1
Jurusan Matematika, Fakultas MIPA – Universitas Udayana [Email: adex_math05@yahoo.com]
2
Jurusan Matematika, Fakultas MIPA – Universitas Udayana [Email: dharmawan.komang@gmail.com]
3
Jurusan Matematika, Fakultas MIPA – Universitas Udayana [Email: i.putu.enk@gmail.com]
§
Corresponding Author
ABSTRACT
The objective of investment in the capital market is to acquire dividends and capital gain. The fact
proves that the advantage of investation risky assets is uncertain . This is because of the difficulty in
analyzing and predicting Return and stock losses due to factors that affect the movement of the stock
price , such as economic factors , political , social , and security. The model can be used by investors
in predicting stock returns expected that Generalized Autoregressive Conditional Heteroscedaticity
(GARCH). In this study calculations beta value of some leading stocks in Indonesia by using
Generalized Autoregressive Conditional Heteroscedaticity (GARCH) are presented . The data used
this search is secondary data covering daily data sampled 5 shares of PT Unilever Indonesia Tbk , PT
Indosat Tbk , PT Indofood Sukses Makmur Tbk , PT Telkom Indonesia Tbk , PT Holcim Indonesia
Tbk. From the results described fifth beta value of these shares using the method GARCH beta greater
than the market in the period from 23 September 2013 until 24 September 2014.
Keywords: Beta, Capital Gain, Dividen, GARCH, return
67
Puspitayanti, N.K., K. Dharmawan, I P.E.N. Kencana Perhitungan Nilai Beta Dari Beberapa Saham Unggulan…
dengan adalah return saham pada periode dengan LB menyatakan statistik Ljung
, adalah indeks saham pada periode , dan Box, menyatakan banyaknya data
adalah indeks saham pada periode pengamatan, ̂ merupakan taksiran
. autokorelasi, dan adalah panjang lag.
Pada analisis sekuritas umumnya c. Daerah penolakan
menggunakan metode natural logarithm ratio, Kriteria uji dilakukan jika ditolak
dimana hasil dari keuntungan yang diharapkan jika LB > atau p-value < 0.
tidak terlalu besar dibandingkan metode Apabila ditolak maka akan dipilih
konvensional. Metode natural logarithm ratio yang berarti data berautokorelasi.
di formulasikan sebagai (Husnan [5])
D. Uji ARCH LM
ln ( ) )
Uji ARCH LM dilakukan untuk melihat
Penggunaan metode natural logarithm ratio kehadiran unsur heteroscedasticity atau efek
digunakan agar dalam analisis statistika GARCH.
perhitungan return tidak bisa. a. Menetapkan hipotesis
: homoscedasticity, tidak ada efek
B. Fungsi ACF dan PACF ARCH-GARCH
Fungsi autokorelasi digunakan untuk : heteroscedasticity, terdapat efek
meng ukur ketergantungan bersama (mutual ARCH-GARCH
dependen) antara nilai-nilai suatu runtun waktu b. Menghitung nilai statistik uji ARCH
yang sama pada periode waktu yang berlainan. LM
68
E-Jurnal Matematika Vol. 5 (2), Mei 2016, pp. 67-75 ISSN: 2303-1751
0.06
0.04
0.02
Return
-0.06
∑ ∑ -0.08
Okt 2013 Jan 2014 April 2014 Juli 2014 Sept 2014
periode
0
F. Perhitungan Nilai Beta Saham Unggulan -0.02
69
Puspitayanti, N.K., K. Dharmawan, I P.E.N. Kencana Perhitungan Nilai Beta Dari Beberapa Saham Unggulan…
0.06
Return Data Harian INDOFOOD
akan dilihat bahwa data berautokorelasi
0.04
atau tidak stasioner pada Tabel 3.1
0.02
Saham IHSG
Uji Ljung Box Residual UJI ARCH Residual
Return
Kuadrat Kuadrat
-0.02 p Qstat CV p Qstat CV
0.8902 0.0191 3.8415 0.8893 0.0194 3.8415
-0.04
0.4882 4.4382 11.0705 0.6545 3.2959 11.0705
0.5478 7.8649 16.9190 0.5554 7.7908 16.9190
-0.06
Okt 2013 Jan 2014 April 2014
periode
Juli 2014 Sept 2014 0.6150 10.9504 22.3620 0.6177 10.9175 22.3620
0.4553 16.9866 27.5871 0.3708 18.2900 27.5871
Return Data Harian TELKOM
0.06 0.2917 24.0278 32.6706 0.4755 20.7301 32.6706
Holcim
0.04
p Qstat CV p Qstat CV
0.1474 2.0987 3.8415 0.1506 2.0660 3.8415
0.02
0.6533 3.3035 11.0705 0.6461 3.3509 11.0705
0.2409 11.5335 16.9190 0.1794 12.6440 16.9190
Return
0
0.0489 22.4399 22.3620 0.1303 18.7741 22.3620
-0.02 0.0270 29.9122 27.5871 0.1141 24.2014 27.5871
0.0249 35.4959 32.6706 0.1949 26.3086 32.6706
-0.04
Indofood
p Qstat CV p Qstat CV
-0.06
Okt 2013 Jan 2014 April 2014
periode
Juli 2014 Sept 2014 0.0042 8.2058 3.8415 0.0045 8.0710 3.8415
0.0036 17.5508 11.0705 0.0014 19.7588 11.0705
Return Data Harian INDOSAT
0.08 0.0005 29.6503 16.9190 0.0007 28.7490 16.9190
0.06
0.0025 31.9264 22.3620 0.0000 43.4200 22.3620
0.0129 32.5277 27.5871 0.0159 31.8022 27.5871
0.04 0.0443 33.1801 32.6706 0.0267 35.2250 32.6706
0.02
Indosat
Return
p Qstat CV p Qstat CV
0
0.0029 8.8761 3.8415 0.0031 8.7417 3.8415
-0.02 0.0050 16.7279 11.0705 0.0349 11.9923 11.0705
0.0056 23.2624 16.9190 0.0794 15.4465 16.9190
-0.04
0.0178 25.8593 22.3620 0.2293 16.3781 22.3620
-0.06
Okt 2013 Jan 2014 April 2014 Juli 2014 Sept 2014
0.0175 31.4599 27.5871 0.3581 18.4982 27.5871
periode 0.0314 34.5793 32.6706 0.4690 20.8368 32.6706
0.06
Return Data Harian UNILEVER Unilever
p Qstat CV p Qstat CV
0.04
0.3604 0.8363 3.8415 0.3624 0.8296 3.8415
0.02 0.5933 3.7004 11.0705 0.6282 3.4682 11.0705
0.8039 5.3380 16.9190 0.6991 6.4020 16.9190
0
0.9509 5.8658 22.3620 0.9078 6.8877 22.3620
Return
70
E-Jurnal Matematika Vol. 5 (2), Mei 2016, pp. 67-75 ISSN: 2303-1751
tidak stasioner dan terdapat efek ARCH- menggunakan model GARCH (1,1) paling baik
GARCH pada data return IHSG sehingga dibanding model GARCH yang lainnya. Hal ini
memungkinkan peramalan menggunakan model dapat dilihat dari uji AIC dan BIC yang
GARCH. Penentuan model GARCH dapat memberikan nilai minimum pada peramalan
dilihat dari plot ACF dan PACF residual model GARCH (1,1). Sehingga model GARCH
kuadrat pada Gambar berikut (1,1) pada IHSG adalah
ACF Kuadrat Return HOLCIM
0.8
0.6
0.4
, adalah nilai residual periode , dan
adalah nilai variansi periode .
0.2
0.6
0.89166 0.89176 0.084879 0.084899
[22.8302]* [17.2216]* [0.7989] [0.6078]
0.4 0.74043 0.74041
[6.4438]* [5.9838]*
0.2
0.069975 0.069968 0.11548 0.11548
[2.6688]* [1.8117]* [3.0235]* [2.8273]*
0
72
E-Jurnal Matematika Vol. 5 (2), Mei 2016, pp. 67-75 ISSN: 2303-1751
73
Puspitayanti, N.K., K. Dharmawan, I P.E.N. Kencana Perhitungan Nilai Beta Dari Beberapa Saham Unggulan…
Tabel 3.10. Nilai Beta Pasar dari Saham Unggulan 4. KESIMPULAN DAN SARAN
Menggunakan Model GARCH.
Berdasarkan uraian dan analisisnya, dapat
Nama Saham Nilai Beta Variansi diambil kesimpulan saham-saham unggulan
Saham
HOLCIM 0.3107 0.0965
pada periode 23 September 2013 sampai 24
INDOFOOD 0.1808 0.0327 September 2014 memperoleh dimana
INDOSAT 0.2881 0.0830 saham unggulan memiliki risiko lebih rendah
UNILEVER 0.1041 0.0108 dari risiko pasar. Dan berdasarkan perhitungan
TELKOM 0.2086 0.0435
beta pasar saham unggulan dan diperoleh nilai
beta menggunakan model GARCH lebih besar
Berdasarkan Tabel 3.10 terlihat bahwa
dibandingkan dibandingkan nilai beta pasar.
perhitungan beta pasar berada dalam kelompok
Dari penelitian di atas maka saran yang
dimana saham unggulan memiliki risiko
dapat penulis berikan adalah untuk investor
lebih rendah dari risiko pasar. Nilai beta
yang berminat untuk melakukan investasi
tertinggi dimiliki oleh saham HOLCIM dengan
dengan menanam modalnya di bursa saham
= 0.3107 dengan risiko saham yang
namun bukan bertujuan untuk spekulasi semata,
ditanggung sebesar 0.0965. Hal ini sesuai
sangat penting untuk melakukan analisa
dengan asumsi bahwa semakin besar nilai
terhadap kinerja saham tersebut terlebih dahulu
betasuatu saham maka semakin tinggi tingkat
sehingga dapat mengetahui tingkat risiko dan
risiko saham tersebut dan semakin besar pula
tingkat pengembalian dari masing-masing
pengembalian yang diberikan saham tersebut.
saham dan untuk penelitian selanjutnya selain
D. Perbandingan Nilai Beta Saham Unggulan model GARCH dapat digunakan metode lain
dalam pehitungan beta saham seperti metode
Beta Pasar Saham Unggulan CAPM dan juga lebih banyak lagi jenis saham
Nama Saham Nilai Beta Variansi
yang dibandingkan nilai , misalnya indeks
HOLCIM 0.0208 4.3457e-004
INDOFOOD 0.0133 1.7749e-004 sektoral atau indeks LQ45.
INDOSAT 0.0161 2.5803e-004
UNILEVER 0.0153 2.3389e-004 DAFTAR PUSTAKA
TELKOM 0.0169 2.8402e-004
[1] Agus Sartono. 1999. Manajemen
Beta Pasar Saham Model GARCH Keuangan.edisi 3. BPFE UGM.
Nama Saham Nilai Beta Variansi [2] Ang, R. 1997. Pasar Modal Indonesia.
HOLCIM 0.3107 0.0965 Media SoftIndonesia. Jakarta.
INDOFOOD 0.1808 0.0327 [3] Bollerslev, T.et all. 1986. Glosary to
INDOSAT 0.2881 0.0830 ARCH (GARCH). Volatility and Time
UNILEVER 0.1041 0.0108 Series 8,137-164.
TELKOM 0.2086 0.0435 [4] Francis, Jack Clark. Wiley Finance,
Volume 795. Modern Portofolio
Pada tabel di atas terlihat bahwa nilai beta Theory+WS. Foundations, Analysis, and
menggunakan model GARCH lebih besar New Developments. Wiley, p. 311.
dibandingkan beta pasar saham unggulan. [5] Husnan, Suad. 1998. Dasar-dasar Teori
Semakin besar nilai beta yang diperoleh maka Portofolio. UPP AMP YKPM.
Yogyakarta.
saham tersebut semakin baik digunakan dalam
[6] Hwang. SY., Basawa, I.V. Stationarity
berinvestasi. Selain beta nilai variansi atau and Moment Structure for Box
risiko juga sangat penting dalam melakukan Coxtransformed Threshold GARCH(1,1)
investasi saham. Terlihat bahwa variansi model Processes. Journal Statistics and
GARCH lebih besar dibandingkan beta pasar Probability Letters, 68 (20040, 209) A,
saham unggulan. Semakin besar risiko yang S220.
dihadapi oleh investor maka semakin besar [7] Jogiyanto, Hartono 1998. Teori
Portofolio dan Analisis Sekuritas.edisi
keuntungan yang diperoleh.
ketiga. BPFE. Yogyakarta.
74
E-Jurnal Matematika Vol. 5 (2), Mei 2016, pp. 67-75 ISSN: 2303-1751
75