86 Dalam Metode ARIMA ini, kegiatan coba-coba dengan menggunakan
komponen seasonal SARIMA semakin memperbesar nilai MSE yang diperoleh. Selain itu, penentuan L untuk musiman sulit dilakukan karena efek daripada
fluktuasi data yang sangat fluktuatif. Berdasarkan penerapan beberapa model peramalan seperti yang disajikan
pada Tabel 6, maka metode peramalan yang sesuai untuk menjelaskan pola data harga penutupan harian saham UNSP adalah metode ARIMA. Pemilihan ini
didasarkan atas nilai MSE yang dihasilkan dengan penggunaan metode ini lebih kecil dibandingkan dengan metode peramalan yang lainnya yakni sebesar 472.
Hal ini mengindikasikan bahwa metode ARIMA 1,1,1 lebih sesuai untuk menjelaskan pola data untuk emiten UNSP.
6.2.3. Peramalan Harga Saham Emiten UNSP
Metode yang dipilih untuk meramalkan pola data emiten UNSP adalah metode peramalan dengan model ARIMA 1,1,1. Model ARIMA 1,1,1 tersebut
dituliskan dalam bentuk peramalan umumnya adalah sebagi berikut : Y
t
= 1,301+ -0,5606 Y
t-1
+
t
– -0,8684
t-1
Peramalan untuk pergerakan harga saham harian penutupan emiten UNSP dengan metode yang dipilih metode ARIMA dapat dilihat pada Lampiran 3
memiliki kecenderungan yang meningkat berkisar Rp. 500,-an dan cenderung stabil sebelum akhir bulan Juni 2009 mencapai Rp. 600,-an untuk peramalan dua
bulan ke depan yakni di bulan Mei-Juni 2009. Hasil peramalan dapat dilihat pada Lampiran 4. Hasil ramalan ini memberikan kesempatan bagi para investor yang
memanfaatkan capital gain untuk membeli saham UNSP sekarang lalu menjualnya dikemudian hari terutama akhir bulan Juni dan sebelum penutupan
akhir bulan di tahun 2009 karena mencapai angka tertinggi dalam periode yang diramalkan yakni Rp. 600,-an.
VII
TINGKAT RISIKO HARGA SAHAM 7.1. Tingkat Risiko Emiten AALI
7.1.1. Identifikasi Efek ARCH Saham Emiten AALI
Dalam melakukan analisis, digunakan perbandingan harga saham pada saat t+1 dengan harga saham pada saat t yang biasa disebut pengembalian
return. Pengembalian merupakan diferensiasi logaritma natural dari pergerakan harga penutupan saham dengan jumlah pengamatan T-1=132 pengamatan pada
data harga saham emiten AALI. Secara matematis return dapat ditulis dengan rumus:
I ndex
re tu
rn
130 117
104 91
78 65
52 39
26 13
1 0.20
0.15 0.10
0.05 0.00
- 0.05 - 0.10
Time Ser ies Plot of r et ur n
Gambar 12. Return Harga Saham Emiten AALI
Ringkasan statistik dari data return AALI dapat dirinci secara spesifik pada Gambar 13. dimana rataan dari pengembalian AALI bernilai positif, yang
menandakan bahwa saham AALI memiliki trend yang positif. Nilai kurtosis yang lebih dari 3 memperlihatkan bahwa distribusi return AALI memiliki ekor yang
lebih padat dibandingkan dengan sebaran normal leptokurtis terhadap normal, sekaligus menunjukkan penumpukkan frekuensi pada interval tertentu di sekitar
rataan dan hanya sedikit yang tersebar jauh dari rataan. Nilai kurtosis yang lebih dari 3 merupakan gejala awal adanya heteroskedastisitas.
88
4 8
12 16
20
-0.10 -0.05
0.00 0.05
0.10 0.15
Series: RETURN Sample 1 132
Observations 132 Mean
0.004520 Median
0.000000 Maximum
0.181471 Minimum
-0.103184 Std. Dev.
0.052285 Skewness
0.767507 Kurtosis
4.726600 Jarque-Bera
29.35577 Probability
0.000000
Gambar 13. Ringkasan Statistik Return Harga Saham Emiten AALI Pendeteksian efek ARCH dengan uji autokorelasi. Pengujian efek ARCH
dilakukan dengan pengujian nilai autokorelasi kuadrat pengembalian, dimana dilihat nilai autokorelasi yang signifikan untuk 15 lag pertama Engle, 2001. Hal
ini dapat dilihat secara jelas pada Tabel 7. Tabel 7. Fungsi AC dan PAC dari Return Kuadrat Harga Saham Emiten AALI
Return kuadrat Lag
AC PAC
Q-Stat Prob
1 0,36
0,36 17,475
2 0,14
0,012 20,135
3 0,104
0,058 21,62
4 0,169
0,13 25,567
5 0,094
-0,014 26,808
6 0,103
0,066 28,287
7 0,086
0,02 29,323
8 0,058
-0,006 29,801
9 0,093
0,071 31,047
10 0,106
0,037 32,677
11 0,084
0,017 33,704
12 0,119
0,082 35,805
13 0,011
-0,098 35,823
0,001 14
-0,018 -0,027
35,87 0,001
15 -0,019
-0,024 35,922
0,002 Nilai Autokorrelasi return kuadrat signifikan pada 15 lag pertama
ditambah dengan nilai kurtosis yang melebihi 3, hal ini mengindikasikan terdapat unsur heteroskedastisitas pada data pengembalian dan efek ARCH di dalamnya.
89 Pengujian spesifikasi model dilanjutkan dengan pemilihan persamaan
rataan. Persamaan rataan yang terpilih untuk data pengembalian saham AALI adalah ARIMA 1,0,2. Model ini diperiksa sisaannya, dan dihasilkan nilai
langrange Multiplier 4,016584 lebih kecil dari nilai kritis chi square 0,05 yakni sebesar 5,99 serta memiliki nilai probability 0,047166
lebih kecil dari 0,05 dengan kata lain menolak hipotesis nol Ho yang berarti terdapat unsur
heteroskedastisitas di dalam data pengembalian harga saham penutupan harian AALI.
7.1.2. Estimasi Model Saham Emiten AALI
