MAKALAH MANAJEMEN INVESTASI

MODEL INDEKS TUNGGAL

Dosen Pengampu:
Dr. Sayekti Suindyah, MM

KELOMPOK 6 :
1. Ahmad Nasruddin (15042107)
2. Arif Rohman (15052109)
3. Puri Dwi Rahani (15042143)
4. Muthiatur Rohmah (15042137)
5. Wiwik Puji Rahayu (15042154)
6. Fitri Citra Lestari (15042118)

JURUSAN MANAJEMEN
FAKULTAS EKONOMI
UNIVERSITAS ISLAM DARUL ULUM LAMONGAN
TAHUN 2019
 KATA PENGANTAR

Dengan memanjatkan puji syukur kehadirat Allah SWT dengan rahmat

dan karunia-Nya kami dapat menyelesaikan tugas makalah ini dalam bidang studi
manajemen investasi.
Mungkin dalam pembuatan makalah ini masih banyak kekurangan baik
dalam segi penulisan, isi dan lain sebagainya. Penyusun menyadari sepenuh hati
bahwa makalah yang kami buat ini masih jauh dari kesempurnaan. Oleh karena
itu, kami sangat mengharapkan kritikkan dan saran yang bersifat membangun
guna perbaikan untuk pembuatan makalah selanjutnya yang akan datang.
Demikianlah sebagai pengantar kata, dengan iringan serta harapan semoga
tulisan sederhana ini dapat diterima dan bermanfaat bagi semua pembaca
khususnya untuk meningkatkan pengetahuan dan pengembangan wawasan.

Lamongan, 12 Maret 2019

Penulis

i
 DAFTAR ISI

Kata Pengantar ............................................................................................. i

Daftar Isi ........................................................................................................ ii

BAB I PENDAHULUAN

1.1 Latar belakang ..................................................................................... 1

1.2 Rumusan masalah................................................................................. 1

BAB II PEMBAHASAN

2.1 Model indeks tunggal dan komponen returnnya .................................. 2

2.2 Karakteristik model indeks tunggal ..................................................... 4
2.3 Konsep model indeks tunggal ............................................................. 6
2.4 Menaksir beta ....................................................................................... 9

BAB III PENUTUP

3.1 Kesimpulan ......................................................................................... 15

DAFTAR PUSTAKA ..................................................................................... 16

ii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Model indeks tunggal yang dikembangkan oleh William sharpe (1963)

dapat digunakan untuk menyederhanakan perhitungan dimodel Markowitz
dengan menyediakan parameter-parameter input yang dibutuhkan di dalam
perhitungan model Markowitz. Model indeks tunggal juga dapat digunakan untuk
menghitung return ekspektasian dan risiko portofolio.

Dalam membuat portofolio akan timbul suatu masalah. Permasalahannya

adalah terdapat banyak sekali kemungkinan portofolio yang dapat dibentuk dari
kombinasi aktiva berisiko yang tersedia di pasar. Kombinasi ini dapat mencapai
jumlah yang tidak terbatas. Portofolio optimal dapat ditentukan dengan
menggunakan model Markowitz atau dengan model indeks tunggal. Untuk
menentukan portofolio yang optimal dengan model Markowitz atau model indeks
tunggal yang pertama kali dibutuhkan adalah menentukan portofolio efisien.
Tiap-tiap investor mempunyai kurva berbeda , portofolio optimal akan berbeda
untuk masing-masing investor.investor yang lebih menyukai riiko akan memilih
portofolio dengan return yang tinggi dengan dengan membayar risiko yang juga
lebih tinggi dibandingkan dengan investor yang kurang menyukai risiko. Jika
aktiva tidak berisiko dipertimbangkan, aktiva dapat merubah portofolio optimal
yang mungkin sudah dipilih oleh investor.

1.2 Rumusan masalah

1. Apa pengertian model indeks tunggal?
2. Bagaimana karakteristik model indeks tunggal?
3. Bagaimana konsep model indeks tunggal?
4. Bagaiamana menaksir beta dalam model indeks tunggal?

1
 BAB II

PEMBAHASAN

2.1 Model Indeks Tunggal Dan Komponen Returnnya

Model indeks tunggal didasarkan pada pengamatan bahwa harga dari suatu
sekuritas berfluktuasi searah dengan indeks harga pasar. Secara khusus dapat
diamati bahwa kebanyakan saham cenderung mengalami kenaikan harga jika
indeks harga saham naik. Kebalikannya juga benar, yaitu jika indeks harga saham
turun, kebanyakan saham mengalami penurunan harga. Hal ini menyarankan
bahwa return-return dari sekuritas mungkin berkorelasi karena adanya reaksi
umum (common respone) terhadap perubahan-perubahan nilai pasar. Dengan
dasar ini, return dari suatu sekuritas dan return dari indeks pasar yang umum dapat
dituliskan sebagai hubungan:

𝑅𝑖 = 𝑎𝑖 + 𝛽𝑖 . 𝑅𝑀

𝑅𝑖 = return sekuritas ke-i,

𝑎𝑖 = suatu variabel acak yang menunjukan komponen dari return sekuritaske-

i yang independen terhadap kinerja pasar,

𝛽𝑖 = Beta (dibahas di bab 10) yang merupakan koefisien yang mengukur

perubahan 𝑅𝑖 akibat dari perubahan 𝑅𝑀

𝑅𝑀 = tingkat return dari indeks pasar, juga merupakan suatu variabel acak.

Variabel 𝑎𝑖 merupakan komponen return yang tidak tergantung dari return pasar.
Variabel 𝑎𝑖 dapat dipecah menjadi nilai yang diekspektasi (expected value) 𝑎𝑖
dan kesalahan residu (residual error) 𝑒𝑖 sebagai berikut:

𝑎𝑖 = 𝛼𝑖 + 𝑒𝑖

subtitusikan persamaan di atas ke dalam rumus di (9-1), maka akan didapatkan

persamaan model indeks tunggal sebagai berikut:

2
𝑅𝑖 = 𝑎𝑖 + 𝛽𝑖 . 𝑅𝑀 + 𝑒𝑖

Model indeks tunggal membagi return dari suatu sekuritas ke dalam dua
komponen, yaitu sebagai berikut ini.

1. Komponen return yang unik diwakili oleh 𝛼𝑖 yang independen terhadap

return pasar
2. Komponen return yang berhubungan dengan return pasar yang diwakili
oleh 𝛽𝑖 . 𝑅𝑀

Bagian return yang unik (𝛼𝑖 ) hanya berhubungan dengan peristiwa mikro
(micro event) yang mempengaruhi perusahaan tertentu saja, tetapi tidak
mempengaruhi semua perusahaan-perusahaan secara umum. Contoh dari
peristiwa-peristiwa mikro misalnya adalah pemogokan karyawan, kebakaran,
penemuan-penemuan penelitian dan lain sebagainya. Bagian return yang
berhubungan dengan return pasar ditunjukan oleh Beta (𝛽𝑖 ) yang merupakan
sensitivitas return suatu sekuritas terhadap return dari pasar. Secara konsensus,
return pasar mempunyai Beta bernilai 1. Suatu sekuritasyang mempunyai Beta
bernilai 1,5 misalnya mempunyai arti bahwa perubahan return pasar sebesar 1%
akan mengakibatkan perubahan return dari sekuritas tersebut dengan arah yang
sama sebesar 1,5%.

Model indeks tunggal dapat juga dinyatakan dalam bentuk return ekspektasi
(expected return). Return ekspektasi dari model ini dapat diderivasi dari model
sebagai berikut:

E(𝑅𝑖 ) = E(𝛼𝑖 + 𝛽𝑖 . 𝑅𝑀 + 𝑒𝑖 ),

Atau:

E(𝑅𝑖 ) = E(𝛼𝑖 ) + E(𝛽𝑖 . 𝑅𝑀 ) + E(𝑒𝑖 ).

Dari property ke-2 di bab 6 diketahui bahwa nilai ekspektasi dari suatu konstanta
adalah bernilai konstanta itu sendiri, maka E(𝛼𝑖 ) = 𝛼𝑖 dan E(𝛽𝑖 . 𝑅𝑀 ) = 𝛽𝑖 . 𝐸(𝑅𝑀 )

3
dan secara konstruktip (lihat contoh 9.2) nilai E(𝑒𝑖 ) = 0, maka return ekspektasi
model indeks tunggal dapat dinyatakan sebagai:

E(𝑅𝑖 ) = 𝛼𝑖 + 𝛽𝑖 . E( 𝑅𝑀 ).

Contoh 9.1:

Misalnya return ekspektasi dari indeks pasar E( 𝑅𝑀 ) adalah sebesar 20%,

bagian dari return ekspektasi suatu sekuritas yang independen terhadap pasar (𝛼𝑖 )
adalah sebesar 4% dan 𝛽𝑖 adalah sebesar 0,75. Mod3l indeks tunggal
mengestimasi besarnya return ekspektasi untuk sekuritas ini sebesar.

E(𝑅𝑖 ) = 4% + 0,75 . 20% = 19%

Sedang besarnya nilai return realisasi berdasarkan model indeks tunggal untuk
sekuritas ini adalah sebesar:

𝑅𝑖 = 19% + 𝑒𝑖

Dari contoh ini terlihat bahwa nilai return realisasi merupakan nilai return
ekspektasi ditambah dengan kesalahan residu. Jika ternyata nilai return realisasi
nantinya sama dengan nilai return yang diharapkan, berarti investor mengestimasi
nilai return ekspektasi tanpa kesalahan. Jika ternyata nilai return realisasi sebesar
misalnya 21%, maka besarnya kesalahan estimasi (𝑒𝑖 ) adalah sebesar 21% - 19%
= 2%.

2.2 Karakteristik Model Indeks Tunggal Untuk Portofolio

Dimuka telah disebutkan bahwa salah satu alasan dipergunakannya model

indeks tunggal adalah untuk mengurangi jumlah variabel yang harus ditaksir.
Kalau kita melakukan analisis portofolio maka pada dasarnya kita harus
memperkirakan E( 𝑅𝑝 ) dan σ𝑝 . Kalau kita mempunyai 10 sekuritas yang
membentuk porofolio, maka untuk menaksir σ𝑝 kita perlu menaksir sepuluh
variance tingkat keutungan dan empat puluh lima covariance.

4
 Model indeks tunggal akan mampu mengurangi jumlah variabel yang
perlu ditaksir karena untuk portofolio model indeks tunggal mempunyai
karakteristik sebagai berikut. Beta portofolio 𝛽𝑝 merupakan rata-rata tertimbang
dari beta saham-saham yang membentuk portofolio tersebut. Dinyatakan dalam
rumus,

𝛽𝑝 = 𝑋𝑖 𝛽𝑖

Demikian juga alpha porotofolio, 𝑎𝑝 adalah

𝑎𝑝 = 𝑋𝑖 𝑎𝑖

Dengan demikian persamaan (5.4) bisa dituliskan menjadi

E(𝑅𝑝 ) = 𝑎𝑝 = 𝛽𝑝 + 𝛽𝑝 E( 𝑅𝑚 )

Untuk variance portofolio, σ𝑝 2, rumusnya bisa dinyatakan sebagai,

σ𝑝 2 = 𝛽𝑝 2 σ m2 = ƩXi2 σei2

Apabila pemodal menginvestasikan dananya dengan promosi yang sama pada N

saham maka variance portofolio bisa dinyatakan sebagai,

σ𝑝 2 = 𝛽𝑝 2 σ m2 + (1/N) [Ʃ(1/N) (σei2)]

Apabila nilai N menjadi makin besar (artinya makin banyak saham yang
digunakan untuk membentuk portofolio), maka kecillah nilai term kedua dari
persamaan tersebut. Karena term tersebut menunjukkan resiko sisa terhadap risiko
portofolio menjadi semakin kecil apabila kita memperbesar jumlah saham yang
ada dalam portofolio. Apabila kita mempunyai N yang besar sekali, maka term
tersebut akan menjadi sangat kecil dan mendekati nol. Sedangkan term yang
pertama disebut sebaagai systematic risk. Penjumlahan kedua terms tersebut
disebut sebagai resiko total dari portofolio (σ𝑝 ).

Risiko yang tidak bisa dihilangkan kalau membentuk portofolio yang

terdiri dari sekuritas yang makin banyak, merupakan risiko yang berkaitan dengan

5
𝛽𝑝 . Kalau kita menganggap risiko residual mendekati nol, mka risiko portofolio
mendekati

σ𝑝 2 = [𝛽𝑝 2 σ m2]1/2 = 𝛽𝑝 σ m = σ m [Ʃ Xi βi ]

Karena σ m nilainnya sama, tidak peduli saham apapun yang kita analisis,
ukuran kontribusi risiko suatu saham terhadap risiko portofolio yang terdiri dari
banyak saham akan tergantung pada βi.

Risiko sekuritas individual adalah 𝛽𝑝 2 σ m

2
+σ m .
2
Karena pengaruh σei2
pada risiko portofolio bisa dikurangi kalau portofolio terdiri dari makin banyak
saham, maka σei2 sering juga disebut sebagai diversifiable risk. Tetapi pengaruh
βi2σ𝑖 2 pada risko portofolio tidaklah bisa dikurangi dengan menambah sekuritas
dalam portofolio. Karena βi merupakan nondiversifiable risk. Karena diversifiable
risk bisa dihilangkan dengan memperbesar jumlah sekuritas dalam portofolio βi
sering dipakai sebagai pengukur risiko portofolio.

2.3 Konsep Model Indeks Tunggal

Kalau kita melakukan pengamatan maka akan Nampak bahwa pada saat
“pasar” membaik (yang ditunjukan oleh indeks pasar yang tersedia) harga saham-
saham individual juga meningkat. Demikian pula sebaliknya pada saat pasar
memburuk maka harga saham-saham akan turun harganya. Hal ini menunjukan
bahwa tingkat keuntungan suatu saham nampaknya berkorelasi dengan perubahan
pasar. Kalau perubahan pasar bisa dinyatakan sebagai tingkat keuntungan indeks
pasar, maka tingkat keuntungan suatu saham bisa dinyatakan sebagai,

𝑅𝑖 =𝑎𝑖 +𝛽𝑖 𝑅𝑚

𝑎𝑖 adalah bagian dari tingkat keuntungan saham I yang tidak dipengaruhi oleh
perusahaan pasar. Variabel ini merupakan variabel yang acak.

𝑅𝑚 adalah tingkat keuntungan indeks pasar. Variabel ini merupakan variabel yang
acak.

6
𝛽𝑖 adalah beta, yaitu parameter yang mengukur perubahan yang diharapkan pada
𝑅𝑖 kalau terjadi perubahan pada 𝑅𝑚

Persamaan tersebut hanyalah memecah tingkat keuntungan suatu saham

menjadi dua bagian, yaitu yang independen dari perubahan pasar dan yang
dipengaruhi oleh pasar. 𝛽𝑖 menunjukan kepekaan tingkat keuntungan suatu saham
terhadap tingkat keuntungan indeks pasar. 𝛽𝑖 sebesar 2 berarti bahwakalu terjadi
kenaikan (penurunan) tingkat keuntungan indeks pasar sebesar 10% maka akan
terjadi kenaikan (penurunan) 𝑅𝑖 sebesar 20%.

Parameter 𝑎𝑖 menunjukan komponen tingkat keuntungan yang tidak

terpengaruh oleh perubahan indeks pasar. Parameter ini bisa dipecah menjadi dua,
yaitu 𝑎𝑖 (alpha) yang menunjukan nilai pengharapan dari 𝑎𝑖 dan 𝑒𝑖 yang
menunjukan elemen acak dari 𝑎𝑖 . Dengan demikian maka

𝑎𝑖 = 𝛼𝑖 +𝑒𝑖

Dan 𝑒𝑖 mempunyai nilai pengharapan sebesar nol. Persamaan tingkat keuntungan

suatu saham sekarang bisa dinyatakan sebagai,

𝑅𝑖 =𝑎𝑖 +𝛽𝑖 𝑅𝑚 +𝑒𝑖

Persamaan (5.3) tersebut mrupakan persamaan regresi linear sederhana

yag dihitung dengan 𝑅𝑖 sebagai variabel tergantung dan 𝑅𝑚 sebagai variabel
independen. Cara perhitungan regresi secara manual diberikan pada apendiks bab
ini, meskipun penggunaan paket program statistic akan sangat mempercepat
perhitungan kita. Perhatikan sekali lagi bahwa 𝑅𝑚 𝑑𝑎𝑛 𝑒𝑖 adalah variabel random.
Karena itu cove (𝑒𝑖 , 𝑅𝑚 )= 0. Kemudian diasumsikan bahwa 𝑒𝑖 independen
terhadap 𝑒𝑗 untuk setiap nilai i dan j, atau secara formal bisa dinyatakan bahwa
E(𝑒𝑖 𝑒𝑗 ) = 0.

Model indeks tunggal bisa kita ringkas sebagai berikut:

Persamaan dasar

7
𝑅𝑖 =𝑎𝑖 +𝛽𝑖 𝑅𝑚 +𝑒𝑖 untuk setiap saham i = 1,., N

Berdasarkan pembentukan persamaan

E(𝑒𝑖 ) = 0 untuk setiap saham i = 1,., N

Berdasarkan asumsi

(1) Indeks tidak berkorelasi dengan unique return:

E[𝑒𝑖 (𝑅𝑚 -E(𝑅𝑚 ))] = 0 untuk setiap saham i = 1,., N

(2) Sekuritas hanya dipengaruhi oleh pasar:

E(𝑒𝑖 𝑒𝑗 ) = 0 untuk setiap saham i = 1,., N dan j = 1,..N,

tetapi i ϯ j

Per definisi

(1) variance 𝑒𝑖 = E(𝑒𝑖 )2 = σ𝑒𝑖 2 untuk setiap saham i = 1,., N

(2) variance 𝑅𝑚 = σ𝑚 2

untuk sekuritas, penggunaan model indeks tunggal menghasilkan tingkat

keuntungan yang diharapkan, devisi standar tingkat keuntuungan dan convariance
antar saham sebagai berikut,

1. tingkat keuntungan yang diharapkan

E( 𝑅𝑖 ) = 𝑎𝑖 +𝛽𝑖 𝐸(𝑅𝑚 )
2. variance tingkat keuntungan ,
σ𝑖 2 = 𝛽𝑖 2σ𝑚 2 + σ𝑒𝑖 2
3. covariance tingkat keuntungan sekuritas i dan j,
σ𝑖𝑗 = 𝛽𝑖 𝛽𝑗 σ𝑚 2

Perhatikan bahwa model tersebut menunjukan bahwa tingkat keuntungan

yang diharapkan terdiri dari dua komponen ; bagian yang unik, yaitu 𝑎𝑖 dan
bagian yang berhubungan dengan pasar, yaitu 𝛽𝑖 𝐸(𝑅𝑚 ). Demikian juga variance

8
tingkat keuntungan terdiri dari dua bagian, yaitu risiko yang unik (σ𝑒𝑖 2) an resiko
yang berhubungan dengan pasar 𝛽𝑖 2σ𝑚 2. Sebaliknya covariance semata-mata
tergantung pada risiko pasar. Ini berarti berarti bahwa model indeks tunggal
menunjukan bahwa satu-satunya alasan mengapa saham-saham “bergerak
bersama” adalah bereaksi terhada gerakan pasar.

Pernyataan tersebut bisa diilustrasikan dengan data yang ada dalam table
5.1. Misalkan kita mengamati tingkat keuntungan suatu saham dan indeks pasar
seperti yang ditunjukan pada kolom (1) dan (2). Kolom (3) merupakan reproduksi
kolom (1). Sementara ini kita terima dulu bahwa 𝛽𝑖 = 0,975. Kolom (5)
merupakan kolom (2) dikalikan 0,975. Nilai 𝑒𝑖 diperoleh sebagai berikut.
Perhatikan perhatikan bahwa rata-rata 𝑒𝑖 = 0. Karena jumlah kolom (5) = 9, maka
jumlah (4) harus = 13. Karena 𝑎𝑖 merupakan konstanta, maka nilai 𝑎𝑖 pada setiap
bulannya adalah 39/5 = 2,6.

Dengan menggunakan rumus (5.4) kita bisa menghitung bahwa,

σ𝑚 2 = 32, σ𝑒𝑖 2 = 4,732. Dengan demikian maka,

σ𝑖 2 = 𝛽𝑖 2σ𝑚 2 + σ𝑒𝑖 2

= 30,42 + 4,732

= 35,152

2.4 Menaksir Beta

Penggunaan model indeks tunggal memerlukan penaksiran beta dari

saham-saham yang akan dimasukkan ke dalam portofolio. Para analisis bisa saja
menggunakan judgement mereka dalam menentukan beta. Kita juga bisa
menggunakan data historis untuk menghitung beta waktu lalu yang dipergunakan
sebagai taksiran beta di masa yang akan datang. Diketemukan berbagai bukti
bahwa beta historis memberikan informasi yang berguna tentang beta di masa
yang akan datang (sebagai misal, Brealey and Myers, 1991, h.183). Karena itu

9
sering para analisis menggunakan beta historis sebelum mereka menggunakan
judgement untuk memperkirakan beta di masa yang akan datang.

a. Menaksir beta historis

Persamaan (5.3) menunjukkan bahwa,
𝑅𝑖 = 𝛼𝑖 + 𝛽𝑖 𝑅𝑚 + 𝑒𝑖
Persamaan ini tidak lain merupakan persamaan regresi linier sederhana, yang bisa
dipecahkan dengan rumus regresi. Berbagai program statistik untuk dipergunakan
di komputer juga tersedia untuk menghitung persamaan tersebut. Informasi yang
diperlukan adalah series tentang tingkat keuntungan suatu saham (𝑅𝑖 ) dan tingkat
keuntungan indeks pasar (𝑅𝑚 ). Hasil perhitungan tersebut kalau di-plot-kan
dalam suatu gambar akan nampak seperti dalam Gambar 5.1.
Beta menunjukkan kemiringan (slope) garis regresi tersebut, dan 𝛼 menunjukkan
intercept dengan sumbu 𝑅𝑖𝑡 . Semakin besar beta, semakin curam kemiringan garis
tersebut, dan sebaliknya. Penyebaran titik-titik pengamatan di sekitar garis regresi
tersebut menunjukkan risiko sisa (𝜎 𝑒𝑖2 ) sekuritas yang diamati. Semakin
menyebar titik-titik tersebut, semakin besar resiko sisanya.
Beta juga bisa dihitung dengan menggunakan rumus
2
𝛽𝑖 = (𝜎 𝑚 / 𝜎 𝑚 )

Dan untuk alpha, bisa di hitung dengan

𝛼𝑖 = 𝐸 (𝑅𝑖𝑡 ) − 𝛽𝑖 𝐸 (𝑅𝑚 )

Nilai 𝛽𝑖 dan 𝛼𝑖 yang dihitung dengan persamaan regresi merupakan

taksiran dari beta dan alpha yang sebenarnya. Taksiran tersebut tidak luput dari
kesalahan (subject to error). Berbagai properti statistic, seperti nilai t, nilai F, dan

10
koefisien determinasi perlu diperhatikan untuk menggunakan nilai-nilai taksiran
tersebut.
Beta sekuritas indiviidu cenderung mempunyai koefisien determinasi
(yaitu bentuk kuadrat dari koefisien korelasi) yang lebih rendah dari beta
portofolio. Koefisien determinasi menunjukkan proporsi perubahan nilai 𝑅𝑖 yang
bisa dijelaskan oleh 𝑅𝑚 . Dengan demikian semakin besar nilai koefisien
determinasi semakin akurat nilai estimated beta tersebut. Beta portofolio
umumnya lebih akurat dari beta sekuritas individual karena dua hal. Pertama, beta
mungkin berubah dari waktu ke waktu. Ada sekuritas yang betanya berubah
menjadi lebih besar, ada pula yang mengecil. Pembentukan portofolio
memungkinkan perubahan tersebut menjadi saling meniadakan, atau paling tidak
mengecil. Kedua, penaksiran beta memungkinkan kesalahan tersebut diperkecil.
Karena itu, semakin banyak sekuritas yang dipergunakan untuk membentuk
portofolio, semakin besar nilai koefisien determinasinya. Dengan demikian maka
beta portofolio historis akan merupakan predictorbeta masa depan yang lebih baik
dibandingkan dengan beta sekuritas individual.
b. Menyesuaikan Taksiran Beta Historis
Apakah kita bisa memperbaiki akurasi penaksiran beta historis untuk keperluan
estimasi beta di masa yang akan datang? Pengamatan yang dilakukan Blume
(1971) menunjukkan fenomena yang menarik, sebagaimana disajikan pada Tabel
5.2 berikut ini, Blume mengamati beta dari berbagai portofolio pada dua periode
yang berurutan, yaitu beta pada periode Juli 1954 - Juni 1961 dan periode Juli
1961 – Juni 1968. Beta-beta periode pertam tersebut disusun menurut
peringkatnya, dimulai dari beta yang terkecil sampai dengan beta yang terbesar.

Tabel 5.2 Beta berbagai portofolio yang disusun sesuai peringkatnya untuk
dua periode waktu yang berurutan

Portofolio 7/54-6/61 7/61-6/68

1 0,393 0,620
2 0,612 0,707

11
 3 0,810 0,861
4 0987 0,941
5 1,138 0,995
6 1,337 1,169

Tabel tersebut menunjukkan bahwa ada kecenderungan bahwa apabila

pada perode pertama beta suatu portofolio kecil, yaitu di bahwa satu, maka pada
periode berikutnya akan terjadi kenaikan. Sebagai missal, beta portofolio pertama
dalah 0,393 pada periode pertama, kemudian beta portofolio ini meningkat
menjadi 0,620 pada periode kedua. Sebaliknya untuk portofolio yang mempunyai
beta tinggi, lebih besar dari satu. Pada periode berikutnya beta portofolio tersebut
menurun. Ada kecenderungan bahwa nampaknya beta portofolio – portofolio
tersebut, dalam jangka panjang akan bergerak di sekitar satu.
Berdasarkan fenomena tersebut Blume kemudian merumuskan teknik
menyesuaikan beta histors, yaitu meregresikan ke arah satu. Kalau beta-beta pada
periode kedua diregresikan dengan beta-beta pada periode pertama, akan
diperoleh persamaan.
𝛽𝑖2 = 0,343 + 0,677𝛽𝑖1
Teknik yang dikemukakan oleh blume tersebut telah diuji secara empiris,
dan hasilnya ternyata memang lebih baik daripada seandainya kita menggunakan
beta yang tidak disesuaikan (klemkosky and martin, 1975) pengujian dilakukan
terhadap kemampuan meramalkan teknik tersebut untuk tiga periode yang setiap
periodenya terdiri dari lima tahun, untuk selama individu maupun portofolio yang
terdiri dari sepuluh sekuritas.

Dengan demikian penggunaan beta bukan hanya mengurangi jumlah variabel

yang harus ditaksir, beta yang disesuaikan juga relatif lebihakurat sebagai
penaksir beta dimana yang akan datang dibandingkan dengan beta historis yang
tidak diseseuaikan, dan juga dengfan koefesien korelasi historis, yang terakhir ini
nampaknya merupakan forcaster yang terbentuk untuk nilai-nilai dimasa yang
akan datang

12
c. Beta Fundamental

Pengguna beta bukan hanya bisa memperkecil jumlah variabel yang harus
ditaksir dan penggunaan data (beta) historis (setelah disesuaikan) lebih bisa
dikendalikan tetapi penggunaan beta juga memungkinkan kita mengidentidfikasi
faktor-faktor fundamental yang mungkin mwmpwngaruhi beta tersebut. Faktor-
faktor fundamental ini yang tidak bisa mengidentifikasi kalau kita menggunakan
matrik koefesien korelasi historis, belum bisa diidentifikasi faktor (faktor-faktor)
apa yang menyebabkan, misalnya, koefesiaen korelasi saham i dengan j ternayata
rendah (atau tinggi) pada periode waktu tertentu.

Beta merupakan ukuran resiko yang berasal dari hubungan antara tingkat
keuntungan suatu saham dengan pasar, resiko ini berasal dari beberapa faktor
fundamental perusahaan dan faktor karakteristik pasar tentang saham perusahaan
tersebut. Faktor-faktor yang diidentifikasi mempengaruhi nilai beta adalah:

(1) Cyclicality faktor ini menunjukan seberapa jauh perusahaan dipengaruhi

oleh konjungtur perekonomian, kita tahu bahwa pada saat kondisi
perekonomian membaik, semua perusahaan akan merasakan dampak
positifnya, demikian pula pada saat resesi semua perusahaan akan kena
dampak negatifnya. Yang membedakan adalah intesitasnya, ada
perusahaan yang segera membaik (memburuk) pada saat kondisi
perekonomian membaik (memburuk) tetapi ada pula yang hanya sedikit
terpengaruh perusahaan yang sangat peka terhadap perubahan kondisi
perekonomian membsaik (memburuk) tetapi ada pula yang sedikit
terpengarug perusahaan yang sangat peka terhadap perubahan kondissi
perekonomian merupakan perusahaan yang mempunyai beta yang tinggi
dan sebaliknya.
(2) Operating laverage, operating laverage menunjukan proporsi biaya
perusahaan yang merupakan biaya tetap semakain besar proporsi semakin
besar operating laverage nya perusahaan yang mempunyai operating

13
 laverage yang tinggi akan cenderung mempunyai beta yang tinggi dan
sebaliknya.
(3) Financial laverage perusahaan yang menggunakan adalah perusahaan
yang mempunyai financial laverage, semakin besar proporsi hutang yang
dipergunakan semakin besar financial laverage-nya kalau kita menaksir
beta saham maka kita menaksir beta i equity. Semakin besar proporsi
hutang yang digunakan oleh perusahaan, pemilik modal sendiri akan
menanggung resiko yang makinbesar karena itu semakin tinggi financial
laverage , semakin tinggi beta equity.

Beberapa peniliti (Beaver, kettler, and Scholes, 1970) mencoba merumuskan

beberapa variabel akuntansi untuk memperkirakan beta. Variabel-variabel yang
digunakan diantaranya adalah:

(1) Deviden payot (yaitu pertandingan antara deviden perlembr saham dengan
laba per lembar saham)
(2) Pertumbuhan aktiva adalah (perubahan aktiva pertahun)
(3) Laverage (yaitu rasio antara hutang dengan total aktiva)
(4) Likuiditas (yaitu aktiva lancar dibagi dengan hutang lancar)
(5) Asset size (yaitu nilai kekayaan total)
(6) Variabelitas keuntungan (yaitu devisi standar dari earnings price ratio)
(7) Beta akunting (yaitu beta yang timbul dari regresi time series laba
perusahaan terhadap rata-rata keuntungan semua (atau sampel)
perusahaan.

14
 BAB III

PENUTUP

3.1 Kesimpulan

Mean-variance model mempunyai kelemahan dalam dua hal. Pertama, kita perlu
menakar variabel yang sangat banyak kalau kita membentuk portofolio dengan
jumlah sekuritas yang memadai. Sebagai missal kalau portofolio kita terdiri dari
20 sekuritas, maka kita perlu menaksir 20(20-1)/2 = 90 covariances. Kedua, nilai
inikoefisien korelasi (yag sangat penting dalam penentuan resiko portofolio)
sangat sulit ditaksir dengan menggunakan data historis artinya, koefisien korelasi
periode yang lalu mungkin sekali sangat berbeda dengan koefisien korelasi saat
ini.

Model indeks tunggal mencoba mengatasi hal tersebut. Model indeks tunggal
mendasarkan dari pada pemikiran bahwa tingkat keuntungan suatu sekuritas
dipengaruhi oleh tingkat keuntungan portofolio pasar. Dengan menggunakan
model indeks tunggal bisa diresudusir jumlah variabel yang perlu ditaksir, karena
tidak perlu lagi ditaksir koefisien korelasi untuk menaksir deviasi standar
portofolio. Disamping itu beta juga merupakan variabel yang relative
stabil.dengan menggunakan modifikiasi tertentu, beta historis nampaknya bisa
dipergunakan untuk memperkirakan beta dimasa yang akan datang dengan cukup
baik. Akhirnya, beberapa variabel fundamental nampaknya bisa diidentifikasikan
sehingga lebih memudahkan untuk memperkirakan beta dimasa yang akan datang.

15
 DAFTAR PUSTAKA

Husnan Suad. 2009. Dasar-dasar teori portofolio dan analisis sekuritas : edisi
keempat. Yogyakarta. UPP STIM YKPN

Jogiyanto. 2003. Teori Portofolio dan Analisis Investasi : edisi ketiga.

Yogyakarta. BPFE-YOGYAKARTA

16