TEORI PORTOFOLIO DAN ANALISIS INVESTASI

“MODEL PERHITUNGAN RETURN

TAKNORMAL”

OLEH :

LELA WULANDARI BINTANG (12810331190052)

ANIK APRIYANTI (12810331190059)

NI PUTU GITA ANGGRENI (12810331190060)

UNIVERSITAS MAHASARASWATI DENPASAR

FAKULTAS EKONOMI
TAHUN 2014

0|Page
MODEL PERHITUNGAN RETURN TAKNORMAL.

1. Return Taknormal
Studi peristiwa menganalisis return tidak normal sekuritas yang mungkin terjadi
di sekitar pengumuman suatu peristiwa. Return tidak normal merupakan kelebihan
dari return yang sesungguhnya terjadi terhadap return normal. Return normal
merupakan return ekspektasian (return yang diharapkan oleh investor). Dengan
demikian return taknormal adalah selisih antara return sesungguhnya yang terjadi
dengan retun ekspektasian, sebagai beikut :

RTNi.t = Ri,t – E[Ri,t]

RTNi,t = return tidak normal sekuritas ke-I pada periode peristiwa ke-t.

Ri,t = return realisasi yang terjadi untuk sekuritas ke-i pada periode peristiwa ke-t.

E[Ri,t] = return normal sekuritas ke-i untuk suatu periode peristiwa ke-t.

Return sesungguhnya merupakan return yang terjadi pada waktu ke-t yang
merupakan selisih harga sekarang relatif terhadap harga sebelumnya atau dapat dihitung
dengan rumus (Pi,t-Pi,t-1) / Pi,t-1. Sedangkan return normal merupakan return yang harus
diestimasi. Brown and Warner (1985) menggunakan model estimasi mean-adjusted
model, market model, dan market adjusted model.

1.1 Mean-Edjusted Model

Model disesuaiakan rata-rata (mean-adjusted model) ini menganggap, return

ekspektasian bernilai konstan yang sama dengan rata-rata return realisasi sebelumnya
selama periode estimasi, sebagai berikut:

t2
 Ri,t
E[Ri,t] = T

1|Page
Notasi :

E[Ri,t] = return normal sekuritas ke-i pada periode peristiwa ke-t.

Ri,j = return realisasi sekuritas ke-i pada periode estimasi ke-j.

T = lamanya periode estimasi, yaitu dari t1 sampai t2.

Periode estimasi umumnya merupakan periode sebelum periode peristiwa.

Periode peristiwa disebut juga periode pengamatan atau jendela peristiwa (event
window).

Umumnya periode jendela juga melibatkan hari sebelum tanggal peristiwa untuk
mengetahui apakah terjadi kebocoran informasi, yaitu apakah pasar sudah mendengar
informasinya sebelum informasi itu sendiri diumumkan. Periode jendela sebagai periode
pengamatan merupakan periode yang akan dihitung nilai return tidak normalnya.

1.2 Market Model

Perhitungan return ekspektasian dengan model pasar(market model) ini dilakukan

dengan dua tahap, yaitu :

1. Membentuk model ekspektasi dengan menggunakan data realisasi selama periode

estimasi.
2. Menggunakan model ekspektasi ini untuk mengestimasi ini untuk mengestimasi
return normal di periode jendela. Model ekspektasi dapat dibentuk menggunkan
teknik regresi OLS (Ordinary Least Square) dengan persamaan :

Ri,t = αi + βi · RMj + εi,j

Notasi :

Ri,j = return realisasi sekuritas ke-i pada periode estimasi ke-j.

i = intercept untuk sekuritas ke-i

ßi = koefisien kemiringan yang merupakan beta dari sekuritas ke-i.

2|Page
RMj = return indeks pasar pada periode estimasi ke-j yang dapat dihitung dengan rumus
RMj = (IHSGj – IHSGj-1)/ IHSGj-1

e = kesalahan residu sekuritas ke-i pada periode estimasi ke-j.

1.3 Market Adjusted Model

Model disesuikan pasar (Market Adjusted Model) menganggap bahwa penduga

yang terbaik untuk mengestimasi return suatu sekuritas adalah return indeks pasar pada
saat tersebut. Dengan menggunakan model ini, maka tidak perlu menggunakan periode
estimasi untuk membentuk model estimasi karena return sekuritas yang diestimasi
adalah sama dengan return indeks pasar.

Misalnya pada hari pengumuman peristiwa, indeks pasar adalah 18%, dengan
metode sesuaian-pasar (market-adjusted method) ini, maka return ekspetasian semua
sekuritas di hari yang sama tersebut adalah sama dengan return indeks pasarnya, yaitu
sebesar 18% tersebut. Jika return suatu sekuritas di hari pengumuman peristiwa adalah
35%, maka besarnya abnormal return yang terjadi adalah 17% (35%-18%).

2. Rata-Rata Return Taknormal

Pengujian adanya abnormal return tidak dilakukan untuk tiap-tiap
sekuritas,tetapi dilakukan secara agregat dengan menguji rata-rata return tidak normal
seluruh sekuritas secara cross-section untuk tiap-tiap hari di periode peristiwa.Rata-rata
return tak normal (average abnormal return) untuk hari ke-t dapat dihitung berdasarkan
rata-rata aritmatika sebagai berikut:

k
 RTNi,t
I+1
RRTNt = k

Notasi:

RRTNt = rata-rata return tidak normal (average abnormal return)pada hari ke-t.

RTNi,t = return tak normal (abnormal return) untuk sekuritas ke-i pada hari ke-t.

K = jumlah sekuritas yang terpengaruh oleh pengumuman peristiwa.

3|Page
3. Akumulasi Return Tidak Normal.

Akumulasi Return Tidak Normal atau Cummulative abnormal return (CAR

merupakan akumulasi abnormal return hari sebelumnya di dalam periode peristiwa
untuk masing-masing sekuritas sebagai berikut :

t
ARTNi,t = RTNi,t
a = t3

Notasi :

ARTNi,t = akumulasi return tidak normal sekuritas mulai dari awal sampai ke-t.

RTNi,a = return tidak normal untuk sekuritas ke-i pada hari ke-a

4. Pengujian Statistik Terhadap Return Tidak Normal

Pengujian statistik terhadap return tak normal mempunyai tujuan untuk melihat
signifikansi return tak normal yang ada diperiode peristiwa.Signifikansi yang dimaksud
adalah bahwa abnormal return tersebut secara statistik signifikan tidak sama dengan nol
(positif untuk kabar baik dan negative untuk kabar buruk).

Secara umum pengujian-t yang menguji hipotesisi nol bahwa nilai suatu parameter sama
dengan nol adalah sebagai berikut:

𝛽
t =Keslahan Standar Estimasi

Notasi:

t =t-hitung

β = parameter yang akan diuji signifikansinya

Dengan demikian pengujian-t ini dilakukan dengan cara standarisasi dari nilai
return taknormal. Standarisasi yang dilakukan adalah dengan membagi nilai return
taknormal dengan nilai kesalahan estimasinya (standar error of the estimate). Kesalahan
standar estimasi merupakan kesalahan standar pada waktu mengestimasi nilai abnormal
returnnya. Standarisasi dilakukan untuk return taknormal masing-masing sekuiritas.

4|Page
Return tak normal standarisasi (standardized abnormal return) untuk sekuiritas ke-I
dapat ditulis sebagai berikut :

RTNSi,t = RTNit

KSEi

Notasi :

RTNSi,t = return taknormal standarisasi sekuiritas ke-i pada hari ke-t di periode
peristiwa

RTNi,t = return taknormal sekuiritas ke-I pada hari ke-t di periode peristiwa .

KSEi= Kesalahan standar estimasi untuk sekuiritas ke-i

Permasalahan yang timbul adalah nilai kesalahan standar estimasi bagaimana yang
dapat digunakan . Beberapa cara telah digunakan untuk menentukkan kesalahan standar
estimasi yang akan digunakan , yaitu sebagai berikut ini :

1. Kesalahan standar estimasi ditentukkan berdasarkan deviasi standar return-

return selama periode estimasi dengan nilai standarnya yang digunakan adalah
nilai rata-rata returnnya.

2. Selama periode estimasi dengan nilai standar yang digunakan adalah nilai
prediksi returnnya

Ditentukkan berdasarkan deviasi standar return-return hari ke-t secara cross –section
selama periode

Kesalahan Standar Estimasi Berdasarkan Rata-rata Return Periode Estimasi

Cara pertama menghitung kesalahan standar estimasi berdasarkan devisi nilai- nilai rata
returnnya selama periode estimasi dan dapat dirumuskan sebagai berikut:

KSEi =

NOTASI :

KSEi = kesalahan standar estimasi untuk sekuritas ke-I

Ri,j = return sekuritas ke-i untuk hari ke-j selama periode estimasi

5|Page
Ri = rata- rata return sekuritas ke-i selama periode estimasi .

T1 = jumlah hari periode estimasi , yaiutu dari ke ke-t1 sampai dengan hari ke – t2.

Tabel 17.8 Data return , rata-rata Return Sekuritas dan Kesalahan standar Estimasi
Masing- masing Sekuritas selama periode estimasi .

Hari ke-j Return Sekuritas ke 1 Return sekuritas ke- ... Return

(RI,I ) 2 sekuritas ke-k
(R2,I) (Rk,j)
-4 0,20 0,18 ... 0,25
-5 0,15 0,17 …. 0,28
-6 0,17 0,16 … 0,22
. . . .
. . . .
. . . .
-203 0,09 0,12 … 0,17
Ri 0,16 ... 0,22
KSEi . . ... .
Tabel 17.8 menunjukan KSEi dihitung untuk tiap-tiap sekuiritas . untuk sekuritas ke-1
KSE1 dihitung sebagai berikut ini :

1. Hitung rata-rata return sekuritas ke-1 selama periode estimasi , yaitu mulai hari ke-4
sampai hari ke-203 selama 200 hari :

R1 = ( 0,20+0,15+0,17+...+0,09)/200

=0,12

2. Kesalahan standar estimasi untuk sekuritas ke-1 adalah sebesar :

KSE1 =(((0,20 – 0,120)+ (0,15-0,12)+(0,17-0,12))/(200-2))+(0,09-0,1200/(200-2))

=0,02.

KSE2 sampai KSEk dapat dihitung dengan cara yang sama KSEi ini kemudian
digunakan sebagai pembagi untuk return-return tak normal di periode peristiwa untuk
tiap-tiap sekuritas. Hasil dari pembagian ini adalah return taknormal standarisasi
(RTNSi,t) sesuai dengan rumus di (17-8). Return taknormal berdasarkan model pasar
untuk tiap sekuiritas tiap harinya dalam periode peristiwa telah dihitung dan disajikan si

6|Page
table 17.4. dengan membagi return taknormal ini dengan KSEi Untuk tiap tiap
sekuiritas, maka akan didapatkan return taknormal standarisasi (RTNSi,t)

Tabel 17.9. Contoh Hasil Return taknormal standarisasi menggunakan model pasar cara
pertama

Hari RTNI,t RTNSI,t RTN2,t RTNS2,t ... RTNk,t RTNS

ke-t k,t
-3 0,01 0,500 0,01 1,000 .... 0,00 0,000
-2 0,00 0,000 0,02 2,000 .... 0,01 0,333
-1 0,02 1,000 0,01 1,000 .... 0,02 0,667
0 0,04 2,000 0,01 1,000 0,03 1,000
+1 0,07 3,500 0,00 0,000 0,09 3,000
+2 0,02 1,000 0,01 1,000 0,03 1,000
+3 0,01 0,500 0,00 0,000 0,02 0,667
Keterangan :

RTNi,t = return taknormal sekuritas ke-i hari ke-t

RTNSi,t = return taknormal standarisasi sekeruitas ke-I hari ke-t

Return taknormal (abnormal return) berdasarkan model pasar untuk sekuritas ke-
1 pada hari -3 adalah sebesar 0,01. Dengan membagi nilai ini dengan nilai KSE1
sebesar 0,02 , maka akan didapat nilai RTNS1 ,3 sebesaar 0,500 (lihat table 17.9)
selanjutnya nilai RTNSi,t ini dapat diartikan sebagai nilai t-hitung untuk masing-
masing return taknormal sekuritas ke-1 hari ke t Pengujian-t umumnya dilakukan untuk
return portofolio (rata-rata return semua k-sekuritas) pada hari –t di periode peristiwa.
Portofolio sekuiritas ini terdiri dari k-buah sekuiritas yang terpengaruh oleh
pengumuman peristiwa bersangkutan.

Besarnya return taknormal standarisasi untuk portofolio k-buah sekuiritas ini

untuk hari ke-t , adalah sebesar:

Notasi :

RTNSt = return taknormal standarisasi portofolio untuk hari ke-t di periode peristiwa .

7|Page
RTNSi,t = return taknormal standarisasi sekuiritas ke-i untuk hari ke-t di periode
peristiwa .

K= jumlah sekuritas

Tabel 17.10. Signifikasi return taknormal di periode peristiwa

Hari Rata-rata return tak normal hipnotis t-hitung

ke-t nol yang menyatakan rata-rata return
taknormal
-3 (0,01+0,01+…+0,00)/k = 0,005 (0,500+1,000+..0,000)k1/2=0,255
-2 (0,00+0,002+…+0,01)/K=0,007 (0,000+2,000+..0,333)k1/2=0,525
-1 (0,02+0,01+…+0,02)/k =0,017** (1,000+1,000+..+0,667)k1/2=1,982
0 (0,04+0,01+…+0,03)/k =0,090*** (2,000+1,000+..+1,000)k1/2=3,891
+1 (0,07+0,00+…0,09/k=0,075*** (3,500+0,000+..+3,000)k1/2=3,750
+2 (0,02 +0,01+…0,03)/k=0,010** (1,000+1,000+..+1,000)k1/2=1,655
+3 (0,01 + 0,00 + …+0,02)k= 0,03* (0,500+0,000+..+0,667)K1/2=
1,355

Keterangan :

t-test didasarkan pada hipnotis nol yang menyatakan rata-rata

return taknormal adalah sama dengan nol.

*=signifikasi pada tingkat 10% (t>1,282 untuk pengujian dua sisi dengan k besar )

**=signifikasi pada tingkat 5% (t>1,645 untuk pengujian dua sisi dengan k besar
***=signifikasi pada tingkat 1% (t>2,326 untuk pengujian dua sisi k besar)

Hasil dari Tabel menunjukkan nilai rata-rata return taknormal untuk k-sekuritas
dan pengujian t di hari-hari periode peristiwa. Rata-rata return hari ke 1 sebesar 0,017
dengan nilai t-sebesar 1,982 merupakan nilai yang signifikan pada tingkat 5% atau lebih
(nilai t nya lebih besar dari 1,282 ). Demikian juga untuk rata-rata return hari ke-0 ,+1
,+2, +3 adalah signifikan berturut-turut sebesar 1%,5%,5%,dan 10%). Signifikasi
Return taknormal sekitar tanggal pengumuman,yaitu pada hari-1 sampai dengan +3
menunjukkan bahwa pengumuman tersebut mengandung informasi. Disebut
mengandung informasi karena pengumuman tersebut menyebabkan terjadinya reaksi

8|Page
pasar yang ditunjukkan dengan adanya return taknormal yang terjadi (lihat gambar
14.2). Return taknormal yang terjadi, untuk kasus ini, yaitu kasus pengumuman laba,
sifatnya adalah lama dan berkepanjangan yaitu sampai hari +3. Reaksi pasar yang
efisien untuk pengumuman laba akan =terjadi dengan cepat , yaitu sekitar satu hari
setelah diumumkan . Terjadinya return taknormal yang lama dan berkepanjangan
menunjukkan bahwa pasar tidak efesien secara informasi . Akan tetapi untuk kasus yang
lain , misalnya pengumuman merjer, reaksi pasar selama 3 hari dianggap tidak terlalu
lama dan tidak berkepanjanggan .

Jika return taknormal masing-masing sekuritas pada hari ke-t (RTNSi,t) merupakan
return-return yang independen dan terdisstribusi secara identik (independent and
identically distributed atau iid), maka return taknormal standarisasinya (RTNSt)
mempunyai distribusi normal untuk nilai k yang besar. Implikasinya adalah return
taknormal standarisasinya (RTNSt) yang merupakan t-hitung adalah juga merupakan z-
hitung untuk nilai k yang besar.

Brown dan warner (1980) menggunakan metode yang disebut dengan crude dependence
adjustment untuk mengatasi masalah return sekuiritas-sekuiritas yang melanggar asumsi
independen . Kesalahan standar estimasi berdasarkan metode crude dependence
adjustment adalah sebesar :

Notasi :

KSEt= kesalahan standar estimasi hari ke-t di periode peristiwa

RTNi,t= Return taknormal sekuritas ke-I hari ke-t di periode peristiwa

T1 = Jumlah hari di periode estimasi .

K=jumlah sekuritas

Kesalahan Standar Estimasi Berdasarkan Prediksi Return Periode Estimasi

Cara kedua menghitung kesalahan standar estimasi berdasarkan deviasi nilai-

nilai return dari nilai estemasinya selama periode estimasi . Dengan demikian perbedaan
cara pertama dan kedua dalam menghitung kesalahan standar estimasi adalah terletak di
standar yang digunakan untuk, mengukur penyimangan reurn-returnya selama periode
estimasi . Dicara pertama , nilai standar yang digunakan adalah nilai return-returnnya ,
9|Page
sedang di cara kedua niali standar yang digunakan adalah nilai estimasi returnnya Cara
kedua ini dapat dirumuskan :

NOTASI :

KSEi = kesalahan standar estimasi untuk sekuritas ke-I

Ri,j = return sekuiritas ke-i untuk hari ke-j selama periode estimasi

Ri = rata- rata return sekuritas ke-i selama periode estimasi .

T1 = jumlah hari periode estimasi , yaiutu dari ke ke-t1 sampai dengan hari ke – t2.

Tabel 17.8 Data return , rata-rata Return Sekuritas dan Kesalahan standar Estimasi
Masing- masing Sekuritas selama periode estimasi .

Return estimasi untuk hari ke-j dapat diperoleh dengan memasukkan nilai return
indeks pasar dari hari ke-j yang sama di model estimasi masing-masing sekuiritas .
Return Estimasi untuk hari ke-j dapat diperoleh dengan memasukan nilai return indeks
pasar pada hari ke-j yang sama di model estimasi masing-masing sekuiritas . Dari
perhitungan sebelumnaya, model estimasi untuk masing – masing sekuiritas adalah
sebagai berikut :

E[RIj] = 0,007 + 1,67. E{Rmt}

E{Rkj}=0,015+1,23 .E [Rmt}

E{Rkj}=0,17+1,55.E{Rmt].

Tabel ini menunjukan nilai kesalahan nilai sekuritas yang dihitung dengan cara pertama.
Dengan menggunakan data yang sama ini , keasalahan standar estimasi yang masing-
masing sekuiritas ke-i yang dihitung dengan cara berdasarkan rumus dapat dilihat
berdasarkan table berikut ini .

10 | P a g e
Tabel 17.11. Data Return, Return Estimasi, Kesalahan standar estimasi masing- masing
sekuiritas dan return indeks pasar selama periode estimasi.

Hari Sekuritas ke-1 Sekuritas ke-2 Sekuiritas ke-k

ke-j Rmj
….
Ri,j E(Ri,j) R2,j E(R2,j) Ri,j E(Ri,j)
-4 0,20 0,26 0,18 0,20 …. 0,25 0,25 0,15
-5 0,15 0,26 0,17 0,20 …. 0,28 0,25 0,15
-6 0,17 0,24 0,16 0,19 …. 0,22 0,23 0,14
. . . . . . . .
. . . . . . . .
. . . . . . . .
-203 0,09 0,12 0,12 0,10 0,17 0,13 0,07

KSEi 0,08 0,07 0,05

Tabel diatas menunjukan bahwa KSEi dihitung untuk tiap-tiap sekuiritas . Untuk
sekuiritas ke -1 dihitung sebagai berikut ini

1. Hitung return estimasi sekuiritas ke-1 selama periode estimasi , yaitu mulai
hari ke-4 sampai hari ke -203 selama 200 hari :
E[R1,-4]= 0,007 + 1,67.0,15 =0,26
E[R1,-5]= 0,007 + 1,67.0,15 =0,26
E[R1,-6]=0,007+1,67.0,14=0,24.
.
.
.
E[R1,-203]=0,007+1,67.0,07=0,12
2. Kesalahan standar estimasi untuk sekuiritas ke-1 adalah sebesar :

KSE1= (((0,20-0,26}2 + (0,15-0,26) + (0,17-0,24)2 +…+(0,09-0,12)2)/(200-

2))1/2 =0,08.

KSE2 sampai KSEk dapat dihitung dengan cara yang sama .KSEi ini kemudian
digunakan sebagai pembagi untuk return-return taknormal di periode peristiwa untuk

11 | P a g e
tiap-tiap sekuritas. Hasil dari pembagian ini adalah return taknormal standarisasi
(RTNSi,t) sesuai dengan rumus .

Tabel . Contoh hasil Return Taknormal standarisasi Menggunakan Model Pasar

Berdasarkan Cara kedua

Hari
ke-t RTN,1t Rtns1,t RTN2,t RTNS2,t … RTNk,t RTNSk,t
-3 0,01 0,125 0,01 0,143 … 0,00 0,000
-2 0,00 0,000 0,02 0,286 … 0,01 0,200
-1 0,02 0,250 0,01 0,143 … 0,02 0,400
0 0,04 0,500 0,01 0,143 0,03 0,600
+1 0,07 0,875 0,00 0,000 0,09 1,800
+2 0,02 0,250 0,01 0,143 0,03 0,600
+3 0,01 0,125 0,00 0,000 0,20 0,400

Keterangan :

RTNi,t = return taknormal sekuiritas ke-I hari ke –t

RTNSi,t = return taknormal standarisasi sekuiritas ke-in hari ke-t

Abnormal return berdasarkan model pasar untuk sekuritas ke-1 pada hari ke-3 adalah
sebesar 0,01. Dengan membagi nilai ini dengan KSE1 sebesar 0,08, maka aksan didapat
nilai RTNSi,t ini dapat diartikan sebagai nilai t-hitung untuk masing-masing return
taknormal sekuiritas ke-1 hari ke-t . Signifikasi return rata-rata dapat dilihat di table
berikut :

12 | P a g e
Tabel. Signifikasi return taknormal di periode peristiwa menggunakan cara
kedua.

Hari ke- Rata-rata return taknormal t- hitung

t
-3 0,005 (0,125+0,143+..+0,000)/k ½ = 0,023
-2 0,007 (0,000+0,286+…+0,200)/k1/2=0,035
-1 0,017 (0,250+0,143+..+0,400)/k ½=0,975
0 0,090* (0,500+0,143+..+0,600)/K1/2=1,389
+1 0,075*** (0,875+0,000+..+1,800)/K1/2=2,375
+2 0,010* (0,250+0,143+..+0,600)/K1/2=1,555
+3 0,003 (0,125+0,000+..+0,400)/K1/2=0,755

Keterangan :

t-test didasarkan pada hipnotis nol yang menyatakan rata-rata return taknormal
adalah sama dengan nol.

*=signifikasi pada tingkat 10% (t>1,282 untuk pengujian dua sisi dengan k besar )

**=signifikasi pada tingkat 5% (t>1,645 untuk pengujian dua sisi dengan k besar
***=signifikasi pada tingkat 1% (t>2,326 untuk pengujian dua sisi k besar)

Kesalahan Standar Estimasi Secara Croos-Section

Cara ketiga dari perhitungan kesalahan standar estimasi didasarkan pada deviasi
standar return-return taknormal dari sekeuritas secara cross-section untuk tiap hari
periode peristiwa . Cara ketiga ini lebih tepat digunakan untuk model sesuaian pasar.
(Market-adjusted model) yang hanya menggunakan periode peristiwa dan tidak
menggunakan periode estimasi. Cara ketiga ini lebih tepat digunakan untuk model
sesuaian pasar (market-adjusted model ) yang hanya menggunakan periode peristiwa
dan tidak menggunakan periode estimasi .

Notasi :

KSEt = kesalahan standar estimasi untuk hari ke-t di periode peristiwa

13 | P a g e
RTNi,t = return taknormal sekuiritas ke-I untuk hari ke-t di periode peristiwa

RTNt = Rata-rata return taknormal k-sekuritas untuk hari ke-t di periode peristiwa

K= jumlah sekuiritas .

Sebagai ilustrasi perhitungan , misalnya return taknormal pada hari -3 untuk

sekuiritas ke 1 adalah sebesar 0,11, untuk sekuritas ke-2 adalah sebesar 0,06 dan untuk
sekuritas ke –k adalah sebesar 0,10

Rtn-3 = (0,11+0,06+...+0,10)/k

=0,07

Besarnya KSE-3 adalah sebesar :

KSE-3 = (((0,11-0,007)2 + (0,006-0,07)2+...+ (0,10-0,07)2)/(K-1)1/2..(1/K)1/2 = 0,65

Dan besarnaya t-hitung adalah 0,07/0,65=0,108. KSE dan t-hitung untuk hari hari lain di
periode jendela dapat dihitung dengan cara yang sama.

14 | P a g e