PENGUJIAN EFISIENSI PASAR MODAL DI ASEAN - …repository.uinjkt.ac.id/dspace/bitstream/123456789/33893/1/DINI... · melakukan pembenahan di bidang pasar modal. Dalam kondisi persaingan

PENGUJIAN EFISIENSI PASAR MODAL DI ASEAN

(Studi Empiris Pada Indeks Saham Indonesia/JKSE, Malaysia/KLSE,

Singapura/STI, Filipina/PSI, Thailand/SETI, dan Vietnam/VNI

Periode 2011-2015)

SKRIPSI

Oleh:

Dini Nurliani

NIM: 1112081000097

JURUSAN MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1438 H/2016 M

i

PENGUJIAN EFISIENSI PASAR MODAL DI ASEAN


Singapura/STI, Filipina/PSI, Thailand/SETI, dan Vietnam/VNI Periode 2011-

2015)

SKRIPSI

Diajukan Kepada Fakultas Ekonomi dan Bisnis

Untuk Memenuhi Persyaratan Memperoleh Gelar Sarjana Ekonomi

Oleh:

Dini Nurliani

NIM: 1112081000097

Di Bawah Bimbingan

Pembimbing

Prof. Dr. Ahmad Rodoni, MM

NIP. 19690203 200112 1 003

JURUSAN MANAJEMAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1438 H/2016 M

ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF

Hari ini Kamis, 09 Juni 2016 telah dilakukan Ujian Komprehensif atas

mahasiswa:

1. Nama : Dini Nurliani

2. NIM : 1112081000097

3. Jurusan : Manajemen

4. Judul Skripsi : Pengujian Efisiensi Pasar Modal di ASEAN

(Studi Empiris Pada Indeks Saham Indonesia/JKSE,

Malaysia/KLSE, Singapura/STI, Filipina/PSI,

Thailand/SETI, dan Vietnam/VNI Periode 2011-2015)

Setelah mencermati dan memperhatikan penampilan dan kemampuan yang

bersangkutan selama proses Ujian Komprehensif, maka diputuskan bahwa

mahasiswa tersebut di atas dinyatakan LULUS dan diberi kesempatan untuk

melanjutkan ke tahap Ujian Skripsi sebagai salah satu syarat untuk memperoleh

gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas Islam

Negeri Syarif Hidayatullah Jakarta.

Jakarta, 09 Juni 2016

1. Amalia, M.S.M (________________)

NIP. 19740821 200901 2 005 Penguji 1

2. Amir Syarifuddin, SH., MM (________________)

NIP. 19460818 196603 1 001 Penguji 2

iii

LEMBAR PENGESAHAN UJIAN SKRIPSI

Hari ini Selasa, 20 Desember 2016 telah dilakukan Ujian Skripsi atas mahasiswa:

Nama : Dini Nurliani

NIM : 1112081000097

Jurusan : Manajemen

Judul Skripsi : Pengujian Efisiensi Pasar Modal di ASEAN (Studi Empiris

Pada Indeks Saham Indonesia/JKSE, Malaysia/KLSE,

Singapura/STI, Filipina/PSI, Thailand/SETI, dan

Vietnam/VNI Periode 2011-2015)

Setelah mencermati dan memperhatikan penampilan dan kemampuan yang

bersangkutan selama proses Ujian Skripsi, maka diputuskan bahwa mahasiswa

tersebut di atas dinyatakan LULUS dan skripsi ini diterima sebagai salah satu

syarat untuk memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan

Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Jakarta, 20 Desember 2016

1. Titi Dewi Warninda, SE., M.Si (_______________)

NIP. 19731221 200501 2 002 Ketua

2. Prof. Dr. Ahmad Rodoni, MM (_______________)

NIP. 19690203 200112 1 003 Sekretaris

3. Dr. Herni Ali HT, SE., MM (_______________)

NIDN. 0422 1259 02 Penguji Ahli

4. Prof. Dr. Ahmad Rodoni, MM (_______________)

NIP. 19690203 200112 1 003 Pembimbing

iv

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH

Yang bertanda tangan di bawah ini:


NIM : 1112081000097

Jurusan : Manajemen

Judul Skripsi : Pengujian Efisiensi Pasar Modal di ASEAN (Studi Empiris

Pada Indeks Saham Indonesia/JKSE, Malaysia/KLSE,

Singapura/STI, Filipina/PSI, Thailand/SETI, dan

Vietnam/VNI Periode 2011-2015)

Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:

1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan

mempertanggungjawabkan

2. Tidak melakukan plagiat terhadap naskah karya orang lain

3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli

atau tanpa ijin pemilik karya

4. Tidak melakukan pemanipulasian dan pemalsuan data

5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas

karya ini

Jika di kemudian hari ada tuntutan dari pihak lain atas karya saya, dan telah

melalui pembuktian yang dapat dipertanggungjawabkan, ternyata memang

ditemukan bukti bahwa saya telah melanggar pernyataan di atas, maka saya siap

untuk dikenai sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan

Bisnis UIN Syarif Hidayatullah Jakarta.

Demikian pernyataan ini saya buat dengan sesungguhnya.


Yang Menyatakan

(Dini Nurliani)

v

DAFTAR RIWAYAT HIDUP

I. DATA PRIBADI


Tempat, tanggal lahir : Bogor, 03 November 1994

Jenis kelamin : Perempuan

Agama : Islam

Alamat : Jl. Cendana Pondok Miri RT 001/005 Desa

Rawakalong Kec. Gunung Sindur Bogor

No. Telp : 08119131994

Email : [email protected]

II. PENDIDIKAN

2012 – 2016 UIN Syarif Hidayatullah Jakarta

2009 – 2012 MA Al-Inaayah Bogor

2006 – 2009 MTS Al-Inaayah Bogor

2000 – 2006 SD Negeri Nusa Indah Bogor

III. LATAR BELAKANG KELUARGA

1. Ayah : Dilit Muhadi

2. Tempat & Tgl. Lahir : Bogor, 12 Juni 1972

3. Telepon : 083872876178

4. Ibu : Tamih

5. Tempat & Tgl. Lahir : Bogor, 06 Mei 1976

6. Anak Ke dari : 1 (satu) dari 3 (tiga) bersaudara

vi

ABSTRACT

Capital market is one of the significant phases of every financial institution and

now it‟s playing a strategic role in a country‟s economic growth. The

characteristics of stock prices reflect the all available information in market. The

study aimed to test the efficiency of capital markets in ASEAN. The study has

examined the weak form efficient market hypothesis on the sixth major stock

exchanges of ASEAN including Indonesia, Malaysia, Singapore, Philippines,

Thailand, and Vietnam. The study has used the daily closing price on the sixth

major stock exchanges of ASEAN from January 2011 to December 2015. This

study has used analysis method Kolmogorov Smirnov Test, Run Test,

Autocorrelation, ARIMA and ARCH/GARCH. Finding suggest that none of the

sixth major stock markets in ASEAN follows random-walk and hence all the these

markets are not the weak form of efficient market.

Keywords: capital market, efficient market hypothesis (EMH), random-walk,

ASEAN, ARCH/GARCH

vii

ABSTRAK

Pasar modal merupakan salah satu tahapan penting dari setiap lembaga keuangan

dan sekarang memainkan peran strategis dalam pertumbuhan ekonomi suatu

negara. Karakteristik harga saham mencerminkan informasi semua tersedia di

pasar. Penelitian ini bertujuan untuk menguji efisiensi pasar modal di ASEAN.

Penelitian ini telah meneliti hipotesis pasar efisien bentuk lemah di keenam bursa

saham utama ASEAN termasuk Indonesia, Malaysia, Singapura, Filipina,

Thailand, dan Vietnam. Penelitian ini telah menggunakan harga penutupan harian

di keenam bursa saham utama ASEAN dari Januari 2011 sampai Desember 2015.

Penelitian ini telah menggunakan metode analisis Kolmogorov Smirnov Test, Run

Test, Autokorelasi, ARIMA dan ARCH / GARCH. Temuan menunjukkan bahwa

tidak satupun dari keenam pasar saham utama di ASEAN yang mengikuti random

walk dan karenanya semua pasar ini merupakan pasar yang tidak efisien dalam

bentuk lemah.

Kata Kunci: pasar modal, hipotesis pasar efisien (EMH), random walk, ASEAN,

ARCH/GARCH

viii

KATA PENGANTAR

Bismillahirrahmanirrahim

Alhamdulillahirabbil‟alamiin, puji syukur senantiasa penulis panjatkan

kehadirat Allah SWT, atas segala taufik, hidayah dan inaayah-Nya sehingga

penulis dapat menyelesaikan skripsi yang berjudul “Pengujian Efisiensi Pasar

Modal di ASEAN (Studi Empiris Pada Indeks Saham Indonesia/JKSE,

Malaysia/KLSE, Singapura/STI, Filipina/PSI, Thailand/SETI, dan

Vietnam/VNI Periode 2011-2015)”.

Shalawat serta salam tak lepas penulis haturkan kehadirat Nabi Besar

Muhammad SAW, keluarga, sahabat, serta para pengikutnya yang telah membawa

kita dari zaman kegelapan ke zaman yang terang benderang.

Skripsi ini disusun sebagai salah satu untuk memperoleh gelar Sarjana

Strata satu pada Fakultas Ekonomi dan Bisnis, Program Studi Manajemen

Universitas Islam Negeri Jakarta.

Penulis menyadari bahwa penulisan skripsi ini tidak dapat terselesaikan

tanpa dukungan dari berbagai pihak baik moril maupun materil. Oleh karena itu,

dalam kesempatan ini penulis mengucapkan ucapan terimakasih kepada pihak-

pihak yang telah membantu dalam penyusunan skripsi ini, terutama kepada:

1) Ayah dan Ibu tercinta yang selalu memberikan cintanya kepadaku, yang

telah memberikan kasih sayang, kepercayaan, didikan, dan bimbingan

serta membesarkanku dengan lantunan doa dan semangat cinta beliau

sehingga membuatku menjadi orang yang tegar, termotivasi, serta

terdukung untuk terus maju dan berjuang dalam hidup.

2) Bapak Dr. M. Arief Mufraini Lc., M.Si selaku Dekan Fakultas Ekonomi

dan Bisnis UIN Syarif Hidayatullah

3) Ibu Titi Dewi Warninda, SE., M.Si selaku Ketua Jurusan Manajemen

Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah.

4) Bapak Prof. Dr. Ahmad Rodoni, MM selaku Pembimbing yang banyak

memberikan saran, petunjuk, ilmu pengetahuan dan meluangkan waktunya

sehingga terselesaikan skripsi ini.

ix

5) Seluruh Dosen Fakultas Ekonomi dan Bisnis baik Staff Akademisi dan

keuangan terima kasih atas segala bantuannya.

6) Untuk suamiku, terima kasih kaka yang selalu menyemangatiku dalam

berbagai kondisi agar cepat meyelesaikan skripsi ini.

7) Seluruh keluarga besar yang telah memberikan semangat, motivasi, dan

dukungan yang besar kepada penulis untuk menyelesaikan skripsi ini.

8) Sahabat Zone (Yayah, Shefa, Dewi, Santi, Hedra, Abdi, Gendut dan Lutfi),

Dwi, Alip dan Andi serta Teman-teman seperjuangan di kelas manajemen

2012 khususnya keuangan, yang telah banyak membantu dalam

penyelesaian skripsi ini.

9) Terimakasih juga kepada Abang Uda Iswandi di Fotokopian Maju Jaya

yang telah banyak membantu dalam pencetakan skripsi ini.

10) Pihak-pihak yang belum saya sebutkan yang turut membantu baik dengan

moril maupun materiil sehingga skripsi ini dapat terselesaikan terima kasih

atas kebaikan dan perhatian yang kalian berikan.

Penulis menyadari bahwa hasil penelitian ini masih memiliki

banyak kekurangan. Dengan segenap kerendahan hati penulis

mengharapkan saran, arahan maupun kritikan yang konstruktif demi

penyempurnaan hasil penelitian ini. Semoga penulisan skripsi ini dapat

bermanfaat bagi semua pihak khususnya dalam bidang manajemen

keuangan.


Dini Nurliani

x

DAFTAR ISI

LEMBAR PENGESAHAN SKRIPSI ......................................................... i

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ............................ ii

LEMBAR PENGESAHAN UJIAN SKRIPSI ............................................ iii

LEMBAR PENGESAHAN KARYA ILMIAH ........................................... iv

DAFTAR RIWAYAT HIDUP ..................................................................... v

ABSTRACT ..................................................................................................... vi

ABSTRAK ...................................................................................................... vii

KATA PENGANTAR ................................................................................... viii

DAFTAR ISI .................................................................................................. x

DAFTAR TABEL .......................................................................................... xiii

DAFTAR GAMBAR ...................................................................................... xiv

DAFTAR LAMPIRAN ................................................................................. xv

BAB I PENDAHULUAN .................................................................. 1

A. Latar Belakang Masalah ..................................................... 1

B. Permasalahan...................................................................... 9

1. Identifikasi Masalah ..................................................... 9

2. Batasan Masalah........................................................... 10

3. Rumusan Masalah ........................................................ 11

C. Tujuan Penelitian ............................................................... 11

D. Manfaat Penelitian ............................................................. 12

BAB II TINJAUAN PUSTAKA ......................................................... 14

A. Kajian Teori ....................................................................... 14

xi

1. Pasar Modal .................................................................. 14

2. Investasi........................................................................ 17

3. Saham ........................................................................... 22

4. Return Saham .............................................................. 25

5. Efisiensi Pasar .............................................................. 27

6. Random Walk ............................................................... 45

B. Penelitian Terdahulu .......................................................... 50

C. Kerangka Pemikiran ........................................................... 55

D. Hipotesis Penelitian ............................................................ 57

BAB III METODOLOGI PENELITIAN ........................................... 58

A. Ruang Lingkup Penelitian .................................................. 58

B. Metode Penentuan Sampel ................................................. 58

C. Metode Pengumpulan Data ................................................ 59

D. Metode Analisis Data ......................................................... 60

1. Uji Kolmogorov Smirnov ............................................ 60

2. Uji Run Test ................................................................. 61

3. Uji Autokorelasi ........................................................... 63

4. Model ARIMA ............................................................. 64

5. Model ARCH/GARCH ................................................ 74

E. Definisi Operasional Variabel ............................................ 76

BAB IV ANALISIS DAN PEMBAHASAN ........................................ 80

A. Sekilas Gambaran Umum Objek Penelitian ...................... 80

B. Analisis dan Pembahasan ................................................... 87

1. Uji Kolmogorov Smirnov ............................................ 87

2. Uji Run Test ................................................................. 88

3. Uji Autokorelasi ........................................................... 91

4. Model ARIMA ............................................................. 95

5. Model ARCH/GARCH ................................................ 101

xii

BAB V PENUTUP ............................................................................... 109

A. Kesimpulan ........................................................................ 109

B. Saran ................................................................................... 110

DAFTAR PUSTAKA ..................................................................................... 112

LAMPIRAN .................................................................................................... 115

xiii

DAFTAR TABEL

No. Keterangan Halaman

Tabel 2.1 Penelitian Terdahulu ..................................................................... 54

Tabel 3.1 Pola ACF dan PACF ..................................................................... 71

Tabel 4.1 Hasil Uji Kolmogorov Smirnov .................................................... 88

Tabel 4.2 Hasil Uji Run Test ......................................................................... 89

Tabel 4.3 Hasil Uji Autokorelasi ................................................................... 93

Tabel 4.4 Hasil Uji Unit Root ....................................................................... 97

Tabel 4.5 Model Peramalan ARIMA Terbaik .............................................. 99

Tabel 4.6 Hasil Pengujian ARCH Effect....................................................... 101

Tabel 4.7 Model ARCH/GARCH Terbaik .................................................... 103

Tabel 4.8 Hasil Pengujian ARCH Effect....................................................... 105

xiv

DAFTAR GAMBAR


Gambar 2.1 Hubungan Bentuk Efisiensi Pasar dengan Ketersediaan

Informasi .............................................................................. 41

Gambar 2.2 Kerangka Pemikiran ............................................................ 56

xv

DAFTAR LAMPIRAN


Lampiran 1 Hasil Output Uji Kolmogorov Smirnov .............................. 115

Lampiran 2 Hasil Output Uji Run Test ................................................... 115

Lampiran 3 Hasil Output Uji Breusch-Godfrey ...................................... 116

Lampiran 4 Hasil Output Uji Stasioneritas Correlogram ........................ 117

Lampiran 5 Hasil Output Uji Stasioneritas ADF .................................... 123

Lampiran 6 Hasil Output Model ARIMA ............................................... 125

Lampiran 7 Hasil Output Uji ARCH Effect ............................................ 153

Lampiran 8 Hasil Output Model ARCH/GARCH .................................. 154

Lampiran 9 Hasil Output Uji ARCH-LM Model ARCH/GARCH ......... 166

1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Menghadapi persaingan Masyarakat Ekonomi Asean (MEA 2015) antar

Negara yang tergabung dalam ASEAN untuk merebut peluang dalam

internasionalisasi keuangan maupun perdagangan, maka setiap negara tidak

saja harus membenahi pasar uang tetapi juga pasar modal. Pasar modal, tidak

bisa tidak, harus didorong untuk berperan lebih giat dalam memobilisasi dana

investasi dimaksud. Namun, semua negara juga menghadapi tantangan global

yang sama dan karena itu negara-negara tersebut dituntut untuk terus

melakukan pembenahan di bidang pasar modal. Dalam kondisi persaingan

seperti ini, salah satu kekuatan yang dapat meningkatkan bargaining position

adalah efisiensi (Erwin Hendarwin, 2015: 1)

Salah satu persyaratan penting bagi perkembangan pasar modal adalah

efisiensi. Konsep mengenai efisiensi pasar ini dapat dijumpai dalam beberapa

literatur dan penggunaannya tergantung pada konteks atau obyek

permasalahan yang dibahas. Konsep pasar modal yang efisien ini menurut

Suad Husnan (2012: 264 ) merupakan tema yang dominan pada tahun 1960-

an terutama di kalangan akademisi. Konsep ini meskipun secara umum

dipercaya oleh kalangan akademisi, akan tetapi tidak semua masyarakat

mempercayainya, bahkan istilah pasar modal yang efisien ini sering

digunakan dengan arti atau maksud yang berbeda-beda.

2

Pasar modal yang efisien dapat diartikan sebagai pasar yang bisa

menyediakan jasa-jasa yang diperlukan oleh para pemodal dengan biaya yang

minimal. Dalam pengertian yang lain, West (1975) dalam (Erwin Hendarwin,

2015: 7) misalnya membedakan istilah efisiensi pasar modal ini dengan dua

pendekatan, yakni external efficiency dan internal efficiency. Menurut West,

external efficiency menunjukkan bahwa pasar berada dalam keseimbangan

sehingga keputusan perdagangan saham berdasarkan atas informasi yang

tersedia tidak bisa memberikan keuntungan di atas tingkat keuntungan

keseimbangan. Sedangkan internal efficiency, lanjut West, menunjukkan

bahwa pasar modal tersebut bukan hanya memberikan harga yang benar

tetapi juga memberikan berbagai jasa yang diperlukan oleh para pembeli dan

penjual dengan biaya serendah mungkin.

Efsiensi eksternal (external efficiency) ini sesuai dengan pengertian

mikro pasar modal, yaitu suatu kondisi seberapa jauh pasar modal

informationally efficient, yang berkaitan dengan apakah harga sekuritas di

pasar modal tersebut mencerminkan informasi yang relevan. Konsep ini

berbeda dengan konsep makro pasar modal. Efisiensi eksternal ini

berhubungan dengan seberapa jauh pasar modal bisa memobilisasi dana dari

masyarakat. Para peneliti telah menguji keadaan/bentuk ini dengan melihat

peristiwa-peristiwa terntu seperti penerbitan saham baru, pengumuman laba

dan dividen, perkiraan laba perusahaan, perubahan praktek-praktek akuntansi,

merger dan pemecahan saham (split stock).

3

Untuk menyajikan pemahaman yang baik mengenai konsep efisiensi

pasar modal ini, sebaiknya perlu diperhatikan tiga bentuk teori pasar modal

yang efisiensi. Pertama, Weak form efficiency; kedua, Semi strong form

efficiency, dan ketiga, Strong form efficiency. Ketiga bentuk kategori pasar

modal yang efisien tersebut oleh Robert (2012) dalam (Erwin Hendarwin,

2015: 8) diuraikan sebagai berikut:

"Weak form hypotheses, that current stock price already reflects all

information that can be gleaned from past price changes".

"Semi strong form hypotheses, that current stock price reflect not only

the imformation implied by historical price changes but olso information

implied by all publicly available information relevant to a company‟s

securities".

"Strong form hypotheses, that current stock price reflecs all relevant

information available only to company insider or other frivilegedgroups".

Dengan demikian, pada weak form efficiency, pemodal tidak bisa

memperoleh tingkat keuntungan di atas normal dengan menggunakan trading

rules berdasarkan informasi harga pada masa atau waktu sebelumnya. Banyak

pasar modal di dunia mengambil bentuk seperti ini. Berbeda dengan weak

form, pada semi strong form efficiency, harga-harga saham yang ada saat ini

bukan saja dicerminkan pada kondisi harga pada waktu yang lalu tetapi juga

mencakup semua informasi yang dipublikasikan. Artinya, para pemodal tidak

dapat memperoleh tingkat keuntungan di atas normal dengan memanfaatkan

informasi publik.

4

Efisiensi pasar merupakan salah satu topik mendasar yang perlu

direnungi karena berkaitan langsung dengan relevan atau tidaknya kegiatan

untuk berusaha memprediksi arah harga (timing). Sebagian besar kalangan

akademisi berkeyakinan bahwa pasar saham merupakan pasar yang efisien.

Suatu pasar dikatakan efisien apabila harga barang-barang yang dijual telah

menunjukan semua informasi yang ada sehingga tidak terbias (not biased)

menjadi terlalu murah atau terlalu mahal. Perubahan harga di masa

mendatang hanya tergantung dari datangnya informasi baru di masa

mendatang yang tidak diketahui sebelumnya. Perubahan harga terjadi dengan

sangat cepat sehingga tidak memungkinkan untuk dieksploitasi. Karena

informasi baru datangnya tidak bisa diduga, maka perubahan harga pun tidak

bisa diduga alias random.

Di dalam suatu pasar yang efisien, tidak mungkin seseorang untuk

secara konsisten mengalahkan performa pasar dengan memakai informasi

yang telah diketahui pasar, kecuali dengan mendapatkan keberuntungan

(luck). Dalam setiap periode, kira-kira setengah investor akan mendapatkan

hasil lebih baik dari pasar dan setengah lagi akan mendapatkan hasil yang

lebih jelek hanya karena keberuntungan/kesialan.

Teori pasar yang efisien tergantung pada asumsi bahwa semua pelaku

pasar mengolah informasi secara rasional dan secara rata-rata informasi yang

dimiliki semua pelaku pasar adalah benar (meskipun tak seorang pemainpun

memiliki semua informasi yang benar: misal sebagian memiliki informasi

yang bagus-bagus sebagian lagi memiliki informasi yang jelek-jelek tentang

http://en.wikipedia.org/wiki/Rational_expectations

5

suatu perusahaan). Pasar yang efisien juga memerlukan sekelompok pemain

yang dengan cepat akan meng-arbitrage bila kemungkinan arbitrage

(keuntungan tanpa resiko) muncul.

Terdapat beberapa alasan yang menyebabkan pasar menjadi efisien.

Pasar efisien dapat terjadi karena peristiwa-peristiwa sebagai berikut ini: 1)

Investor adalah penerima harga, yang berarti bahwa sebagai pelaku pasar,

investor seorang diri tidak dapat mempengaruhi harga dari suatu sekuritas. 2)

Informasi tersedia secara luas kepada semua pelaku pasar pada saat yang

bersamaan dan harga untuk memperoleh informasi tersebut murah. Umumnya

pelaku pasar menerima informasi lewat radio, koran atau media masa lainnya,

sehingga informasi tersebut dapat diterima pada saat yang bersamaan. 3)

Informasi yang dihasilkan secara acak (random) dan tiap-tiap pengumuman

informasi sifatnya random satu dengan yang lainnya. Informasi dihasilkan

secara acak (random) mempunyai arti bahwa investor tidak dapat

memprediksi kapan emiten akan mengumumkan informasi yang baru. 4)

Investor bereaksi dengan menggunakan informasi secara penuh dan cepat,

sehingga harga dari sekuritas berubah dengan semestinya mencerminkan

informasi tersebut untuk mencapai keseimbangan yang baru.

Pasar modal ASEAN yang terintegrasi, akan meningkatkan perannya

dalam peingkatan pembanguna ekonomi negara-negara ASEAN. Peran pasar

modal ini penting karena pasar modal merupakan sumber pendanaan jangka

panjang bagi korporasi dan untuk memperoleh tambahan nilai keuntungan

bagi investor. Bursa-bursa saham yang terintegrasi akan memeberian peluang

6

bagi perusahaan-perusahaan untuk mendapatkan modal secara efisien.

Sedangkan bagi para investor dapat menanamkan modalnya pada sekuritas

atau investasi portofolio.

Sampai saat ini, antar negara ASEAN masih terdapat perbedaan-

perbedaan regulatory (peraturan). Kurangnya kerangka ker peraturan bersama

antar negara merupakan faktor yang dapat menghambat realisasi rencana ini.

Maka keinginan memiliki pasar modal tunggal di kawasan ASEAN, sampai

batas akhir 2015, perlu dilakukan pembuatan kebijakan yang mengatur

perpajakan, perlindungan investor dan penyelesaian sengketa. Setiap negara

harus memprioritaskan dan mensinkronkan program negaranya masing-

masing, integrasi harus dilakukan para pemangku kepentingan, setiap negara

harus berusaha meningkatkan likuiditas di pasar ASEAN.

Masalah efisiensi pasar modal di pasar saham negara-negara ASEAN

merupakan sangat penting. Tingkat kepentingannya menjadi tema kajian yang

menarik untuk ditelili dan dianalisis. Mengingat penerapan pasar tunggal

dalam perekonomian kian cepat, sehingga akan lebih menarik dan perlu untuk

mengetahui serta membuktikan apakah pasar modal dikawasan negara

anggota ASEAN sudah efisien ataukah masih belum efisien.

Penelitian tentang masalah efisiensi pasar modal di negara-negara

anggota ASEAN telah banyak dilakukan oleh beberapa peneliti. Namun,

karena penelitian tentang efisiensi pasar yang dilakukan oleh para peneliti

dengan menggunakan metode pengujian yang berbeda dan data yang berbeda

7

sehingga hasil yang diperoleh juga memiliki keragaman dan tidak dapat

memberikan hasil yang konsisten dari masing-masing peneliti.

Penelitian yang dilakukan oleh Kasihif Hamid, et al (2010). Penelitian

ini menguji efisiensi pasar bentuk lemah di Pakistan, India, Sri Langka,

China, Korea, Hong Kong, Indonesia, Malaysia, Filipina, Singapura,

Thailand, Taiwan, Japan, dan Australia. Observasi pada penelitian ini selama

periode Januari 2004 samapi Desember 2009 dengan menggunakan data

bulanan. Penelitian ini menggunakan uji Autokorelasi, Ljung-Box Q-statistik,

Run Test, Unit Root Test dan Variance Ratio untuk menguji hipotesis bahwa

pasar modal mengikuti random walk. Hasil penelitian menunjukkan bahwa

return bulanan pada pasar modal di Asia Pasifik tidak mengikuti pola random

walk.

Penelitian yang dilakukan oleh Francesco Guidi dan Rakesh Gupta

(2011). Penelitian ini menguji efisiensi pasar di ASEAN dengan

menggunakan data harga saham harian periode Januari 2000 sampai April

2011. Penelitian ini meggunakan uji Unit Root Test, Variance Ratio Test, dan

Run Test untuk menguji efisiensi pasar bentuk lemah di pasar modal ASEAN.

Hasil penelitian ini menunjukkan bahwa di pasar Indonesia, Malaysia,

Filipina, dan Vietnam menolak efisiensi pasar, sedangkan pada pasar

Singapura dan Thailand ditemukan efisiensi bentuk lemah.

Penelitian yang dilakukan oleh Nasruldin (2011). Penelitian ini menguji

efisiensi pasar bentuk lemah di pasar modal Indonesia selama periode 2009-

2010 dengan menggunakan data harga saham harian. Penelitian ini

8

menggunakan uji run test dan korelasi seri untuk menguji kerandoman dan

korelasi harga saham. Hasil penelitain menunjukkan bahwa pasar modal di

Indonesia efisien dalam bentuk lemah.

Penelitian yang dilakukan oleh Wenty Yolanda, dkk (2014). Penelitian

ini menguji efisiensi pasar modal di Indonesia khususnya pada saham terpilih

yaitu Indeks Saham LQ 45 dengan menggunakan data harga saham harian

peride 2009-2011. Penelitian ini menggunakan model GARCH untuk

menguji efisiensi pasar pada saham Indeks LQ 45. Hasil penelitian dengan

penerapan model GARCH (1,1) menunjukkan bahwa pada harga penutupan

harian (closing price) saham pada Indeks LQ 45 periode 2009-2011, harga

pada periode 3 hari dan 4 hari sebelumnya adalah yang paling berpengaruh.

Efisiensi pasar modal di Indonesia termasuk efisiensi bentuk lemah (weak

form efficiency) yang juga ditunjukkan oleh return harga saham yang

mengalami volatisitas dan random walk.

Penelitian yang dilakukan oleh Khoa Cuong Phan dan Jian Zhou

(2014). Penelitian ini menguji efisiensi pasar bentuk lemah di pasar modal

Vietnam dengan menggunakan data harga saham mingguan periode Juli 2000

sampai Juli 2013 (13 tahun). Penelitian ini menggunakan uji Autokorelasi,

Variance Ratio Test, dan Run Test untuk menguji hipotesis bahwa pasar

modal di Vietnam mengikuti pola random walk. Hasil penelitian ini

menunjukkan bahwa pasar modal Vietnam tidak efisien.

Penelitian yang dilakukan oleh Kasilingam Lingaraja, et al (2014).

Penelitian ini menguji efisiensi pasar di pasar saham Asia yang sedang

9

berkembang dengan menggunakan data harga saham harian selama 10 tahun

periode 1 Januari 2004 sampai 31 Desember 2013. Penelitian ini

menggunakan uji GARCH, Autokorelasi, dan Run Test untuk menguji

efisiensi pasar di pasar saham Asia yang sedang berkembang. Hasil penelitian

menunjukkan bahwa pada Indeks India, Indonesia, Malaysia, dan Filipina

sangat signifikan dan terdistribusi secara acak, sedangkan pada Indeks China,

Korea, Taiwan, dan Thailand tidak signifikan dan tidak terdistribusi secara

acak.

Penelitian yang dilakukan oleh Samithamby Senthilnathan (2015).

Penelitian ini menguji efisiensi pasar di Asia dan kawasan Pasifik dengan

menggunakan tinjauan literatur dari berbagai penelitian sebelumnya. Hasil

penelitian menunjukkan bahwa pasar modal di Thailand, Singapura, Jepang,

dan Selandia Baru cukup mencerminkan efisiensi, sedangkan tidak di negara

lainnya berdasarkan hasil tinjauan literatur.

Berdasarkan uraian di atas, maka peneliti tertarik untuk melakukan

penelitian dengan judul “Pengujian Efisiensi Pasar Modal di ASEAN”


Singapura/STI, Filipina/PSI, Thailand/SETI, dan Vietnam/VNI Periode

2011-2015).

B. Permasalahan

1. Identifikasi Masalah

Berdasarkan latar belakang masalah di atas, maka peneliti

mengidentifikasi masalah yang ada sebagai berikut.

10

a. Terdapat sejumlah kecil pelaku pasar yang dapat mempengaruhi

harga dari sekuritas.

b. Harga dari informasi adalah mahal dan terdapat akses yang tidak

seragam antara pelaku pasar yang satu dengan yang lainnya

terhadap suatu informasi yang sama.

c. Informasi yang disebarkan dapat diprediksi dengan baik oleh

sebagian pelaku-pelaku pasar.

d. Investor adalah individual-individual yang lugas dan tidak canggih.

Untuk pasar yang tidak efisien, masih banyak investor yang

bereaksi terhadap informasi secara lugas, karena mereka

mempunyai kemampuan yang terbatas didalam mengartikan dan

menginterpretasikan informasi yang diterima. Karena mereka tidak

canggih, maka sering kali mereka melakukan keputusan yang salah

yang akibatnya sekuritas bersangkutan dinilai secara tidak tepat.

2. Batasan Masalah

Berdasarkan latar belakang dan identifikasi masalah di atas, agar

penelitian lebih fokus dan tidak meluas dari pembahasan yang dimaksud,

maka penulis menetapkan batasan masalah. Penelitian ini terfokus pada

pengujian efisiensi pasar modal bentuk lemah (weak form efficiency).

Penelitian ini menggunakan data harga saham harian untuk menghitung

return dari masing-masing negara. Penelitian ini mengambil objek

penelitian di negara ASEAN dengan menggunakan data harga saham

indeks di Indonesia, Malaysia, Singapura, Filipina, Thailand, dan

11

Vietnam. Penelitian ini menguji kerandoman data dari ke enam indeks

saham tersebut.

3. Rumusan Masalah

Berdasarkan identifikasi dan batasan permasalahan di atas, maka

dapat di rumuskan permasalahan sebagai berikut.

a. Apakah indeks saham Indonesia/JKSE efisien dalam bentuk lemah

pada periode 2011-2015?

b. Apakah indeks saham Malaysia/KLSE efisien dalam bentuk lemah


c. Apakah indeks saham Singapura/STI efisien dalam bentuk lemah


d. Apakah indeks saham Filipina/PSI efisien dalam bentuk lemah pada

periode 2011-2015?

e. Apakah indeks saham Thailand/SETI efisien dalam bentuk lemah


f. Apakah indeks saham Vietnam/VNI dalam bentuk lemah pada

periode 2011-2015?

g. Apakah pasar modal di ASEAN efisien dalam bentuk lemah pada

periode 2011-2015?

C. Tujuan Penelitian

Tujuan penelitian ini adalah menguji efisiensi pasar modal di negara-

negara ASEAN. Secara rinci tujuannya adalah sebagai berikut.

12

1. Menguji efisiensi pasar modal bentuk lemah di Indonesia pada periode

2011-2015

2. Menguji efisiensi pasar modal bentuk lemah di Malaysia pada periode

2012-2015

3. Menguji efisiensi pasar modal bentuk lemah di Singapura pada periode

2011-2015

4. Menguji efisiensi pasar modal bentuk lemah di Filipina pada periode

2011-2015

5. Menguji efisiensi pasar modal bentuk lemah di Thailand pada periode

2011-2015

6. Menguji efisiensi pasar modal bentuk lemah di Vietnam pada periode

2011-2015

7. Menguji efisiensi pasar modal bentuk lemah di ASEAN pada periode

2011-2015

D. Manfaat Penelitian

Penelitian ini diharapkan dapat bermanfaat bagi pihak-pihak yang

berkepentingan.

1. Bagi penulis

Memperluas informasi serta wawasan luas mengenai pasar modal di

ASEAN terutama masalah efisiensi pasar serta sebagai bahan masukan

dalam memahami efisiensi pasar bentuk lemah. Dan memberikan bahan

kajian bagi peneliti selanjutnya mengenai fenomena yang relevan dengan

penelitian.

13

2. Bagi Investor

Memberikan gambaran kepada investor, baik investor asing maupun

investor dalam negeri mengenai tingkat efisiensi pasar modal di ASEAN,

sehingga dapat membantu para investor dan pihak-pihak yang terkait

dengan pasar modal dalam menentukan strategi investasi yang lebih baik.

Hasil penelitian ini diharapkan dapat menggambarkan tingkat efisiensi

pasar modal di ASEAN dengan baik

3. Bagi ilmu manajemen, khususnya dan memperkaya informasi ilmiah

mengenai validitas empiris dari aplikasi Efficient Market Hypothesis

(EMH).

14

BAB II

TINJAUAN PUSTAKA

A. Kajian Teori

1. Pasar Modal

a. Pengertian Pasar modal

Pasar dapat diartikan sebagai tempat bertemunya penjual dan

pembeli yang saling mengadakan pertukaran barang dan jasa.

Pengertian pasar modal atau bursa efek adalah salah satu jenis pasar

dimana para investor bertemu untuk menjual atau membeli surat-surat

berharga atau efek. Pasar modal adalah pertemuan antara pihak yang

memiliki kelebihan dana dengan pihak yang membutuhkan dana

dengan cara memperjualbelikan sekuritas.

Dalam Undang-Undang No. 8 Tahun 1995 tentang Pasar

Modal, mendefinisikan suatu kegiatan yang berkenaan dengan

penawaran umum dan perdagangan efek, perusahaan publik yang

berkaitan dengan efek yang diterbitkannya, serta lembaga dan profesi

yang berkaitan dengan efek. Menurut Suad Husnan (2001:3) Pasar

modal juga dapat didefinisikan sebagai perdagangan instrumen

keuangan (sekuritas) jangka panjang, baik dalam bentuk modal sendiri

(stocks) maupun utang (bonds), baik yang diterbitkan oleh pemerintah

(public authorities) maupun oleh perusahaan keuangan (financial

market).

15

Secara umum pasar modal global dapat dibagi ada dua segmen

utama yaitu pasar uang dan pasar modal. Pasar uang adalah bidang

perekonomian dimana jangka pendek diperdagangkan. Pasar ini

adalah dimana bank umum dan bank unit usaha yang lain

menyesuaikan posisi likuiditas mereka. Dan bank sentral

melaksanakan kebijakan moneternya dan pemerintah menjual utang

untuk mendanai kegiatannya sehari-hari. Pasar uang bertujuan untuk

menyediakan dana pinjaman untuk memenuhi kebutuhan modal kerja

jangka pendek melalui pasar uang tabungan masyarakat dapat

dimanfaatkan lembaga keuangan.

Pasar modal adalah pasar konkret atau abstrak yang

mempertemukan pihak yang menawarkan dan yang memerlukan dana

jangka panjang, yaitu jangka waktu satu tahun ke atas. Pasar modal

adalah pasar untuk dana jangka panjang dimana saham biasa, saham

preferen dan obligasi yang diperdagangkan.

b. Faktor-faktor yang mempengaruhi pasar modal

Secara rinci faktor-faktor yang mempengaruhi keberhasilan

pasar modal antara lain adalah: (Suad Husnan; 2001, 8-9)

1) Supply Sekuritas

Faktor ini berarti harus banyak perusahaan yang bersedia

menerbitkan sekuritas di pasar modal.

16

2) Demand akan sekuritas

Faktor ini berarti bahwa harus terdapat anggota

masyarakat yang memiliki jumlah dana yang cukup besar

untuk dipergunakan membeli sekuritas-sekuritas yang

ditawarkan. Calon pembeli sekuritas berasal dari individu,

perusahaan non keuangan, maupun lembaga-lembaga

keuangan.

3) Kondisi politik dan ekonomi

Faktor ini akan mempengaruhi supply dan demand akan

sekuritas. Kondisi politik yang stabil akan ikut membantu

pertumbuhan ekonomi yang pada akhirnya mempengaruhi

supply dan demand akan sekuritas.

4) Masalah hukum dan peraturan

Pembelian sekuritas mengandalkan diri pada informasi

yang disediakan oleh perusahaan-perusahaan yang

menerbitkan sekuritas. Peraturan yang melindungi pemodal

dari informasi yang tidak benar dan menyesatkan menjadi

mutlak diperlukan.

c. Fungsi Pasar Modal

Pasar modal menjalankan dan mempunyai dua fungsi yaitu

fungsi ekonomi dan keuangan. Suad Husnan (2001: 4), dalam

melaksanakan fungsi ekonominya, pasar modal menyediakan fasilitas

untuk memindahkan dana dari pihak yang mempunyai kelebihan dana

17

kepada pihak yang memerlukan dana. Dengan menginvestasikan

kelebihan dana yang mereka miliki, lenders mengharapkan akan

memperoleh imbalan dari penyerahan dana tersebut. Dari sisi

peminjam tersedianya dana dari pihak luar memungkinkan mereka

melakukan investasi tanpa harus menunggu tersedianya dana dari

hasil operasi perusahaan. Fungsi ini sebenarnya juga dilakukan oleh

intermediasi keuangan lainnya, seperti lembaga perbankan. Hanya

bedanya dalam pasar modal diperdagangkan dana jangka panjang.

Suad Husnan (2001: 4), fungsi keuangan dilakukan dengan

menyediakan dana yang diperlukan oleh para peminjam (borrowers)

dan para lenders menyediakan dana tanpa harus terlibat langsung

dalam kepemilikan aktiva riil yang diperlukan untuk investasi

tersebut.

2. Investasi

a. Pengertian Investasi

Menurut Tandelilin (2010: 2), investasi adalah komitmen atas

sejumlah dana atau sumber daya lainnya yang dilakukan pada saat ini

dengan tujuan memperoleh keuntungan dimasa yang akan datang.

Menurut Husnan dan Pudjiastuti (2004: 47), proses investasi

menunjukkan bagaimana pemodal seharusnya melakukan investasi

dalam sekuritas, yaitu sekuritas apa yang akan dipilih, seberapa

banyak investasi tersebut dan kapan investasi tersebut dilakukan.

18

Menurut Abdul Halim (2005: 4-6), investasi pada hakikatnya

merupakan penempatan sejumlah dana pada saat ini dengan harapan

untuk memperoleh keuntungan mendatang. Umumnya investasi

dibedakan menjadi dua, yaitu: investasi pada asset-aset financial

(financial asset) dan investasi pada aset-aset real (real asset).

Investasi pada asset-aset financial dilakukan di pasar uang, misalnya

berupa sertifikat deposito, commercial paper, surat berharga dipasar

uang, dan lainnya. Investasi juga dapat dilakukan di pasar modal,

misalnya berupa saham, obligasi, waran, opsi dan lain-lain.

Sedangkan investasi pada aset-aset real dapat berbentuk pembelian

asset produktif, pendirian pabrik, pembukaan pertambangan,

pembukaan perkebunan dan lain-lain.

b. Proses Investasi

Proses investasi menunjukkan bagaimana seharusnya seorang

investor membuat keputusan pada efek-efek yang dapat dipasarkan,

dan kapan dilakukan. Untuk itu diperlukan tahapan sebagai berikut:

1) Menentukan Tujuan Investasi

Ada tiga hal yang perlu diperlukan dalam tahap ini, yaitu:

tingkat pengembalian yang diharapkan (expected rate of

return), tingkat resiko (rate of risk), dan ketersediaan jumlah

dana yang akan diinvestasikan. Apabila dana cukup tersedia,

maka investor menginginkan pengembalian yang maksimal

dengan resiko tertentu. Umumnya hubungan antara risiko

19

(risk) dan tingkat pengembalian yang diharapkan (expected

rate of return) bersifat linier, artinya semakin tinggi tingkat

risiko, maka semakin tinggi pula tingkat pengembalian yang

diharapkan.

2) Melakukan Analisis

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 terlalu tinggi atau terlalu rendah.

Untuk itu, ada dua pendekatan yang dapat digunakan, yaitu:

a) Pendekatan Fundamental

Pendekatan ini didasarkan pada informasi-informasi

yang diterbitkan oleh emiten maupun oleh administrator

bursa efek. Karena kinerja emiten dipengaruhi oleh

kondisi sektor industri dimana perusahaan tersebut berada

dan perekonomian secara makro, maka untuk

memperkirakan prospek harga sahamnya dimasa

mendatang harus dikaitkan dengan faktor-faktor

fundamental yang mempengaruhinya. Jadi analisis ini

dimulai dari siklus usaha perusahaan secara umum,

selanjutnya ke sektor industrinya, akhirnya dilakukan

evaluasi terhadap kinerjanya dan saham yang

diterbitkannya.

20

b) Pendekatan Teknikal

Pendekatan ini didasarkan pada data (perubahan)

harga saham di masa lalu sebagai upaya untuk

memperkirakan harga saham di masa mendatang. Dengan

analisis ini para analisis para analis memperkirakan

pergeseran penawaran (supply) dan permintaan (demand)

dalam jangka pendek, serta mereka berusaha untuk

cenderung mengabaikan risiko dan pertumbuhan laba

dalam menentukan barometer dari penawaran dan

permintaan. Namun demikian, analisis ini lebih mudah

dan cepat dibanding analisis fundamental, karena dapat

secara simultan diterapkan pada beberapa saham. Analisis

ini tidak menganggap bahwa analisis fundamental tidak

berguna, namun mereka menganggap bahwa analisis

fundamental terlalu rumit dan terlalu banyak mendasarkan

pada laporan keuangan emiten. Oleh karena itu, analisis

teknikal mendasarkan diri pada premis bahwa harga

saham tergantung pada penawaran dan permintaan saham

itu sendiri. Data finansial historis yang tergambar pada

diagram dipelajari untuk mendapatkan suatu pola yang

berarti, dan pola tersebut digunakan untuk memprediksi

harga di masa mendatang, serta untuk memperkirakan

21

pergerakan individual saham maupun pergerakan indeks

pasar (market index).

3) Membentuk Portofolio

Dalam tahap ini dilakukan indentifikasi terhadap efek-efek

mana yang akan dipilih dan berapa proporsi dana yang akan

diinvestasikan pada masing-masing efek tersebut. Efek yang

dipilih dalam rangka pembentukan portofolio adalah efek-efek

yang mempunyai koefisien korelasi negatif (mempunyai

hubungan berlawanan). Hal ini dilakukan karena dapat

menurunkan risiko.

4) Mengevaluasi Kinerja Portofolio

Dalam tahap ini dilakukan evaluasi atas kinerja portofolio

yang telah dibentuk, baik terhadap tingkat pengembalian yang

diharapkan maupun terhadap risiko yang ditanggung. Sebagai

tolak ukur digunakan dua cara, pertama, pengukuran

(measurement) adalah penilaian kinerja portofolio atas dasar

asset yang telah ditanamkan dalam portofolio tersebut,

misalnya dengan menilai tingkat pengembalian. Kedua,

perbandingan (comparison) yaitu penilaian berdasarkan pada

perbandingan dua set portofolio dengan tingkat resiko yang

sama

22

5) Merevisi Kinerja Portofolio

Dalam tahap ini tindak lanjut dari tahap evaluasi kinerja

portofolio. Dari hasil evaluasi inilah selanjutnya dilakukan

revisi (perubahan) terhadap efek-efek yang membentuk

portofolio tersebut jika dirasa bahwa komposisi portofolio

yang sudah dibentuk tidak sesuai dengan tujuan investasi,

misalnya tingkat pengembaliannya lebih rendah dari yang

disyaratkan. Revisi tersebut dapat dilakukan secara total, yaitu

dilakukan likuidasi atas portofolio yang ada, kemudian

dibentuk portofolio yang baru. Atau dilakukan secara terbatas,

yaitu dilakukan perubahan atas proporsi atau komposisi dana

yang dialokasikan dalam masing-masing efek yang

membentuk portofolio tersebut. (Abdul halim, 2005: 4-6)

3. Saham

Instrumen pasar modal pada prinsipnya adalah semua surat

berharga (efek) yang umum diperjualbelikan melalui bursa efek di

Indonesia saat ini adalah saham. Wujud saham adalah selembar

kertas yang menerangkan bahwa pemilik kertas tersebut adalah

pemilik perusahaan yang menerbitkan kertas tersebut. Membeli

saham tidak ubahnya dengan menabung. Imbalan yang akan

diperoleh dari kepemilikan saham adalah kemampuannya

memberikan keuntungan yang tidak terhingga. Tidak terhingga ini

bukan berarti keuntungan investasi saham biasa sangat besar, tetapi

23

tergantung pada perkembangan perusahaan penerbitnya. Karena

laba yang besar tersebut menyediakan dana yang besar untuk

didistribusikan kepada pemegang saham sebagai deviden. Dengan

kepemilikan saham, pemegang saham juga dapat memperoleh

capital gain. Capital gain akan diperoleh bila ada kelebihan harga

jual di atas harga beli. (Rodoni, 2006 dalam Retno Kumala, 2009:

10).

Selanjutnya saham dapat dibedakan menjadi dua, yaitu saham biasa

(common stock) dan saham preferen (preffered stock). Penjelasan dari

kedua jenis saham tersebut adalah sebagai berikut:

a. Saham Biasa (common stock)

Saham biasa dikenal sebagai sekuritas penyertaan, sekuritas

ekuitas, atau cukup disebut ekuitas (equities), menunjukkan bagian

kepemilikan di sebuah perusahaan. Masing – masing lembar saham

biasa mewakili satu suara tentang segala hal dalam pengurusan

perusahaan dan menggunakan suara tersebut dalam rapat tahunan

perusahaan dan pembagian keuntungan. Adapun beberapa ciri dari

saham biasa adalah sebagai berikut:

1) Deviden dibayarkan sepanjang perusahaan memperoleh laba.

2) Memiliki hak suara (one share one vote).

3) Hak memperoleh pembagian kekayaan perusahaan apabila

bangkrut (dilakukan setelah semua kewajiban perusahaan

dilunasi).

24

b. Saham Preferen (preffered stock)

Saham preferen memiliki fitur yang serupa dengan ekuitas

sekaligus utang. Saham preferen adalah gabungan (hybrid) antara

obligasi dan saham biasa, artinya disamping memiliki karakteristik

seperti obligasi juga memiliki karakteristik saham biasa (Rodoni,

2006 dalam Retno Kumala, 2009: 11).

Seperti halnya obligasi, pemegang saham preferen akan

mendapatkan pembayaran tetap dari laba setiap tahun. Adapun

beberapa ciri dari saham preferen adalah sebagai berikut:

1) Memiliki hak utama/ terlebih dahulu dalam pembagian

deviden.

2) Tidak memiliki hak suara.

3) Memiliki hak pembayaran maksimum sebesar nilai nominal

saham lebih dahulu setelah kreditur, apabila perusahaan

dilikuidasi.

4) Kemungkinan dapat memperoleh tambahan dari pembagian

laba perusahaan disamping penghasilan yang diterima secara

tetap.

Menurut Tendelilin (2001) dalam Retno Kumala (2009: 12)

keuntungan yang mungkin diterima oleh para investor yang membeli

saham adalah:

a. Capital gain, yaitu keuntungan dari hasil jual beli saham, berupa

selisih antara nilai jual yang lebih tinggi dari pada nilai beli saham.

25

b. Deviden, yaitu bagian keuntungan perusahaan yang akan dibagikan

kepada pemegang saham.

c. Saham perusahaan, seperti juga tanah dan aktifa berharga sejenis,

nilainya akan meningkat sejalan dengan waktu dan perkembangan

atau kinerja perusahaan. Investor jangka panjang mengandalkan

kenaikan nilai saham ini untuk meraih keuntungan dari investasi

saham.

d. Saham juga dapat dijaminkan ke bank untuk memperoleh kredit

sebagai agunan tambahan dari agunan pokok.

Kerugian yang mungkin diterima oleh para investor yang membeli

saham adalah:

a. Capital loss, yaitu kerugian dari hasil jual beli saham, berupa

selisih antara milai jual yang lebih rendah dari pada nilai beli

saham.

b. Opportunity loss, yaitu kerugian berupa selisih suku bunga

deposito dikurangi total hasil yang diperoleh dari investasi saham.

c. Kerugian karena perusahaan dilikuidasi, namun nilai likuidasinya

lebih rendah dari harga beli saham.

4. Return Saham

1. Definisi Return Saham

Menurut Megginson (1997) dalam Retno Kumala (2009: 13)

return saham diukur sebagai total keuntungan atau kerugian yang

dialami oleh pemilik saham dalam periode tertentu. Return saham

26

dinyatakan sebagai perubahan dari nilai asset (capital gain yang

berarti keuntungan dari penjualan saham kembali) atau cash

distributions (devidens yang berarti begian laba perusahaan yang

dibagikan perseroan kepada pemegang saham/ interest payments)

yang biasa dinyatakan dalam suatu tingkat persentase tahunan.

2. Model Harga Saham Untuk Menghitung Tingkat Pengembalian

Return saham dapat digunakan untuk menghitung efisiensi

pasar modal. Sears and Trennepodl (1993) menguraikan empat model

untuk menghitung return saham yang paling umum digunakan

menurut Fama (1970) yaitu;

a. The fair-game model

x 100%

Dimana :

R = Pengembalian

Pt = Harga penutupan hari tersebut

Pt-1 = Harga penutupan hari sebelumnya

b. The martingale model

E {Yt+1 │Y0, Y1, .... , Yt } = Yt

c. The submartingale model

E {Pt+1 │P0, P1, .... , Pt } > Pt

d. The random walk model

f {rt+1 │r0, r1, .... , rt } = f (rt)

27

f (rt) = distribusi probabilitas dari return untuk sekuritas i

untuk periode t - n sampai t

5. Efisiensi Pasar

a. Konsep Pasar Efisiensi

Konsep pasar efisien pertama kali dikemukakan oleh Fama

(1970). Dalam konteks ini yang dimaksud dengan pasar adalah pasar

modal (capital market) dan pasar uang. Suatu pasar dikatakan efisien

apabila tidak seorangpun, baik investor individu maupun investor

institusi akan mampu memperoleh return tidak normal (abnormal

return) setelah disesuaikan dengan resiko, dengan strategi

perdagangan yang ada. Artinya, harga – harga yang terbentuk di pasar

merupakan cerminan dari informasi yang ada atau ”stock prices

reflect all available information”

Definisi dari Fama ini menekannkan pada dua aspek, yaitu

fully reflect dan information available. Pengertian dari fully reflect

menunjukkan bahwa harga dari sekuritas secara akurat mencerminkan

informasi yang tersedia. Dalam hal ini, informasi yang tersedia dapat

meliputi semua informasi, baik informasi di masa lalu (misalnya,

labaemiten di masa lalu), informasi saat ini (misalnya, rencana

kenaikan deviden tahun ini) maupun informasi yang bersifat pendapat

atau opini rasional yang beredar di bursa yang dapat mempengaruhi

perubahan harga (misalnya, banyak pemodal yang berpendapat bahwa

harga saham akan naik, maka informasi tersebut nantinya akan

28

tercermin pada perubahan harga saham yang cenderung naik). Dengan

demikian pasar dikatakan efisien menurut Fama.

Sedangkan dengan informasi yang tersedia (information

available) maka para pemodal secara akurat dapat mengekspektasikan

harga dari sekuritas yang bersangkutan. Karena informasi yang

mempengaruhi harga sekuritas tersebut terjadi secara acak, maka

perubahan harga yang terjadi akan bersifat independen satu dengan

lainnya dan bergerak secara acak pula. Artinya, perubahan harga yang

terjadi hari ini tidak tergantung pada perubahan harga yang terjadi di

waktu lalu, karena harga baru tersebut terbentuk berdasarkan reaksi

pemodal terhadap informasi baru yang terjadi secara acak.

Menurut Blake (1990) istilah pasar modal yang efisien

memiliki beberapa konsep yang berbeda yaitu:

1. Efisiensi secara alokasi (allocatively efficient)

2. Efisiensi secara operasional (operationally efficient), dan

3. Efisiensi secara informasi (informationally efficient)

Walaupun terdapat beberapa konsep pasar efisien, istilah pasar

efisien pada umumnya hanya dikaitkan dengan salah satu dari ketiga

konsep tersebut, yaitu efisiensi secara informasi (informationally

efficient), yaitu suatu pasar dikatakan efisien secara informasi jika

harga pasar saat ini segera dan sepenuhnya merefleksikan semua

informasi yang tersedia.

29

Dalam hal ini, Haugen (2001) membagi kelompok informasi

menjadi tiga, yaitu :

1. Informasi harga saham masa lalu (information in past stock

prices),

2. Semua informasi public (all public information), dan

3. Semua informasi yang ada termasuk informasi orang dalam

(all available information including inside or private

information).

Konsep pasar efisien ini memang sangat menarik untuk

dibahas atau diteliti, karena merupakan konsep dasar yang dapat

membantu memahami mekanisme harga yang terjadi di pasar.

Efisiensi pasar dapat didefinisikan dalam beberapa jenis definisi, yaitu

(Ernawati dan Widjaja, 2002 dalam Retno Kumala; 2009,18) :

1. Berdasarkan Nilai Intrinsik Sekuritas

Nilai intrinsik adalah nilai sebenarnya dari saham yang

dapat diketahui setelah melakukan analisis fundamental

dengan menggunakan data keuangan emiten. Dalam konteks

ini, efisiensi pasar diukur dari besarnya penyimpangan harga –

harga sekuritas dari nilai intrinsiknya (Beaver, 1970). Dengan

demikian, suatu pasar yang efisien menurut konsep ini dapat

didefinisikan sebagai pasar yang nilai-nilai sekuritasnya tidak

menyimpang dari nilai intrinsiknya.

30

Konsep awal dari efisiensi pasar yang berhubungan

dengan informasi laporan keuangan berasal dari praktik

analisis sekuritas yang mencoba menemukan sekuritas-

sekuritsanya yang dihargai kurang benar (mispriced).

Sekuritas-sekuritas yang dihargai kurang benar merupakan

sekuritas – sekuritas yang harganya menyimpang dari nilai

intrinsiknya atau nilai fundamentalnya. Nilai intrinsik adalah

nilai sebenarnya dari saham yang dapat diketahui setelah

melakukan analisis fundamental dengan menggunakan data

keuangan emiten.

Perkembangan konsep efisiensi pasar selanjutnya

tampaknya tidak berpegang pada konsep nilai intrinsik.

Konsep efisiensi pasar lebih menjurus ke aspek akurasi return

yang diharapkan oleh investor, ketersediaan informasi, dan

kecepatan pasar menyerap informasi tersebut.

2. Berdasarkan Akurasi dan Ekspektasi Harga

Efisiensi pasar berdasarkan akurasi dan ekspektasi harga,

menurut Fama (1970) adalah pasar yang harga-harga

sekuritasnya mencerminkan secara penuh informasi yang

tersedia. Definisi Fama ini menekankan pada dua aspek, yaitu

”fully reflect” dan ”information available”.

Definisi efisiensi ini menimbulkan banyak perdebatan.

Beaver (1989) menyatakan bahwa definisi ini tidak jelas, tidak

31

operasional dan sirkular. Misalnya, terdapat informasi baru

yang masuk ke pasar dan menjadi tersedia untuk semua pelaku

pasar dan kemudian terlihat bahwa harga sekuritas yang

berhubungan dengan informasi ini berubah. Karena informasi

yang dibutuhkan tersedia dan harga yang berubah secara penuh

mencerminkan informasi ini, maka secara definisi dapat

dikatakan bahwa pasar efisien. Inilah yang disebut sirkular

oleh Beaver, yaitu harga tersebut tentu saja berubah karena

informasi tersedia. Tetapi apakah keadaan seperti ini dapat

disebut pasar efisien? Definisi ini tidak menunjukkan seberapa

cepat dan tepat perubahan harga tersebut diakibatkan oleh

informasi yang tersedia. Definisi Fama (1970) hanya

menunjukkan bahwa perubahan harga saja sudah cukup untuk

mengatakan pasar sudah efisien.

Dyckman dan Morse (1986) menyatakan bahwa istilah

”fully reflect” tidak jelas. Harga sekuritas berubah karena

adanya perubahan kepercayaan investor akibat adanya

informasi baru. Proses penyebaran informasi untuk

membentuk kepercayaan baru terhadap harga sekuritas akan

menentukan tingkat efisiensi pasar. Proses distribusi infomasi

ini menunjukkan seberapa merata penyebaran informasi ini

pada setiap orang.

32

Fama sendiri menyadari bahwa definisinya sulit

dibuktikan secara empiris. Fama mencoba memformalkan

definisinya dengan mendefinisikan suatu fungsi harga di masa

mendatang yang tergantung pada seperangkat informasi yang

tersedia pada periode sekarang. Kedua fungsi harga ini akan

dibandingkan. Fama juga mengemukakan dibutuhkannya suatu

model ekuilibrium untuk menentukan fungsi harga – harga di

masa datang akibat informasi sekarang. Dengan demikian,

hipotesis pasar efisien dapat diuji dengan adanya model

ekuilibrium (misalnya CAPM) dan efisiensi pasar.

3. Berdasarkan Distribusi Informasi

Definisi pasar sebelumnya hanya menekankan akurasi

harga ekspektasi, tapi mengabaikan isu penyebaran informasi

dan mengasumsikan bahwa semua investor mempunyai

pengharapan yang sama (common expectation) atau

kepercayaan yang sama (homogenous beliefs). Sebenarnya

definisi yang menggunakan akurasi ekspektasi harga sekuritas

ini bermasalah, yaitu jika ternyata investor memiliki ekpektasi

yang heterogen (berbeda), maka akan timbul pertanyaan:

”Ekspektasi siapa yang akan digunakan?”. Dengan adanya

heterogeneus beliefs, maka harga sekuritas tidak lagi

merefleksikan sepenuhnya (fully reflect) informasi yang

tersedia karena masingmasing investor mempunyai informasi

33

dan ekspektasi yang berbeda (Limopranoto, 2003 dalam Retno

Kumala; 2009, 21).

Beaver (1989) memberikan definisi efisiensi pasar yang

didasarkan pada distribusi informasi yaitu jika dan hanya jika

hargaharga sekuritas bertindak seakan-akan setiap orang

mengamati sistem informasi tersebut. Definisi ini secara

implisit mengatakan bahwa jika setiap orang mengamati suatu

sistem informasi, maka setiap orang dianggap mendapatkan

informasi yang sama. Beaver berargumentasi jika harga-harga

sekuritas mempunyai properti seperti yang didefinisikannya,

maka harga – harga tersebut dikatakan fully reflect informasi

yang tersedia.

Definisi Beaver ini mempunyai arti bahwa pasar

dikatakan efisien terhadap seperangkat informasi yang spesifik

jika harga yang terjadi setelah informasi yang diterima oleh

pelaku pasar sama dengan harga yang terjadi jika setiap orang

mendapatkan seperangkat informasi tersebut. Harga yang

terjadi di pasar yang efisien ini disebut ”full-information

price”.

4. Berdasarkan Proses Dinamik

Efisiensi pasar berdasarkan proses dinamis

mempertimbangkan distribusi informasi yang tidak simetris

dan kecepatan proses distribusinya. Informasi yang tidak

34

simetris (information asymmetric) adalah informasi private

yang hanya dimiliki oleh pemodal yang mendapat informasi

saja. Informasi asimetris ini dapat merugikan pasar modal yang

menawarkan sekuritas berkualitas. Berdasarkan alasan ini,

emiten yang menawarkan sekuritas berkualitas secara sukarela

mengungkapkan semua informasi yang dimiliki sehubungan

dengan sekuritas tersebut untuk mengurangi informasi

asimetris (Ernawati dan Widjaja, 2002 dalam Retno Kumala;

2009, 22).

Definisi efisiensi pasar yang didasarkan pada proses

dinamik mempertimbangkan distribusi informasi yang tidak

simetris dan menjelaskan bagaimana harga – harga akan

menyesuaikan karena informasi yang tidak simetris tersebut.

Definisi yang mendasarkan pada proses dinamik ini

menekankan pada kecepatan penyebaran informasi yang tidak

simetris. Pasar dikatakan efisien jika penyebaran informasi ini

dilakukan secara cepat sehingga informasi menjadi simetris,

yaitu setiap orang memiliki informasi ini.

Awal dari literatur efisiensi pasar mengasumsikan bahwa

kecepatan penyesuaian harga sekuritas karena penyebaran

informasi yang ada terjadi dengan seketika. Konsep terbaru

dari efisiensi pasar tidak mengharuskan kecepatan penyesuaian

35

harus terjadi dengan seketika, tetapi terjadi dengan cepat

setelah informasi disebarkan dan tersedia bagi semua orang

Jones (1996) memberikan definisi pasar efisien sebagai

pasar yang harga – harga sekuritasnya secara cepat

mencerminkan semua informasi yang tersedia atas sekuritas

tersebut, sehingga informasi menjadi simetris dalam arti setiap

pemodal memiliki informasi ini.

b. Kondisi dan Mekanisme Pasar Modal Yang Efisien

Membahas pasar efisien, pasti menimbulkan pertanyaan

mengapa harus ada konsep pasar efisien dan mungkinkah pasar efisien

ada dalam kehidupan nyata. Untuk menjawab pertanyaan tersebut,

kondisi-kondisi berikut idealnya harus terpenuhi (Gumanti dan Utami,

2002 dalam Retno Kumala; 2009, 23):

1. Banyak terdapat investor rasional dan berorientasi pada

maksimalisasi keuntungan yang secara aktif berpartisipasi di

pasar dengan menganalisa, menilai, dan berdagang saham.

2. Tidak diperlukan biaya untuk mendapatkan informasi dan

informasi tersedia bebas bagi pelaku pasar pada waktu yang

hampir sama (tidak jauh berbeda).

3. Informasi diperoleh dalam bentuk acak, dalam arti setiap

pengumuman yang ada di pasar adalah bebas atau tidak

terpengaruh dari pengumuman yang lain.

36

4. Investor bereaksi dengan cepat dan sepenuhnya terhadap

informasi baru yang masuk ke pasar, yang menyebabkan harga

saham segera melakukan penyesuaian.

Menurutnya kondisi-kondisi di atas mungkin terkesan kaku

atau akan sulit untuk dapat dipenuhi dalam kehidupan sehari-hari.

Harus diakui bahwa akan sulit sekali untuk mewujudkan kondisi

sebagaimana di atas.

Walaupun demikian, perlu dipertimbangkan seberapa dekat

kondisi-kondisi tersebut dengan kenyataan yang ada di pasar satu per

satu.

Hendrawaty (2007) memaparkan hal yang serupa dengan

Gumanti (2002) dalam Retno Kumala (2009: 24), dimana aspek yang

merupakan syarat utama terbentuknya suatu pasar modal yang efisien

adalah sebagai berikut:

1. Terdapat banyak pelaku pasar dalam hal ini penjual dan

pembeli sekuritas yang bersifat bebas (free market).

2. Ketersediaan dan penyebaran informasi.

3. Harga saham berfluktuasi bebas.

4. Terdapat analis investasi dalam jumlah besar di pasar modal.

c. Hipotesis Pasar Efisien

Hipotesis pasar efisien menurut Blake (1991) adalah: ”...that

market price instanteously and fully reflect all relevant available

37

information is known as efficient markets hypothesis”. Dari definisi

tersebut terdapat tiga hal yang penting untuk dipahami, yaitu:

1. Fully Reflect

Investor akan mengolah semua informasi yang relevan ke

dalam harga saham pada saat akan membuat keputusan akan

menjual atau membeli saham. Harga sekarang yang terjadi

mencerminkan semua informasi yang tersedia.

2. All Relevant Available Information/ All Known Information

Informasi yang direfleksikan dalam harga saham berasal

dari informasi perubahan harga saham di masa lalu (historical

price information), informasi yang terasedia di publik (public

information) dan semua informasi dan informasi yang tidak

tersedia di publik (inside information).

3. Instanteously/ Quickly and Accurately

Harga keseimbangan yang terbentuk di pasar modal tidak

akan berubah selama tidak ada informasi baru yang dapat

merubah kekuatan permintaan dan penawaran. Pada saat suatu

informasi baru yang relevan masuk ke pasar modal, kekuatan

permintaan dan penawaran atas satu atau beberapa saham akan

bereaksi, sehingga akan terbentuk harga keseimbangan yang

baru. Semakin cepat informasi diserap oleh pasar, maka pasar

modal tersebut akan semakin efisien.

38

Jika hipotesis pasar efisien tersebut terbukti, maka pasar

dalamckeadaan continous stochastic equilibrium, yang berarti harga

pasar sahamcakan sama dengan nilai fundamental saham tersebut.

Nilai fundamental suatu saham tidak akan berubah selama tidak ada

informasi baru mengenai saham tersebut. Informasi baru atau berita

umumnya tudak dapat diprediksi, implikasinya adalah harga saham

masa lalu tidak dapat digunakan untuk memprediksi harga saham di

masa yang akan datang. Dengan kata lain menurut hipotesis pasar

efisien, harga pasar suatu asset akan mengikuti langkah acak/ random-

walk.

d. Tingkatan Efisiensi Pasar

Haugen (1993) menyatakan bahwa ”The market is neither

strictly efficient nor strictly inefficient. The question is one of degree.

Just how efficient is the market?”. Bowman dan Buckanan (1995)

juga menyatakan “Market are not simply either efficient or inefficient.

Market efficiency can be viewed as a continnum running from the

perfect market to the grossly inefficient market where excess earning

opportunities abound”. Berdasarkan kedua pernyataan tersebut

diperoleh suatu kesimpulan bahwa pada dasarnya pasar tidak ada yang

secara sempurna efisien atau sepenuhnya tidak efisien. Semuanya

adalah efisien dengan tingkat atau derajat tertentu. Kunci utama untuk

mengukur pasar yang efisien adalah hubungan antara sekuritas dengan

informasi.

39

Tiga bentuk utama dari efisiensi pasar berdasarkan ketiga

macam bentuk informasi (Hendrawaty, 2007 dalam Retno Kumala;

2009, 27) yaitu:

1. Efisiensi Bentuk Lemah (Weak Form)

Pasar dikatakan efisien dalam bentuk lemah jika harga –

harga saham saat ini telah mencerminkan secara penuh semua

informasi harga saham di masa lalu. Jones (1993) menyatakan

bahwa hipotesis efisiensi pasar bentuk lemah berkaitan namun

tidak identik dengan hipotesis langkah acak (random-walk

hypothesis). Jika harga mengikuti langkah acak, perubahan

harga sepanjang waktu bersifat acak (independent). Perubahan

harga hari ini tidak berkaitan dengan perubahan harga kemarin

atau hari – hari lainnya. Dengan kata lain, harga masa lalu

tidak berhubungan dengan nilai sekarang dan tidak dapat

dipergunakan untuk memprediksi pergerakan harga.

Salah satu cara untuk menguji efisiensi pasar bentuk

lemah adalah dengan menguji independensi perubahan harga

secara statistik, yaitu menggunakan serial correlation test.

Serial correlation test mengukur korelasi perubahan harga

pada bermacam – macam lag waktu, seperti satu hari, dua hari

dan seterusnya.

2. Efisiensi Bentuk Setengah Kuat (Semi-Strong Form)

40

Pasar diakatakan efisien dalam bentuk setengah kuat jika

harga-harga saham mencerminkan secara penuh semua

informasi yang dipublikasikan termasuk informasi yang berada

di laporan-laporan keuangan perusahaan emiten. Jika pasar

efisien dalam bentuk setengah kuat, maka tidak ada investor

atau group dari investor yang dapat menggunakan informasi

yang dipublikasikan untuk mendapat keuntungan abnormal

dalam jangka waktu yang lama.

Pengujian efisiensi bentuk setengah kuat menggunakan

event study test. Event study merupakan metode yang

mempelajari reaksi pasar terhadap suatu peristiwa. Studi ini

melakukan pengamatan terhadap perilaku harga saham secara

cermat untuk megetahui bagaimana saham bereaksi. Jika

terdapat penundaan dalam penyesuaian harga dan investor

dapat memanfaatkan penundaan ini untuk memperoleh

keuntungan abnormal, maka pasar modal tersebut tidak efisien

dalam bentuk setengah kuat.

3. Efisiensi Bentuk Kuat (Strong Form)

Pasar dikatakan efisien dalam bentuk kuat jika harga –

harga sekuritas secara paenuh mencarminkan semua informasi

yang tersedia, termasuk informasi private. Jika pasar efisien

dalam bentuk kuat, maka tidak ada individual investor atau

41

institutional investor yang dapat memperoleh keuntungan

abnormal sekalipun mereka memiliki informasi private.

Cara untuk menguji efisiensi bentuk kuat adalah meneliti

kinerja kelompok yang diperkirakan memiliki akses informasi

yang tidak dipublikasikan, yaitu para corporate insiders dan

para portfolio managers. Jika kelompok ini terbukti

memperoleh tingkat pendapatan di atas rata-rata, maka pasar

dikatakan tidak efisien dalam bentuk kuat.

e. Hubungan Antar Tiga Tingkat Efisiensi Pasar

Hubungan bentuk efisiensi pasar dengan ketersediaan

informasi digambarkan oleh Jones (1993) seperti di bawah ini:

Gambar 2.1

Hubungan Bentuk Efisiensi Pasar dengan Ketersediaan Informasi

Strong Form

Semi-Strong Form

Weak Form

Sumber: Erny Hendrawati

Gambar tersebut menunjukkan bahwa jika ada sangkalan

terhadap efisiensi pasar bentuk lemah, maka sanggahan berlaku bagi

efisiensi pasar bentuk setengah kuat dan kuat. Jika pasar efisien dalam

bentuk lemah maka otomatis pasar juga tidak efisien dalam bentuk

All Information Public and Private

All Public Information

Market Related Data

42

setengah kuat dan kuat. Sebaliknya, bila pasar efisien dalam bentuk

kuat, maka pasar pasti efisien dalam bentuk setengah kuat dan bentuk

lemah.

f. Uji Efisiensi Pasar

Perlu untuk diperhatikan bahwa tidak ada satu pengujian pun

yang dapat membuktikan suatu pasar modal efisien atau tidak.

Pengujian – pengujian yang dilakukan hanya untuk menunjukkan

(sampai tingkat keyakinan tertentu) rangkaian tingkat pengembalian

berdasarkan studi penilaian yang konsisten dengan pasar yang efisien.

Menurut EMH (1960‟s), harga saham lebih dipengaruhi oleh

emosi dari pada secara ekonomi, sehingga teori perilaku harga saham

yang berdasarkan pada argumentasi ekonomi dianggap tidak tepat.

Alder (1992) seorang phsychiatry, praktisi pasar modal dan penulis

buku ”Analisis Teknikal” menyatakan bahwa perasaan ribuan investor

atau pedagang bergabung menjadi satu ikatan psikologis yang

menggerakkan pasar. Setiap harga mewakili konsensus sementara

nilai semua peserta pasar (pedagang besar, spekulator, peneliti

fundamental dan teknikal) pada saat transaksi. Pernyataan tersebut

memperlihatkan bahwa terlepas dari segala informasi fundamental

yang ada di bursa, faktor psikologi manusia sangat mempengaruhi

pengambilan keputusan di bursa.

43

Hearth dan Zaima (1995) memngatakan bahwa implikasi dari

pasar modal yang efisien terhadap teknik-teknik investasi yang

populer, yaitu seperti:

1. Technical Analysis (Analisis Teknikal)

Analisis teknikal pada dasarnya merupakan upaya

pencarian pola perulangan yang dapat diprediksi dalam harga

saham (Bodie, et al. 2006: 481). Analisis teknikal juga

menyatakan bahwa harga saham mengikuti pola – pola yang

dapat diperkirakan sehingga para investor dapat menggunakan

pola tersebut untuk meramalkan harga saham dimasa datang.

Sedangkan menurut EMH, meski di pasar efisien bentuk

lemah sekalipun, teknikal analisis tidak akan dapat digunakan

mengingat harga saham hari ini telah secara penuh

mencerminkan semua informasi yang ada pada harga saham

masa lalu. Dengan kata lain, investor tidak akan dapat

menghasilkan laba yang abnormal secara konsisten. EMH juga

tidak sependapat bahwa teknikal analisis menunjukkan pola

investasi, kecuali bagi para pialang saham yang menerima

komisi dari perdagangan.

2. Fundamental Analysis (Analisis Fundamental)

Analisis fundamental mempelajari data ekonomi, seperti

tingkat suku bunga, penjualan dan penerimaan untuk

mengestimasi nilai intrinsik suatu saham. Analisis fundamental

44

percaya bahwa setiap saham dijual berdasarkan nilai

intrinsiknya, sehingga para analis akan mencari undervalued

dan overvalued suatu saham. Nilai intrinsik merupakan nilai

sesungguhnya dari sebuah saham atau nilai dasar ekonomi

tersebut dihitung sebagai nilai sekarang dari sebuah rangkaian

aliran kas yang dikembalikan kepada pemegang saham yang

berinvestasi dalam modal perusahaan.

EMH menyatakan bahwa bila seorang analis tergantung

pada data masa lampau dan data sekarang, maupun pada

informasi umum yang tersedia, maka rekomendasi yang

dihasilkan tidak akan selalu dapat menghasilkan laba

abnormal. Lebih dari itu, menurut EMH untuk dapat

mengalahkan pasar, seorang analis harus mempunyai

kemampuan untuk memperkirakan faktor-faktor fundamental

yang akan mempengaruhi harga saham di masa datang

sebelum pasar menyadarinya.

3. Active Versus Passive Management

Para pendukung hipotesis pasar efisien percaya bahwa

manajemen aktif merupaka upaya yang sia-sia dan tidak dapat

membenarkan pengeluaran yang dilakukan. Jadi mereka

menyarankan strategi investasi pasif (passive investment

strategy) yang tidak berusaha untuk melawan pasar. Sebuah

strategi pasif bertujuan hanya untuk membentuk portofolio

45

sekuritas yang terdiversifikasi dengan baik tanpa mencoba

menemukan saham yang dinilai terlalu rendah atau terlalu

tinggi (Bodie, et al, 2006: 486).

Manajemen pasif biasanya ditandai dengan ”strategi beli

dan tahan” (buy and hold strategy). Karena teori pasar efisien

menunjukkan bahwa harga saham berada pada tingkat yang

wajar, dengan seluruh informasi yang tersedia, maka tidak ada

alasan untuk melakukan jual dan beli secara intensif, yang

akan menimbulkan beban komisi pialang yang besar tanpa

meningkatkan ekspektasi kinerja. Satu strategi umum untuk

manajemen pasif adalah membentuk sebuah dana indeks

(index fund), dana yang dirancang untuk mereplikasi kinerja

indeks saham secara umum (Bodie, et. al, 2006: 487).

6. Random Walk

Secara umum, keefisienan pasar dapat dibagi dalam dua keadaan

yaitu:

a. Keefisienan penyaluran, apabila modal disalurkan kepada sektor

yang paling membutuhkan.

b. Keefisienan pengendalian, apabila modal dipindahkan dengan

biaya yang minimum atau tanpa biaya langsung.

Pasar juga dikatakan efisien apabila semua informasi yang relevan

digambarkan secara menyeluruh dalam harga saham tanpa lag waktu,

yang dikenal sebagai keefisienan dari segi penyerapan informasi. Karena

46

itu, harga saham adalah pada harga yang sebenarnya dan tidak terjadi

pada keadaaan harga terendah atau harga tertinggi dipasar, namun

demikian, keadaan tersebut akan terjadi berdasarkan ciri-ciri berikut:

a. Harga saham menanggapi atas informasi baru dengan cepat dan

tepat. Tidak ada jarak antara jangka waktu informasi diterima

dengan tanggapan harga. Sistem melakukan proses informasi dan

penyampaiannya adalah efisien dan mengambil waktu yang singkat

saja.

b. Informasi baru yang ada adalah secara random, maka harga juga

berubah secara random, harga saham pada waktu Pt tidak ada

hubungannya dengan harga pada waktu Pt-1. Singkatnya harga

saham hari ini tidak ada hubungannya dengan harga saham

sebelumnya.

c. Sembarang strategi perdagangan yang digunakan tidak akan

berhasil dipasar.

d. Para investor yang mempunyai informasi orang dalam (insider

information) tidak dapat memperoleh keuntungan melebihi

keuntungan pasar.

Model random walk didasarkan atas asumsi-asumsi berikut :

a. Pasar sempurna terjadi apabila terdapat banyak pembeli dan

penjual, serta terdapat kemudahan masuk dan keluar. Kontrol pihak

penguasa terhadap manipulasi harga juga adalah baik dan ketat.

47

b. Informasi disebarkan secara luas dan free-flow. Tidak ada learning

lag dan tidak ada biaya yang dikenakan untuk memperoleh

informasi.

c. Pergerakan harga saham baik meningkat atau menurun secara

bebas, tidak ada individu yang dapat mengontrol pergerakan harga.

d. Para analisis fundamental adalah banyak. Mereka dapat

mempengaru harga melalui laporan akutansi yang mengisyaratkan

apakah harga akan naik atau turun melalui informasi yang ada.

Tidak dinafikan bahwa kadang kala mereka tidak mempunyai

pandangan yang sama tentang nilai instrinsik saham itu.

Asumsi-asumsi tersebut dapat dirumuskan dalam dua asumsi utama

yaitu: pengharapan adalah rasional dan pasar saham adalah efisien.

Berdasarkan asumsi pasar adalah efisien sempurna dalam menyalurkan

modal, maka pasar akan berada dalam keseimbangan berkelanjutan, yaitu

setiap informasi baru akan menyebabkan nilai instrinsik dan harga saham

berubah ke arah tahap yang baru itu. Sebenarnya, kecepatan proses

penyesuaian harga melalui informasi baru adalah ukuran betapa

efisiennya suatu pasar saham itu.

Pada dasarnya terdapat tiga teori tentang pergerakan harga saham,

yaitu teori fundamental, teknikal dan model random walk. Tujuan utama

ketiga pendekatan tersebut adalah untuk menganalisis dan menyesuaikan

informasi yang obyektif dan subyektif agar suatu keputusan untuk

membeli, menjual atau memegang saham dapat dilakukan. Analisis

48

fundamental menilai saham dari segi nilai instrinsiknya berdasarkan

informasi tentang keadaan ekonomi, industri dan informasi akutansi serta

keuangan perusahaaan seperti output, kegiatan harian, permintaan

terhadap pengeluaran, pendapatan dividen dan manajemen. Setelah

memperoleh nilai instrinsik saham, perbandingan dilakukan dengan harga

saham dipasar apakah bertambah (overvalued) atau berkurang

(undervalued). Jika nilai berkurang saham itu akan dibeli, dan sebaliknya

jika nilai bertambah saham akan dijual.

Pendekatan teknikal menganalisis harga saham dengan melihat

harga dan jumlah perdagangan yang lalu. Kedua elemen yang lalu ini

dapat digunakan untuk memperkirakan pergerakan harga waktu yang

akan datang. Dalam analisis teknikal terdapat bermacam-macam jenis,

diantaranya yang subjektif seperti contrary opinion theories. Dalam

pendekatan teknikal informasi lain dianggap tidak penting kecuali

informasi harga dan jumlah perdagangan yang lalu.

Model random walk mengemukakan persoalan yaitu: apakah harga

saham atau tingkat keuntungan yang lalu dapat membantu untuk

meramalkan harga-harga saham atau tingkat keuntungan pada waktu yang

akan datang. Model ini menegaskan dua hipotesis utama yaitu perubahan

perubahan harga adalah bebas antara satu jangka watu dengan jangka

waktu yang lain, dan perubahan harga adalah mengikuti beberapa

distribusi probabilitas tertentu.

49

Intinya dalam model ini bahwa pergerakan harga adalah bergerak

secara random walk (acak). Karena itu, walaupun para investor

memperoleh informasi melalui orang dalam (insider information), ia

masih tidak dapat digunakan untuk memperkirakan pergerakan harga

saham pada waktu yang akan datang dengan tepat. Karena segala

informasi yang terkandung dalam harga saham itu sebaiknya diketahui

umum, teori ini berdasarkan pada pasar yang efisien yaitu: informasi saat

ini mudah didapatkan. Rintangan dalam aliran informasi dan kegiatan

kegiatan disinformations, yang bertujuan kekeliruan atau memberikan

gambaran kabur kepada para investor tentang pasar, tidak ada sama

sekali.

Ditinjau dari faktor ketidakpastian dan interpretasi yang berbeda

dengan informasi yang sampai, maka harga tidak semestinya sama dengan

nilai intrinsik saham tersebut. Keadaan seperti ini menyebabkan adanya

perbedaan antara harga pasar dengan nilai saham sebenarnya. Singkatnya,

reaksi pembeli dan penjual itu akan menyebabkan harga bergerak secara

random disekitar nilai saham sebenarnya.

Model random walk mulai hebat dibicarakan pada tahun 1960-an

dan seterusnya bermacam-mcam studi empirikal dilakukan untuk

membuktikannya. Namun demikian, masih terdapat kontroversi dari hasil

temuan studi tentang model ini sejak 1960-an hingga kini. Antara yang

mendukung dan menentang penggunaan model random walk untuk

menganalisis pergerakan harga. (Rodoni: 2005, 28-31)

50

B. Penelitian Terdahulu

Penelitian mengenai efisiensi pasar memiliki penelitian terdahulu yang

beragam, banyaknya keberagaman menjadi suatu teori bisa berubah dan tetap

sesuai dengan hubungan kenyataan. Adapun penelitian tedahulu yang relevan

dan menjadi landasan dalam penelitian ini tertuang dalam deskripsi sebagai

berikut.

Peneltian yang dilakukan oleh Samithamby Senthilnathan (2015)

dengan judul “The Efficient Market: Rambling Evidence in Asia and Pasific”.

Penelitian ini menguji efisiensi pasar di Asia dan kawasan Pasifik dengan

menggunakan tinjauan literatur dari berbagai penelitian sebelumnya. Hasil

penelitian menunjukkan bahwa pasar modal di Thailand, Singapura, Jepang,

dan Selandia Baru cukup mencerminkan efisiensi, sedangkan tidak di negara

lainnya berdasarkan hasil tinjauan literatur.

Penelitian yang dilakukan oleh Kasilingam Lingaraja, et. al (2014)

dengan judul “The Stock Market Efficiency of Emerging Markets: Evidence

from Asian Region”. Penelitian ini menguji efisiensi pasar di pasar saham

Asia yang sedang berkembang dengan menggunakan data harga saham harian

selama 10 tahun periode 1 Januari 2004 sampai 31 Desember 2013. Penelitian

ini menggunakan uji GARCH, Autokorelasi, dan Run Test untuk menguji

efisiensi pasar di pasar saham Asia yang sedang berkembang. Hasil penelitian

menunjukkan bahwa pada Indeks India, Indonesia, Malaysia, dan Filipina

sangat signifikan dan terdistribusi secara acak, sedangkan pada Indeks China,

51

Korea, Taiwan, dan Thailand tidak signifikan dan tidak terdistribusi secara

acak.

Penelitian yang dilakukan oleh Khoa Cuong Phan dan Jian Zhou (2014)

dengan judul “Market efficiency in emerging stock markets: A case study of

the Vietnam stock market”. Penelitian ini menguji efisiensi pasar bentuk

lemah di pasar modal Vietnam dengan menggunakan data harga saham

mingguan periode Juli 2000 sampai Juli 2013 (13 tahun). Penelitian ini

menggunakan uji Autokorelasi, Variance Ratio Test, dan Run Test untuk

menguji hipotesis bahwa pasr modal di Vietnam mengikuti pola random

walk. Hasil penelitian ini menunjukkan bahwa pasar modal Vietnam tidak

efisien.

Penelitian yang dilakukan oleh Wenty Yolanda, dkk (2014) dengan

judul “Penerapan Model Garch (Generalized Autoregressive Conditional

Heteroscedasticity) untuk Menguji Pasar Modal Efisien di Indonesia”.

Penelitian ini menguji efisiensi pasar modal di Indonesia khususnya pada

saham terpilih yaitu Indeks Saham LQ 45 dengan menggunakan data harga

saham harian peride 2009-2011. Penelitian ini menggunakan model GARCH

untuk menguji efisiensi pasar pada saham Indeks LQ 45. Hasil penelitian

dengan penerapan model GARCH (1,1) menunjukkan bahwa pada harga

penutupan harian (closing price) saham pada Indeks LQ 45 periode 2009-

2011, harga pada periode 3 hari dan 4 hari sebelumnya adalah yang paling

berpengaruh. Efisiensi pasar modal di Indonesia termasuk efisiensi bentuk

52

lemah (weak form efficiency) yang juga ditunjukkan oleh return harga saham

yang mengalami volatisitas dan random walk.

Penelitian yang dilakukan oleh Nasruldin (2011) dengan judul

“Pengujian Hipotesis Pasar Efisien Bentuk Lemah Pasar Modal di Indonesia

periode 2009-2010”. Penelitian ini menguji efisiensi pasar bentuk lemah di

pasar modal Indonesia selama periode 2009-2010 dengan menggunakan data

harga saham harian. Penelitian ini menggunakan uji run test dan korelasi seri

untuk menguji kerandoman dan korelasi harga saham. Hasil penelitain

menunjukkan bahwa pasar modal di Indonesia efisien dalam bentuk lemah.

Penelitian yang dilakukan oleh Francesco Guidi dan Rakesh Gupta

(2011) dengan judul “Are ASEAN stock market efficient? Evidence from

univariate and multivariate variance ratio tests”. Penelitian ini menguji

efisiensi pasar di ASEAN dengan menggunakan data harga saham harian

periode Januari 2000 sampai April 2011. Penelitian ini meggunakan uji Unit

Root Test, Variance Ratio Test, dan Run Test untuk menguji efisiensi pasar

bentuk lemah di pasar modal ASEAN. Hasil penelitian ini menunjukkan

bahwa di pasar Indonesia, Malaysia, Filipina, dan Vietnam menolak efisiensi

pasar, sedangkan pada pasar Singapura dan Thailand ditemukan efisiensi

bentuk lemah.

Penelitian yang dilakukan oleh Kasihif Hamid, et. al (2010) dengan

judul “Testing the Weak form of Efficient Market Hypothesis: Empirical

Evidence from Asia-Pasific Markets”. Penelitian ini menguji efisiensi pasar

bentuk lemah di Pakistan, India, Sri Langka, China, Korea, Hong Kong,

53

Indonesia, Malaysia, Filipina, Singapura, Thailand, Taiwan, Japan, dan

Australia. Observasi pada penelitian ini selama periode Januari 2004 samapi

Desember 2009 dengan menggunakan data bulanan. Penelitian ini

menggunakan uji Autokorelasi, Ljung-Box Q-statistik, Run Test, Unit Root

Test dan Variance Ratio untuk menguji hipotesis bahwa pasar modal

mengikuti random walk. Hasil penelitian menunjukkan bahwa return bulanan

pada pasar modal di Asia Pasifik tidak mengikuti pola random walk.

54

Tabel 2.1

Penelitian Terdahulu

No. Peneliti Judul

Penelitian/Tahun

Metode

Penelitian

Perbedaan Hasil Penelitian

1 Samithamby The Efficient

Market: Rambling

Evidence in Asia

and Pasific/2015

Tinjauan

Literatur

Penulis

menggunakan

analisis statistik

Hasil penelitian

menunjukkan

bahwa pasar

modal di Thailand,

Singapura, Jepang,

dan Selandia Baru

cukup

mencerminkan

efisiensi, tidak di

negara lain sesuai

tinjauan literatur

penelitian ini

2 Kasilingam,

et.al

The Stock Market

Efficiency of

Emerging

Markets:

Evidence from

Asian

Region/2014

GARCH,

Autokorelasi

dan Runs

Test

Penulis

mengambil objek

penelitian di

ASEAN

Hasil penelitian

menunjukkan

bahwa indeks

India, Indonesia,

Malaysia, dan

Filipina sangat

signifikan dan

terdistibusi secara

acak. Sedang

Indeks China,

Korea, Taiwan,

dan Thailand tidak

signifikan dan

tidak terdistribusi

acak.

3 Khoa Cuong

Phan dan Jian

Zhou

Market efficiency

in emerging stock

markets: A case

study of the

Vietnam stock

market /2014

Autokorelasi

, Variance

Ratio Test,

dan Run

Test

Penulis

menggunakan

metode

tambahan yaitu

ARIMA dan

ARCH/GARCH

Hasil penelitian ini

menunjukkan

bahwa pergerakan

harga saham

harian pada indeks

saham Vietnam

(VN-Index) tidak

efisien dalam

bentuk lemah.

4 Wenty

Yolanda, dkk

Penerapan Model

Garch

(Generalized

Autoregressuve

Model

GARCH

Penulis

menggunakan

metode

tambahan yaitu


menunjukkan

bahwa efisiensi

pasar modal di

55

Conditional

Heteroscedascity)

untuk Menguji

Pasar Modal

Efisien di

Indonesia/2014

Run Test dan

Autokorelasi

Indonesia

termasuk efisiensi

bentuk lemah

yang dintunjukkan

oleh return harga

saham yang

mengalami

volatilitas dan

random walk.

5 Nasruldin Pengujian

Hipotesis Pasar

Efisien Bentuk

Lemah Pasar

Modal di

Indonesia periode

2009-2010/2011

Run Test

dan Korelasi

Seri

Penulis

menggunakan

metode

tambahan yaitu

ARIMA dan

ARCH/GARCH

Hasil penelitian

menunjukkan

bahwa pasar

modal di

Indonesia efisien

dalam bentuk

lemah

6 Francesco

Guidi dan

Rakesh Gupta

Are ASEAN stock

market efficient?

Evidence from

univariate and

multivariate

variance ratio

tests /2011

Unit Root

Test,

Variance

Ratio Test,

dan Run

Test

Penulis

menggunakan

metode

tambahan yaitu

ARIMA dan

ARCH/GARCH


menunjukkan

bahwa menolak

EMH untuk pasar

saham Indonesia,

Malaysia, Filipina,

dan Vietnam.

Studi ini

menemukan pasar

saham di

Singapura dan

Thailand adalah

efisien bentuk

lemah.

7 Kashif Hamid,

et.al

Testing the Weak

form of Efficient

Market

Hypothesis:

Empirical

Evidence from

Asia-Pasific

Markets /2010

Autokorelasi

, Ljung-Box

Q-statistik,

Run Test,

Unit Root

Test dan

Variance

Ratio

Penulis

menggunakan

metode

tambahan yaitu

ARIMA dan

ARCH/GARCH


menunjukkan

bahwa harga

bulanan tidak

mengikuti random

walk di semua

negara-negara

kawasan Asia-

Pasifik.

56

C. Kerangka Pemikiran

Secara sistematis alur kerangka pemikiran dalam penelitian ini

digambarkan sebagai berikut.

Gambar 2.2

Kerangka Pemikiran

Gambar 2.2

Kerangka Pemikiran

Efficient Market Hypothesis (EMH)

Pasar Modal ASEAN

Indonesia/JKSE

Malaysia/KLSE

Singapura/STI

Filipina/PSI

Thailand/SETI

Vietnam/VNI

Kesimpulan dan Saran

Analisis Pokok Bahasan (Interpretasi Hasil Uji)

Metode Analisis Data

Model

ARCH/GARCH

Model ARIMA Uji

Autokorelasi

Uji Run Test Uji

Kolmogorov

Smirnov

57

D. Hipotesis Penelitian

Hipotesis merupakan jawaban masalah atau pertanyaan penelitian yang

dikembangan berdasarkan teori-teori yang perlu diuji melalui proses

pemilihan, pengumpulan, dan analisis data. Adapun hipotesis dalam

penelitian ini dapat dijelaskan sebagai berikut:

H1 : Pasar modal di Indonesia efisien dalam bentuk lemah periode 2011-2015

H2 : Pasar modal di Malaysia efisien dalam bentuk lemah periode 2011-2015

H3 : Pasar modal di Singapura efisien dalam bentuk lemah periode 2011-

2015

H4 : Pasar modal di Filipina efisien dalam bentuk lemah periode 2011-2015

H5 : Pasar modal di Thailand efisien dalam bentuk lemah periode 2011-2015

H6 : Pasar modal di Vietnam efisien dalam bentuk lemah periode 2011-2015

H7 : Pasar modal di ASEAN efisien dalam bentuk lemah periode 2011-2015

58

BAB III

METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian

Ruang lingkup penelitian ini adalah pasar modal di ASEAN. Dari

beberapa negara anggota ASEAN dipilihlah 6 negara yaitu Indonesia,

Malaysia, Singapura, Filipina, Thailand, dan Vietnam. Dari keenam negara

tersebut akan diuji efisiensi pasar modalnya, apakah sudah efisien atau belum

efisien.

Data yang digunakan dalam penelitian ini adalah laporan historical

price harga saham harian dari ke enam indeks selama periode penelitian yakni

Januari 2011 sampai dengan Desember 2015.

Data-data yang digunakan untuk keperluan penelitian ini adalah data

sekunder yang diperoleh dari website www.aseanexchanges.org. Adapun

pemilihan periode penelitian dari Januari 2011 sampai dengan Desember

2015 dikarenakan keterbatasan data yang tersedia pada website

www.aseanexchanges.org, sehingga diperoleh periode penelitian selama 5

tahun.

B. Metode Penentuan Sampel

1. Populasi

Populasi adalah wilayah generalisasi yang terdiri atas obyek atau

subyek yang mempunyai kuantitas dan karakteristik tertentu yang

diharapkan oleh peneliti untuk dipelajari dan kemudian ditarik

http://www.aseanexchanges.org/


59

kesimpulannya (Sugiyono, 2014: 80). Populasi dalam penelitian ini

adalah pasar modal di ASEAN.

2. Sampel

Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki

oleh suatu populasi (Sugiyono, 2014: 81). Teknik yang dilakukan dalam

pengambilan sampel penelitian adalah purposive sampling, yaitu suatu

model pemilihan sampel berdasarkan kriteria tertentu, sesuai dengan yang

dibutuhkan oleh peneliti. Sampel penelitian ini adalah enam indeks dari

enam negara yang merupakan anggota ASEAN yaitu Indonesia, Malaysia,

Singapura, Filipina, Thailand, dan Vietnam.

C. Metode Pengumpulan Data

Data yang digunakan dalam penelitan ini adalah data sekunder. Data

sekunder yaitu data yang bukan diusahakan sendiri oleh peneliti, akan tetapi

data diambil dari pihak lain. Data sekunder yang dimaksud adalah:

1. Data Indeks dari enam negara ASEAN yaitu Indonesia, Malaysia,

Singapura, Filipina, Thailand, dan Vietnam selama periode penelitian

diperoleh dari internet dengan website www.aseanexchanges.org.

2. Dalam tinjauan pustaka dan metode penelitian, peneliti melakukan studi

pustaka pada jurnal, buku, artikel, skripsi dan thesis yang berhubungan

dengan penelitian.


60

D. Metode Analisis Data

Pengujian hipotesis penelitian ini dilakukan dengan menguji data harian

indeks harga saham pada negara anggota ASEAN yang telah dipilih secara

berturut-turut sejak 1 Januari 2011 hingga 31 Desember 2015.

Penelitian ini menggunakan alat bantu dalam melakukan analisis data

dan pengujian hipotesis, yaitu dengan Microsoft Excel 2007, EViews 9.0, dan

SPSS 24. Langkah pertama yang dilakukan yaitu menghitung return harian

indeks / return pasar dari masing-masing indeks.

Return indeks harian dapat diperoleh dengan menghitung terlebih

dahulu menggunakan rumus sebagai berikut:

Dimana :

Rt = return indeks harian atau return pasar

Pt = indeks hari ke t

Pt-1 = indeks hari ke t-1

Langkah-langkah selanjutnya yang dilakukan untuk melakukan analisis

data adalah sebagai berikut:

1. Kolmogorov Smirnov

Uji Kolmogorov-Smirnov termasuk dalam uji nonparametrik

untuk kasus satu sampel. Uji ini digunakan untuk menguji asumsi

normalitas data. Tes dalam uji ini adalah tes goodness of fit yang mana

tes tersebut untuk mengukur tingkat kesesuian antara distribusi

serangkaian sampel (data observasi) dengan distribusi teoritis tertentu.

61

Uji Kolmogorov-Smirnov (Chakravart, Laha, dan Roy, 1967)

biasa digunakan untuk memutuskan jika sampel berasal dari populasi

dengan distribusi spesifik/tertentu.

Uji Kolmogorov-Smirnov digunakan untuk menguji „goodness

of fit„ antar distribusi sampel dan distribusi lainnya, Uji ini

membandingkan serangkaian data pada sampel terhadap distribusi

normal serangkaian nilai dengan mean dan standar deviasi yang sama.

Singkatnya uji ini dilakukan untuk mengetahui kenormalan distribusi

beberapa data. Uji Kolmogorov-Smirnov merupakan uji yang lebih kuat

daripada uji chi-square ketika asumsi-asumsinya terpenuhi. Uji

Kolmogorov-Smirnov juga tidak memerlukan asumsi bahwa populasi

terdistribusi secara normal.

Hipotesis pada uji Kolmogorov-Smirnov adalah sebagai berikut:

H0 : data mengikuti distribusi yang ditetapkan

Ha : data tidak mengikuti distribusi yang ditetapkan

2. Run Test

Metode yang digunakan untuk mengetahui apakah pergerakan

harga saham bergerak secara random atau tidak dengan menggunakan

wald-wolfowitz runs test. Sebagai alat analisis metode tersebut

digunakan untuk menguji perbedaaan dua kelompok sampel yang

paling independen. Oleh karna itu banyaknya sample pada masing-

masing kelompok tidak harus selalu sama. Perbedaan dari dua

kelompok sample tersebut dapat terjadi sembarang hal, misalnya

https://ariyoso.wordpress.com/2009/10/31/uji-pearson-chi-kuadrat/

62

terhadap mean, variabilitas, kemencengan dan sebagainya. (Rodoni,

2005: 42)

Dalam run test menggunakan uji Z, dengan langkah yang

digunakan oleh Herman Legowo (1998) dalam Nasruldin (2011: 74),

sebagai berikut :

a. Bandingkan perubahan harga saham harian dengan harga saham

harian sebelumnya.

b. Tentukan posisi perubahannya (naik, turun, tetap)

c. Hitung jumlah masing-masing tanda setiap saham

d. Hitung runtun sesungguhnya ( R ) periode yang diobservasi

e. Hitung expected run, untuk seluruh tanda dengan rumus :

( ) ∑

Keterangan :

M = total jumlah run yang diharapkan

N = total jumlah perubahan harga

Ni = jumlah perubahan harga untuk tiap tanda

f. Hitung deviasi standar dengan rumus :

√ ∑

∑

( ) ∑

( )

g. Menghitung Z, karna perubahan harga mengikuti atau

menyesuaikan dengan distribusi normal (random walk) dengan

rumus :

63

(

⁄ )

Dimana : R adalah jumlah runtun sesungguhnya adalah koreksi

kontinum (+ jika R m dan - >m)

h. Menentukan α dan mengevaluasihasil pengolahan data berdasarkan

nilai Z yang didapat.

i. Melakukan randomness test, jika besar prob value lebih besar dari

α, maka sample probabilitas tinggi.

3. Autokorelasi

Autokorelasi (autocorrelation) adalah hubungan antara residual

satu observasi dengan residual observasi lainnya. Autokorelasi lebih

mudah timbul pada data yang bersifat runtun waktu, karena berdasarkan

sifatnya, data masa sekarang dipengaruhi oleh data pada masa-masa

sebelumnya. Meskipun demikian, tetap dimungkinkan autokorelasi

dijumpai pada data yang bersifat antarobjek (cross section). (Wing W.

Winarno, 2009: 5.26)

Autokorelasi terjadi karena beberapa sebab. Menurut Gujarati

(2003) dalam Wing W.Winarno (2009: 5.26), beberapa penyebab

autokorelasi adalah:

a. Data mengandung pergerakan naik turun secara musiman,

misalnya kondisi perekonomian suatu negara yang kadang naik dan

kadang menurun.

b. Kekeliruan memanipulasi data, misalnya data tahunan dijadikan

data kurtalan dengan membagi empat.

64

c. Data runtut waktu, yang meskipun bila dianalisis dengan model yt

= a + bxt + et, karena datanya bersifat runtut, maka berlaku juga yt-1

= a + bxt-1 + et-1. Dengan demikian akan terjadi hubungan antara

data sekarang dan data periode sebelumnya.

d. Data yang dianalisis tidak bersifat stasioner

Apabila data yang kita analisis mengandung autokorelasi, maka

estimator yang kita dapatkan memiliki karakteristik berikut ini:

a. Estimator metode kuadrat terkecil masih linear.

b. Estimator metode kuadrat terkecil masih tidak bias.

c. Estimator metode kuadrat terkecil tidak mempunyai varian yang

minimum (ni longer best).

Dengan demikian, seperti halnya pengaruh heteroskedastisitas,

autokorelasi juga akan menyebabkan estimator hanya bersifat LUE,

tidak lagi BLUE. Cara untuk memeriksa ada tidaknya autokorelasi

adalah dengan Uji Durbin-Watson dan Uji Breusch-Godfrey (Wing

W.Winarno, 2009: 5.27).

4. Metode ARIMA (Autoregressive Integrated Moving Average)

Teknik analisis data dengan metode ARIMA dilakukan karena

merupakan teknik untuk mencari pola yang paling cocok dari

sekelompok data (curve fitting), dengan demikian ARIMA

memanfaatkan sepenuhnya data masa lalu dan sekarang untuk

melakukan peramalan jangka pendek yang akurat. ARIMA seringkali

65

ditulis sebagai ARIMA (p,d,q) yang memiliki arti bahwa p adalah

orde koefisien autokorelasi, d adalah orde / jumlah diferensiasi yang

dilakukan (hanya digunakan apabila data bersifat non-stasioner) dan q

adalah orde dalam koefisien rata-rata bergerak (moving average).

(Sugiarto dan Harijono, 2000 dalam Aulia Syafaat, 2008: 23)

Peramalan dengan menggunakan model ARIMA dapat

dilakukan dengan rumus :

qtnttptnttt eeeYYYY 221122110 ...

Keterangan :

B : Koefisien Regresi

YT : Variabel dependen pada waktu t

Yt-1 ... Yt-p : Variabel lag

et : Residual term

W1 ... Wq : Bobot

et-1 ... et-p : nilai sebelumnya atau residual

a. Stasioneritas data

Data yang tidak stasioner memiliki rata-rata dan varian yang

tidak konstan sepanjang waktu. Dengan kata lain, secara ekstrim

data stasioner adalah data yang tidak mengalami kenaikan dan

penurunan. Selanjutnya regresi yang menggunakan data yang

tidak stasioner biasanya mengarah kepada regresi lancung.

66

Permasalahan ini muncul diakibatkan oleh variabel (dependen

dan independen) runtun waktu terdapat tren yang kuat (dengan

pergerakan yang menurun maupun meningkat). Adanya tren akan

menghasilkan nilai R2 yang tinggi, tetapi keterkaitan antar

variabel akan rendah (Aulia Syafaat, 2008: 24).

Model ARIMA mengasumsikan bahwa data masukan harus

stasioner. Apabila data masukan tidak stasioner perlu dilakukan

penyesuaian untuk menghasilkan data yang stasioner. Salah satu

cara yang umum dipakai adalah metode pembedaan

(differencing). Metode ini dilakukan dengan cara mengurangi

nilai data pada suatu periode dengan nilai data periode

sebelumnya.

Untuk keperluan pengujian stasioneritas, dapat dilakukan

dengan beberapa metode seperti autocorrelation function

(correlogram), uji akar-akar unit dan derajat integrasi.

1) Pengujian stasioneritas berdasarkan correlogram

Suatu pengujian sederhana terhadap stasioneritas data

adalah dengan menggunakan fungsi koefisien autokorelasi

(autocorrelation function / ACF). Koefisien ini menunjukkan

keeratan hubungan antara nilai variabel yang sama tetapi

pada waktu yang berbeda. Correlogram merupakan peta /

grafik dari nilai ACF pada berbagai lag.

67

Secara matematis rumus koefisien autokorelasi adalah

(Sugiharto dan Harijono, 2000:183) :

n

i

t

kn

i

ktt

YY

YYYY

rk

1

2

1

Untuk menentukan apakah nilai koefisien autokorelasi

berbeda secara statistik dari nol dilakukan sebuah pengujian.

Suatu runtun waktu dikatakan stasioner atau menunjukkan

kesalahan random adalah jika koefisien autokorelasi untuk

semua lag secara statistik tidak berbeda signifikan dari nol

atau berbeda dari nol hanya untuk berberapa lag didepan.

Untuk itu perlu dihitung kesalahan standard dengan rumus :

nserk

1

Dimana n menunjukkan jumlah observasi. Dengan

interval kepercayaan yang dipilih, misalnya 95 persen, maka

batas signifikansi koefisien autokorelasi adalah :

rkrk xSedZsxSeZ22

.

Suatu koefisien autokorelasi disimpulkan tidak berbeda

secara signifikan dari nol apabila nilainya berada diantara

rentang tersebut dan sebaliknya. Apabila koefisien

autokorelasi berada diluar rentang, dapat disimpulkan

68

koefisien tersebut signifikan, yang berarti ada hubungan

signifikan antara nilai suatu variabel dengan nilai variabel itu

sendiri dengan time lag 1 periode.

2) Uji akar-akar unit (unit root test)

Sebuah tes stasioneritas (atau non-stasioneritas) yang

menjadi sangat populer beberapa tahun belakangan adalah uji

akar-akar unit (unit root test). Stasioneritas dapat diperiksa

dengan mencari apakah data runtun waktu mengandung akar

unit (unit root). Terdapat berbagai metode untuk melakukan

uji akar unit diantarnya dickey-fuller, Augmented Dickey

Fuller, Dickey-Fuller DLS (ERS), Philips-Perron,

Kwiatkowski-Philips-Schmidt-Shin, Elliot-Rothenberg-Stock

Point-Optimal, dan Ng-Perron. Dalam penelitian ini akan

digunakan uji Augmented Dickey-Fuller untuk menentukan

apakah suatu data runtun waktu mengandung akar unit atau

bersifat non-stasioner.

Untuk memperoleh gambaran mengenai uji akar-akar

ujit, ditaksir model autoregresif berikut ini dengan OLS

(Gujarati, 2003 dalam Aulia Syafaat, 2008: 26) :

k

i

t

i

itt DXBbBXaaDX1

10

k

i

ii

i

tt DXBdBXaTaaDX1

210

69

Dimana, tttttt XBXXXDX , , T = tren waktu, Xt

= variabel yang diamati pada periode t. Selanjutnya dihitung

statistik ADF. Nilai ADF digunakan untuk uji hipotesis

bahwa a1=0 dan c2=0 ditunjukkan oleh nilai t statistik hitung

pada koefisien BXt pada persamaan diatas. Jumlah

kelambanan k ditentukan oleh k=n1/5

, dimana n = jumlah

observasi (Gujarati, 2003 dalam Aulia Syafaat, 2008: 27).

Nilai kritis (tabel) untuk kedua uji terkait dapat dilihat pada

Fuller, 1976; Guilky dan Schmidt, 1989. Runtun waktu yang

diamati stasioner jika memiliki nilai ADF lebih besar dari

nilai kritis. Beberapa piranti lunak ekonometrika seperti

EViews, SPlus, dan R menyediakan nilai kritis ini setiap kali

kita melakukan running data.

Metode ARIMA menggunakan pendekatan iteratif dalam

mengidentifikasi suatu model yang paling tepat dari berbagai model

yang ada. Model sementara yang telah dipilih diuji lagi dengan data

historis untuk melihat apakah model sementara yang terbentuk

tersebut sudah memadai atau belum. Model sudah dianggap memadai

apabila residual (selisih hasil peramalan dengan data historis)

terdistribusi secara acak, kecil dan independen satu sama lain.

Langkah-langkah penerapan metode ARIMA secara berturut-turur

adalah : identifikasi model, estimasi parameter model, diagnostic

checking, dan peramalan (forecasting)

70

a. Identifikasi model

Seperti yang dijelaskan sebelumnya bahwa model ARIMA

hanya dapat diterapkan untuk deret waktu yang stasioner. Oleh

karena itu, pertama kali yang harus dilakukan adalah menyelidiki

apakah data yang kita gunakan sudah stasioner atau belum. Jika

data tidak stasioner, yang perlu dilakukan adalah memeriksa pada

pembedaan beberapa data akan stasioner, yaitu menentukan

berapa nilai d. Proses ini dapat dilakukan dengan menggunakan

koefisien ACF (Auto Correlation Function), atau uji akar-akar

unit (unit roots test) dan derajat integrasi. Jika data sudah

stasioner sehingga tidak dilakukan pembedaan terhadap data

runtun waktu maka d diberi nilai 0.

Disamping menentukan d, pada tahap ini juga ditentukan

berapa jumlah nilai lag residual (q) dan nilai lag dependen (p)

yang digunakan dalam model. Alat utama yang digunakan untuk

mengidentifikasi q dan p adalah ACF (Autocorrelation Function )

dan PACF (Partial Auto Correlation Funtion / Koefisien

Autokorelasi Parsial), dan correlogram yang menunjukkan plot

nilai ACF dan PACF terhadap lag.

Koefisien autokorelasi parsial mengukur tingkat keeratan

hubungan antara Xt dan Xt-k sedangkan pengaruh dari time lab

1,2,3,…,k-1 dianggap konstan. Dengan kata lain, koefisien

autokorelasi parsial mengukur derajat hubungan antara nilai-nilai

71

sekarang dengan nilai-nilai sebelumnya (untuk time lag tertentu),

sedangkan pengaruh nilai variabel time lab yang lain dianggap

konstan. Secara matematis, koefisien autokorelasi parsial berorde

m didefinisikan sebagai koefisien autoregressive terakhir dari

model AR(m).

Tabel 3.1

Pola ACF dan PACF

Tipe Model Pola Tipikal ACF Pola tipikal PACF

AR(p) Menurun secara eksponensial menuju

nol

Signifikan pada semua

lag p

MA(q) Signifikan pada semua lag p Menurun secara

eksponensial menuju nol

ARMA(p,q) Menurun secara eksponensial menuju

nol

Menurun secara

eksponensial menuju nol

Sumber : Gujarati 2003

b. Estimasi

Setelah menetapkan model sementara dari hasil identifikasi,

yaitu menentukan nilai p, d, dan q, langkah berikutnya adalah

melakukan estimasi paramater autoregressive dan moving average

yang tercakup dalam model. Jika teridentifikasi proses AR murni

maka parameter dapat diestimasi dengan menggunakan kuadrat

72

terkecil (Least Square). Jika sebuah pola MA diidentifikasi maka

maximum likelihood atau estimasi kuadrat terkecil, keduanya

membutuhkan metode optimisasi non-linier hal ini terjadi karena

adanya unsur moving average yang menyebabkan ketidak linieran

parameter. Namun, saat ini sudah tersedia berbagai piranti lunak

statistik yang mampu menangani perhitungan tersebut sehingga

kita tidak perlu khawatir mengenai estimasi matematis.

c. Diagnostic Checking

Setelah melakukan estimasi dan mendapatkan penduga

paramater, agar model sementara dapat digunakan untuk

peramalan, perlu dilakukan uji kelayakan terhadap model

tersebut. Tahap ini disebut diagnostic checking, dimana pada

tahap ini diuji apakah spesifikasi model sudah benar atau belum.

Pengujian kelayanan ini dapat dilakukan dengan beberapa cara.

1) Setelah estimasi dilakukan, maka nilai residual dapat

ditentukan. Jika nilai-nilai koefisien autokorelasi residual

untuk berbagi time lag tidak berbeda secara signifikan dari

nol, model dianggap memadai untuk dipakai sebagai model

peramalan.

2) Menggunakan statistik Box-Pierce Q, yang dihitung dengan

formula :

m

k

knQ1

2̂

73

Dimana :

n = jumlah sampel

m = jumlah lag, dan

k̂ = nilai koefisien autokorelasi time lag k.

Jika nilai Q hitung lebih kecil daripada 2 kritis dengan

derajat kebebasan m, maka model dianggap memadai.

3) Menggunakan varian dari statistik Box-Pierce Q, yaitu

statistik Ljung-Box (LB), yang dapat dihitung dengan :

m

k

k

knnnLB

1

2ˆ

)2(

Sama seperti Q statistik, statistik LB mendekati 2 kritis

dengan derajat kebebasan m. Jika statistik LB lebih kecil dari

nilai 2

kritis, maka semua koefisien autokorelasi dianggap

tidak berbeda dari nol, atau model telah dispesifikasikan

dengan benar. Statistik LB dianggap lebih unggul secara

statistik daripada Q statistik dalam menjelaskan sample kecil.

4) Menggunakan t statistik untuk menguji apakah koefisien

model secara individu berbeda dari nol. Apabila suatu

variabel tidak signifikan secara individu berarti variabel

tersebut seharusnya dilepas dari spesifikasi model lain

kemudian diduga dan diuji. Jika model sementara yang

dipilih belum lolos uji diagnostik, maka proses pembentukan

74

model diulang kembali. Menemukan model ARIMA yang

terbaik merupakan proses iteratif.

d. Peramalan (forecasting)

Setelah model terbaik diperoleh, selanjutnya peramalan dapat

dilakukan. Dalam berbagai kasus, peramalan dengan metode ini

lebih dipercaya daripada peramalan yang dilakukan dengan model

ekonometri tradisional. Namun, hal ini tentu saja perlu dipelajari

lebih lanjut oleh para peneliti yang tertarik menggunakan metode

serupa.

Berdasarkan ciri yang dimilikinya, model runtun waktu

seperti ini lebih cocok untuk peramalan dengan jangkauan sangat

pendek, sementara model struktural lebih cocok untuk peramalan

dengan jangkauan panjang (Nahrowi, 2003 dalam Aulia Syafaat,

2008: 32)

5. Metode ARCH/GARCH

Wing W. Winarno (2009: 8.1) dalam bukunya menuliskan

bahwa model ARCH dikembangkan oleh Robert Engle pada tahun

1982 dengan mengenalkan konsep Conditional Heterocedastic, sebuah

konsep tentang ketidak konstanan variasi dari data acak, dan

perubahan variansi ini dipengaruhi oleh acak sebelumnya yang

tersusun dalam urutan waktu.

Dalam perkembangannya muncul variasi dari model ARCH

(Autoregressive Conditional Heteroscedasticity), yang dikenal dengan

75

nama GARCH (General Autoregressive Conditional

Heteroscedasticity). GARCH dimaksudkan untuk memperbaiki

ARCH dan dikembangkan oleh Tim Bollerslev (1986 dan 1994).

Dalam metode ARCH, varian residual data runtun waktu tidak

hanya dipengaruhi oleh variabel independen, tapi juga dipengaruhi

oleh nilai residual variabel yang diteliti. Model ARCH menggunakan

dua persamaan berikut:

Yt = 0 + 1.X1t + t ...................................................................(1)

t2 = α0 + α1. t-1

2 ...............................................................................(2)

Dengan Y adalah variabel dependen, X variabel independen,

adalah pengganggu atau residual, t2

adalah residual α1. t-12

disebut

dengan komponen ARCH.

Varian residual memiliki dua komponen, yaitu konstanta dan

residual dari periode sebelumnya. Itulah sebabnya model ini disebut

model bersyarat (conditional), karena varian residual periode sekarang

(t) dipengaruhi oleh periode jauh sebelumnya (t-1, t-2 dan seterusnya).

Persamaan (1) disebut dengan persamaan rat-rata bersyarat

(conditional mean) ,dan persamaan (2) disebut dengan persamaan

varian bersyarat (conditional variance). Varian residual t yang

dipengaruhi pergerakan residual kuadrat satu periode sebelumnya

(seperti persamaan 2) disebut dengan ARCH (1). Apabila dipengaruhi

oleh p periode, maka disebut ARCH (p) dan persamaannya

ditunjukkan seperti berikut:

76

Yt = 0 + 1.X1t + t .......................................................(3)

t2 = α0 + α1. t-1

2 + .... + αp. t-p

2..........................................................(4)

Persamaan (4) juga dapat dituliskan dengan cara yang lebih ringkas,

yaitu:

t2 = α0 + α1. t-1

2

Agar varian selalu positif (var ( 2) > 0), maka harus dipenuhi syarat α0

> 0 dan 0 < α1 < 1. Apabila diperhatikan, persamaan (2) bersifat linier

sedangkan persamaan (3) tidak linier, sehingga teknik OLS tidak

dapat digunakan untuk mengestimasi persamaan tersebut.

Secara formal (Nahrowi, 2006) menuliskan model GARCH dengan

derajat (p,q):

t2 = α0 + α1. t-1

2 + .... + αp. t-p

2 + 1. αt-1

2 + .... + p. αt-p

2 .................(6)

Dengan α0 > 0, α1 0, dan p

E. Operasional Variabel Penelitian

Variabel utama dalam penelitian ini adalah return indeks dari 6 negara

anggota ASEAN. Dimana 6 negara tersebut yaitu Indonesia, Malaysia,

Singapura, Filipina, Thailand, dan Vietnam. Return saham yang dipergunakan

adalah retun saham harian dari ke enam indeks dalam periode penelitian

yakni 1 Januari 2011 sampai dengan 31 Desember 2015. Data tersebut

diperoleh dari website www.aseanexchanges.org , data yang diperoleh berupa

harga saham indeks harian dari masing-masing negara.

Berikut ini deskripsi variabel utama dari enam indeks yang akan diteliti

adalah sebagai berikut.


77

1. Indeks Indonesia (JKSE)

Indeks Harga Saham Gabungan (disingkat IHSG, dalam Bahasa

Inggris disebut juga Indonesia Composite Index, ICI, atau IDX Composite)

merupakan salah satu indeks pasar saham yang digunakan oleh Bursa Efek

Indonesia (BEI; dahulu Bursa Efek Jakarta (BEJ)). Diperkenalkan pertama

kali pada tanggal 1 April 1983, sebagai indikator pergerakan harga saham

di BEJ, Indeks ini mencakup pergerakan harga seluruh saham biasa dan

saham preferen yang tercatat di BEI. Hari Dasar untuk perhitungan IHSG

adalah tanggal 10 Agustus 1982. Pada tanggal tersebut, Indeks ditetapkan

dengan Nilai Dasar 100 dan saham tercatat pada saat itu berjumlah 13

saham.

2. Indeks Malaysia (KLSE)

Indeks Komposit Kuala Lumpur (IKKL; bahasa Inggris: Kuala

Lumpur Composite Index; KLCI) merupakan indeks pasar

saham umumnya diterima sebagai barometer pasar saham lokal.

Diperkenalkan pada tahun 1986 untuk menjawab kebutuhan satu indeks

pasar saham yang akan memberikan layanan sebagai suatu indikator

kinerja pasar saham Malaysia begitu juga dengan ekonomi. Ia digunakan

sebagai indeks utama, dan sekarang merupakan salah satu dari tia indeks

utama untuk pasar saham Malaysia yang mana dua lagi adalah FMB30 dan

FMBEMAS, Bursa Malaysia. Ia mengandung 100 perusahaan dari Papan

Utama dengan sekitar 500 hingga 650 terdaftar di dalam Papan Utama

yang terdiri dari perusahaan berbagai sektor menyeberangi tahun 2000

https://id.wikipedia.org/wiki/Indeks-h

https://id.wikipedia.org/wiki/Bahasa_Inggris


https://id.wikipedia.org/wiki/Indeks_pasar_saham

https://id.wikipedia.org/wiki/Bursa_Efek_Indonesia

https://id.wikipedia.org/wiki/Bursa_Efek_Indonesia

https://id.wikipedia.org/wiki/Bursa_Efek_Jakarta

https://id.wikipedia.org/wiki/1_April

https://id.wikipedia.org/wiki/1983

https://id.wikipedia.org/wiki/10_Agustus






https://id.wikipedia.org/wiki/Malaysia

https://id.wikipedia.org/wiki/Bursa_Malaysia

78

sampai 2006 dan merupakan sebuah indeks pemberat pemodalan.

Perangkat tambahan untuk mengadopsi metodologi Indeks FTSE Bursa

Malaysia yang diterapkan pada Senin, 6 Juli 2009.

3. Indeks Singapura (STI)

Indeks Straits Times (disingkat: STI; bahasa Inggris: Straits Times

Index) adalah sebuah indeks pasar saham berdasarkan kapitalisasi di Bursa

efek Singapura. Indeks ini digunakan untuk mendata dan memonitor

perubahan harian dari 30 perusahaan terbesar di pasar

saham Singapura dan sebagai indikator utama dari performa pasar di

Singapura. Indeks ini bersama-sama dihitung dengan Singapore Press

Holdings (SPH), Singapore Exchange (SGX) dan FTSE Group (FTSE).

4. Indeks Filipina (PSI)

PSE Composite Index, dikenal umum sebagai PHISIX,

adalah indeks pasar saham utama di Bursa Efek Filipina (PSE). PHISIX

adalah indeks yang paling diamati di PSE. Indeks ini merupakan salah satu

indikator ekonomi Filipina.

5. Indeks Thailand (SETI)

Indeks SET (bahasa Inggris: SET Index) merupakan salah

satu indeks pasar saham untuk semua saham umum Thailand. Indeks ini

mencakup pergerakan harga seluruh saham biasa dan saham preferen yang

tercatat di Bursa Saham Thailand (SET). Hari Dasar untuk perhitungan

Indeks SET adalah tanggal 30 April 1975. Pada tanggal tersebut, Indeks

ditetapkan dengan Nilai Dasar 100.

https://id.wikipedia.org/w/index.php?title=Indeks_pemberat_nilai_pasar&action=edit&redlink=1

https://id.wikipedia.org/w/index.php?title=Indeks_FTSE_Bursa_Malaysia&action=edit&redlink=1

https://id.wikipedia.org/w/index.php?title=Indeks_FTSE_Bursa_Malaysia&action=edit&redlink=1



https://id.wikipedia.org/wiki/Kapitalisasi_pasar

https://id.wikipedia.org/wiki/Bursa_efek_Singapura


https://id.wikipedia.org/wiki/Singapura

https://id.wikipedia.org/wiki/Singapore_Press_Holdings


https://id.wikipedia.org/wiki/Singapore_Exchange

https://id.wikipedia.org/w/index.php?title=FTSE_Group&action=edit&redlink=1


https://id.wikipedia.org/wiki/Bursa_Efek_Filipina



https://id.wikipedia.org/wiki/Thailand

https://id.wikipedia.org/wiki/Bursa_Saham_Thailand

https://id.wikipedia.org/wiki/30_April


79

6. Indeks Vietnam (VNI)

VN Indeks - singkatan Indeks Saham Vietnam - adalah indeks

kapitalisasi tertimbang yang terdiri dari daftar ekuitas di Bursa Efek

HoChiMinh, pasar yang lebih besar dan lebih mapan di Vietnam. VN

Index diluncurkan oleh Bursa Efek HoChiMinh (HSX) pada Juli 2000

dengan nilai dasar 100 dan dalam mata uang dong Vietnam. Hal ini

dianggap indeks patokan untuk lebih besar, saham lebih mapan dan blue

chips dibandingkan dengan yang lebih baru, daftar kecil-tutup pada Indeks

HaSTC di elektronik Hanoi Securities Trading Center.

80

BAB IV

ANALISIS DAN PEMBAHASAN

A. Sekilas Gambaran Umum Objek Penelitian

Negara-negara berkembang mulai mengaktifkan pasar modal ketika

terancam dengan krisis hutang (debt crisis) pada awal tahun 1982. Tahun

1980-an ditandai dengan resesi ekonomi sebagai akibat dari turunnya harga

minyak di pasar dunia dari US$34,5 per barel menjadi US$10 pada bulan

Agustus 1986 yang kemudian mengancam neraca pembayaran dan anggaran

belanja dari negara-negara berkembang. Dampak negatif yang ditimbulkan

oleh krisis ekonomi dan krisis utang ini mendorong negara-negara

berkembang untuk melakukan penjadwalan kembali hutang-hutang mereka.

Pendanaan melalui sistem perbankan dirasakan semakin sulit karena dibebani

dengan cost of capital yang tinggi. Akibatnya untuk sebagian negara yang

tetap mengandalkan kredit bank sebagai sumber pembiayaan semakin sulit

berkembang karena tidak dapat menawarkan barang dan jasa di pasar

internasional dengan harga yang lebih rendah. Kondisi ini yang kemudian

memberatkan neraca pembayaran negara-negara berkembang.

Pentingnya pasar modal bagi suatu negara adalah dalam rangka

meningkatkan tabungan (saving) melalui sistem keuangan (financial system)

yang pada gilirannya mendorong mobilisasi dan alokasi sumber-sumber daya

ekonomi secara lebih efisien (efficiency of resource mobilization and

allocation) berdasarkan perkiraan atas risiko (risk) dan keuntungan (returns).

Penanaman modal (investasi) yang berorientasi di dalam negeri mungkin

81

tidak efisien dibanding dengan jika dilakukan diluar negeri.Begitu juga

penanaman modal di negara maju bisa menjadi kurang efisien jika dibanding

dengan kalau dilakukan di negara-negara berkembang. Kondisi ini

mendorong para investor melakukan investasi lintas negara, baik dalam

bentuk penanaman modal langsung (foreingn direct investment) maupun

penanaman modal tidak langsung (portfolio investment).

Kinerja pasar modal ini menunjukkan bahwa dunia usaha telah

menempatkan produk pasar modal seperti saham (equity), obligasi(bonds)

dan beberapa produk derivatif seperti right sertificate, warrant dan

sebagainya sebagai sumber pembiayaan dunia usaha jangka panjang yang

sangat potensial dan bermanfaat untuk meningkatkan efisiensi dalam alokasi

sumber-sumber produksi. Bagi investor (demand side), ada dua kepentingan

dalam pasar modal, yakni bagaimana meraih gain dan deviden atas setiap unit

saham obligasi yang diportofoliokan. Sedangkan dunia usaha (supply side)

berkepentingan dalam pemupukan dana murah untuk membiayai produksi

dan mungkin untuk melunasi hutang jangka panjang, yang relatif lebih murah

dibanding pembiayaan dari sektor perbankan atau lembaga keuangan lainnya.

Semakin maju industri di suatu negara, pembiayaan melalui pasar

modal cenderung lebih dominan dibanding dengan pembiayaan melalui

perbankan. Menjadikan suatu bursa yang efisien tidak sekadar merupakan

akibat dari mekanisme pasar tetapi juga intervensi pemerintah dalam batas-

batas tertentu untuk membuat regulasi dan/atau deregulasi yang memberi

peluang bagi setiap pelaku pasar modal untuk bekerja secara lebih efisien.

82

Campur tangan pemerintah yang berlebihan misalnya di bidang perpajakan

(taxation), atauprosedur administrasi yang berlebihan (biro kratif) hanya akan

menciptakan hambatan (barrier) bagi pengembangan pasar modal itu sendiri.

Hampir semua negara berkembang telah menyadari hal ini, dan mulai

melakukan reformasi kebijakan untuk menghilangkan hambatan-hambatan

tersebut. Swastanisasi BUMN misalnya yang dilakukan di beberapa negara

seperti di Malaysia, Filipina, dan Thailand serta juga Indonesia adalah salah

satu bentuk pengurangan campur tangan pemerintah dalam ekonomi. Sasaran

akhir tetap bermuara pada penciptaan efisiensi.

Objek yang akan dianalisa pada penelitian ini adalah indeks saham di

negara-negara ASEAN. Indeks negara yang menjadi sampel pada penelitian

ini yakni ada 6 negara yang meliputi Indonesia, Malaysia, Singapura,

Filipina, Thailand, dan Vietnam. Berikut ini adalah penjelasan dari 6 indeks

yang termasuk dalam sampel penelitian.

1. Indonesia

Bursa Efek Indonesia (disingkat BEI, atau Indonesia Stock

Exchange (IDX) atau Jakarta Stock Exchange (JKSE) merupakan

bursa hasil penggabungan dari Bursa Efek Jakarta (BEJ) dengan Bursa

Efek Surabaya (BES). Demi efektivitas operasional dan transaksi,

Pemerintah memutuskan untuk menggabung Bursa Efek Jakarta

sebagai pasar saham dengan Bursa Efek Surabaya sebagai pasar obligasi

dan derivatif.

https://id.wikipedia.org/wiki/Bursa_Efek_Jakarta

https://id.wikipedia.org/wiki/Bursa_Efek_Surabaya


https://id.wikipedia.org/wiki/Pasar_saham


https://id.wikipedia.org/wiki/Obligasi

https://id.wikipedia.org/wiki/Derivatif

83

Bursa hasil penggabungan ini mulai beroperasi pada 1 Desember

2007. BEI menggunakan sistem perdagangan bernama Jakarta

Automated Trading System (JATS) sejak 22 Mei 1995, menggantikan

sistem manual yang digunakan sebelumnya. Sejak 2 Maret 2009 sistem

JATS ini sendiri telah digantikan dengan sistem baru bernama JATS-

NextG yang disediakan OMX. Bursa Efek Indonesia berpusat di Gedung

Bursa Efek Indonesia, Kawasan Niaga Sudirman, Jalan Jenderal

Sudirman 52-53, Senayan, Kebayoran Baru, Jakarta Selatan.

2. Malaysia

Bursa Malaysia dahulu dikenal sebagai Bursa Saham Kuala

Lumpur (KLSE, Kuala Lumpur Stock Exchange), adalah sebuah

perusahaan induk bursa yang memberikan layanan berbeda yang

berkaitan dengan perdagangan derivatif dan sekuritas dan lain-lain.

KLSE dimulai pada tahun 1930 ketika Asosiasi Broker Saham

Singapura didirikan sebagai satu lembaga resmi sekuritas di Tanah

Melayu. Pada tahun 1937, ia terdaftar kembali sebagai Asosiasi Broker

Saham Tanah Melayu, tetapi ia masih tidak memperdagangkan saham-

saham publik.

Pada tahun 1960, Bursa Saham Tanah Melayu telah didirikan dan

perdagangan saham publik dimulai pada 9 Mei. Pada tahun 1961, sistem

papan telah diperkenalkan di mana dua buah kamar dagangan, masing-

masing satu di Singapura dan Kuala Lumpur, telah terhubung oleh

barisan-barisan online telepon terus menjadi satu pasar tunggal dengan

https://id.wikipedia.org/w/index.php?title=OMX&action=edit&redlink=1

https://id.wikipedia.org/wiki/Jakarta_Selatan


https://id.wikipedia.org/wiki/Tanah_Melayu

https://id.wikipedia.org/wiki/Tanah_Melayu



https://id.wikipedia.org/wiki/9_Mei



https://id.wikipedia.org/wiki/Kuala_Lumpur

84

saham-saham serupa dan saham-saham tercantum di satu set harga yang

tunggal di kedua papan.

Bursa Saham Malaysia telah dibentuk secara resmi pada tahun

1964 dan pada tahun berikut, dengan pemisahan Singapura dari

Malaysia, bursa saham terus berfungsi di bawah Bursa Saham Malaysia

dan Singapura (SEMS).

Pada tahun 1973, dengan penghentian saling-bisa-mata uang antara

Malaysia dan Singapura, SEMS terpisah menjadi dua, Bursa Saham

Kuala Lumpur Bhd (KLSEB) dan Bursa Efek Singapura (SES).

Perusahaan-perusahaan Malaysia terus terdaftar di SES dan sebaliknya.

Sebuah perusahaan berhad baru menurut gerenti, Bursa Saham Kuala

Lumpur (BSKL) mengambil alih operasi sebagai bursa saham KLSEB.

Pada tahun 1994, perusahaan ini diubah namanya sebagai Bursa Saham

Kuala Lumpur.

Bursa Saham Kuala Lumpur menjadi satu perubahan yang mutual

dan telah diubah namanya sebagai Bursa Malaysia pada tahun 2004.

MYX mengandung satu papan utama, satu papan kedua dan papan

MESDAQ dengan jumlah permodalan pasar RM700 miliar (AS$189

miliar). Pada tahun 2005, Bursa Malaysia telah terdaftar sendiri di 18

Maret. Pada 28 April, Bursa Malaysia memperkenalkan CBRS, satu

skema yang mengizinkan semua investor untuk memasuki laporan-

laporan penelitian perusahaan-perusahaan terdaftar Bursa dengan

pembayaran gratis.

https://id.wikipedia.org/wiki/Bursa_Efek_Singapura

https://id.wikipedia.org/wiki/Ringgit_Malaysia

https://id.wikipedia.org/wiki/Dolar_Amerika_Serikat

85

Indeks pasar saham pertama untuk Bursa Malaysia adalah Indeks

Komposit Kuala Lumpur (KLCI). Namun, pada Juni 2006, satu seri

indeks baru dikembangkan secara bersama oleh Bursa Malaysia dan

FTSE berkumpul telah diperkenalkan. Pada 7 November, indeks

komposit akhirnya mencapai 1.000 poin dan ditutup pada 1.003,28. Ia

adalah sebagian didorong oleh dagangan kukuh semalaman Wall Street.

KLCI adalah diperkirakan untuk menyetujui 1.000 tanda lagi. Saat di

pertengahan-Maret 2007, permodalan pasar diperkirakan berjumlah

RM927.8 miliar (AS$270 miliar).

3. Singapura

Bursa efek Singapura adalah bursa saham yang berlokasi di

Singapura, sebelumnya dikenal sebagai Stock Exchange of Singapore

(SES) sampai menggabungkan dengan Singapore International Monetary

Exchange (SIMEX) pada 30 November 1999. Bursa ini juga

memperdagangkan sekuritas lainnya seperti obligasi pemerintah dan

derivatif seperti opsi saham. Indeks pasar saham utama SGX adalah

Indeks Straits Times (Strait Times Index, STI).

Indeks Straits Times (disingkat: STI; bahasa Inggris: Straits

Times Index) adalah sebuah indeks pasar saham berdasarkan

kapitalisasi di Bursa efek Singapura. Indeks ini digunakan untuk mendata

dan memonitor perubahan harian dari 30 perusahaan terbesar di pasar

saham Singapura dan sebagai indikator utama dari performa pasar di


https://id.wikipedia.org/wiki/Indeks_Komposit_Kuala_Lumpur

https://id.wikipedia.org/wiki/Indeks_Komposit_Kuala_Lumpur







86

Singapura. Indeks ini bersama-sama dihitung dengan Singapore Press

Holdings (SPH), Singapore Exchange (SGX) dan FTSE Group (FTSE).

Singapore Exchange Limited adalah perusahaan induk investasi

yang memberikan layanan berbeda yang berkaitan dengan perdagangan

derivatif dan sekuritas dan lain-lain. SGX adalah anggota World

Federation of Exchanges dan Asian and Oceanian Stock Exchanges

Federation.

Masa perdagangan di bursa SGX adalah 08:00 hingga 17:30 setiap

hari kecuali Sabtu, Minggu, dan hari libur yang ditetapkan pengelola

bursa sebelumnya.

4. Filipina

Bursa Saham Filipina (PSE: PSE) adalah salah satu dari

dua bursa saham di Filipina, satunya lagi adalah Philippine Dealing

Exchange. PSE merupakan salah satu bursa saham utama di Asia

Tenggara dan juga merupakan pasar saham pertama di Asia dan yang

beroperasi terlama sejak tahun 1927. PSE memiliki dua tempat

perdagangan, satu di Kota Makati dan satu lagi di Kota Pasig.

5. Thailand

Bursa Saham Thailand (SET) adalah bursa saham Thailand yang

terletak di Bangkok. Per 31 Desember 2013, Bursa Efek Thailand telah

584 perusahaan yang terdaftar dengan gabungan kapitalisasi



https://id.wikipedia.org/wiki/Singapore_Exchange

https://id.wikipedia.org/w/index.php?title=FTSE_Group&action=edit&redlink=1

https://id.wikipedia.org/wiki/World_Federation_of_Exchanges

https://id.wikipedia.org/wiki/World_Federation_of_Exchanges

https://id.wikipedia.org/w/index.php?title=Asian_and_Oceanian_Stock_Exchanges_Federation&action=edit&redlink=1

https://id.wikipedia.org/w/index.php?title=Asian_and_Oceanian_Stock_Exchanges_Federation&action=edit&redlink=1

http://www.pse.com.ph/html/MarketInformation/stockinfo.jsp?securitySymbol=PSE

https://id.wikipedia.org/wiki/Bursa_saham

https://id.wikipedia.org/wiki/Filipina

https://id.wikipedia.org/w/index.php?title=Philippine_Dealing_Exchange&action=edit&redlink=1

https://id.wikipedia.org/w/index.php?title=Philippine_Dealing_Exchange&action=edit&redlink=1

https://id.wikipedia.org/wiki/Asia_Tenggara

https://id.wikipedia.org/wiki/Asia_Tenggara

https://id.wikipedia.org/wiki/Kota_Makati

https://id.wikipedia.org/wiki/Kota_Pasig

https://id.wikipedia.org/wiki/Bursa_saham

https://id.wikipedia.org/wiki/Thailand

https://id.wikipedia.org/wiki/Bangkok


87

pasar sebesar BT฿11.496 miliar. Indeks pasar saham dari bursa ini

adalah Indeks SET, Indeks SET50 dan Indeks SET100.

Masa perdagangan di bursa SET adalah 08:15 hingga 12:30 dan

14:15 hingga 17:30 setiap hari kecuali Sabtu, Minggu, dan hari libur

yang ditetapkan pengelola bursa sebelumnya.

6. Vietnam

Bursa Efek Hanoi ( bahasa Inggris: Hanoi Securities Trading

Center / Hanoi STC) adalah bursa efek yang terletak di Hanoi, Vietnam,

diluncurkan pada Maret 2005 dan menangani lelang dan

perdagangan saham dan obligasi. Bursa Efek Hanoi adalah pusat

perdagangan efek kedua untuk membuka di Vietnam setelah Bursa Efek

Kota Ho Chi Minh.

B. Analisis dan Pembahasan

1. Kolmogorov Smirnov

Uji Kolmogorov-Smirnov termasuk dalam uji nonparametrik untuk

kasus satu sampel. Uji ini digunakan untuk menguji asumsi normalitas

data. Tes dalam uji ini adalah tes goodness of fit yang mana tes tersebut

untuk mengukur tingkat kesesuian antara distribusi serangkaian sampel

(data observasi) dengan distribusi teoritis tertentu.

Berikut ini adalah hasil dari uji kolmogorov smirnov dari ke enam

indeks di ASEAN yang dapat dilihat pada tabel 4.1.


https://id.wikipedia.org/wiki/Baht


https://id.wikipedia.org/wiki/Indeks_SET

https://id.wikipedia.org/w/index.php?title=Indeks_SET50_dan_Indeks_SET100&action=edit&redlink=1


https://id.wikipedia.org/wiki/Bursa_efek

https://id.wikipedia.org/wiki/Hanoi

https://id.wikipedia.org/wiki/Vietnam

https://id.wikipedia.org/wiki/Lelang

https://id.wikipedia.org/wiki/Saham

https://id.wikipedia.org/wiki/Obligasi

https://id.wikipedia.org/w/index.php?title=Bursa_Efek_Kota_Ho_Chi_Minh&action=edit&redlink=1

https://id.wikipedia.org/w/index.php?title=Bursa_Efek_Kota_Ho_Chi_Minh&action=edit&redlink=1

88

Tabel 4.1

Hasil Uji Kolmogorov Smirnov

JKSE KLSE STI PSI SETI VNI

N 1298 1298 1298 1298 1298 1298

Normal Parametersa,b

Mean ,000193 ,000172 ,000084 ,000485 ,000175 ,000591

Std.

Deviation ,0108890 ,0055796 ,0065862 ,0153605 ,0102375 ,0109569

Most Extreme

Differences

Absolute ,080 ,075 ,055 ,146 ,070 ,071

Positive ,069 ,062 ,044 ,139 ,051 ,047

Negative -,080 -,075 -,055 -,146 -,070 -,071

Kolmogorov-Smirnov Z 2,894 2,711 1,988 5,248 2,537 2,561

Asymp. Sig. (2-tailed) ,000 ,000 ,001 ,000 ,000 ,000

Sumber: Data diolah menggunakan SPSS 24

Pada tabel di atas hasil uji Kolmogorov Smirnov dari ke enam

indeks menunjukkan bahwa data tidak terdistribusi normal. Hal ini dapat

dilihat dari nilai Asymtotic Signifikan dari ke enam indeks adalah 0.00

yang artinya lebih kecil dari α = 5% (0,05). Sedangkan hipotesis nol

diterima ketika nilai Asymtotic Signifikan > α (0,05). Berdasarkan hasil

analisis tersebut maka dapat disimpulkan hipotesis nol (H0) ditolak yang

artinya data harga saham indeks Indonesia, Malaysia, Singapura, Filipina,

Thailand, dan Vietnam tidak mengikuti distribusi normal.

2. Run Test

Analisis Run Test termasuk dalam statistik nonparametrik. Uji ini

digunakan untuk menguji pada kasus satu sampel. Sampel yang diambil

dari populasi, apakah sampel yang diambil berasal dari sampel acak atau

bukan. Pengujian ini untuk kasus satu sampel. Prosedur pengujian

89

dilakukan dengan mengurutkan data sampel dan mencari letak nilai

mediannya.

Uji Run Test adalah uji hipotesis yang merupakan bagian dari uji

satu sampel. Tujuan hipotesis untuk menguji apakah data dari sampel yang

ada sudah cukup kuat untuk menggambarkan populasinya, sedangkan

sampel adalah sebagian dari populasi.

Run Test adalah alat statistik untuk menguji apakah sampel yang

mewakili sebuah populasi telah diambil secara acak (random). Jika tidak,

maka sampel tersebut tidak bisa digunakan untuk perlakuan lebih lanjut,

seperti untuk menggambarkan isi populasi.

Berikut ini adalah hasil dari uji Run Test dari ke enam indeks di

ASEAN yang dapat dilihat pada tabel 4.2.

Tabel 4.2

Hasil Uji Run Test


Test Valuea ,0004 ,0001 ,0001 ,0003 ,0002 ,0002

Cases < Test Value 649 649 649 649 649 649

Cases >= Test

Value 649 649 649 649 649 649

Total Cases 1298 1298 1298 1298 1298 1298

Number of Runs 662 590 654 576 611 615

Z -2,149 -3,332 -2,025 -4,110 -2,166 -2,328

Asymp. Sig. (2-

tailed) ,032 ,001 ,043 ,000 ,030 ,020

Sumber: Data diolah menggunakan SPSS 24

90

Tabel 4.2 di atas menunjukkan hasil Run Test dari ke enam (6)

indeks di enam negara ASEAN yaitu Indonesia, Malaysia, Singapura,

Filipina, Thailand dan Vietnam untuk jangka waktu 2011-2015.

Pengujian ini dilakukan dengan membandingkan besar Asymp. Sig

masing- masing indeks dengan nilai absolut (α = 5%. atau 0.05). Jika

Asymp. Sig > α, maka menunjukkan bahwa pola harga saham bersifat

acak (random walk). Begitu pula sebaliknya bila Asymp. Sig < α, maka

pola harga saham tidak bersifat acak atau tidak random walk.

Pada tabel di atas terlihat bahwa Asym.Sig pada indeks JKSE,

KLSE, STI, PSI, SETI, dan VNI menunjukkan pola harga saham tidak

bersifat random karena Asym.Sig < α dengan perolehan nilai masing-

masing 0.032, 0.001, 0.043, 0.000, 0.030, dan 0.020.

Pada indeks JKSE, hasil penelitian ini sejalan dengan penelitian

yang dilakukan oleh Francesco Guidi (2011) dan Kashif Hamid (2010)

yang menyatakan bahwa pasar modal di Indonesia belum efisien dalam

bentuk lemah karena harga saham tidak mengikuti random walk.

Pada indeks KLSE, hasil penelitian ini sejalan dengan penelitian


yang menyatakan bahwa pasar modal di Malaysia belum efisien dalam


Pada indeks STI, hasil penelitian ini sejalan dengan penelitian yang

dilakukan oleh Kashif Hamid (2010) yang menyatakan bahwa pasar

91

modal di Singapura belum efisien dalam bentuk lemah karena harga

saham tidak mengikuti random walk.

Pada indeks PSI, hasil penelitian ini sejalan dengan penelitian yang

dilakukan oleh Francesco Guidi (2011) dan Kashif Hamid (2010) yang

menyatakan bahwa pasar modal di Filipina belum efisien dalam bentuk

lemah karena harga saham tidak mengikuti random walk.

Pada indeks SETI, hasil penelitian ini sejalan dengan penelitian

yang dilakukan oleh Kasilingam (2014) dan Kashif Hamid (2010) yang

menyatakan bahwa pasar modal di Thailand belum efisien dalam bentuk


Pada indeks VNI, hasil penelitian ini sejalan dengan penelitian

yang dilakukan oleh Khoa Cuong (2014), Francesco Guidi (2011) dan

Kashif Hamid (2010) yang menyatakan bahwa pasar modal di Vietnam

belum efisien dalam bentuk lemah karena harga saham tidak mengikuti

random walk.

Dari uraian hasil analisis tersebut maka dapat disimpulkan bahwa

pasar modal di ASEAN tidak efisien dalam bentuk lemah yang artinya

bahwa harga saham hari ini ada hubungannya dengan harga saham

sebelumnya.

3. Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah dalam model

regresi terjadi korelasi antara variabel pengganggu (error) pada periode t

dan periode t-1 (sebelumnya). Autokorelasi muncul karena observasi yang

92

berurutan sepanjang waktu berkaitan satu sama lainnya (Imam Ghozali,

2005: 95).

Beberapa cara untuk menanggulangi masalah autokorelasi adalah

dengan mentransformasikan data atau bisa juga dengan mengubah model

regresi ke dalam bentuk persamaan beda umum (generalized difference

equation). Selain itu juga dapat dilakukan dengan memasukkan variabel

lag dari variabel terikatnya menjadi salah satu variabel bebas, sehingga

data observasi menjadi berkurang 1.

Dalam penelitian ini peneliti menggunakan pengujian sederhana

terhadap stasioneritas data yaitu dengan menggunakan uji Breusch-

Godfrey. Perhatikan nilai Obs*R-squared dan nilai Probability disebelah

kanannya. Nilai Obs*R-squared berasal dari koefisien determinasi (yaitu

R-square) dikalikan dengan banyaknya observasi. Jika nilai probabilitynya

lebih besar daripada α = 5%, mengindikasikan bahwa data tidak

mengandung masalah autokorelasi. Sebaliknya, jika nilai probabilitynya

lebih kecil daripada α = 5%, maka mengindikasikan bahwa data

mengandung masalah autokorelasi.

Berikut ini adalah hasil dari uji Autokorelasi dengan menggunakan

uji Breusch-Godfrey dari ke enam indeks di ASEAN yang dapat dilihat

pada tabel 4.3.

93

Tabel 4.3

Hasil Uji Autokorelasi

Variabel Obs*R-squared Prob Kesimpulan

JKSE 8.857877 0.0119 Terdapat Autokorelasi

KLSE 16.18218 0.0003 Terdapat Autokorelasi

STI 6.923467 0.0314 Terdapat Autokorelasi

PSI 38.18482 0.0000 Terdapat Autokorelasi

SETI 22.69873 0.0000 Terdapat Autokorelasi

VNI 8.135807 0.0171 Terdapat Autokorelasi

Sumber: Data diolah menggunakan Eviews 9.0

Berdasarkan tabel 4.3 dapat dilihat bahwa ke enam indeks memiliki

masalah autokorelasi. Pada indeks JKSE nilai hitung Obs*R-square sama

dengan 8.857877 dengan probabilitas 0.0119 atau α lebih kecil daripada α

= 5%, maka mengindikasikan bahwa data mengandung masalah

autokorelasi. Pada indeks KLSE nilai hitung Obs*R-square sama dengan

16.18218 dengan probabilitas 0.0003 atau α lebih kecil daripada α = 5%,

maka mengindikasikan bahwa data mengandung masalah autokorelasi.

Pada indeks STI nilai hitung Obs*R-square sama dengan 6.923467 dengan

probabilitas 0.0314 atau α lebih kecil daripada α = 5%, maka

mengindikasikan bahwa data mengandung masalah autokorelasi. Pada

indeks PSI nilai hitung Obs*R-square sama dengan 38.18482 dengan



indeks SETI nilai hitung Obs*R-square sama dengan 22.69873 dengan



94

indeks VNI nilai hitung Obs*R-square sama dengan 8.135807 dengan


mengindikasikan bahwa data mengandung masalah autokorelasi.

Pada indeks JKSE, hasil penelitian ini sejalan dengan penelitian


yang menyatakan bahwa pasar modal di Indonesia belum efisien dalam


Pada indeks KLSE, hasil penelitian ini sejalan dengan penelitian


yang menyatakan bahwa pasar modal di Malaysia belum efisien dalam


Pada indeks STI, hasil penelitian ini sejalan dengan penelitian yang

dilakukan oleh Kashif Hamid (2010) yang menyatakan bahwa pasar

modal di Singapura belum efisien dalam bentuk lemah karena harga

saham tidak mengikuti random walk.

Pada indeks PSI, hasil penelitian ini sejalan dengan penelitian yang

dilakukan oleh Francesco Guidi (2011) dan Kashif Hamid (2010) yang

menyatakan bahwa pasar modal di Filipina belum efisien dalam bentuk


Pada indeks SETI, hasil penelitian ini sejalan dengan penelitian

yang dilakukan oleh Kasilingam (2014) dan Kashif Hamid (2010) yang

menyatakan bahwa pasar modal di Thailand belum efisien dalam bentuk


95

Pada indeks VNI, hasil penelitian ini sejalan dengan penelitian

yang dilakukan oleh Khoa Cuong (2014), Francesco Guidi (2011) dan

Kashif Hamid (2010) yang menyatakan bahwa pasar modal di Vietnam

belum efisien dalam bentuk lemah karena harga saham tidak mengikuti

random walk.

Dari uraian hasil analisis tersebut maka dapat disimpulkan bahwa

pasar modal di ASEAN tidak efisien dalam bentuk lemah yang artinya

bahwa harga saham hari ini ada hubungannya dengan harga saham

sebelumnya karena hasil analisis menunjukkan bahwa data pada keenam

indeks tersebut mengandung masalah autokorelasi.

4. Model ARIMA

a. Uji Stasioneritas Data

Data ekonomi time series pada umumnya bersifat stokastik atau

memeiliki tren yang tidak stasioner. Artinya data tersebut merupakan

data yang mengandung akar unit (unit root). Untuk dapat mengestimasi

suatu model menggunakan data tersebut maka langkah pertama yang

harus dilakukan adalah uji stasioneritas, apabila data yang digunakan

tidak stasioner maka sulit untuk mengestimasi suatu model dengan

menggunakan data tersebut karena tren data tersebut cenderung

berfluktuasi dan tidak disekitar nilai rata-ratanya. Maka dapat

disimpulkan bahwa data yang stasioner akan cenderung untuk

mendekati nilai rata-ratanya dan berfluktuasi di sekitar nilai rata-

ratanya. (Gujarati, 2003: 816)

96

Metode yang digunakan untuk menguji stasioneritas data pada

penelitian ini adalah dengan menggunakan Augmented Dickey Fuller

Test. Bila nilai statistik lebih besar dari pada tingkat kritis McKinnon,

pada tingkat kritis (critical value) yang telah ditentukan yaitu, 1%, 5%,

atau 10%, maka H0 diterima yang berarti data mengandung akar unit

atau tidak stasioner. Sebaliknya bila nilai statistik lebih kecil dari nilai

kritis McKinnon maka H0 ditolak yang mengindikasikan bahwa data

tersebut adalah data stasioner. Pada tingkat level ada beberapa variabel

yang tidak stasioner sehingga perlu dilakukan differencing, hasilnya

akan terlihat bahwa data stasioner pada first difference atau second

difference dengan berbagai kondisi.

Penerapan model autoregresif mensyaratkan bahwa data yang

digunakan adalah data yang stasioner. Data dinyatakan stasioner jika

nilai rata-rata dan varian dari data tersebut tidak mengalami perubahan

secara sistematik sepanjang waktu.

Berikut ini hasil pengujian stasioneritas data penelitian dengan

Augmented Dicky Fuller Test dapat dilihat pada tabel 4.4 sebagai

berikut :

97

Tabel 4.4

Hasil Uji Unit Root

Variabel

t-statistik

Prob. Kesimpulan ADF

Critical Value

1% 5% 10%

JKSE -23.35677 -3.435188 -2.863564 -2.567897 0.0000 Stasioner

KLSE -32.15429 -3.435180 -2.863561 -2.567895 0.0000 Stasioner

STI -34.95879 -3.435180 -2.863561 -2.567895 0.0000 Stasioner

PSI -22.75552 -3.435192 -2.863566 -2.567898 0.0000 Stasioner

SETI -35.13476 -3.435180 -2.863561 -2.567895 0.0000 Stasioner

VNI -33.37830 -3.435180 -2.863561 -2.567895 0.0000 Stasioner


Berdasarkan tabel di atas, hasil uji unit root menunjukkan bahwa

data ke enam Indeks adalah stasioner. Hal ini ditunjukkan dengan nilai

statistik ADF lebih kecil dari pada tingkat kritis McKinnon, pada

tingkat kritis (critical value) yang telah ditentukan yaitu, 1%, 5%, atau

10%, maka H0 ditolak yang mengindikasikan bahwa data tersebut

adalah data stasioner.

b. Identifikasi Model

Setelah mendeteksi masalah stasioneritas data maka selanjutnya

adalah identifikasi model ARIMA. Berdasarkan gambar yang terdapat

pada tabel, terlihat bahwa koefisien ACF dan PACF data return dari ke

enam indeks yakni JKSE, KLSE, STI, PSI, SETI, dan VNI menurun

98

secara eksponensial menuju ke nol. Sehingga model awal yang dapat

diidentifikasi adalah model ARMA(p,q) karena tidak mengalami tahap

pembedaan (differencing).

c. Estimasi Parameter Model

Untuk mengetahui apakah model sementara yang telah

diidentifikasi telah cocok atau belum, perlu dilakukan estimasi

parameter dari model tersebut dengan melihat nilai Akaike Info

Creterion (AIC) dan Schwarz Criterion (SIC). Model-model dari data

aktual return indeks JKSE, KLSE, STI PSI, SETI, dan VNI yang akan

diestimasi adalah ARMA (1,1), ARMA (1,2), ARMA (1,3), ARMA

(2,1), ARMA (2,2), ARMA (2,3), ARMA (3,1), ARMA (3,2), dan

ARMA (3,3).

Estimasi dilakukan menggunakan software Eviews. Model

terbaik yang akan dipilih untuk melakukan peramalan adalah model

dengan dengan melihat nilai AIC dan SIC paling kecil. Berikut adalah

tabel model peramalan ARIMA terbaik dengan nilai AIC dan SIC

terkecil untuk setiap parameter model.

99

Tabel 4.5

Model Peramalan ARIMA Terbaik

Variabel Parameter Model AIC SIC

JKSE ARMA (1,3) -6.224742 -6.212789

KLSE ARMA (3,1) -7.551138 -7.539170

STI ARMA (1,1) -7.213156 -7.201203

PSI ARMA (3,2) -5.553455 -6.314861

SETI ARMA (2,2) -6.326821 -6.314861

VNI ARMA (1,3) -6.193536 -6.181583


Setelah dilakukan estimasi dari beberapa model ARIMA

tersebut maka terpilihlah model terbak untuk masing-masing indeks

yang dapat dilihat pada tabel 4.5 di atas. Berdasarkan tabel tersebut,

model terbaik untuk indeks JKSE adalah ARMA (1,3) hal ini dapat

dilihat dari nilai kriteria AIC dan SIC terkecil terdapat pada model

ARMA (1,3) dibandingkan dengan orde ARIMA lainnya. Model

terbaik untuk indeks KLSE adalah ARMA (3,1) hal ini dapat dilihat

dari nilai kriteria AIC dan SIC terkecil terdapat pada model ARMA

(3,1) dibandingkan dengan orde ARIMA lainnya. Model terbaik untuk

indeks STI adalah ARMA (1,1) hal ini dapat dilihat dari nilai kriteria

AIC dan SIC terkecil terdapat pada model ARMA (1,1) dibandingkan

dengan orde ARIMA lainnya. Model terbaik untuk indeks PSI adalah

ARMA (3,2) hal ini dapat dilihat dari nilai kriteria AIC dan SIC

terkecil terdapat pada model ARMA (3,2) dibandingkan dengan orde

ARIMA lainnya. Model terbaik untuk indeks SETI adalah ARMA

(2,2) hal ini dapat dilihat dari nilai kriteria AIC dan SIC terkecil

100

terdapat pada model ARMA (2,2) dibandingkan dengan orde ARIMA

lainnya. Model terbaik untuk indeks VNI adalah ARMA (1,3) hal ini

dapat dilihat dari nilai kriteria AIC dan SIC terkecil terdapat pada

model ARMA (1,3) dibandingkan dengan orde ARIMA lainnya.

d. Uji ARCH Effect-LM

Untuk mengetahui keberadaan ARCH dari model ARIMA yang

telah dipilih maka dilakukan uji Langrange Multiplier. Jika terdapat

efek ARCH atau data heteroskedastisitas maka model estimasi dapat

dilakukan dengan model ARCH/GARCH, tetapi jika tidak terdapat

efek ARCH atau data homoskedastisitas maka tidak dapat dilanjutkan

dengan model ARCH/GARCH. Pengujian tersebut dilihat dari nilai

probabilitas yang lebih kecil dari 5% sehingga H0 ditolak, yang berarti

bahwa terdapat heteroskedastisitas dan estimasi dapat dilakukan

dengan model ARCH/GARCH, tetapi jika nilai probabilitas yang lebih

besar dari 5% maka data homoskedastisitas dan tidak dapat dilanjutkan

dengan model ARCH/GARCH. Selengkapnya mengenai hasil

pengujian ARCH Effect dalam penelitian ini dapat dilihat pada tabel

4.6 sebagai berikut :

101

Tabel 4.6

Hasil Pengujian ARCH Effect

Variabel Obs*R-squared Prob. Chi-

Square

Kesimpulan

JKSE 43.64863 0.0000 Terdapat ARCH Effect

KLSE 36.29711 0.0000 Terdapat ARCH Effect

STI 17.01333 0.0000 Terdapat ARCH Effect

PSI 11.12461 0.0009 Terdapat ARCH Effect

SETI 5.403354 0.0201 Terdapat ARCH Effect

VNI 30.52896 0.0000 Terdapat ARCH Effect


Dari tabel 4.6 di atas jika nilai prob. < nilai α (5%) maka dengan

demikian ada unsur ARCH dalam model atau data heteroskedastisitas.

Hasil pengujian ARCH Effect dari ke enam indeks penelitian

menunjukkan bahwa ke enam indeks memiliki nilai probabilitas yang

lebih kecil dari α (5%) artinya terdapat efek ARCH apada permodelan

peramalan ke enam indeks tersebut. Sehingga Indeks JKSE, KLSE,

STI, PSI, SETI, dan VNI dapat dilanjutkan dengan model

ARCH/GARCH.

5. Model ARCH dan GARCH

a. Estimasi Model ARCH/GARCH

Permodelan GARCH dilkaukan untuk memperoleh estimasi

model yang optimal ditingkat variance. Karena variance pada waktu t

( ) tergantung dari mean, informasi lampau tercermin pada lag

correlogram squared residuals, dan error term (GARCH-term) periode

sebelumnya (t-1), maka permodelan ini disebut permodelan

conditional variance.

102

Estimasi model yang paling umum adalah GARCH (1,1) atau

dapat juga orde yang lebih tinggi GARCH (p,q). Dalam permodelan

ARCH/GARCH, persamaan mean juga harus dimasukan ke dalam

model.

Setelah diketahui keberadaan efek ARCH yang signifikan,

dilakukan estimasi ARCH/GARCH dengan menggunakan ordo

ARIMA sebagai input pada estimasi ARCH/GARCH. Pemeilihan

model ARCH/GARCH dengan ordo yang berbeda-beda untuk

mengetahui model yang paling tepat. Karena estimasi model ARCH

menggunakan metode maximum likelihood maka evaluasi garis regresi

tidak berdasarkan R2 tetapi berdasarkan log likelihood. Sebagaimana

model ARCH, model GARCH tidak bisa diestimasi dengan metode

OLS, tetapi dengan menggunakan metode maximum likelihood. Model

yang terbaik dilakukan dengan melihat Log Likelihood terbesar serta

kriteria AIC dan SIC terkecil dari masing-masing model.

Dalam penelitian ini telah dilakukan estimasi model

ARCH/GARCH. Diantaranya model ARCH (1), GARCH (1) dan

GARCH (1,1).

Estimasi dilakukan menggunakan software Eviews. Model

terbaik yang akan dipilih untuk melakukan peramalan adalah model

dengan dengan melihat Log Likelihood terbesar serta kriteria AIC dan

SIC terkecil dari masing-masing model.

103

Tabel 4.7

Model ARCH/GARCH Terbaik

Variabel Model Log

Likelihood

AIC SIC

JKSE GARCH (1,1) 4182.152 -6.439711 -6.415804

KLSE GARCH (1,1) 4976.504 -7.676454 -7.652518

STI GARCH (1,1) 4761.815 -7.333563 -7.309656

PSI GARCH (1,1) 3839.117 -5.919872 -5.895936

SETI GARCH (1,1) 4231.639 -6.521048 -6.497126

VNI GARCH (1,1) 4088.337 -6.295045 -6.271139


Berdasarkan tabel 4.7 hasil estimasi model terbaik yang terpilih

dari ke enam indeks adalah model GARCH (1,1). Model time series

yang diperoleh kemudian diolah dengan software Eviews 8.0. model

GARCH (1,1) adalah model terbaik untuk peramalan indeks JKSE,

KLSE, STI, PSI, SETI, dan VNI dilihat dari nilai maximum Log

Likelihood terbesar serta nilai AIC dan SIC terkecil. Perolehan nilai

Log Likelihood indeks JKSE adalah 4182.152 dan untuk nilai AIC dan

SIC masing-masing -6.439711 dan -6.415804. Pada indeks KLSE nilai

log likelihood adalah 4976.504 dan untuk nilai AIC dan SIC masing-

masing -7.676454 dan -7.652518. Pada indeks STI nilai log likelihood

adalah 4761.815 dan untuk nilai AIC dan SIC masing-masing -

7.333563 dan -7.309656. Pada indeks PSI nilai log likelihood adalah

3839.117 dan untuk nilai AIC dan SIC masing-masing -5.919872 dan -

5.895936. Pada indeks SETI nilai log likelihood adalah 4231.639 dan

untuk niali AIC dan SIC masing-masing -6.521048 dan -6.497126.

104

Pada indeks VNI nilai log likelihood adalah 4088.337 dan untuk nilai

AIC dan SIC masing-masing -6.295045 dan -6.271139.

Berdasarkan output hasil pengujian ARCH dan GARCH

diperoleh persamaan sebagai berikut :

Indeks JKSE = 0.000516 + 0.030256 AR(1) – 0.084312 MA(3)

Sedangkan persamaan Variance Equationnya adalah sebagai berikut :

= 0.00000623 + 0.174758

+ 0.777679

Indeks KLSE = 0.000439 - 0.046941 AR(3) + 0.088451 MA(1)


= 0.00000495 + 0.208265

+ 0.642920

Indeks STI = 0.000119 + 0.855828 AR(1) - 0.829534 MA(1)


= 0.00000106 + 0.074872

+ 0.899643

Indeks PSI = 0.001405 – 0.204351 AR(3) + 0.006916 MA(2)


= 0.0000473 + 0.802367

+ 0.296971

Indeks SETI = 0.000754 – 0.704295 AR(2) + 0.662319 MA(2)


= 0.00000260 + 0.112152

+ 0.867335

Indeks VNI = 0.000695 + 0.094283 AR(1) + 0.064568 MA(3)


= 0.00000788 + 0.112141

+ 0.822971

105

b. Evaluasi Model

Tabel 4.8

Hasil Pengujian ARCH Effect

Variabel Obs*R-squared Prob. Chi-

Square

Kesimpulan

JKSE 1.643758 0.1998 Tidak Terdapat ARCH

Effect

KLSE 0.711649 0.3989 Tidak Terdapat ARCH

Effect

STI 0.146530 0.7019 Tidak Terdapat ARCH

Effect

PSI 0.199265 0.6553 Tidak Terdapat ARCH

Effect

SETI 2.089454 0.1483 Tidak Terdapat ARCH

Effect

VNI 0.028064 0.8670 Tidak Terdapat ARCH

Effect


Pengujian kembali dengan uji ARCH-LM dari ke enam indeks.

Hasilnya dapat diketahui bahwa pada indeks JKSE nilai hitung X2

yakni (obs*R2) sama dengan 1.643758 dengan probabilitas 0.1998

atau α lebih besar dari 1%. Dengan demikian secara statistik signifikan

sehingga dapat dikatakan model yang digunakan sudah tidak

mengandung unsur ARCH. Pengujian tersebut menunjukkan bahwa

model yang digunakan sudah baik dan terbebas dari unsur

heteroskedastisitas.

Pada indeks KLSE nilai hitung X2 yakni (obs*R2) sama dengan

0.711649 dengan probabilitas 0.3989 atau α lebih besar dari 5%.

Dengan demikian secara statistik signifikan sehingga dapat dikatakan

106

model yang digunakan sudah tidak mengandung unsur ARCH.

Pengujian tersebut menunjukkan bahwa model yang digunakan sudah

baik dan terbebas dari unsur heteroskedastisitas.

Pada indeks STI nilai hitung X2 yakni (obs*R2) sama dengan






Pada indeks PSI nilai hitung X2 yakni (obs*R2) sama dengan






Pada indeks SETI nilai hitung X2 yakni (obs*R2) sama dengan






Pada indeks VNI nilai hitung X2 yakni (obs*R2) sama dengan


107





Pada pasar saham Indonesia, hasil penelitian ini tidak sejalan

dengan penelitian yang dilakukan oleh Penelitian yang dilakukan oleh

Wenty Yolanda, dkk (2014). Penelitian ini menggunakan model

GARCH untuk menguji efisiensi pasar pada saham Indeks LQ 45.

Hasil penelitian dengan penerapan model GARCH (1,1) menunjukkan

bahwa pada harga penutupan harian (closing price) saham pada Indeks

LQ 45 periode 2009-2011, harga pada periode 3 hari dan 4 hari

sebelumnya adalah yang paling berpengaruh. Efisiensi pasar modal di

Indonesia termasuk efisiensi bentuk lemah (weak form efficiency)

yang juga ditunjukkan oleh return harga saham yang mengalami

volatisitas dan random walk.

Penelitian yang dilakukan oleh Kasilingam Lingaraja, et. al

(2014) juga menguji efisiensi pasar di pasar saham Asia yang sedang

berkembang dengan menggunakan data harga saham harian selama 10

tahun periode 1 Januari 2004 sampai 31 Desember 2013. Penelitian ini

menggunakan uji GARCH, Autokorelasi, dan Run Test untuk menguji

efisiensi pasar di pasar saham Asia yang sedang berkembang yan

didalamnya termasuk negara Indonesia, Malaysia, Filipina, dan

Thailand. Hasil penelitian menunjukkan bahwa pada Indeks Indonesia,

108

Malaysia, dan Filipina sangat signifikan dan terdistribusi secara acak,

sedangkan pada Indeks Thailand tidak signifikan dan tidak terdistribusi

secara acak.

Sedangkan hasil penelitian ini dalam persamaan varian koefisien

pada GARCH (1,1) signifikan secara statistik yang berarti volatilitas

terdapat pada data return saham dalam periode penelitian. Hal ini juga

berarti bahwa kesalahan prediksi (residual) return harga saham

dipengaruhi oleh residual periode sebelumnya. Hasil estimasi

menunjukkan bahwa secara signifikan terdapat time-varying volatility

dalam return saham harian selama periode 2011-2015 dengan

menggunakan model GARCH (1,1).

Model GARCH adalah model yang cocok untuk digunakan

dalam meramalkan data keuangan yang mengandung unsur

heteroskedastisitas seperti harga saham. Penerapan model GARCH

(1,1) pada data harga penutupan harian (closing price) saham pada

indeks JKSE, KLSE, STI, PSI, SETI, dan VNI periode 2011-2015

menunjukkan bahwa return saham di Indonesia, Malaysia, Singapura,

Filipina, Thailand, dan Vietnam memiliki permasalahan time varying

volatility, dimana volatilitas return saham pada periode sebelumnya

mempengaruhi volatilitas return saham saat ini. Sehingga dapat

disimpulkan bahwa pasar modal di ASEAN tidak efisien dalam bentuk

lemah.

109

BAB V

PENUTUP

A. Kesimpulan

Berdasarkan analisis hasil penelitian mengenai pengujian efisiensi pasar

modal di ASEAN, dapat disimpulkan beberapa hal yaitu sebagai berikut:

1. Berdasarkan hasil analisis uji kolmogorov smirnov bahwa data harga

saham dari keenam indeks tersebut tidak terdistribusi normal, hal ini

ditunjukkan dengan nilai asymtotic significant yang kurang dari nilai

absolut 5%. Pada pengujian run test hasil analisis data menunjukkan

bahwa harga saham dari keenam indeks tidak mengikuti random walk

yang artinya harga saham hari ini ada hubungannnya dengan harga saham

sebelumnya. Hal ini ditunjukkan oleh nilai asymtotic signifcant yang

lebih kecil dari nilai absolut 5%, sehingga dapat disimpulkan bahwa pasar

modal di ASEAN tiidak efisien dalam bentuk lemah. Dari hasi uji run test

sebenarnya sudah cukup mewakili pengujian untuk efisiensi pasar, namun

penulis menggunakan beberapa metode analisis lain untuk menguatkan

hasil yang didapat dari uji run test. Penulis menguji dengan metode

analisis uji autokorelasi, hasil yang konsisten juga didapat pada metode

analisis ini yang menunjukkan bahwa pasar modal di ASEAN tidak

efisien dalam bentuk lemah karena data harga saham dari keenam indeks

mengandung masalah autokorelasi.

2. Berdasarkan teknik permodelan ARIMA dan ARCH/GARCH. Teknik

permodelan ARIMA dilakukan karena untuk mencari pola yang cocok

110

dari sekelompok data, dengan demikian ARIMA memanfaatkan data pada

periode yang lalu dan sekarang untuk melkaukan peramalan janga pendek

yang akurat. Hasil dari teknik permodelan ARIMA terbaik kemudian

digunakan untuk mencari model terbaik pada teknik permodelan

ARCH/GARCH. Model ARCH/GARCH sendiri merupakan sebuah

konsep tentang ketidak konstanan variasi dari data acak, dan perubahan

variansi ini dipengaruhi oleh acak sebelumnya yang tersusun dalam

urutan waktu. Dari hasil analisis dengan menggunakan teknik permodelan

ARCH/GARCH, dapat diketahui bahwa model terbaik dari keenam

indeks tersebut adalah GARCH 1,1. Model GARCH adalah model yang

cocok untuk digunkan dalam meramalkan data keuangan yang

emengandung unsur heteroskedastisitas seperti harga saham. Penerapan

model GARCH 1,1 pada data harga saham keenam indeks di ASEAN

menunjukkan bahwa return saham di ASEAN memiliki permasalahan

time variying volatility, dimana volatilitas return saham pada periode

sebelumnya mengaruhi volatilitas return saham saat ini. Sehingga dapat

disimpulkan bahwa pasar modal di ASEAN tidak efisien dalam bentuk

lemah.

B. Saran

Dengan segala keterbatasan dalam penelitian ini maka penulis

memberikan beberapa saran yang diajukan untuk penelitian selanjutnya agar

hasil penelitian selanjutnya dapat memberikan hasil yang lebih baik lagi dari

hasil penelitian yang dilakukan oleh penulis.

111

1. Penelitian yang dilakukan oleh penulis hanya menguji tentang masalah

efisiensi pasar. Diharapkan pada peneliti selanjutnya bisa menambahkan

permasalahan-permasalahan yang lain untuk diteliti bersamaan dengan

masalah efisiensi pasar. Sehingga hasil penelitian menjadi lebih luas dan

menambah wawasan bagi pembaca.

2. Objek penelitian yang dilakukan oleh penulis adalah pasar modal di

ASEAN. Observasi penelitian dilakukan selama 5 periode berturut-turut

yaitu pada tahun 2011-2015. Pada penelitian ini penulis menggunakan

data harga saham harian dari ke enam indeks negara ASEAN. Diharapkan

peneliti selanjutnya dapat memperluas objek penelitian agar penelitian

menjadi lebih menambah wawasan dan pengetahuan mengenai efisiensi

pasar di dunia. Observasi penelitian selanjutnya juga diharapkan dengan

periode waktu yang lebih lama dan panjang. Data untuk penetian

selanjutnya diharapkan lebih beragam, misalnya harga saham harian,

mingguan, dan bulanan, agar didapatkan hasil yang lebih bervariatif lagi.

3. Penelitian yang dilakukan oleh penulis menggunakan metode pengujian

Run Test, Autokorelasi, Unit Root Test, dan Variance Ratio Test dengan

bantuan software Eviews 9.0, Microsoft Excel 2007, dan SPSS 24 sebagai

alat bantu analisis penelitian. Diharapkan untuk penelitian selanjutnya

dapat dilakukan dengan metode serta alat bantu analisis yang lain

sehingga memberikan hasil penelitian yang berbeda dengan penelitian

yang telah dilakukan penulis.

112

DAFTAR PUSTAKA

Bawazer, Said, A dan Herman, N, Rahman. 1991. “Dividen Perusahaan Dan

Efisiensi Dipasar Modal Jakarta”. Jurnal Usahawan No.8 tahun XX:10-

15, Jakarta,1991.

Bodie, et al. 2006. “Investment”. 6th

edition, Mc. Graw-Hill

Eliyawati, Wenty Yolanda, dkk. 2014. “Penerapan Model Garch (Generalized

Autoregressive Conditional Heteroscedaticity) untuk Menguji Pasar

Modal Efisien di Indonesia”. Jurnal Administrasi Bisnis (JAB) Vol. 7 No.

2 Januari 2014

Ernawati, Endang dan Widjaja, Merlina. 2002. “Pengujian Efisiensi Pasar Modal

Bentuk Lemah di Bursa Efek Jakarta Periode Januari - Juli 2001”. Jurnal

Manajemen dan Bisnis Vol.1 No.1, Mei 2002.

Guidi, Francesco dan Gupta, Rakesh. 2011. “Are ASEAN stock market efficient?

Evidence from univariate and multivariate variance ratio tests”.

Discussion Papers Finance. Griffifth University. ISSN 1836-8123

Gujarati, Damodar N. 2003. “Basic Econometrics”. McGrraw-Hill, New York

Gumanti, Tatang Ari dan Utami, Sri. 2002. “Bentuk Pasar Efisien dan

Pengujiannya”. Jurnal Akuntansi dan Keuangan Fakultas Ekonomi

Universitas Kristen Petra Vol.4 No.1, Mei 2002.

Halim, Abdul. 2005. “Analisis Investasi”. Jakarta: Salemba Empat

Hamid, Kasihif, et.al. 2010. “Testing the Weak form of Efficient Market

Hypothesis: Empirical Evidence from Asia-Pasific Markets”. International

Research Journal of Finance and Economics, Issue 58, ISSN 1450-2887

Hartono, Jogiyantto. “Teori Portofolio dan Analisi Investasi”. Edisis 5.

Yogyakarta: BPTEUGM

Hendrawaty, Ernie. 2007. “Pengujian Efisiensi Pasar Modal Atas Peristiwa

Pengumuman Stock Split Periode Tahun 2005-2006 di BEJ” . UNILA,

Lampung

Hendrawin, Erwin R. 2015. “Hubungan Efisiensi Pasar Modal di Indonesia

Menghadapi Masyarakat Ekonomi ASEAN (MEA) 2015”. STIE PGRI

Sukabumi

Husnan, Suad & Enny Pudjiastuti. 2004. “Dasar-Dasar Manejemen Keuangan”.

Edisi keempat. Yogyakarta: UPP AMP YKPN.

113

Husnan, Suad. 2001. “Dasar-Dasar Teori Portofolio Dan Analisa Sekuritas Di

Pasar Modal”. Yogyakarta : UPP-AMP YKPN

----------------. 2012. “Dasar-dasar Teori Portofolio dan Analisis Sekutitas”.

Yogyakarta : UPP-AMP YKPN

----------------. 2012. “Efisiensi Pasar Modal Indonesia”. Indonesian Economic

Journal April 2011

Kumala Dewi, Retno. 2009. “Pengujian Efisiensi Pasar Modal melalui Evaluasi

Pergerakan Indeks LQ-45 di Bursa Efek Jakarta”. Skripsi S1 Fakultas

Ekonomi Dan Ilmu Sosial, Universitas Islam Negeri Syarif Hidayatullah

Jakarta

Kuncoro, Magdalena. 2002. “Evaluasi Pergerakan Return IHSG untuk Menguji

Efisiensi Pasar Modal Indonesia (Periode 97-99)”. Universitas Kristen

Petra, Surabaya

Lingaraja, Kasilingam, et.al . 2014. “The Stock Market Efficiency of Emerging

Markets: Evidence from Asian Region”. Asian Social Science; Vol. 10, No.

19; 2014 ISSN 1911-2017 E-ISSN 1911-2025

Nachrowi, dan Usman, Hardius. 2006. “Pendekatan Praktis dan Populer:

Ekonometrika Untuk Analisis dan Ekonomi”. Lembaga Penerbit FEUI

Nasruldin. 2011. “Pengujian Hipotesis Pasar Efisien Bentuk Lemah Pasar Modal

di Indonesia periode 2009-2010”. Skripsi S1 Fakultas Ekonomi dan

Bisnis, Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Phan, Khoa Cuong dan Zhou, Jian. 2014. “Market efficiency in emerging stock

markets: A case study of the Vietnam stock market”. IOSR Journal of

Business and Management (IOSR-JBM) e-ISSN: 2278-487X, p-ISSN:

2319-7668. Volume 16, Issue 4. Ver. IV (Apr. 2014), PP 61-73

Rodoni, Ahmad. 2005. “Analisis Teknikal dan Fundamental pada Pasar Modal”.,

Jakarta: CSESPress

------------------. 2006. “Bank dan Lembaga Keuangan Lainnya”. Jakarta: CSES

Press

Rosadi, Dedi. 2012. “Ekonometrika & Analisis Runtun Waktu Terapan dengan

Eviews”. Yogyakarta: ANDI

Senthilnathan, Samithamby. 2015. “The Efficient Market: Rambling Evidence in

Asia and Pasific”. ELK Asia Pasific Journal of Marketing and Retail

Management. ISSN 0976-7193 (Print) ISSN 2349-2317, Volume 6 Issue 2

(2015)

114

Silvester Mario Limopranoto. 2002. “Analisis Indeks Harga Saham Gabungan

pada Bursa Efek Jakarta Untuk Menguji Efisiensi Pasar Modal

Indonesia”. Universitas Indonesia, Jakarta

Sugiarto dan Harijono. 2000. “Peramalan Bisnis”. Jakarta: Gramedia Pustaka

Utama

Tandelilin, Eduardus. 2001. “Analisis Dan Manajemen Portofolio”. Edisi

Pertama. Yogyakarta: BPFE

Widarjono, Agus. 2009. “Ekonometrika Pengantar dan Aplikasinya”. Edisi

ketiga. Yogyakarta: Ekonosia.

Winarno, Wing Wahyu. 2009. “Analisis Ekonometrika dan Statistika dengan

Eviews”. Edisi Kedua. Yogyakarta: UPP STIM YKPN

www.aseanexchanges.org

www.wikipedia.org


http://www.wikipedia.org/

115

LAMPIRAN

Lampiran 1: Hasil Output Uji Kolmogorov Smirnov

One-Sample Kolmogorov-Smirnov Test


N 1298 1298 1298 1298 1298 1298

Normal Parametersa,b

Mean ,000193 ,000172 ,000084 ,000485 ,000175 ,000591

Std. Deviation ,0108890 ,0055796 ,0065862 ,0153605 ,0102375 ,0109569

Most Extreme Differences

Absolute ,080 ,075 ,055 ,146 ,070 ,071

Positive ,069 ,062 ,044 ,139 ,051 ,047

Negative -,080 -,075 -,055 -,146 -,070 -,071

Kolmogorov-Smirnov Z 2,894 2,711 1,988 5,248 2,537 2,561

Asymp. Sig. (2-tailed) ,000 ,000 ,001 ,000 ,000 ,000

a. Test distribution is Normal.

b. Calculated from data.

Lampiran 2: Hasil Output Uji Run Test

Runs Test


Test Valuea ,0004 ,0001 ,0001 ,0003 ,0002 ,0002

Cases < Test Value 649 649 649 649 649 649

Cases >= Test Value 649 649 649 649 649 649

Total Cases 1298 1298 1298 1298 1298 1298

Number of Runs 662 590 654 576 611 615

Z -2,149 -3,332 -2,025 -4,110 -2,166 -2,328

Asymp. Sig. (2-tailed) ,032 ,001 ,043 ,000 ,030 ,020

a. Median

116

Lampiran 3: Hasil Output Uji Breusch-Godfrey

JKSE

Breusch-Godfrey Serial Correlation LM Test: F-statistic 4.449064 Prob. F(2,1295) 0.0119

Obs*R-squared 8.857877 Prob. Chi-Square(2) 0.0119

KLSE

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 8.174300 Prob. F(2,1295) 0.0003


STI



PSI



SETI



VNI



117

Lampiran 4: Hasil Output Uji Stasioneritas Correlogram

118

119

120

121

122

123

Lampiran 5: Hasil Output Uji Strasioneritas ADF

Null Hypothesis: JKSE has a unit root

Exogenous: Constant

Lag Length: 2 (Automatic - based on SIC, maxlag=22) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -23.35677 0.0000

Test critical values: 1% level -3.435188

5% level -2.863564

10% level -2.567897 *MacKinnon (1996) one-sided p-values.

Null Hypothesis: KLSE has a unit root

Exogenous: Constant



5% level -2.863561


Null Hypothesis: STI has a unit root

Exogenous: Constant



5% level -2.863561


Null Hypothesis: PSI has a unit root

Exogenous: Constant



5% level -2.863566

10% level -2.567898

124

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: SETI has a unit root

Exogenous: Constant



5% level -2.863561


Null Hypothesis: VNI has a unit root

Exogenous: Constant



5% level -2.863561


125

Lampiran 6: Hasil Output Model ARIMA

JKSE

ARMA(1,1)

Dependent Variable: JKSE

Method: Least Squares

Date: 11/17/16 Time: 20:28

Sample (adjusted): 1/04/2011 12/23/2015

Included observations: 1297 after adjustments

Convergence achieved after 14 iterations

MA Backcast: 1/03/2011 Variable Coefficient Std. Error t-Statistic Prob. C 0.000198 0.000328 0.602730 0.5468

AR(1) 0.044742 0.334446 0.133778 0.8936

MA(1) 0.037704 0.334554 0.112700 0.9103 R-squared 0.006780 Mean dependent var 0.000196

Adjusted R-squared 0.005245 S.D. dependent var 0.010893

S.E. of regression 0.010864 Akaike info criterion -6.204382

Sum squared resid 0.152731 Schwarz criterion -6.192428

Log likelihood 4026.541 Hannan-Quinn criter. -6.199896

F-statistic 4.416716 Durbin-Watson stat 1.996976

Prob(F-statistic) 0.012256 Inverted AR Roots .04

Inverted MA Roots -.04

ARMA(1,2)



Date: 11/17/16 Time: 20:30

Sample (adjusted): 1/04/2011 12/23/2015



MA Backcast: 12/31/2010 1/03/2011 Variable Coefficient Std. Error t-Statistic Prob. C 0.000197 0.000330 0.598759 0.5494

AR(1) 0.082322 0.027820 2.959135 0.0031







126


ARMA(1,3)



Date: 11/17/16 Time: 20:35

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) 0.075555 0.027738 2.723916 0.0065

MA(3) -0.148134 0.027509 -5.384972 0.0000 R-squared 0.026798 Mean dependent var 0.000196







Inverted MA Roots .53 -.26-.46i -.26+.46i

ARMA(2,1)



Date: 11/17/16 Time: 20:30

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) 0.008573 0.027905 0.307208 0.7587







Prob(F-statistic) 0.013425

127

Inverted AR Roots .09 -.09


ARMA(2,2)



Date: 11/17/16 Time: 20:31

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) -0.633589 0.334466 -1.894331 0.0584








ARMA(2,3)



Date: 11/17/16 Time: 20:37

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) 0.006000 0.027880 0.215199 0.8296







Prob(F-statistic) 0.000001 Inverted AR Roots .08 -.08

128


ARMA(3,1)



Date: 11/17/16 Time: 20:38

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) -0.136211 0.027554 -4.943449 0.0000







Prob(F-statistic) 0.000000 Inverted AR Roots .26+.45i .26-.45i -.51


ARMA(3,2)



Date: 11/17/16 Time: 20:39

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) -0.140282 0.027624 -5.078219 0.0000








129

Inverted AR Roots .26+.45i .26-.45i -.52

ARMA(3,3)



Date: 11/17/16 Time: 20:31

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) 0.092975 0.176562 0.526585 0.5986







Prob(F-statistic) 0.000001 Inverted AR Roots .45 -.23+.39i -.23-.39i

Inverted MA Roots .62 -.31+.54i -.31-.54i

KLSE

ARMA(1,1)

Dependent Variable: KLSE


Date: 11/17/16 Time: 20:40

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) 0.136844 0.246725 0.554640 0.5792





130




Inverted MA Roots .03

ARMA(1,2)



Date: 11/17/16 Time: 20:40

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) 0.111167 0.027808 3.997651 0.0001








ARMA(1,3)



Date: 11/17/16 Time: 20:41

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) 0.112551 0.027639 4.072190 0.0000





131





ARMA(2,1)



Date: 11/17/16 Time: 20:44

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) 0.019354 0.027963 0.692134 0.4890









ARMA(2,2)



Date: 11/17/16 Time: 20:45

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) -0.432764 0.385489 -1.122636 0.2618


Adjusted R-squared -0.000515 S.D. dependent var 0.005575


132





ARMA(2,3)



Date: 11/17/16 Time: 20:45

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) 0.018370 0.027968 0.656834 0.5114









ARMA(3,1)



Date: 11/17/16 Time: 20:46

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) -0.039504 0.027796 -1.421182 0.1555






133




ARMA(3,2)



Date: 11/17/16 Time: 20:47

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) -0.038124 0.027940 -1.364483 0.1727








ARMA(3,3)



Date: 11/17/16 Time: 20:48

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) -0.175646 0.363160 -0.483661 0.6287






134



Inverted MA Roots .26-.45i .26+.45i -.52

STI

ARMA(1,1)

Dependent Variable: STI


Date: 11/17/16 Time: 20:49

Sample (adjusted): 1/04/2011 12/23/2015



MA Backcast: 1/03/2011 Variable Coefficient Std. Error t-Statistic Prob. C 2.27E-05 0.000230 0.098601 0.9215

AR(1) 0.896239 0.060764 14.74957 0.0000

MA(1) -0.870033 0.068119 -12.77226 0.0000 R-squared 0.010059 Mean dependent var 8.43E-05








ARMA(1,2)



Date: 11/17/16 Time: 20:50

Sample (adjusted): 1/04/2011 12/23/2015



MA Backcast: 12/31/2010 1/03/2011 Variable Coefficient Std. Error t-Statistic Prob. C 8.50E-05 0.000194 0.437330 0.6619

AR(1) 0.027652 0.027799 0.994691 0.3201

MA(2) 0.032778 0.027795 1.179283 0.2385 R-squared 0.001957 Mean dependent var 8.43E-05

135







ARMA(1,3)



Date: 11/17/16 Time: 20:51

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) 0.028084 0.027804 1.010094 0.3126









ARMA(2,1)



Date: 11/17/16 Time: 20:52

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) 0.034916 0.027740 1.258677 0.2084


136








ARMA(2,2)



Date: 11/17/16 Time: 20:52

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) 0.152678 0.365576 0.417637 0.6763

MA(2) -0.115831 0.368218 -0.314573 0.7531 R-squared 0.001354 Mean dependent var 7.21E-05







Inverted MA Roots .34 -.34

ARMA(2,3)



Date: 11/17/16 Time: 20:53

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) 0.034169 0.027741 1.231707 0.2183

MA(3) 0.012415 0.027822 0.446216 0.6555

137

R-squared 0.001393 Mean dependent var 7.21E-05







Inverted MA Roots .12+.20i .12-.20i -.23

ARMA(3,1)



Date: 11/17/16 Time: 20:54

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) 0.013356 0.027764 0.481045 0.6306







Prob(F-statistic) 0.579536 Inverted AR Roots .24 -.12-.21i -.12+.21i


ARMA(3,2)



Date: 11/17/16 Time: 20:55

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) 0.011907 0.027754 0.429015 0.6680

MA(2) 0.032227 0.027815 1.158628 0.2468

138

R-squared 0.001312 Mean dependent var 6.57E-05







ARMA(3,3)



Date: 11/17/16 Time: 20:55

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) -0.788766 0.101748 -7.752171 0.0000







Prob(F-statistic) 0.034080 Inverted AR Roots .46-.80i .46+.80i -.92


PSI

ARMA(1,1)

Dependent Variable: PSI


Date: 11/17/16 Time: 20:57

Sample (adjusted): 1/04/2011 12/23/2015




139

AR(1) 0.683605 0.074235 9.208625 0.0000









ARMA(1,2)



Date: 11/17/16 Time: 21:02

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) -0.029529 0.027818 -1.061487 0.2887







Prob(F-statistic) 0.000000 Inverted AR Roots -.03


ARMA(1,3)



Date: 11/17/16 Time: 21:02

Sample (adjusted): 1/04/2011 12/23/2015



MA Backcast: 12/30/2010 1/03/2011 Variable Coefficient Std. Error t-Statistic Prob.

140

C 0.000478 0.000375 1.275615 0.2023

AR(1) -0.026219 0.028242 -0.928379 0.3534









ARMA(2,1)



Date: 11/17/16 Time: 21:03

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) -0.173092 0.027408 -6.315401 0.0000







Prob(F-statistic) 0.000000 Inverted MA Roots .02

ARMA(2,2)



Date: 11/17/16 Time: 21:04

Sample (adjusted): 1/05/2011 12/23/2015




141

C 0.000464 0.000320 1.449383 0.1475

AR(2) 0.196181 0.130175 1.507065 0.1320









ARMA(2,3)



Date: 11/17/16 Time: 21:04

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) -0.176748 0.027383 -6.454731 0.0000







Prob(F-statistic) 0.000000 Inverted MA Roots .46 -.23-.40i -.23+.40i

ARMA(3,1)



Date: 11/17/16 Time: 21:05

Sample (adjusted): 1/06/2011 12/23/2015



MA Backcast: 1/05/2011 Variable Coefficient Std. Error t-Statistic Prob.

142

C 0.000467 0.000371 1.257281 0.2089

AR(3) -0.097550 0.028082 -3.473722 0.0005









ARMA(3,2)



Date: 11/17/16 Time: 21:06

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) -0.098535 0.027695 -3.557914 0.0004









ARMA(3,3)



Date: 11/17/16 Time: 21:06

Sample (adjusted): 1/06/2011 12/23/2015




143

C 0.000454 0.000377 1.204077 0.2288

AR(3) 0.248405 0.259836 0.956005 0.3392









SETI

ARMA(1,1)

Dependent Variable: SETI


Date: 11/17/16 Time: 21:07

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) -0.150243 1.046320 -0.143592 0.8858









144

ARMA(1,2)



Date: 11/17/16 Time: 21:09

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) 0.023856 0.027799 0.858165 0.3910









ARMA(1,3)



Date: 11/17/16 Time: 21:09

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) 0.025629 0.027794 0.922100 0.3566









145

ARMA(2,1)



Date: 11/17/16 Time: 21:10

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) -0.018330 0.027818 -0.658928 0.5101







Prob(F-statistic) 0.547504 Inverted MA Roots -.02

ARMA(2,2)



Date: 11/17/16 Time: 21:11

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) -0.816255 0.122645 -6.655452 0.0000








146

ARMA(2,3)



Date: 11/17/16 Time: 21:11

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) -0.017606 0.027821 -0.632823 0.5270







Prob(F-statistic) 0.431446 Inverted MA Roots .32 -.16-.28i -.16+.28i

ARMA(3,1)



Date: 11/17/16 Time: 21:12

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) -0.030742 0.027840 -1.104243 0.2697









147

ARMA(3,2)



Date: 11/17/16 Time: 21:13

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) -0.028866 0.027845 -1.036644 0.3001









ARMA(3,3)



Date: 11/17/16 Time: 21:14

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) 0.469668 0.317551 1.479030 0.1394









148

VNI

ARMA(1,1)

Dependent Variable: VNI


Date: 11/17/16 Time: 21:14

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) 0.527302 0.243609 2.164546 0.0306









ARMA(1,2)



Date: 11/17/16 Time: 21:15

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) 0.071618 0.027810 2.575249 0.0101








149

Inverted AR Roots .07

ARMA(1,3)



Date: 11/17/16 Time: 21:16

Sample (adjusted): 1/04/2011 12/23/2015




AR(1) 0.074470 0.027751 2.683459 0.0074









ARMA(2,1)



Date: 11/17/16 Time: 21:16

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) 0.028433 0.027880 1.019846 0.3080








150



ARMA(2,2)



Date: 11/17/16 Time: 21:17

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) 0.356954 0.629381 0.567151 0.5707









ARMA(2,3)



Date: 11/17/16 Time: 21:18

Sample (adjusted): 1/05/2011 12/23/2015




AR(2) 0.030612 0.027890 1.097615 0.2726








151



ARMA(3,1)



Date: 11/17/16 Time: 21:18

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) 0.051316 0.027812 1.845080 0.0653









ARMA(3,2)



Date: 11/17/16 Time: 21:19

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) 0.051022 0.027863 1.831198 0.0673






152



ARMA(3,3)



Date: 11/17/16 Time: 21:20

Sample (adjusted): 1/06/2011 12/23/2015




AR(3) -0.629817 0.211574 -2.976809 0.0030









153

Lampiran 7: Hasil Output Uji ARCH Effect

JKSE

Heteroskedasticity Test: ARCH

F-statistic 45.10022 Prob. F(1,1294) 0.0000


KLSE

Heteroskedasticity Test: ARCH F-statistic 37.28692 Prob. F(1,1292) 0.0000


STI



PSI



SETI



VNI



154

Lampiran 8: Hasil Output Model ARCH/GARCH

JKSE

ARCH (1)


Method: ML - ARCH (Marquardt) - Normal distribution

Date: 11/18/16 Time: 17:20

Sample (adjusted): 1/04/2011 12/23/2015



MA Backcast: 12/30/2010 1/03/2011

Presample variance: backcast (parameter = 0.7)

GARCH = C(4) + C(5)*RESID(-1)^2

Variable Coefficient Std. Error z-Statistic Prob.

C 0.000500 0.000254 1.971157 0.0487

AR(1) 0.023137 0.031797 0.727658 0.4668

MA(3) -0.114875 0.014941 -7.688360 0.0000 Variance Equation

C 8.11E-05 2.93E-06 27.66555 0.0000

RESID(-1)^2 0.344638 0.040974 8.411207 0.0000

R-squared 0.021965 Mean dependent var 0.000196





Durbin-Watson stat 1.887619

Inverted AR Roots .02


GARCH (1)



Date: 11/18/16 Time: 17:21

Sample (adjusted): 1/04/2011 12/23/2015



MA Backcast: 12/30/2010 1/03/2011


GARCH = C(4) + C(5)*GARCH(-1) Variable Coefficient Std. Error z-Statistic Prob. C 0.000192 0.000284 0.675266 0.4995

AR(1) 0.075581 0.020572 3.673989 0.0002

MA(3) -0.148135 0.019712 -7.514939 0.0000

155

Variance Equation C 0.000150 0.004159 0.035963 0.9713

GARCH(-1) -0.296360 36.04758 -0.008221 0.9934 R-squared 0.026798 Mean dependent var 0.000196





Durbin-Watson stat 1.997209 Inverted AR Roots .08


GARCH (1,1)



Date: 11/18/16 Time: 17:18

Sample (adjusted): 1/04/2011 12/23/2015



MA Backcast: 12/30/2010 1/03/2011


GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1) Variable Coefficient Std. Error z-Statistic Prob. C 0.000516 0.000241 2.138673 0.0325

AR(1) 0.030256 0.032799 0.922460 0.3563

MA(3) -0.084312 0.028984 -2.908879 0.0036 Variance Equation C 6.23E-06 1.15E-06 5.395926 0.0000

RESID(-1)^2 0.174758 0.018452 9.470856 0.0000

GARCH(-1) 0.777679 0.022810 34.09420 0.0000 R-squared 0.019783 Mean dependent var 0.000196







156

KLSE

ARCH (1)



Date: 11/18/16 Time: 17:24

Sample (adjusted): 1/06/2011 12/23/2015



MA Backcast: 1/05/2011


GARCH = C(4) + C(5)*RESID(-1)^2 Variable Coefficient Std. Error z-Statistic Prob. C 0.000325 0.000155 2.101488 0.0356

AR(3) -0.030422 0.020764 -1.465138 0.1429

MA(1) 0.084392 0.034179 2.469141 0.0135 Variance Equation C 2.19E-05 6.92E-07 31.55720 0.0000

RESID(-1)^2 0.317663 0.032422 9.797624 0.0000 R-squared 0.012312 Mean dependent var 0.000186





Durbin-Watson stat 1.942594 Inverted AR Roots .16-.27i .16+.27i -.31


GARCH (1)



Date: 11/18/16 Time: 17:25

Sample (adjusted): 1/06/2011 12/23/2015






AR(3) -0.038563 0.023441 -1.645145 0.0999

MA(1) 0.109809 0.019982 5.495377 0.0000 Variance Equation

157

C 6.00E-05 3.37E-06 17.78840 0.0000






Durbin-Watson stat 1.995050 Inverted AR Roots .17-.29i .17+.29i -.34


GARCH (1,1)



Date: 11/18/16 Time: 17:23

Sample (adjusted): 1/06/2011 12/23/2015






AR(3) -0.046941 0.031232 -1.502997 0.1328


RESID(-1)^2 0.208265 0.019683 10.58078 0.0000






Durbin-Watson stat 1.947331 Inverted AR Roots .18+.31i .18-.31i -.36


158

STI

ARCH (1)



Date: 11/18/16 Time: 17:28

Sample (adjusted): 1/04/2011 12/23/2015





GARCH = C(4) + C(5)*RESID(-1)^2 Variable Coefficient Std. Error z-Statistic Prob. C 8.54E-05 0.000162 0.528699 0.5970

AR(1) 0.953621 0.020794 45.85995 0.0000


RESID(-1)^2 0.208434 0.026917 7.743478 0.0000 R-squared 0.005883 Mean dependent var 8.43E-05







GARCH (1)



Date: 11/18/16 Time: 17:28

Sample (adjusted): 1/04/2011 12/23/2015





GARCH = C(4) + C(5)*GARCH(-1) Variable Coefficient Std. Error z-Statistic Prob. C 2.69E-05 0.000203 0.132928 0.8943

AR(1) 0.532374 0.178421 2.983806 0.0028

MA(1) -0.486103 0.185356 -2.622532 0.0087

159

Variance Equation C 5.90E-07 3.22E-07 1.834046 0.0666

GARCH(-1) 0.985446 0.007851 125.5179 0.0000 R-squared 0.004431 Mean dependent var 8.43E-05







GARCH (1,1)



Date: 11/18/16 Time: 17:27

Sample (adjusted): 1/04/2011 12/23/2015






AR(1) 0.855828 0.082806 10.33528 0.0000


RESID(-1)^2 0.074872 0.012869 5.818213 0.0000

GARCH(-1) 0.899643 0.018536 48.53598 0.0000 R-squared 0.009524 Mean dependent var 8.43E-05







160

PSI

ARCH (1)



Date: 11/18/16 Time: 17:30

Sample (adjusted): 1/06/2011 12/23/2015



MA Backcast: 1/04/2011 1/05/2011



AR(3) -0.151129 0.024721 -6.113367 0.0000

MA(2) -0.235439 0.010191 -23.10364 0.0000 Variance Equation C 0.000193 3.67E-06 52.67462 0.0000








GARCH (1)



Date: 11/18/16 Time: 17:31

Sample (adjusted): 1/06/2011 12/23/2015



MA Backcast: 1/04/2011 1/05/2011



AR(3) -0.098899 0.026944 -3.670560 0.0002

MA(2) -0.195827 0.009243 -21.18555 0.0000 Variance Equation

161

C 1.01E-06 7.30E-08 13.81493 0.0000








GARCH (1,1)



Date: 11/18/16 Time: 17:29

Sample (adjusted): 1/06/2011 12/23/2015



MA Backcast: 1/04/2011 1/05/2011



AR(3) -0.204351 0.027121 -7.534719 0.0000


RESID(-1)^2 0.802367 0.045342 17.69580 0.0000

GARCH(-1) 0.296971 0.029036 10.22760 0.0000 R-squared -0.013803 Mean dependent var 0.000466






162

SETI

ARCH (1)



Date: 11/18/16 Time: 17:32

Sample (adjusted): 1/05/2011 12/23/2015



MA Backcast: 1/03/2011 1/04/2011



AR(2) -0.781843 0.133268 -5.866710 0.0000








GARCH (1)



Date: 11/18/16 Time: 17:33

Sample (adjusted): 1/05/2011 12/23/2015



MA Backcast: 1/03/2011 1/04/2011


GARCH = C(4) + C(5)*GARCH(-1) Variable Coefficient Std. Error z-Statistic Prob. C -9.89E-05 0.000175 -0.565128 0.5720

AR(2) 0.986565 0.004417 223.3513 0.0000


GARCH(-1) 0.992433 0.002443 406.1895 0.0000

163

R-squared 0.006519 Mean dependent var 0.000175





Durbin-Watson stat 1.959389 Inverted AR Roots .99 -.99

Inverted MA Roots 1.00 -1.00

GARCH (1,1)



Date: 11/18/16 Time: 17:32

Sample (adjusted): 1/05/2011 12/23/2015



MA Backcast: 1/03/2011 1/04/2011



AR(2) -0.704295 0.224053 -3.143435 0.0017


RESID(-1)^2 0.112152 0.014032 7.992358 0.0000







164

VNI

ARCH (1)



Date: 11/18/16 Time: 17:35

Sample (adjusted): 1/04/2011 12/23/2015



MA Backcast: 12/30/2010 1/03/2011



AR(1) 0.098492 0.031346 3.142054 0.0017









GARCH (1)



Date: 11/18/16 Time: 17:36

Sample (adjusted): 1/04/2011 12/23/2015



MA Backcast: 12/30/2010 1/03/2011



AR(1) 0.074439 0.021472 3.466806 0.0005

MA(3) 0.056104 0.021913 2.560354 0.0105 Variance Equation

165

C 0.000144 0.003166 0.045413 0.9638








GARCH (1,1)



Date: 11/18/16 Time: 17:35

Sample (adjusted): 1/04/2011 12/23/2015



MA Backcast: 12/30/2010 1/03/2011



AR(1) 0.094283 0.031265 3.015610 0.0026


RESID(-1)^2 0.112141 0.014766 7.594622 0.0000








166

Lampiran 9: Hasil Output Uji ARCH-LM Model ARCH/GARCH

JKSE



KLSE



STI



PSI



SETI



VNI



Documents

PENGUJIAN EFISIENSI PASAR MODAL DI ASEAN - …repository.uinjkt.ac.id/dspace/bitstream/123456789/33893/1/DINI... · melakukan pembenahan di bidang pasar modal. Dalam kondisi persaingan