potensi return yang tinggi. Oleh

karena itu, penulis tertarik untuk melakukan penelitian dengan topik ini, khususnya saham batubara dalam kelompok Jakarta Islamic Index (JII). Disamping hal tersebut, skripsi ini disusun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.

Penulis mengucapkan terima kasih yang sebesar-besarnya kepada berbagai pihak yang telah memberikan bimbingan dan dukungan kepada penulis sehingga skripsi ini dapat diselesaikan dengan baik, khususnya kepada:

1. Prof. Dr. Ir. Hermanto Siregar, M.Ec selaku dosen pembimbing skripsi yang telah memberikan bimbingan baik secara teknis, teoritis maupun moril dalam proses penyusunan skripsi ini sehingga dapat diselesaikan dengan baik.

2. Tanti Novianti, M.Si sebagai dosen penguji utama dalam sidang skripsi yang telah memberikan kritik dan saran yang sangat berharga dalam penyempurnaan skripsi ini.

3. Alla Asmara, M.Si sebagai dosen penguji dari komisi pendidikan yang memberikan banyak informasi mengenai tata cara penulisan skripsi yang baik.

4. Para dosen, staf, dan seluruh civitas akademika Departemen Ilmu Ekonomi FEM-IPB yang telah memberikan ilmu dan bantuan kepada penulis selama menjalani studi di Departemen Ilmu Ekonomi.

5. Kedua Orangtua tercinta Papa Aulia dan Mama Tantri Endang, kakaku tersayang Mba Ratih dan Bang Qiqi, adikku tersayang Edo serta segenap keluarga besar, yang telah memberikan kasih sayang, perhatian, motivasi,

dukungan baik moril maupun material serta doa bagi penulis dalam menyelesaikan skripsi ini. Terima kasih pula kepada Andika Lesmana Wibowo atas doa, perhatian, dan dukungan kepada penulis.

6. Sahabat-sahabatku Nhimas, Aiii, Nyenyo, Amboii, Ayie, Ajeng, Acuy, Michelle, Elvha, Inggi atas dukungan dan semangatnya.

7. Retno Nur Cahyani, M Anditia Putra, Solihin dan teman-teman Ilmu Ekonomi 44 yang tidak bisa disebutkan satu persatu atas sharing, bantuan, dan dukungan untuk penulis selama ini.

8. Teman-teman seperjuangan satu bimbingan Rani Nurfitriani dan Sri Retno Nugraheni atas semangat, motivasi, doa, dan perjuangan yang luar biasa ini. 9. K Irvan dan Mba Rina atas ilmu dan sharing untuk penulis selama ini. 10. Hipotesa dan INTEL 2010, atas kebersamaannya yang luar biasa.

11. Sahabat-sahabatku Anggi, Mita, Ade, Sherly, Nawang, dan Padi atas motivasi dan dukungannya.

12. Semua pihak yang telah membantu penulis dalam penyelesaian skripsi ini namun tidak bisa penulis sebutkan satu persatu.

Penulis menyadari bahwa dalam menyusun skripsi ini masih terdapat kekurangan, karena keterbatasan pengetahuan dan kemampuan yang dimiliki. Semoga karya ini dapat bermanfaat bagi penulis maupun pihak lain yang membutuhkan.

Bogor, Juni 2011

Novia Handayani Syukma

H14070029

       

DAFTAR ISI

Halaman

DAFTAR ISI ... i

DAFTAR TABEL ... v

DAFTAR GAMBAR ... vi

DAFTAR LAMPIRAN ... vii

I. PENDAHULUAN 1.1. Latar Belakang ... 1

1.2. Rumusan Masalah ... 6

1.3. Tujuan Penelitian ... 8

1.4. Manfaat Penelitian ... 8

1.5. Ruang Lingkup Penelitian ... 9

II. TINJAUAN PUSTAKA 2.1. Pasar Modal ... 10

2.1.1. Konsep Pasar Modal ... 10

2.1.2. Konsep Pasar Modal Syariah ... 11

2.1.3. Saham sebagai Instrumen Pasar Modal ... 11

2.2. Jakarta Islamic Index ( JII) ... 12

2.3. Investasi ... 13

2.4. Tingkat Pengembalian(return) Saham ... 14

2.5. Hubungan Returndan Risiko ... 14

2.6. Kerangka Pemikiran Teoritis ... 15

2.6.1. Teori Supply dan Demand ... 15

2.6.2. Teori Kebijakan Moneter ... 17

2.6.3. Tingkat Pertumbuhan Ekonomi ... 17

2.6.5. Tingkat Suku Bunga ... 20

2.6.6. Nilai Tukar Uang ... 21

2.6.7. Jumlah Uang Beredar ... 22

2.7. Penelitian Terdahulu ... 23

2.8. Kerangka Pemikiran Konseptual ... 26

2.9. Hipotesis ... 28

III. METODE PENELITIAN 3.1. Jenis dan Sumber Data ... 29

3.2. Variabel dan Definisi Operasional ... 30

3.2.1. Variabel Dependen ... 30

3.2.2. Variabel Independen ... 30

3.3. Metode Analisis ... 32

3.3.1. Perhitungan Return ... 32

3.3.2. Deskripsi data ... 33

3.3.3. Pengujian Model ... 34

3.3.3.1. Pengujian Stasioner ... 34

3.3.3.2. Pengujian Multikolinearitas ... 35

3.3.3.3. Pengujian Heteroskedastisitas ... 36

3.3.3.4. Pengujian Autokorelasi ... 36

3.4. Analisis Model ARCH-GARCH ... 37

3.3.1. Pemilihan Model ARCH-GARCH Terbaik ... 41

3.3.2. Pemeriksaan Model ARCH-GARCH ... 42

3.5. Model Penelitian ... 44

IV. GAMBARAN UMUM 4.1. Kondisi Makroekonomi Indonesia ... 46

4.2.1. Sejarah BUMI ... 49

4.2.2. Kinerja BUMI ... 50

4.2.3. Kinerja Saham BUMI ... 51

4.2.4. Harga Saham BUMI ... 51

4.2.5. Return BUMI ... 52

4.3. PT. Tambang Batu Bara Bukit Asam (PTBA) ... 56

4.3.1. Sejarah PTBA ... 56

4.3.2. Kinerja PTBA ... 57

4.3.3. Kinerja Saham PTBA ... 57

4.3.4. Harga Saham PTBA ... 58

4.3.5. Return PTBA ... 59

IV. HASIL DAN PEMBAHASAN 5.1. Deskripsi Data Model 1 ... 63

5.2. Identifikasi Model ARCH-GARCH ... 64

5.2.1. Uji Stasioneritas ... 64

5.2.2. Uji Multikolinearitas ... 65

5.2.3. Uji Heteroskedastistas ... 65

5.2.4. Uji Autokorelasi ... 66

5.3. Pemilihan Model 1 Terbaik ... 66

5.4. Uji Efek ARCH untuk Model 1 Terbaik ... 67

5.5. Uji Kenormalan Galat untuk Model 1 Terbaik ... 67

5.6. Model 1 Terbaik ... 67

5.7. Deskripsi Data Model 2 ... 68

5.8. Identifikasi Model ARCH-GARCH ... 69

5.8.1. Uji Stasioneritas ... 69

5.8.3. Uji Heteroskedastistas ... 69

5.8.4. Uji Autokorelasi ... 69

5.9. Pemilihan Model 2 Terbaik ... 70

5.10. Uji Efek ARCH untuk Model 2 Terbaik ... 70

5.11. Uji Kenormalan Galat untuk Model 2 Terbaik ... 71

5.12. Model 2 Terbaik ... 71

5.13. Pemilihan Penggunaaan Model ... 72

5.14. Faktor – faktor yang Mempengaruhi Return Saham BUMI dan PTBA ... 73

5.14.1. Customer Price Index (CPI) ... 73

5.14.2. Nilai Tukar Rupiah ... 74

5.14.3. Jumlah Uang yang Beredar ... 74

5.14.4. Industrial Production Index (IPI) ... 75

5.14.5. Suku Bunga SBI ... 76

5.14.6. Indeks Harga Saham Gabungan (IHSG) ... 76

5.14.7. Variabel Dummy ... 77

5.15. Resiko Saham Batubara ... 77

5.16. Pembahasan ... 78

VI. KESIMPULAN DAN SARAN 6.1. Kesimpulan ... 82

6.2. Saran ... 83

DAFTAR PUSTAKA ... 84

DAFTAR TABEL

Halaman

1. Perkembangan Pasar Modal Indonesia

Tahun 2005-2009 ... 2

2. Jenis dan Sumber Data ... 29

3. Tabel untuk Menetukan Autokorelasi ... 37

4. Indikator Makroekonomi Tahun 2005-2009 ... 46

5. Kinerja Keuangan PT. Bumi Resources Tbk. Tahun 2005-2009 ... 50

6. Kinerja Saham PT. Bumi Resources Tbk. Tahun 2005-2009 ... 51

7. Kinerja Keuangan PT. Tambang Batubara Bukit Asam Tbk. Tahun 2005-2009 ... 57

8. Kinerja Saham PT. Tambang Batubara Bukit Asam Tbk. Tahun 2005-2009 ... 58

9. Statistik Deskriptif Data Return BUMI dan PTBA, Return IHSG dan Return Variabel-variabel Makroekonomi ... 63

10. Uji Stasioner Model 1 pada Level ... 65

11. Evaluasi Model ARCH-GARCH Terbaik ... 66

12. Statistik Deskriptif Model Pembanding ... 68

13. Uji Stasioner pada Level ... 69

DAFTAR GAMBAR

Halaman

1. Tujuh Produsen Batubara Terbesar Dunia

Tahun 2009 (dalam ton) ... 4

2. Tujuh Eksportir Batubara Terbesar Dunia Tahun 2009 (dalam ton) ... 4

3. Kurva Supply dan Demand ... 15

4. Pergeseran Kurva Demand ... 16

5. Kerangka Pemikiran Konseptual ... 27

6. Pergerakan Harga Saham BUMI ... 52

7. Hubungan Return BUMI dengan Faktor-faktor Makroekonomi ... 53

8. Trend Hubungan Return BUMI dengan Faktor-Faktor Makroekonomi ... 55

9. Pergerakan Harga Saham PTBA ... 58

10. Hubungan Return PTBA dengan Faktor-faktor Makroekonomi ... 59

11. Trend Hubungan Return PTBS dengan Faktor-Faktor Makroekonomi ... 61

             

DAFTAR LAMPIRAN

Halaman

1. Uji Statistik Deskriptif Model 1 ... 88

2. Uji Stasioner Model 1 pada Level ... 88

3. Uji Korelasi Model 1 ... 91

4. Model RegresiModel 1 ... 92

5. Uji Heteroskedastisitas Model 1 ... 92

6. Uji Autokorelasi Model 1 ... 92

7. Uji Model 1 Terbaik ... 93

8. Model 1 Terbaik ... 99

9. Uji Efek ARCH untuk Model 1 Terbaik ... 100

10. Uji Kenormalan Galat untuk Model 1 Terbaik ... 100

11. Uji Statistik Deskriptif Model 2 ... 101

12. Uji Stasioner Model 2 pada Level ... 101

13. Uji Korelasi Model 2 ... 102

14. Model Regresi Model 2 ... 103

15. Uji Heteroskedastisitas Model 2 ... 103

16. Uji Autokorelasi Model 2 ... 103

17. Uji Model 2 Terbaik ... 104

18. Model 2 Terbaik ... 110

19. Uji Efek ARCH Model 2 Terbaik ... 111

I. PENDAHULUAN

1.1. Latar Belakang

Pasar modal merupakan salah satu faktor terpenting dalam pembangunan perekonomian Indonesia. Banyak perusahaan yang menggunakan institusi pasar modal sebagai media untuk menyerap investasi. Hal ini berkaitan dengan peran pasar modal yang menjalankan dua fungsi, yaitu pertama sebagai sarana bagi pendanaan usaha atau sebagai sarana bagi perusahaan (emiten) untuk mendapatkan dana dari masyarakat pemodal (investor) dan kedua pasar modal menjadi sarana bagi masyarakat untuk berinvestasi pada instrumen keuangan seperti saham, obligasi, reksa dana, dan lain-lain (Widoatmodjo, 2009).

Keuntungan yang diperoleh baik oleh emiten maupun investor membuat pasar modal terus berkembang. Pasar modal dijadikan sebagai tolak ukur kemodernan. Artinya, suatu bangsa atau negara baru berhak menyandang predikat modern kalau pasar modalnya maju. Selain itu, pasar modal dijadikan pula sebagai indikator ekonomi makro suatu negara. Naik turunnya indeks suatu bursa dapat dibaca sebagai cermin dinamika ekonomi negara tersebut.

Perkembangan pasar modal Indonesia dapat dilihat dari kapitalisasi pasar modal dan kontribusinya terhadap GDP. Kapitalisasi pasar modal pada tahun 2006 sebesar Rp 1.249,1 Triliun meningkat 55,88 persen dari tahun 2005 sebesar Rp 801,3 Triliun. Pada tahun 2007, kapitalisasi pasar modal kembali meningkat sebesar 59,18 persen menjadi Rp 1.988,33 Triliun. Namun, pada tahun 2008 kapitalisasi pasar modal mengalami penurunan sebesar 46,42 persen menjadi Rp

1.076,50 Triliun. Pada tahun 2009, kapitalisasi pasar modal meningkat tajam sebesar 87,59 persen menjadi Rp 2.019,38 Triliun.

Kontribusi pasar modal terhadap GDP tahun 2005 sebesar 25,32 persen dan meningkat pada tahun 2006 menjadi 37,42 persen. Kontribusi pasar modal tehadap GDP kembali mengalami peningkatan tertinggi pada tahun 2007 yaitu 50,24 persen. Pada tahun 2008, kontribusi pasar modal terhadap GDP mengalami penurunan menjadi 21,72 persen dan kembali meningkat pada tahun 2009 menjadi 35,97 persen. Hal ini dapat dilihat pada tabel 1.

Tabel 1. Perkembangan Pasar Modal Indonesia Tahun 2005-2009 Tahun Kapitalisasi Pasar Modal

(Triliun Rupiah)

Kontribusi Pasar Modal terhadap GDP (persen)

2005 801,30 25,32

2006 1.249,10 37,42

2007 1.988,33 50,24

2008 1.076,50 21,72

2009 2.019,38 35,97

Sumber : BAPEPAM, 2005-2009

Seiring dengan perkembangan zaman, munculah pasar modal syariah. Pasar modal syariah dikembangkan dalam rangka mengakomodasi kebutuhan umat Islam di Indonesia yang ingin melakukan investasi di produk-produk pasar modal yang sesuai dengan prinsip dasar syariah. Pasar modal syariah telah mengembangkan alternatif sumber pembiayaan sekaligus menambah alternatif instrumen investasi halal (Setiawan, 2005). Munculnya pasar modal syariah ditandai dengan diterbitkannya saham yang berbasis syariah yaitu saham dalam Jakarta Islamic Index (JII).

Pembentukan JII merupakan implementasi dari fatwa Dewan Syariah Nasional (DSN) yaitu Fatwa No.05/DSN-MUI/IV/2000 mengenai jual beli saham

yang dikeluarkan pada April 2000. Tujuan pembentukan JII adalah memberikan arahan kepada investor yang ingin berinvestasi dipasar saham, tetapi tidak bertentangan dengan syariah Islam (Bank Indonesia, 2004). JII terdiri dari 30 saham perusahaan yang kegiataanya dipandang tidak bertentangan dengan syariah. Saham JII terdapat dalam 8 sektor yaitu sektor pertanian, sektor pertambangan, sektor industri kimia dasar, sektor aneka industri, sektor industri barang konsumsi, sektor properti dan real estate, sektor infrastruktur, utilitas dan transportasi dan sektor perdagangan.

Sektor pertambangan Indonesia memiliki prospek yang cerah. Indonesia yang dikenal sebagai negara yang kaya akan sumber daya alam masuk dalam jajaran produsen terbesar dunia untuk beberapa komoditas tambang. Salah satu komoditas tambang Indonesia adalah batubara. Berdasarkan data Coal Statistic dalam Muttaqin (2010), batubara merupakan primadona sumber energi dunia. Barubara menyediakan 26,5 persen sumber energi primer. Batubara juga menghidupkan 41,5 persen pembangkit listrik di seluruh dunia.

Batubara Indonesia termasuk batubara terbaik di dunia. Peringkat Indonesia dalam jajaran produsen batubara juga terus mengalami peningkatan. Pada tahun 2009, Indonesia tercatat sebagai produsen batubara ke lima dunia dengan dengan total produksi 263 juta ton. Produsen terbesar batubara adalah Cina dengan total produksi 2.971 juta ton, lalu USA dengan total produksi 919 juta ton. Peringkat ketiga adalah India dengan total produksi 526 juta ton dan kemudian Australia dengan total produksi 335 juta ton. Hal ini dapat dilihat pada gambar berikut.

Sumber : World Coal Institut, 2010

Gambar 1. Tujuh Produsen Batubara Terbesar Dunia Tahun 2009

Sebagian besar produksi batubara Indonesia diekspor ke luar negeri. Sejak tahun 2004, Indonesia menduduki peringkat kedua setelah Australia sebagai eksportir batubara dengan total ekspor 230 juta ton.

Sumber : World Coal Institut, 2010

Gambar 2. Tujuh Eksportir Batubara Terbesar Dunia Tahun 2009 256

230

116

69 67

53

28

0 50 100 150 200 250 300

Australia Indonesia Russia Columbia South  Africa

USA Canada

jum

lah ekspor

(jut

a

ton)

Hal ini menjadi salah satu alasan untuk memilih berinvestasi pada saham-saham perusahaan batubara. Selain itu pula, terdapat alasan lainnya yang mendukung untuk memilih saham komoditas barang tambang sebagai alternatif investasi. Perusahaan-perusahaan yang menghasilkan energi sangat dominan di pasar modal pada negara berkembang (Ratti dan Hasan, 2010). Hal inilah yang menjadikan saham batubara sebagai alternatif investasi yang menarik.

Selain itu, kenaikan harga minyak dunia mendorong harga komoditas pertambangan di pasar internasional mengalami kenaikan. Hal ini membuat banyak investor asing berminat menanamkan modalnya pada saham berbasis komoditas. Tingginya minat investor asing membuat masyarakat domestik tertarik pula untuk menanamkan modalnya pada saham komoditas. Hal ini dikarenakan peluang return yang tinggi dari saham komoditas.

Namun, sebagai alternatif investasi saham memiliki keuntungan (return) dan risiko (risk), begitupula dengan saham batubara. Apabila terdapat return yang tinggi maka tingkat risiko yang harus ditanggung juga tinggi. Risiko pasar berhubungan erat dengan perubahan harga saham jenis tertentu atau kelompok tertentu yang disebabkan oleh antisipasi investor terhadap perubahan tingkat pengembalian yang diharapkan.

Kestabilan perusahaan akan berpengaruh pada return yang didapatkan pada pasar modal. Faktor lain yang berpengaruh besar terhadap return adalah faktor makroekonomi karena faktor tersebut sebagai indikator kestabilan suatu negara. Para investor akan enggan menanamkan modalnya apabila keadaan

ekonomi tidak kondusif. Keadaan yang tidak kondusif tersebut menyebabkan risiko untuk menanamkan modal sangat rentan dengan kerugian.

Risiko dalam menanamkan modal berkaitan erat dengan volatilitas. Sebagai bursa efek yang masih berkembang, indeks harga saham BEI mempunyai tingkat volatilitas indeks yang cukup tinggi. Volatilitas indeks ini merupakan salah satu hal yang paling penting diperhatikan oleh manajemen bursa, investor dan pihak-pihak terkait lainya. Volatilitas sebuah pasar menggambarkan fluktuasi atau perubahan pada pasar tersebut, yang sekaligus juga menunjukkan risikonya. Investor yang spekulatif menyukai pasar dengan volatilitas tinggi, karena memungkinkan memperoleh keuntungan (gain) yang besar dalam waktu singkat. Namun, volatilitas tinggi juga memungkinkan investor memperoleh kerugian (loss).

1.2. Perumusan Masalah

Alternatif dalam berinvestasi adalah pilihan antara return yang tinggi dengan risk yang tinggi, atau risk yang rendah dengan tingkat return yang rendah pula. Risk dalam berinvestasi di pasar modal pada prinsipnya sangat terkait erat dengan terjadinya volatilitas harga saham (Shin, 2005). Investor yang melakukan investasi dalam aset yang memiliki volatilitas tinggi akan cenderung menghadapi risk yang lebih tinggi dibandingkan dengan investor yang melakukan investasi dalam aset yang memiliki volatilitas rendah (Nainggolan, 2010). Investor melakukan investasi dengan harapan akan memperoleh return dalam jumlah tertentu pada masa yang akan datang. Besarnya return atas investasi yang

dilakukan akan menentukan kesediaan investor untuk melakukan investasi, dimana investor akan cenderung memilih investasi yang memberikan return

terbesar.

Kondisi makroekonomi sangat berpengaruh pada aktifitas pasar modal. Ketika situasi sedang mengalami krisis, perusahaan yang telah go-public memiliki sensitifitas tinggi terhadap perubahan kondisi makro sehingga mempengaruhi beban operasional. Hal ini akan berdampak pada pandangan investor terhadap perusahaan tersebut. Pandangan ini membuat harga saham berubah. Saat suatu perusahaan dinilai baik maka sahamnya akan diminati dan harganya menjadi meningkat sehingga memungkinkan memperoleh capital gain yang besar. Namun, saat suatu perusahaan dinilai jelek maka harga sahamnya pun akan anjlok dan dapat mengakibatkan capital loss.

Oleh karena itu, penulis merasa penting untuk menganalisis faktor-faktor makroekonomi yang mempengaruhi return saham batubara, karena return saham menjadi alasan seorang investor untuk melakukan investasi. Hal ini akan berguna untuk investor dalam menentukan langkah saat akan berinvestasi. Investor akan dapat mengatur portofolio dengan menggunakan berita makroekonomi sebagai indikator yang dapat diandalkan (Wang, 2010).

Penelitian ini akan difokuskan untuk menganalisis faktor-faktor yang mempengaruhi return saham pada perusahaan penghasil batubara PT.Bumi Resources Tbk. (BUMI) dan PT. Tambang Batubara Bukit Asam Tbk. (PTBA). Pemilihan saham ini dikarenakan kedua perusahaan ini adalah perusahaan batubara yang masuk ke dalam JII selama periode penelitian penulis.

Berdasarkan uraian diatas, maka masalah yang akan diteliti adalah :

1. Faktor-faktor makroekonomi apa saja yang mempengaruhi return saham batubara dalam kelompok JII (BUMI dan PTBA)?

2. Bagaimana model terbaik dapat menjelaskan faktor-faktor yang mempengaruhi return saham batubara dalam kelompok JII (BUMI dan PTBA)?

1.3. Tujuan Penelitan

Berdasarkan latar belakang dan permasalahan di atas maka penelitian ini memiliki tujuan sebagai berikut :

1. Menganalisis faktor-faktor makroekonomi yang mempengaruhi return saham batubara dalam kelompok JII (BUMI dan PTBA).

2. Menganalisis model terbaik untuk menjelaskan faktor-faktor yang mempengaruhi return saham batubara dalam kelompok JII (BUMI dan PTBA).

1.4. Manfaat Penelitian

Penelitian ini memiliki beberapa manfaat bagi berbagai pihak. Adapun manfaat penelitian sebagai berikut :

1. Bagi para pelaku bursa, khususnya investor agar memahami faktor-faktor makroekonomi yang mempengaruhi return saham terutama saham batubara dalam kelompok JII (BUMI dan PTBA) sehingga dapat mengambil posisi yang menguntungkan dalam Bursa Efek Jakarta.

2. Bagi kalangan akademisi, agar bisa menarik minat para peneliti untuk menelaah perdagangan saham secara lebih mendalam.

3. Bagi masyarakat, penelitian ini dapat memberikan tambahan pengetahuan mengenai faktor-faktor yang mempengaruhi return saham batubara dalam kelompok JII (BUMI dan PTBA).

4. Bagi penulis, penelitian ini sebagai sarana pembelajaran dalam memahami variabel-variabel makroekonomi yang mempengaruhi return saham. Selain itu, penelitian ini juga sebagai proses belajar untuk lebih kritis dalam menganalisis suatu permasalahan serta membuka wawasan dan pemahaman untuk mencari jawaban atas perumusan masalah.

1.5. Ruang Lingkup Penelitian

Ruang lingkup pada penelitian ini dimaksudkan untuk membatasi permasalahan dalam melakukan analisis. Maka, penulis melakukan pembatasan berdasarkan ruang lingkup berikut ini :

1. Penelitian ini hanya difokuskan pada saham batubara yang masuk dalam kelompok JII selama periode penelitian penulis.

2. Return yang dianalisis pada penelitian ini adalah return yang diakibatkan terjadinya perubahan harga saham.

3. Jangka waktu penelitian dari Januari 2005 - Mei 2010 dan merupakan jenis data time series bulanan.

II. TINJAUAN PUSTAKA

2.1. Pasar Modal

2.1.1. Konsep Pasar Modal

Pasar modal menurut Undang-undang republik Indonesia no.8 tahun 1995 adalah kegiatan yang bersangkutan dengan penawaran umum dan perdagangan efek, yaitu perusahaan publik yang berkaitan dengan efek yang diterbitkannya, serta lembaga atau profesi yang berkaitan dengan efek. Adapun efek yang dimaksud disini adalah surat berharga atau saham.

Menurut Widoatmojo (2007) yang membedakan pasar saham dengan pasar lainnya adalah komoditi yang diperdagangkan. Pasar modal merupakan pasar abstrak, dimana yang diperjualbelikan adalah dana-dana jangka panjang, yaitu dana yang keterkaitannya dalam investasi lebih dari satu tahun. Sedangkan secara fisik, pasar modal menunjuk suatu tempat yang biasanya menempati sebuah gedung, sebagai tempat bertemunya para pialang yang mewakili para investor.

Tujuan pasar modal diantaranya mempercepat proses ikut sertanya masyarakat dalam kepemilikan saham perusahaan swasta menuju pemerataan pendapatan masyarakat, dan menggairahkan partisipasi masyarakat dalam pergerakan dan penggunaannya secara produktif untuk pembiayaan pembangunan nasional (Widoatmodjo, 2009).

2.1.2. Konsep Pasar Modal Syariah

Badan Pengawas Pasar Modal (BAPEPAM) resmi meluncurkan pasar modal syariah pada tanggal 14 dan 15 Maret 2003 dengan ditandatanganinya nota kesepakatan antara Bapepam dengan Dewan Syariah Nasional-Majelis Ulama Indonesia (DSN-MUI). Langkah awal perkembangan pasar modal syariah di Indonesia dimulai dengan diterbitkannya Reksa Dana Syariah pada 25 Juni 1997 diikuti dengan diterbitkannya obligasi syariah pada akhir 2002, kemudian diikuti pula dengan hadirnya Jakarta Islamic Index (JII) pada Juli 2000 (BAPEPAM, 2010).

Secara umum konsep pasar modal syariah dengan pasar modal konvensional tidak jauh berbeda meskipun dalam konsep pasar modal syariah disebutkan bahwa saham yang diperdagangkan harus berasal dari perusahaan yang bergerak dalam sektor yang memenuhi kriteria syariah dan terbebas dari unsur ribawi. Sedangkan perbedaan nilai indeks saham syariah dengan nilai indeks saham konvensional terletak pada kriteria saham emiten yang harus memenuhi prinsip-prinsip dasar syariah.

2.1.3. Saham sebagai Instrumen Pasar Modal

Menurut Rusdin (2006), saham adalah sertifikat yang menunjukkan bukti kepemilikan suatu perusahaan dan pemegang saham memiliki klaim atau penghasilan dan aktiva perusahaan. Menurut Darmadji dan Fakhruddin (2001), saham dapat didefinisikan tanda penyertaan atau kepemilikan seseorang atau badan dalam suatu perusahaan atau perseroan terbatas. Wujud saham adalah

selembar kertas yang menerangkan bahwa pemilik kertas tersebuttadalah pemilik perusahaan yang menerbitkan surat berharga tersebut. Porsi kepemilikan ditentukan oleh seberapa besar penyertaan yang ditanamkan di perusahaan tersebut.

2.2. Jakarta Islamic Index (JII)

Jakarta Islamic Index (JII) yang dikeluarkan BEI merupakan indeks yang menggambarkan kinerja saham syariah di Indonesia. JII pertama kali diluncurkan oleh BEI (pada saat itu masih bernama Bursa Efek Jakarta) bekerjasama dengan PT Danareksa Investment Management pada tanggal 3 Juli 2000. Meskipun demikian, agar dapat menghasilkan data historikal yang lebih panjang, hari dasar yang digunakan untuk menghitung JII adalah tanggal 2 Januari 1995 dengan angka indeks dasar sebesar 100. Metodologi perhitungan JII sama dengan yang digunakan untuk menghitung IHSG (BEI, 2010).

JII terdiri dari 30 saham yang merupakan saham-saham syariah paling likuid dan memiliki kapitalisasi pasar yang besar. BEI melakukan review JII setiap 6 bulan, yang disesuaikan dengan periode penerbitan DES oleh Bapepam & LK. Setelah dilakukan penyeleksian saham syariah oleh Bapepam & LK yang dituangkan ke dalam DES, BEI melakukan proses seleksi lanjutan yang didasarkan kepada kinerja perdagangannya. Adapun proses seleksi JII berdasarkan kinerja perdagangan saham syariah yang dilakukan oleh BEI adalah sebagai berikut:

1. Saham-saham yang dipilih adalah saham-saham syariah yang termasuk ke dalam DES yang diterbitkan oleh Bapepam & LK.

2. Dari saham-saham syariah tersebut kemudian dipilih 60 saham berdasarkan urutan kapitalisasi terbesar selama 1 tahun terakhir.

3. Dari 60 saham yang mempunyai kapitalisasi terbesar tersebut, kemudian dipilih 30 saham berdasarkan tingkat likuiditas yaitu urutan nilai transaksi terbesar di pasar reguler selama 1 tahun terakhir.

Jika dilihat dari metode seleksinya, dapat diduga bahwa saham-saham yang tercatat dalam JII adalah sama dengan saham-saham di LQ 45 setelah dikeluarkan saham perusahaan lembaga keuangan konvensional dan saham perusahaan rokok. Dengan kata lain JII adalah LQ 30 tanpa rokok dan bank.

2.3. Investasi

Menurut Mankiw (2005) investasi adalah barang-barang yang dibeli oleh individu dan perusahaan untuk menambah persediaan modal mereka. Menurut Lipsey (1997) investasi adalah pengeluaran barang yang tidak dikonsumsi saat ini, dimana berdasarkan periode waktunya investasi dapat dibedakan menjadi tiga, yaitu: investasi jangka pendek, investasi jangka menengah dan investasi jangka panjang.

Tujuan individu atau perusahaan yang melakukan investasi adalah untuk memperoleh kesejahteraan bagi dirinya atau perusahaan tersebut. Hal ini berlaku sama bagi emiten yang berinvestasi di pasar modal. Emiten yang berinvestasi

pada pasar modal berharap mendapatkan keuntungan dari investasi yang dilakukannya di pasar modal.

2.4. Tingkat Pengembalian (Return) Saham

Rusdin (2006) mengatakan terdapat dua unsur pokok return saham, yaitu deviden dan capital gain. Deviden adalah bagian keuntungan perusahaan yang dibagikan kepada pemegang saham. Sedangkan capital gain adalah hasil yang diperoleh dari selisih antara harga pembelian dengan harga penjualan. Artinya jika harga pembelian lebih kecil dari pada harga penjualan maka investor dikatakan memperoleh capital gain, dan sebaliknya disebut dengan capital loss.

Dalam penelitian ini, return saham yang dimaksud adalah capital gain atau capital loss yang didefinisikan sebagi selisih dari harga investasi sekarang relatif dengan harga periode yang lalu. Return saham yang tinggi mengidentifikasikan bahwa saham tersebut aktif diperdagangkan.

 

2.5. Hubungan Return dan Resiko

Suatu keputusan yang diambil berdampak terhadap suatu resiko yang akan ditanggung. Hubungan return dan risiko mempunyai hubungan yang positif, yaitu semakin besar tingkat return yang diharapkan maka akan semakin besar pula tingkat resiko yang akan ditanggung. Itulah yang menjadi pertimbangan para investor dalam menginvestasikan dananya, mereka juga harus mempertimbangkan kedua hal tersebut.

2.6. Kerangka Pemikiran Teoritis 2.6.1. Teori Supply dan Demand

Keseimbangan harga dapat digambarkan oleh perpotongan kurva supply dan kurva demand. Gambar 3 menggambarkan kurva supply dan kurva demand yang membentuk keseimbangan harga.

S P

D

Sumber : Mankiw, 2005

Gambar 3. Kurva Supply dan Kurva Demand

Return saham dianalisis berdasarkan selisih harga saham. Pembentukan harga saham tidak terlepas dari adanya penawaran dan permintaan akan saham (Little, 2010). Kekuatan penawaran dan permintaan inilah yang akan menentukan naik turunnya harga suatu saham. Pada gambar kurva diatas digambarkan bahwa “P*” adalah harga keseimbangan saham di pasar modal dan “Q*” adalah jumlah keseimbangan di pasar modal. Jika dirumuskan, maka model keseimbangan adalah :

Qd = Qs

Q P*

Dimana Qd merupakan fungsi dari permintaan dan Qs merupakan fungsi dari penawaran. Model pasar saham ini terdiri dari variabel endogen dan variabel eksogen. Variabel endogennya adalah jumlah dan harga saham, sedangkan variabel eksogen adalah variabel yang mungkin diluar model yang menyebabkan pergeseran pada kurva permintaan dan penawaran sehingga pada akhirnya menggeser harga keseimbangan.

Variabel- variabel ekonomi secara langsung maupun tidak langsung akan berdampak pada keseimbangan pasar saham. Kondisi seperti inflasi akan menyebabkan kenaikan biaya produksi. Peningkatan biaya produksi ini berdampak pada penurunan pendapatan dan akhirnya menurunkan keuntungan. Hal ini akan membuat opini jelek dimata investor yang mengakibatkan penurunan permintaan saham perusahaan tersebut. Penurunan ini menyebabkan menurunnya harga saham. Hal tersebut dapat dilihat pada gambar berikut.

P

D

Sumber : Mankiw, 2005

Gambar 4. Pergeseran Kurva Demand

Q P*

Q**

P**

Q**

2.6.2. Teori Kebijakan Moneter

Kebijakan moneter merupakan kebijakan bank sentral atau otoritas moneter dalam bentuk pengendalian besaran moneter dan atau suku bunga untuk mencapai perkembangan kegiatan perekonomian yang diinginkan. Kebijakan moneter terdiri dari dua macam yaitu kebijakan moneter kontraktif dan kebijakan moneter ekspansif. Kebijakan moneter kontraktif dilakukan untuk memperlambat kegiatan ekonomi dengan mengurangi jumlah uang beredar. Sedangkan kebijakan moneter ekspansif dilakukan untuk mendorong kegiatan ekonomi dengan meningkatkan jumlah uang beredar.

Perkembangan kegiatan ekonomi dapat dilihat dari indikator makroekonomi yang terdiri dari (Widiatmojo, 2009) :

1. Pertumbuhan ekonomi yang diukur dengan dengan produk domestik bruto (PDB).

2. Perkembangan moneter yang biasanya dihitung berdasarkan penawaran jumlah uang yang beredar dan tingkat nilai tukar rupiah terhadap US dollar. 3. Perkembangan neraca pembayaran luar negeri.

4. Perkembangan tingkat pengangguran. 5. Perkembangan inflasi.

2.6.3. Tingkat Pertumbuhan Ekonomi

Menurut Kuznets, pertumbuhan ekonomi adalah kenaikan kapasitas dalam jangka panjang dari suatu negara untuk menyediakan berbagai kebutuhan ekonomi untuk penduduknya, dimana kenaikan kapasitas itu sendiri ditentukan

oleh adanya kemajuan atau penyesuaian-penyesuaian teknologi, institusional, dan ideologi terhadap berbagai tuntutan keadaan ekonomi yang ada. Konsep pertumbuhan ekonomi masih digunakan sebagai tolak ukur untuk menilai kemajuan ekonomi suatu negara. adapun indikator yang umum digunakan untuk mengukur petumbuhan ekonomi suatu negara adalah Growth Domestic Product (GDP) atau Produk Domestik Bruto (PDB) (Mankiw, 2005).

Indikator lain yang dapat digunakan sebagai pendekatan dari output riil adalah Industrial Production Index (IPI) (Linda, 2007). Industrial Production adalah data bulanan yang mengukur total produksi dari seluruh pabrik, pertambangan, dan perusahaan pelayanan publik (listrik, air, gas, transportasi, dan lain-lain). Komponen utama dari data Industrial Production adalah industri manufaktur yang dapat diprediksi secara akurat dari total jam kerja dari laporan ketenagakerjaan. Komponen pelengkap lainnya adalah Capacity Utilization yang digunakan untuk menghitung tingkat penggunaan modal negara yang dipakai dalam proses produksi tersebut.

Penggunaan IPI dalam penelitian ini dikarenakan IPI memiliki jumlah sampel yang lebih spesifik bila dibandingkan GDP, yaitu dalam periode bulanan. IPI juga dinilai lebih representatif dan sesuai dengan menggambarkan pertumbuhan output suatu negara (Linda, 2007). Oleh karena itu, pengukuran pertumbuhan ekonomi dengan menggunakan pendekatan IPI dalam penelitian ini lebih merepresentasikan pertumbuhan produksi. Rumus untuk menghitung IPI yaitu :

Dimana I adalah indeks, Ri adalah produksi relatif dan Wi adalah bobot pembagi. Industrial Production Index (IPI) biasanya berhubungan positif dengan return saham. Hal ini dikarenakan peningkatan jumlah output yang dihasilkan mengindikasikan peningkatan pada produksi. Peningkatan ini berarti peningkatan pada pendapatan yang akhirnya meningkatkan keuntungan juga deviden. Hal ini membuat investor berminat menanamkan dananya pada saham sehingga permintaan meningkat dan harga saham pun meningkat. Peningkatan harga saham ini berarti peningkatan pada return (Maysami, 2004).

2.6.4. Tingkat Inflasi

Inflasi adalah peningkatan dalam seluruh tingkat harga (Mankiw, 2005). Kadang-kadang kenaikan harga ini berlangsung terus-menerus dan berkepanjangan. Menurut Friedman dalam Mankiw (2005), inflasi adalah suatu fenomena moneter yang terjadi dimanapun. Kenaikan harga dari satu atau dua barang saja tidak dapat disebut inflasi kecuali bila kenaikan itu meluas (atau menyebabkan kenaikan) kepada barang lainnya (Mankiw, 2005). Adapun indikator yang sering digunakan dalam mengukur tingkat inflasi adalah :

1. Indeks Harga Konsumen (IHK) atau Customer Price Index (CPI) merupakan indikator yang umum digunakan untuk menggambarkan pergerakan harga. Perubahan IHK dari waktu ke waktu menunjukkan pergerakan harga dari paket barang dan jasa yang dikonsumsi masyarakat.

2. Indeks Harga Perdagangan Besar (IHPB) merupakan indikator yang menggambarkan pergerakan harga dari komoditi-komoditi yang diperdagangkan di suatu daerah.

3. Produk Domestik Bruto (PDB) menggambarkan pengukuran level harga barang akhir (final goods) dan jasa yang diproduksi di dalam suatu ekonomi (negeri). Deflator PDB dihasilkan dengan membagi PDB atas dasar harga nominal dengan PDB atas harga konstan.

Inflasi dapat mempunyai dampak positif dan negatif terhadap return saham di pasar saham. Hess dan Lee dalam Sodikin (2007) mengatakan bahwa tingkat inflasi berpengaruh negatif terhadap return jika penyebab inflasi adalah sektor riil (supply stock) yang mencakup tingkat produktifitas dan tingkat pengangguran. Inflasi dapat berpengaruh positif jika penyebab inflasi adalah sektor moneter (monetary shock) yang mencakup pasokan uang dan tingkat bunga.

2.6.5. Tingkat Suku bunga

Berdasarkan Surat Edaran Bank Indonesia No.8/13/DPM tentang Penerbitan Sertifikat Bank Indonesia Melalui Lelang, Sertifikat Bank Indonesia yang selanjutnya disebut SBI adalah surat berharga dalam mata uang Rupiah yang diterbitkan oleh Bank Indonesia sebagai pengakuan utang berjangka waktu pendek dengan sistem diskonto/bunga. SBI merupakan salah satu mekanisme yang digunakan Bank Indonesia untuk mengontrol kestabilan nilai Rupiah. Tujuan diterbitkannya SBI adalah agar Bank Indonesia dapat menyerap kelebihan uang primer yang beredar.

Tingkat suku bunga yang berlaku pada setiap penjualan SBI ditentukan oleh mekanisme pasar berdasarkan sistem lelang. Sejak awal Juli 2005, BI menggunakan mekanisme "BI rate" (suku bunga BI), yaitu BI mengumumkan target suku bunga SBI yang diinginkan BI untuk pelelangan pada masa periode tertentu. BI rate ini kemudian yang digunakan sebagai acuan para pelaku pasar dalam mengikuti pelelangan.

Umumnya suku bunga SBI berhubungan negatif dengan return bursa saham. Bila pemerintah mengumumkan suku bunga akan naik maka investor akan menjual sahamnya dan mengganti kepada instrumen berpendapatan tetap seperti tabungan atau deposito. Kaitan antara suku bunga dan return saham dikemukakan pula oleh Maysami (2004) yang mengatakan bahwa suku bunga dapat berpengaruh positif pada jangka pendek dan negatif pada jangka panjang terhadap return saham batubara. Penelitian lain dilakukan Butt et al (2009) yang menunjukkan bahwa suku bunga tidak berpengaruh kepada return saham.

2.6.6. Nilai Tukar Uang

Menurut Mankiw (2005), nilai tukar (exchange rate) atau dikenal juga dengan istilah kurs adalah tingkat harga yang disepakati penduduk kedua negara untuk saling melakukan perdagangan. Para ekonom membedakan kurs menjadi dua yaitu kurs nominal dan kurs riil. Kurs nominal adalah harga relatif dari mata uang dua negara. sedangkan kurs riil adalah harga relatif dari barang-barang di antara dua negara. Jika diformulasikan KursIDR/USD artinya Rupiah yang

Rupiah mengalami apresiasi, sedangkan jika kurs menurun artinya Rupiah akan mengalami depresiasi.

Perubahan nilai tukar sangat berpengaruh terhadap nilai indeks di BEI karena mempengaruhi kinerja perusahaan. Apresiasi Rupiah menyebabkan menurunnya daya saing komoditi ekspor Indonesia. Hal ini akan mengakibatkan penurunan pendapatan perusahaaan yang berdampak pada penurunan keuntungan. Penurunan keuntungaan ini pada akhirnya akan berdampak pada penurunan return saham.

Beberapa bukti empiris mengeni pengaruh nilai tukar Rupiah/US Dollar terhadap return saham menunjukkan bahwa nilai tukar memiliki pengaruh negatif terhadap return saham. Penelitian Josep (2002) serta Ratti dan Hasan (1999) menunjukkan bahwa nilai tukar memiliki hubungan negatif dengan return saham. Sedangkan Maysami (2004) menemukan pengaruh positif dari nilai tukar terhadap return saham.

2.6.7. Jumlah Uang yang Beredar

Jumlah uang beredar adalah nilai keseluruhan uang yang berada di tangan masyarakat. Jumlah uang beredar dalam arti sempit (narrow money) adalah jumlah uang beredar yang terdiri atas uang kartal dan uang giral.

M1 = C + D Dimana:

M1 = jumlah uang yang beredar dalam arti sempit C = Uang kartal (=uang kertas+uang logam)

D = uang giral atau cek

Uang beredar dalam arti luas adalah ditambah deposito berjangka (time deposit), M2 = M1 + TD

Dimana:

M2 = jumlah uang beredar dalam arti luas TD = deposito berjangka (time deposit)

Friedman dan Schwartz dalam Maysami (2004) menjelaskan hubungan jumlah uang yang beredar dengan return saham dengan hipotesis yang simpel bahwa jumlah uang yang beredar akan mempengaruhi agregat ekonomi dan mempengaruhi return saham. Peningkatan pada jumlah uang yang beredar mengindikasikan peningkatan likuiditas untuk membeli saham sehingga meningkatkan harga saham.

2.7. Penelitian Terdahulu

Penelitian mengenai return saham telah banyak dilakukan sebelumnya oleh para ekonom. Penelitian yang dilakukan Butt et al (2009) yang berjudul Do Economic Factors Influence Stock Returns? A Firm and Industry Level Analysis menggunakan model GARCH untuk menganalisis hubungan risk dan return serta hubungan return saham dengan variabel-variabel ekonomi di pasar modal Pakistan. Penelitian ini meneliti perusahaan-perusahaan dalam sektor manufaktur dan sektor keuangan. Data yang digunakan adalah data bulanan dari 32 perusahaan industri perbankan (sektor keuangan) dan industri tekstil (industri manufaktur) dengan periode 10 tahun (Juli 1998-Juni 2008). Variabel yang

digunakan dalam penelitian ini adalah CPI yang menggambarkan inflasi. RFR yang menggambarkan hasil selama 6 bulan dari Treasury bills dan menggambarkan suku bunga dan nilai tukar rupiah/dolar. Industrial Production Index dan Individual Industrial Production yang menggambarkan real output. Variabel lainnya yang digunakan adalah M2 yang menggambarkan jumlah uang beredar. Hasil penelitian ini mengindikasikan perubahan variabel ekonomi dalam

return saham lebih berpengaruh pada level industri dibandingkan level

perusahaan. Penelitian ini pula mengindikasikan industri perbankan (sektor keuangan) lebih sensitif dengan perubahan variabel ekonomi.

Penelitian lainnya dilakukan oleh Xiufang Wang (2010) yang berjudul The Relationship between Stock Market Volatility and Macroeconomic Volatility: Evidence from China. Data yang digunakan adalah data bulanan periode Januari 1992 hingga Desember 2008. Penelitian ini menggunakan model EGARCH dan lag-augmented VAR (LA-VAR) untuk menganalisis hubungan GDP, CPI yang menggambarkan inflasi, dan suku bunga terhadap saham. Model AR(2)-EGARCH(2,2) digunakan untuk memodelkan GDP, AR(7)-EGARCH(2,1) untuk memodelkan CPI, AR(4)-EGARCH(1,2) untuk memodelkan suku bunga dan AR(2)-GARCH(1,1) untuk memodelkan return saham. Hasil penelitian ini mengindikasikan tidak ada hubungan antara volatilitas GDP dan suku bunga terhadap volatilitas saham. Hanya inflasi yang berhubungan dengan volatilitas saham.

Penelitian lainnya dilakukan oleh Wijaya (2008) yang berjudul Pengaruh Faktor Makroekonomi dan Return IHSG terhadap Return Saham Sektor Usaha

Primer : Analisis dengan Metode GARCH. Penelitian ini bertujuan untuk menganalisis pengaruh return IHSG serta faktor-faktor makroekonomi terhadap volatilitas return saham sektor pertanian dan pertambangan. Penelitian ini menggunakan data dari Januari 2004 hingga Juni 2007. Data tersebut adalah IHSG, Indeks Harga Saham Sektoral (IHSS) Pertanian, IHSS Pertambangan, kurs dan suku bunga SBI yang dinyatakan dalam bentuk return secara relatif, serta inflasi yang dinyatakan dalam persen. Metode penelitian yang digunakan adalah regresi berganda dan GARCH . Variabel yang diguakan dalam penelitian ini hasil penelitian ini menunjukan bahwa return IHSS Pertanian hanya dipengaruhi secara nyata oleh return IHSG. Sedangkan return IHSS Pertambangan secara signifikan dipengaruhi oleh return IHSG, return, kurs dan return suku bunga SBI.

Penelitian serupa pernah dilakukan oleh Sitorus (2004) yang berjudul Pengaruh Variabel Makroekonomi terhadap Kinerja Saham Pertambangan Minyak dan Gas Bumi sebagai Emiten di Bursa Efek Indonesia. Variabel yang dianalisis dalam penelitian ini adalah inflasi, suku bunga SBI, kurs dan jumlah uang beredar. Penelitian ini menggunakan regresi berganda sebagai alat analisis. Hasil dari penelitian ini menjelaskan bahwa variabel-variabel makroekonomi berpengaruh secara simultan terhadap kinerja saham pertambangam minyak dan gas bumi. Variabel makroekonomi yang berpengaruh sangat besar terhadap kinerja saham pertambangan minyak dan gas bumi adalah variabel kurs.

Perbedaan penelitian ini dengan penelitian terdahulu adalah penelitian ini menganalisis faktor-faktor yang mempengaruhi return pada saham batubara dalam kelompok JII dimana sampelnya yaitu perusahaan BUMI dan PTBA

dengan rentang waktu Januari 2005 hingga Mei 2010. Selain itu variabel yang dianalisis dalam penelitian ini adalah faktor-faktor makroekonomi yang meliputi Customer Price Index (CPI), nilai tukar Rupiah terhadap US Dollar, Jumlah uang beredar (M2), suku bunga SBI, Industrial Production Index (IPI), dan IHSG.

2.8. Kerangka Pemikiran Konseptual

Penelitian ini berawal dari sebuah pemikiran mengenai prospek batubara Indonesia. Peringkat Indonesia sebagai produsen batubara dunia terus meningkat dari tahun ke tahunnya. Indonesia menduduki peringkat kelima sebagai produsen batubara dunia pada tahun 2009. Selain itu, pada tahun yang sama Indonesia menduduki peringkat kedua sebagai eksportir batubara dunia. Hal ini menjadikan saham-saham perusahaan batubara sebagai alternatif investasi yang menarik karena adanya potensi return yang tinggi dari saham batubara. Saham-saham perusahaan batubara dalam Bursa Efek Indonesia (BEI) ini ada yang masuk kelompok JII,ada pula yang tidak. Saham batubara yang masuk kelompok JII berarti saham yang likuid dan tidak melanggar syariah Islam.

Investasi tidak terlepas dari return dan risk. Investor pasti mengharapkan return yang tinggi dengan risk yang rendah. Oleh karena itu, penulis merasa perlu melakukan penelitian mengenai faktor-faktor makroekonomi yang mempengaruhi

return saham batubara (BUMI dan PTBA), dan menjelaskan pengaruhnya

terhadap return saham tersebut, sehingga diharapkan investor dapat menentukan langkah yang tepat ketika berinvestasi pada saham-saham perusahaan batubara.

Catatan : : tidak dianalisis : dianalisis

Gambar 5. Kerangka Pemikiran Konseptual

Investor mengharapkan return yang tinggi

Perlunya penelitian volatilitas return

Model ARCH-GARCH

Rekomendasi strategi Potensi batubara Indonesia yang menjanjikan

Saham batubara menjadi alternatif investasi yang menarik

Saham dalam kelompok JII

Saham diluar kelompok JII

1. CPI 2. M2 3. Kurs 4. Suku

bunga SBI 5. IPI

2.9. Hipotesis

Adapun hipotesis dalam penelitian ini yaitu :

1. Return saham batubara (BUMI dan PTBA) dipengaruhi oleh faktor-faktor makroekonomi seperti CPI yang menggambarkan inflasi, M2 yang menggambarkan jumlah uang beredar, kurs dan suku bunga SBI.

2. CPI diduga berpengaruh negatif terhadap return saham batubara. 3. M2 diduga berpengaruh negatif terhadap return saham batubara. 4. Kurs diduga berpengaruh negatif terhadap return saham batubara.

5. Suku bunga SBI diduga berpengaruh negatif terhadap return saham batubara. 6. IPI diduga berpengaruh negatif terhadap return saham batubara.

7. IHSG diduga berpengaruh positif terhadap return saham batubara.

8. Variabel Dummy diduga “1” yaitu PTBA memiliki return yang lebih besar dibandingkan “0” yaitu BUMI.

   

III. METODE PENELITIAN

3.1. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data time series bulanan dari tahun Januari 2005 sampai dengan Mei 2010. Jenis data yang akan digunakan dalam penelitian ini beserta sumbernya akan disajikan pada tabel berikut ini :

Tabel 2. Jenis dan Sumber Data

Jenis data Sumber data Ket

Harga penutupan saham

BUMI dan PTBA www.finance.yahoo.com Jumlah uang beredar

Statistik Keuangan Indonesia (SEKI), dan Badan Pusat Statistik (BPS).

Customer Price Index (CPI)

International Financial

Statistics (IFS) 2005=100

Nilai tukar Rupiah terhadap

US Dollar Bank Indonesia (BI) Industrial Production

Index (IPI) Badan Pusat Statistik (BPS) 2000=100

Sertifikat Bank Indonesia

( SBI) Bank Indonesia (BI)

Sertifikat Bank Indonesia

Syariah (SBIS) Bank Indonesia (BI) Indeks Harga Saham

Gabungan (IHSG) www.finance.yahoo.com

Jakarta Islamic Index (JII) www.finance.yahoo.com

Data-data yamg digunakan dalam penelitian ini juga didapatkan dari internet dan bahan pustaka lain berupa literatur dari buku-buku, majalah, jurnal dan bulletin yang berhubungan dengan topik penelitian.

Adapun kriteria pemilihan saham yang dianalisis adalah :

1. Perusahaan go public yang tercatat sebagai emiten pada periode secara kontinyu (tidak pernah delisting)

2. Saham perusahaan yang tergolong ke dalam perusahaan yang bergerak dalam bidang pertambangan yang menghasilkan komoditas batubara.

3. Saham perusahaan masuk ke dalam indek JII selama periode Januari 2005 – Mei 2010.

Berdasarkan kriteria-kriteria tersebut terpilih dua saham perusahaan yang memenuhinya. Saham-saham perusahaan tersebut adalah PT. Bumi Resources (BUMI) dan PT.Tambang Batubara Bukit Asam (PTBA).

3.2. Variabel dan Definisi Operasional 3.2.1. Variabel Dependen

Variabel dapenden merupakan variabel yang menjadi fokus penelitian. Variabel dependen yang digunakan dalam penelitian ini adalah return saham BUMI dan PTBA yang didapatkan dari pengolahan data harga penutupan saham bulanan.

3.2.2. Variabel Independen

Variabel-variabel independen yang digunakan dalam penelitian ini yaitu : 1. Customer Price Index (CPI)

CPI menggambarkan tingkat inflasi yang diukur dengan menggunakan data Indonesia riil atas harga konstan tahun dasar 2005. CPI menggambarkan tingkat harga barang dan jasa yang dikonsumsi masyarakat. Data CPI ini berupa data bulanan dan dinyatakan dalam bentuk indeks.

2. KURS

Kurs yang digunakan adalah kurs tengah yang merupakan kurs pada saat penutupan pasar uang. Kurs dihitung secara bulanan yang dinyatakan dalam bentuk IDR/USD.

3. M2

M2 menggambarkan jumlah uang beredar dimana yang digunakan dalam penelitian ini adalah jumlah uang beredar dalam arti luas yang dinyatakan dalam bentuk rupiah.

4. Industrial Production Index (IPI)

IPI yaitu sebuah indikator ekonomi yang mengukur produksi output riil. Hal ini dinyatakan sebagai output riil dengan tahun dasar 2000. IPI sering digunakan sebagai representasi (bagi aktifitas ekonomi atau pendapatan nasional untuk menggantikan ketiadaan data GDP atau GNP bulanan.

5. SBI dan SBIS

SBI dan SBIS menggambarkan risk free rate dimana yang digunakan dalam penelitian ini tingkat riil berupa data bulanan dan dinyatakan dalam satuan persen.

6. IHSG dan JII

IHSG dan JII menggambarkan market return. IHSG melibatkan seluruh harga saham yang tercatat di bursa. Sedangkan JII menggambarkan indeks saham syariah. IHSG dapat digunakan untuk menilai situasi pasar secara umum atau mengukur apakah harga saham mengalami kenaikan atau penurunan.

7. DUMMY

DUMMY menggambarkan peluang return kedua perusahaan. “0” untuk BUMI dan “1” untuk PTBA.

3.3. Metode Analisis

Metode analisis yang akan digunakan dalam penelitian ini adalah metode analisis yang bersifat deskriptif dan kuantitatif dengan menggunakan model ekonometrik yaitu ARCH-GARCH. Model ini digunakan untuk melihat pengaruh variabel makroekonomi terhadap risk return saham pertambangan dalam kelompok JII. Data yang dikumpulkan kemudian diolah dengan menggunakan paket program Microsoft Excel dan Eviews 6.

Tahapan-tahapan yang akan digunakan dalam penelitian ini yaitu : 1. Mengubah data ke dalam bentuk return.

2. Menganalisis mean, standard deviasi, kemenjuluran (skewness) dan keruncingan (kurtosis) dari setiap variabel.

3. Identifikasi model dengan pengujian kestasioneran, multikolinearitas, heteroskedastisitas dan autokorelasi.

4. Pemilihan model ARCH/GARCH terbaik untuk menjawab permasalahan. 5. Evaluasi hubungan return saham dengan variabel makroekonomi.

3.3.1. Perhitungan Return

Dalam proses GARCH data deret waktu yang bergerak secara “liar” perlu dilakukan lokalisasi di suatu daerah tertentu. Lokalisasi dilakukan dengan merubah data awal ke dalam bentuk return. hal ini dilakukan untuk dapat

mengetahui hubungan antara variabel makroekonomi dengan return saham. Selain itu hal ini akan membantu mengurangi masalah akibat ketidakstasioneran data yang didefinisikan sebagai :

Yt = Ln Xt+1

Xt

Dimana :

Yt = tingkat pengembalian (rupiah)

Xt+1 = harga penutupan saham pada saat t+1 (rupiah)

Xt = harga penutupan saham pada saat t (rupiah)

Nilai Yt akan bernilai positif jika harga saham naik terhadap Xt , dan

sebaliknya, akan bernilai negatif jika harga saham turun terhadap Xt. Data Yt

dengan pendekatan distribusi normal dengan variansi yang selalu berubah.

3.3.2. Deskripsi Data

Deskripsi data merupakan proses menganalisis mean, kemenjuluran (skewness) dan keruncingan (kurtosis) dari setiap variabel. Skewness adalah ukuran penyimpangan suatu distribusi simetris. Jika nilai skewness positif menunjukan data yang menjulur ke kanan sedangkan nilai skewness yang negatif menunjukan data menjulur ke kiri. Kurtosis digunakan untuk melihat apakah data cenderung berbentuk normal, menjulang atau mendatar. Nilai kurtosis yang positif menggambarkan bentuk menjulang sedangkan nilai kurtosis yang negatif menandakan data berbentuk mendatar. Jika nilai kurtosis lebih dari tiga mengindikasikan adanya heteroskedastisitas.

3.3.3. Pengujian Model

Proses-proses pengujian ini dapat dikelompokan dalam dua kelompok, yaitu proses mean dan proses variance. Proses mean adalah proses untuk menentukan variabel yang signifikan terhadap model. Proses ini terdiri atas pengujian stasionary, pengujian multikolinearitas dan pengujian autokorelasi. Proses variance adalah proses unutk menentukan variabel-variabel pada conditional variance untuk menghilangkan heteroskedastisitas.

Apabila variance model bersifat konstan atau homoskedastisitas maka sudah cukup baik menggunakan formulasi standar deviasi biasa (konvensional) dengan regresi berganda. Analisis yang digunakan adalah Ordinary Least Square (OLS), sehingga hasil yang didapatkan sudah bersifat Best Linear Unbiased Estimator (BLUE).

3.3.3.1. Pengujian Stasioner

Hal yang paling penting berkaitan dengan penelitian data time series adalah stasioneritas. Time series dikatakan stasioner jika secara stokastik menunjukan pola yang konstan dari waktu ke waktu atau dengan kata lain tidak terdapat pertumbuhan atau penurunan pada data tersebut atau data disebut horizontal sepanjang sumbu waktu.

Data yang non stasioner akan menghasilkan apa yang dinamakan regresi palsu atau Spurious Regression. Spurious Regression ini adalah regresi yang menggambarkan hubungan dua variabel atau lebih yang nampak signifikan secara statistik padahal kenyataanya tidak atau tidak sebesar regresi yang dihasilkan

tersebut. Ada beberapa cara yang dapat digunakan untuk mengukur stasioneritas, salah satunya dengan menggunakan Augmented Dickey-Fuller (ADF) Test. Data dikatakan stasioner jika nilai nilai mutlak ADF dari masing-masing variabel lebih besar jika dibandingkan dengan nilai mutlak MacKinnon critical values.

3.3.3.2. Pengujian multikolinearitas

Multikolinearitas yaitu terdapatnya hubungan linier yang sempurna diantara beberapa variabel yang menjelaskan model regresi. Indikasi multikolinearitas tercermin dengan melihat t dan F-statistik hasil regresi. Jika banyak koefisien parameter dari t-statistik diduga tidak signifikan sementara dari hasil F-hitung signifikan, maka patut diduga adanya multikolinearitas. Multikolineritas dapat diatasi dengan memberi perlakuan cross-section weight, sehingga t-statistik maupun F hitung menjadi signifikan.

Gujarati (2006) mengatakan bahwa multikolinearitas dapat dideteksi dengan beberapa indikator sebagai berikut :

a. R2 sangat tinggi

b. Dalam model yang hanya meliputi dua variabel yaitu dengan memeriksa korelasi derajat nol atau sederhana antara dua variabel. Apabila terdapat korelasi yang tinggi maka dapat dipastikan bahwa terdapat gejala multikolinearitas.

c. Dengan memeriksa koefisien korelasi parsial apabila dalam model yang meliputi lebih dari dua variabel x mempunyai korelasi derajat nol.

3.3.3.3. Pengujian Heteroskedastisitas

Menurut Gujarati (2006) heteroskedastisitas adalah kondisi dimana nilai varian dari variabel independen tidak memiliki nilai yang sama atau nilai ragam error term tidak memiliki nilai yang sama untuk setiap observasi. Untuk menguji adanya pelanggaran asumsi heteroskedatisitas digunakan uji yang diperoleh dari program Eviews.

Pengujian heteroskedastisitas adalah untuk menentukan adanya conditional variance dan residual. Bagi data yang bersifat heteroscedastic perhitungan variannya lebih tepat jika menggunakan model GARCH. Proses pengujian heteroskedastisitas dapat dilakukan dengan uji white untuk menentukan suatu residual bersifat heteroskedastisitas atau homoskedastisitas dilakukan uji stsistik dengan menggunakan hipotesis berikut :

H0: homoskedastisitas

H1: heteroskedastisitas

Jika p-value lebih dari taraf nyata maka tolak H0 yang berarti model

mengandung heteroskedastisitas.

3.3.3.4. Pengujian Autokorelasi

Autokorelasi didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu dan ruang. Akibat dari autokorelasi dapat mempengaruhi efisiensi dan estimatornya. Dampak lain dari autokorelasi pada model adalah varian residual yang diperoleh akan lebih rendah daripada semestinya sehingga menyebabkan R2 menjadi lebih tinggi. Untuk mendeteksi

adanya korelasi serial adalah dengan melihat nilai Durbin-Watson (DW) dalam output Eviews. Untuk mengetahui ada atau tidaknya autokorelasi, maka dilakukan dengan membandingkan DW-statistik dengan DW-tabel.

Tabel 3. Tabel untuk menentukan Autokorelasi Ada

autokorelasi positif

Tidak dapat diputuskan

Tidak ada autokorelasi

Tidak dapat diputuskan

Ada

autokorelasi negatif

dL du 4-du 4-dL 4 Sumber : Gujarati, 2006

Selain membandingkan niali DW-statistik dengan DW-tabel, autokorelasi juga dapat dideteksi dengan menggunakan dengan Breush-Grodfrey Serial Correlation LM Test. Hipotesis yang digunakan dalam uji Breush-Godfrey adalah: H0 : tidak ada autokorelasi

H1 : ada autokorelasi

Jika nilai p-value kurang dari taraf nyata maka tolak H0, artinya model

mengandung autokorelasi.

3.4. Analisis Model ARCH-GARCH

Model ARCH pertama kali dipopulerkan oleh Engle pada tahun 1982 (Enders,2004). ARCH secara spesifik didesain untuk memodelkan volatilitas residual yang sering terjadi pada data-data keuangan dan meramalkan (forecast) ragam bersyarat (conditional variances). Ragam sebagai variabel dependen (dependent variable) atau variabel endogen dimodelkan sebagai fungsi dari nilai masa lalu variabel dependen dan variabel independen (independent variable) atau

varibel eksogen juga demikian. Dengan menggunakan metode ini, kasus heteroskedastisitas dan korelasi serial dapat ditreatment sekaligus.

Model ARCH memodelkan keheterogenan ragam (heteroskedastisitas) yang tergantung pada informasi sebelumnya (conditional) secara autoregresif. Model ARCH diterapkan pada deret waktu yang tidak memenuhi asumsi kehomogenan ragam. Contoh data yang memiliki ragam heterogen adalah data yang berhubungan dengan dunia keuangan (harga saham, tingkat inflasi, tingkat suku bunga, fluktuasi harga, dll).

Model GARCH pertama kali dipopulerkan oleh Bollerslev pada tahun 1986. Model ini secara luas digunakan dalam berbagai cabang ekonometrika, khususnya dalam analisis deret waktu (time series) pada data-data keuangan dan penyempurnaan dari model ARCH (Enders, 2004). Model ini dibangun untuk menghindari ordo yang besar pada model ARCH.

GARCH mengansumsikan data yang akan dimodelkan memiliki standar deviasi yang selalu berubah terhadap waktu. GARCH cukup baik untuk memodelkan data yang berubah standar deviasinya, tetapi tidak untuk data yang benar-benar acak. Langkah awal untuk mengidentifikasi model ARCH-GARCH adalah dengan melihat ada tidaknya heteroskedastisitas dari data pergerakan harga penutupan saham-saham pertambangan terpilih.

Robert Engle (2001) Mengemukakan bahwa ARCH-GARCH adalah model yang digunakan untuk menjawab pertanyaan mengenai volatilitas. ARCH-GARCH model memperlakukan heteroskedastisitas sebagai varians yang akan dimodelkan. Sehingga tidak hanya kekurangan dari kuadrat terkecil yang

dikoreksi, tetapi dapat menghitung varians dari error. Model ini sering digunakan dalam aplikasi bidang keuangan. Chistos Floros (2008) mengemukakan bahwa penggunaan model GARCH memberikan keuntungan untuk menyelidiki respon asimetrik terhadap guncangan masa lalu.

Model ARCH-GARCH terdiri dari model rataan dan model ragam. Model rataan dapat berupa model ARMA, model regresi atau model konstanta. Misalkan terdapat data deret waktu Y1, Y2, ...., Yt, yang merupakan data

pengembalian harga saham dengan model rataan adalah model regresi sebagai berikut :

Yt = β0 + β1x1 + β02x2 + βtxt + t (1)

Dengan

E( t ) =0 (2)

2, untuk t =

E( t , ₎ =

0, untuk selainnya (3) Persamaan (3) berimplikasi bahwa keragaman galat konstan, tetapi ragam bersyarat galat dapat berubah menurut waktu. Ragam yang berubah-ubah pada tiap titik waktu juga mempunyai implikasi terhadap keshahihan dan keefisienan parameter (β, β1 , β2 , .... , βp). Walaupun persamaan (3) berimplikasi bahwa

ragam bersyarat dari t adalah konstan (sebesar 2), namun pada kenyataanya

yang digunakan untuk mendeskripsikan kuadrat dari t terhadap dirinya sendiri

mengikuti proses AR(m) :

t =

ξ

+

α

1 2

t-1

+

α

2 2

t-2

+...+

α

m 2

t-m

+

ω

t (4)

peubah

ω

t adalah proses white noise yang baru, dengan E(

ω

t) =0

λ

2, untuk t =

E(

ω

t ,

ω

) =  

0, untuk selainnya

Karena t juga merupakan error dari peramalan Yt, persamaan (4) berimplikasi

bahwa proyeksi linier kuadrat galat dari ramalan Yt terhadap m-kuadrat error

peramalan sebelumnya adalah sebagai berikut : E ( t|

2 t-1

,

2

t-2, ...

) =

ξ

+

α

1 2

t-1

+

α

2 2

t-2

+...+

α

m 2

t-m (5)

Proses white noise yang memenuhi persamaan (5) dikenal sebagai model Autoregressive Conditional Heteroschedasticity dengan orde m atau ARCH(m). Proses ini dinotasikan :

t

~

ARCH(m)

persamaan ini sering ditulis sebagai berikut :

h

t

=

ξ

+

α

1

2

t-1

+

α

2 2

t-2

+...+

α

m 2

t-m (6)

dimana ht= E ( t| 2

t-1

,

2

t-2, ...) yang sering disebut sebagai ragam.

Proses t

~

ARCH(m) dicirikan oleh : t =

√

ht . Vt dimana Vt ~ N (0,1)

lebih umum lagi diperlihatkan sebuah proses dimana ragam bersyaratnya tergantung pada jumlah lag terhingga dari 2t-j :

h

t

=

ξ

+

π

(L)

2

t (7)

dengan

π

(L) =

Σ

π

j

L

2

j=1

kemudian

π

(L) diparameterisasi sebagai rasio dari 2 orde polinomial terhingga :

π

(L) =

α

(L) =

α

1

(L)

1

+

α

2

(L)

2

+

α

3

(L)

3

+.... +

α

m

(L)

m 1- (L) 1- 1(L)1– 1- 2(L)2 – 1- 3(L)3- ... – 1- m(L)m

dimana diasumsikan bahwa akar dari 1- (L) = 0. Jika persamaan (7) dikalikan dengan 1- (L), maka diperoleh persamaan sebagai berikut :

[1- (L)] ht = [1- (L)]

ξ

+ α(L) 2

t

atau dapat ditulis sebagai berikut :

h

t

= K +

1

h

t-1

+

2

h

t-2

+

...

+

r

h

t-r

+

α

1

2

t-1

+

α

2 2

t-2

+ ... +

α

m 2

t-m (8) untuk nilai K = [1- 1

-

2

- ... -

r

]

ξ

Persamaan (8) dikenal sebagai model General Autoregressive Conditional Heteroscedasticity dengan orde m yang biasa dinotasikan sebagai t ~

GARCH (r,m) (Firdaus, 2006).

3.4.1. Pemilihan Model ARCH-GARCH Terbaik

Kriteria model terbaik adalah memiliki ukuran kebaikan model yang besar dan koefisien yang nyata. Terdapat dua bentuk pendekatan yang dapat digunakan sebagai ukuran kebaikan model yaitu :

1. AIC = ln (MSE) + 2*K/N

Akaike Information Criterion (AIC) 2. Schwartz Criterion (SC)

SC = ln (MSE) + [K*log (N)]/N Dimana :

MSE = Mean Square Error

K = banyaknya parameter, yaitu (p+q+1) N = banyaknya pengamatan

SC dan AIC adalah dua standar informasi yang menyediakan ukuran informasi yang dapat menemukan keseimbangan antara ukuran kebaikan model dan spesifikasi model yang terlalu hemat. Nilai ini dapat membantu untuk mendapatkan seleksi model terbaik. Model yang baik dipilih berdasarkan nilai AIC dan SC yang terkecil dengan melihat juga signifikansi koefisien model.

3.4.2. Pemeriksaan Model ARCH-GARCH

Pemeriksaan kecukupan model dilakukan untuk menguji asumsi, sehingga model yang diperoleh cukup memadai. Jika model tidak memadai, maka kembali ke tahap identifikasi untuk mendapatkan model yang lebih baik. Diagnosis model dilakukan dengan menganalisis residual yang telah distandardisasi. Diagnosis meliputi :

1. Sebaran Residual

2. Kebebasan residual yang dilihat dari fungsi autokolerasi dan kuadrat residual. 3. Pengujian efek ARCH-GARCH dari residual.

Langkah awal yang dilakukan adalah memeriksa kenormalan residual baku model dengan uji Jarque-Bera (JB). Uji JB mengukur perbedaan antara Skewness (kemenjuluran) dan Kurtosis (keruncingan) data dari sebaran normal, serta memasukkan ukuran keragaman. Hipotesis yang diuji adalah sebagai berikut: H0 : Sisaan baku menyebar normal

H1 : Sisaan baku tidak menyebar normal

Statistik uji JB dihitung dengan persamaan berikut : JB = N – K (S2 + ¼ (k – 3)2)

6 Dimana :

S = kemenjuluran K = keruncingan

k = banyaknya koefisien penduga N = banyaknya data pengamatan

Di bawah ini dijelaskan kondisi hipotesis nol. JB memiliki derajat bebas 2. Tolak H0 jika JB > χ22 (α) atau jika P(χ22 > JB) kurang dari α = 0,05. Artinya data

residual terbakukan tidak menyebar normal.

Model ARCH-GARCH menunjukan kinerja yang baik jika dapat menghilangkan autokorelasi yang ada pada data, yaitu bila residual baku merupakan proses white noise. Langkah selanjutnya adalah memeriksa koefisien autokorelasi residual baku, dengan Uji Ljung-Box.

Uji Ljung-Box (Q*) pada dasarnya adalah pengujian kebebasan residual baku. Untuk data deret waktu dengan N pengamatan, statistik uji Ljung-Box diformulasikan sebagai berikut :

Q* = n(n+2)

Σ

r12 ( t

)

l=1

dimana r1( t) adalah autokorelasi contoh pada lag 1 dan k adalah maksimum lag

yang diinginkan. Jika nilai Q* lebih besar dari nilai χ22 (α) dengan derajat bebas

k-p-q atau jika P (χ2(k-p-q) > Q*) lebih kecil dari taraf nyata 0,05 maka model tersebut

dinyatakan tidak layak.

3.5. Model Penelitian

Pada penelitian ini, penulis hanya akan menganalisis faktor-faktor makroekonomi yang mempengaruhi return pada saham batubara yang masuk dalam kelompok JII selama periode penelitian saja (BUMI dan PTBA). Setelah mendapatkan data penutupan dalam periode bulanan, data-data tersebut diolah menjadi data return. Data yang diubah ke dalam return tidak hanya data penutupan saham, tetapi data variabel makroekonomi yang digunakan turut pula diubah menjadi data return. Hal ini menyebabkan seluruh variabel menjadi sama satuannya yaitu persen.

Model yang digunakan dalam penelitian ini yaitu : Model 1 :

Rt = β0 + β1RCPIt + β2RKURSt + β3RM2t + β4RIPIt + β5RSBIt + β6RIHSGt +

β7

DUMMY +

t (11)

h

2

t

= K +

1

h

2

t-1

+

2

h

2

t-2

+

...

+

r

h

2

t-r

+

α

1 2

t-1

+

α

2 2

t-2

+ ... +

α

m 2

t-m

Model 2 :

Rt = β0 + β1RCPIt + β2RKURSt + β3RM2t + β4RIPIt + β5RSBISt + β6RJIIt +

β7

DUMMY +

t (12)

h

2t

= K +

1

h

2

t-1

+

2

h

2

t-2

+

...

+

r

h

2

t-r

+

α

1 2

t-1

+

α

2 2

t-2

+ ... +

α

m 2

t-m

Dimana :

Rt = return saham bulanan perusahaan pada periode t

ht = ragam ke-t

RCPI = returnCustomer Price Index

RKURS = return nilai tukar Rupiah terhadap US Dollar RM2 = return jumlah uang yang beredar

RSBI = return Suku Bunga Bank Indonesia RIPI = returnindustrial production index RIHSG = return Indeks Harga Saham Gabungan RSBIS = return Sertifikat Bank Indonesia Syariah RJII = returnJakarta Islamic Index

GARCH (1,1)

Dependent Variable: R

Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:24

Sample: 1 128

Included observations: 128

Convergence achieved after 50 iterations

Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7)

GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*GARCH(-1)

Variable Coefficient Std. Error z-Statistic Prob.

C -0.017233 0.016572 -1.039893 0.2984

RCPI -0.579457 0.769303 -0.753223 0.4513

RKURS -1.012233 0.928419 -1.090275 0.2756

RM2 0.673547 0.950209 0.708840 0.4784

RIPI 0.278206 0.238461 1.166676 0.2433

RSBIS -0.020641 0.058285 -0.354132 0.7232

RJII 0.952957 0.223957 4.255087 0.0000

DUMMY 0.034588 0.018159 1.904742 0.0568

Variance Equation

C 0.002103 0.001071 1.964793 0.0494

RESID(-1)^2 0.275955 0.152306 1.811847 0.0700

GARCH(-1) 0.642572 0.118975 5.400905 0.0000

R-squared 0.375061 Mean dependent var 0.024590

Adjusted R-squared 0.321648 S.D. dependent var 0.189820 S.E. of regression 0.156340 Akaike info criterion -1.099001 Sum squared resid 2.859727 Schwarz criterion -0.853905 Log likelihood 81.33606 Hannan-Quinn criter. -0.999417

F-statistic 7.021831 Durbin-Watson stat 1.904411

 

GARCH (1,2)

Dependent Variable: R

Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:25

Sample: 1 128

Included observations: 128

Convergence achieved after 81 iterations

Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7)

GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*RESID(-2)^2 + C(12)*GARCH( -1)

Variable Coefficient Std. Error z-Statistic Prob.

C -0.015050 0.016204 -0.928780 0.3530

RCPI -0.122206 0.747873 -0.163405 0.8702

RKURS -1.306899 0.624403 -2.093037 0.0363

RM2 0.601275 0.660988 0.909661 0.3630

RIPI 0.161729 0.236717 0.683216 0.4945

RSBIS -0.049766 0.054413 -0.914605 0.3604

RJII 1.180845 0.208346 5.667709 0.0000

DUMMY 0.011947 0.016782 0.711869 0.4765

Variance Equation

C 0.001055 0.000659 1.600362 0.1095

RESID(-1)^2 0.513878 0.190015 2.704411 0.0068

RESID(-2)^2 -0.439291 0.192336 -2.283980 0.0224

GARCH(-1) 0.880139 0.095020 9.262633 0.0000

R-squared 0.359563 Mean dependent var 0.024590

Adjusted R-squared 0.298832 S.D. dependent var 0.189820 S.E. of regression 0.158947 Akaike info criterion -1.091360 Sum squared resid 2.930647 Schwarz criterion -0.823983 Log likelihood 81.84707 Hannan-Quinn criter. -0.982723

F-statistic 5.920573 Durbin-Watson stat 1.984253

GARCH (2,1)

Dependent Variable: R

Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:26

Sample: 1 128

Included observations: 128

Failure to improve Likelihood after 54 iterations

Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7)

GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*GARCH(-1) + C(12)*GARCH( -2)

Variable Coefficient Std. Error z-Statistic Prob.

C -0.018918 0.015066 -1.255645 0.2092

RCPI -0.138533 0.618561 -0.223960 0.8228

RKURS -1.409767 0.348910 -4.040489 0.0001

RM2 0.262799 0.374735 0.701292 0.4831

RIPI -0.021718 0.112896 -0.192372 0.8475

RSBIS -0.028260 0.040631 -0.695525 0.4867

RJII 1.227381 0.114205 10.74718 0.0000

DUMMY 0.017452 0.014506 1.203082 0.2289

Variance Equation

C 0.007757 0.002739 2.831997 0.0046

RESID(-1)^2 0.812857 0.163196 4.980858 0.0000

GARCH(-1) -0.185722 0.057964 -3.204075 0.0014

GARCH(-2) 0.177307 0.072322 2.451616 0.0142

R-squared 0.341921 Mean dependent var 0.024590

Adjusted R-squared 0.279517 S.D. dependent var 0.189820 S.E. of regression 0.161122 Akaike info criterion -1.133749 Sum squared resid 3.011377 Schwarz criterion -0.866372 Log likelihood 84.55996 Hannan-Quinn criter. -1.025112

F-statistic 5.479145 Durbin-Watson stat 1.959315

 

GARCH (2,2)

Dependent Variable: R

Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:27

Sample: 1 128

Included observations: 128

Convergence achieved after 29 iterations

Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7)

GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*RESID(-2)^2 + C(12)*GARCH( -1) + C(13)*GARCH(-2)

Variable Coefficient Std. Error z-Statistic Prob.

C -0.021301 0.014697 -1.449370 0.1472

RCPI -0.082683 0.743292 -0.111239 0.9114

RKURS -1.408429 0.575428 -2.447620 0.0144

RM2 0.686149 0.355656 1.929252 0.0537

RIPI 0.085090 0.172449 0.493421 0.6217

RSBIS -0.052754 0.038943 -1.354646 0.1755

RJII 1.201062 0.139409 8.615411 0.0000

DUMMY 0.010468 0.014219 0.736201 0.4616

Variance Equation

C 0.003671 2.79E-07 13137.93 0.0000

RESID(-1)^2 0.673525 0.160969 4.184202 0.0000

RESID(-2)^2 -0.302964 0.133659 -2.266691 0.0234

GARCH(-1) 0.179782 0.136797 1.314230 0.1888

GARCH(-2) 0.306656 0.103595 2.960146 0.0031

R-squared 0.345701 Mean dependent var 0.024590

Adjusted R-squared 0.277426 S.D. dependent var 0.189820 S.E. of regression 0.161355 Akaike info criterion -1.163323 Sum squared resid 2.994080 Schwarz criterion -0.873664 Log likelihood 87.45269 Hannan-Quinn criter. -1.045633

F-statistic 5.063382 Durbin-Watson stat 1.979796

Lampiran 18. Model 2 Terbaik

Dependent Variable: R

Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/11 Time: 01:26

Sample: 1 128

Included observations: 128

Failure to improve Likelihood after 54 iterations

Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7)

GARCH = C(9) + C(10)*RESID(-1)^2 + C(11)*GARCH(-1) + C(12)*GARCH( -2)

Variable Coefficient Std. Error z-Statistic Prob.

C -0.018918 0.015066 -1.255645 0.2092

RCPI -0.138533 0.618561 -0.223960 0.8228

RKURS -1.409767 0.348910 -4.040489 0.0001

RM2 0.262799 0.374735 0.701292 0.4831

RIPI -0.021718 0.112896 -0.192372 0.8475

RSBIS -0.028260 0.040631 -0.695525 0.4867

RJII 1.227381 0.114205 10.74718 0.0000

DUMMY 0.017452 0.014506 1.203082 0.2289

Variance Equation

C 0.007757 0.002739 2.831997 0.0046

RESID(-1)^2 0.812857 0.163196 4.980858 0.0000

GARCH(-1) -0.185722 0.057964 -3.204075 0.0014

GARCH(-2) 0.177307 0.072322 2.451616 0.0142

R-squared 0.341921 Mean dependent var 0.024590

Adjusted R-squared 0.279517 S.D. dependent var 0.189820 S.E. of regression 0.161122 Akaike info criterion -1.133749 Sum squared resid 3.011377 Schwarz criterion -0.866372 Log likelihood 84.55996 Hannan-Quinn criter. -1.025112

F-statistic 5.479145 Durbin-Watson stat 1.959315

 

Lampiran 19. Uji Efek ARCH Model 2 Terbaik

Heteroskedasticity Test: ARCH

F-statistic 1.907120 Prob. F(1,125) 0.1697

Obs*R-squared 1.908516 Prob. Chi-Square(1) 0.1671

Lampiran 20. Uji Kenormalan Galat Model 2 Terbaik

 

 

0 4 8 12 16 20

-2 -1 0 1 2 3

Series: Standardized Residuals Sample 1 128

Observations 128

Mean 0.072419 Median -0.109576 Maximum 2.901750 Minimum -2.589602 Std. Dev. 1.025616 Skewness 0.249227 Kurtosis 3.293420

Jarque-Bera 1.784279 Probability 0.409778