TEORI PASAR MODAL DAN INVESTASI

MODEL PERHITUNGAN ABNORMAL RETURN

OLEH:
KELOMPOK 5
KELAS 22C

Ni Putu Wanda Anggeliana Putri (1881611051 - 02)

Putu Dian Indah Savitri (1881611068 - 17)
Ni Putu Lissya Suryantari (1881611071 - 20)

PROGRAM MAGISTER AKUNTANSI

PROGRAM PASCASARJANA
UNIVERSITAS UDAYANA
DENPASAR
2019
 MODEL PERHITUNGAN ABNORMAL RETURN

1. Pendahuluan
Efisiensi pasar diuji dengan melihat abnormal return yang terjadi. Pasar
dikatakan tidak efisien jika satu atau beberapa pelaku pasar dapat menikmati rerturn
yang tidak normal dalam jangka waktu yang cukup lama. Beberapa model perhitungan
yang digunakan adalah model sesuaian rata-rata (mean-adjusted model), model pasar
(market model), dan model sesuaian pasar (market-adjusted model).

2. Return Tidak Normal

Abnormal return atau excess return merupakan kelebihan return yang
sesungguhnya terjadi terhadap return normal. Return normal merupakan return
ekspektasian (return yang diharapkan investor). Dengan demikian return tidak normal
adalah selisih antara return sesungguhnya yang terjadi dengan return ekspektasian.
RTNi,t = Ri,t – E[Ri,t]
Notasi:
RTNi,t = abnormal return sekuritas ke-i pada periode peristiwa ke-t.
Ri,t = return realisasian yang terjadi untuk sekuritas ke i pada periode peristiwa ket
E[Ri,t] = return ekspektasian sekuritas ke-i untuk periode peristiwa ke-t.
Return realisasian merupakan return yang terjadi pada waktu ke-t yang
merupakan selisih harga sekarang relative terhadap harga sebelumnya. Sedang return
ekspektasian merupakan return yang harus diestimasi. Brown dan Warner (1985)
mengestimasi return ekspektasian menggunakan model estimasi mean adjusted
model, market model dan market adjusted model.

2.1 Mean-Adjusted Model

Model ini menganggap bahwa return ekspektasian bernilai konstan yang sama
dengan rata-rata return realisasian sebelumnya selama periode estimasi, sebagai
berikut:
Notasi:

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

Ri,j = return realisasian sekuritas ke-i pada periode estimasi ke-j.
T = lamanya periode estimasi, yaitu dari t1 sampai dengan t2.
Periode estimasi umumnya merupakan periode sebelum periode peristiwa.
Periode peristiwa (event period) disebut juga dengan periode pengamatan atau jendela
peristiwa (event window). Umumnya periode jendela juga melibatkan hari sebelum

1
tanggal peristiwa untuk mengetahui apakah terjadi kebocoran informasi (apakah pasar
sudah mendengar informasi sebelum informasi diumumkan). Periode jendela sabagai
periode pengamatan merupakan periode yang akan dihitung nilai abnormal return-nya.
2.2 Market Model
Perhitungan return ekspektasian dengan model pasar dilakukan dengan 2 tahap,
yaitu membentuk model ekspektasian dengan menggunakan data realisasi selama
periode estimasi. Selanjutnya menggunakan model ekspekasi ini untuk mengestimasi
return ekspektasian di periode jendela. Model ekspektasi dapat dibentuk menggunakan
teknik regresi OLS (Ordinary Least Square) dengan persamaan:
Ri,j = αi + βi. Rm,j +εi,j
Notasi:
Ri,j = return realisasian sekuritas ke-i pada periode estimasi ke-j.
αi = intercept untuk sekuritas ke-i.
βi = koefisien slope yang merupakan beta dari sekuritas ke-i.
Rm,j = return indeks pasar pada periode estimasi ke-j.
εi,j = kesalahan residu sekuritas ke-i pada periode estimasi ke-j.
2.3 Market-Adjusted Model
Model ini 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 model estimasi, karena return sekuritas
yang diestimasi adalah sama dengan return indeks pasar. Misalnya pada hari
pengumuman peristiwa, return indeks pasar adalah sebesar 18%, dengan metode
sesuaian-pasar ini, maka retuen ekspektasian semua sekuritas di hari yang sama
tersebut adalah sama dengan return indeks pasarnya, yaitu sebesar 18% tersebut.
Jika return suatu sekuritas pada hari pengumuman peristiwa adalah 35%, maka
besarnya abnormal return yang terjadi adalah 17% (35%-18%).
3. Rata-Rata Return Tak Normal
Pengujian adanya abnormal return tidak dilakukan untuk tiap-tiap sekuritas, tetapi
dilakukan secara agregrat dengan menguji rata-rata return tidak normal seluruh
sekuritas secara cross-section untuk tiap-tiap hari di periode peristiwa. Rata-rata return
tidak normal untuk hari ke-t dapat dihitung berdasarkan rata-rata aritmatika sebagai
berikut:

Notasi:
RRTNt = rata-rata return taknormal (average abnormal return) pada hari ke-t.
RTNi,t = return taknormal (abnormal return) untuk sekuritas ke-I pada hari ke-t.
k = jumlah sekuritas yang terpengaruh oleh pengumuman peristiwa.

2
 Pengujian rata-rata return tidak normal digunakan pengujian t-test yang menguji
hipotesis nol bahwa rata-rata return tidak normal adalah sama dengan nol.

4. Akumulasi Return Tak Normal

Akumulasi return tidak normal (ARTN) atau cummulative abnormal return (CAR)
merupakan penjumlahan return tidak normal hari sebelumnya di dalam periode
peristiwa untuk masing-masing sekuritas. Akumulasi rata-rata return tidak normal
(ARRTN) dapat juga dihitung dengan mengakumulasikan rata-rata return tidak normal
untuk hari-hari sebelumnya sebagai berikut:

Notasi:
ARTNi,t = akumulasi return tak normal (cumulative abnormal return) sekuritas ke-i
pada hari ke-t, yang diakumulasi dari return taknormal (RTN) sekuritas ke-i
mulai hari awal periode peristiwa (t3) sampai hari ke-t.
RTNi,a = return taknormal (abnormal return) untuk sekuritas ke-i pada hari ke-a,
yaitu mulai t3 (hari awal periode jendela) sampai hari ke-t.
Jika terdapat k bah sekuritas, maka akumulasi rata-rata return taknormal
(ARRTN) atau cumulative average abnormal return (CAAR) dapat dihitung:
Notasi:

ARRTNt = akumulasi rata-rata return taknormal (cumulative average abnormal return)

pada hari ke-t.
ARTNi,t = akumulasi return taknormal (cumulative abnormal return) untuk sekuritas
ke-I pada hari ke-t.
k = jumlah sekuritas yang terpengaruh oleh pengumuman peristiwa.
Akumulasi rata-rata return taknormal (AARTN) dapat juga dihitung dengan
mengakumulasikan rata-rata return taknormal untuk hari-hari sebelumnya. Jika rata-
rata return taknormal hari ke-t adalah ARTN t, maka akumulasi rata-rata return
taknormal hari ke-t (ARRTNt) dapat dihitung sebagai berikut:

Notasi:

3
ARRTNt = akumulasi rata-rata return taknormal (cumulative average abnormal return)
pada hari ke-t.
RRTNa = rata-rata return taknormal (average abnormal return) pada hari ke-1, yaitu
mulai t3 (hari awal event windows) sampai hari ke-t.
5. Pengujian Statistik Terhadap Return Tak Normal
Pengujian ini mempunyai tujuan untuk melihat signifikansi return tidak normal
yang ada di periode peristiwa. Signifikansi yang dimaksud adalah bahwa abnormal
return tersebut secara statistik signifikan tidak sama dengan nol (positif untuk kabar
baik dan negatif untuk kabar buruk) dengan pengujian t-test. Pengujian-t yang menguji
hipotesis nol bahwa nilai suatu parameter sama dengan nol:

Notasi:
t = t-hitung.
β = parameter yang aka 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. Return tak normal standarisasi (standardized abnormal return) untuk
sekuiritas ke-I dapat ditulis sebagai berikut:

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:

4
 a. Kesalahan standar estimasi ditentukkan berdasarkan deviasi standar return-
return selama periode estimasi dengan nilai standarnya yang digunakan adalah
nilai rata-rata returnnya.
b. Selama periode estimasi dengan nilai standar yang digunakan adalah nilai
prediksi returnnya.

5.1 Kesalahan Standar Estimasi Berdasarkan Rata-rata Return Periode

Estimasi
Cara pertama menghitung kesalahan standar estimasi dilakukan berdasarkan
deviasi nilai-nilai return dari nilai rata-rata returnnya selama periode estimasi dan dapat
dirumuskan sebagai berikut:

Notasi:

KSEi = kesalahan standar estimasi untuk sekuritas ke-i.

Ri,j = return sekuritas ke-i untuk hari ke-j selama periode estimasi.
= rata-rata return sekuritas ke-i selama periode estimasi.
T1 = jumlah hari di periode estimasi, yaitu dari hari ke-t1 sampai dengan hari ke t2.
Pengujian-t umumnya dilakukan untuk return portofolio (rata-rata return semua k-
sekuritas) pada hari-t d periode peristiwa. Portofolio sekuritas ini terdiri dari k-buah
sekuritas yang terpengaruh oleh pengumuman peristiwa bersangkutan. Besarnya
return taknormal standardisasi untuk portofolio k-buah sekuritas ini untuk hari ke-t
adalah sebesar:

Notasi:
RTNSt = return taknormal standardisasi portofolio untuk hari ke-t di periode
peristiwa.
RTNSi,t = return taknormal standardisasi sekuritas ke-i untuk hari ke-t di periode
peristiwa.
k = jumlah sekuritas.
Jika return taknormal masing-masing sekuritas pada hari ke-t (RTNSi,t)
merupakan return-return yang independen dan terdistribusi secara identik

5
(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 sekuritas-sekuritas yang
melanggar asumsi independen. Kesalahan standar estimasi berdasarkan metode
crude dependence adjustment adalah sebesar:

Notasi:
KSEt = kesalahan standar estiamsi hari ke-t di periode peristiwa.
RTNi,t = return taknormal sekuritas ke-i hari ke-t di periode peristiwa.
T1 = jumlah hari di periode peristiwa.
k = jumlah sekuritas.

5.2 Kesalahan Standar Estimasi Berdasarkan Prediksi Return Periode Estimasi

Cara kedua menghitung kesalahan standar estimasi berdasarkan deviasi nilai-
nilai return dari nilai estimasinya selama periode estimasi. Dengan demikian
perbedaan cara pertama dan kedua dalam menghitung kesalahan standar estimasi
adalah terletak di standar yang digunakan untuk mengukur penyimpangan return-
returnnya selama periode estimasi. Di cara pertama, nilai standar yang digunakan
adalah nilai rata-rata returnnya, sedangkan di cara kedua, nilai standar yang digunakan
adalah nilai estimasi returnnya. Cara kedua ini dapat dirumuskan sebagai berikut:

Notasi:
KSEi = kesalahan standar estimasi untuk sekuritas ke-i
Ri,j = return sekuritas ke-i untuk hari ke-j selama periode estimasi
E(Ri,j) = estimasi return sekuritas ke-i untuk hari ke-j selama periode estimasi
T1 = jumlah hari di periode estimasi, yaitu dari hari ke-t1 sampai dengan hari ke-t2
Return estimasi untuk hari ke-j dapat diperoleh dengan memasukkan nilai return
indeks pasar pada hari ke-j yang sama di model estimasi masing-masing sekuritas.

6
 Kesalahan standar estimasi, baik dengan cara pertama atau cara kedua dihitung
dengan nilai-nilai di periode estimasi. Kesalahan standar estimasi ini dapat disesuaikan
dengan nilai return indeks pasar di periode peristiwa. Hasil dari penyesuaian ini disebut
dengan kesalahan standar peramalan (standar error od the forecast) sebagai berikut:

Notasi:
KSPi,t = kesalahan standar peramalan sekuritas ke-i hari ke-j di periode peristiwa
KSEi = kesalahan standar estimasi untuk sekuritas ke-i
RMt = return indeks pasar hari-t di periode peristiwa
RMj = return indeks pasar hari ke-j di periode estimasi
= rata-rata return indeks pasar selama di periode estimasi
T1 = jumlah hari di periode estimasi, yaitu dari hari ke-t1 sampai dengan hari ke-t2
Berdasarkan persamaan di atas dapat dilihat bahwa kesalahan standar
peramalan (KSPi,t) nilainya berbeda untuk hari yang berbeda di epriode peristiwa,
sedang kesalahan standar estimasi nilainya sama untuk tiap periode peristiwa untuk
masing-masing sekuritas. Kedua kesalahan standar ini banyak digunakan di beberapa
penelitian. Beberapa penelitian menggunakan kesalahan standar estimasi dan
beberapa yang lain menggunakan kesalahan standar peramalan. Penggunaan
kesalahan standar peramalan lebih mencerminkan keadaan pasar di hari ke-t di
periode peristiwa.

5.3 Kesalahan Standar Estimasi secara Cross-Section

Cara ketiga dari perhitungan kesalahan standar estimasi didasarkan pada deviasi
standar return-return tidak normal dari k-sekuritas secara cross-section untuk setiap
hari di periode peristiwa. Cara ketiga ini menghitung kesalahan standar estimasi

langsung di periode peristiwa, tidak menggunakan periode estimasi. Cara ini lebih
tepat digunakan untuk menghitung model sesuaian pasar (market adjusted model)
yang hanya menggunakan periode peristiwa dan tidak menggunakan periode estimasi.
Kesalahan standar estimasi ini adalah:
Notasi:
KSEt = kesalahan standar estimasi untuk sekuritas ke-t di periode peristiwa

7
RTNi,t = return tak normal sekuritas ke-i untuk hari ke-t di periode peristiwa
= rata-rata return tak normal k-sekuritas untuk hari ke-t di periode peristiwa
k = jumlah sekuritas

6. Penjelas Return Taknormal

Beberapa penelitian berusaha untuk menemukan faktor-faktor sesifik
perusahaan yan dapat menjelaskan terjadinya abnormal return tersebut. Untuk
menjawab pertanyaan ini dapat digunakan teknik regresi. Akumulasi return taknormal
(ARTN) digunakan sebagai variabel dependen dan faktor-faktor spesifik perusahaan
sebagai variabel independen sebagai berikut:
ARTNi,t4 = f(faktor-faktor spesifik perusahaan)
Notasi:
ARTNi,t4 = akumulasi return taknormal pada hari terakhir di event window, yaitu pada
hari ke-t4 untuk perusahaan ke-i. Akumulasi return taknormal ini juga
dapat dihitung dengan menjumlahkan semua return taknormal dalam
event window untuk masing-masing perusahaan ke-i.
Misalnya suatu event study mengenai pengumuman laba menemukan bahwa
perubahan laba mengandung informasi, yaitu terdapat adanya abnormal return di
sekitar tanggal pengumuman perubahan laba tersebut. Hasil ini hanya menunjukkan
bahw aperubahan laba mengakibatkan adanya reaksi pasar, tetapi tidak menjelaskan
seberapa besar respon pasar tersebut berhubungan dengan besarnya perubahan laba.
Untuk mengetahuin hubungan ini umumnya digunakan persamaan regresi sebagai
berikut ini:
ARTNi = β0 + β1 ∆EPSi + εi
Notasi:
ARTNi = akumulasi return taknormal perusahaan ke-i
∆EPSi = perubahan laba per lembar saham perusahaan ke-i
β1 = koefisien respon laba terhadap return taknormal (earnings response
coefficient atau ERC). Nilai β1 yang signifikan dapat diartikan bahwa tidak
hanya pengumuman perubahan laba saha yang menimbulkan abnormal
return, tetapi juga besarnya perubahan laba dapat mempengaruhi besarnya
abnormal return.
Sejak tahun 1995, Standar Akuntansi Keuangan (SAK) no.2 mewajibkan
perusahaan untuk menyertakan laporan arus kas dalam laporan keuangannya.
Dengan demikian pada waktu laporann keuangan diumumkan ke publik, tidak hanya
informasi laba saja yang diterima publik, tetapi juga informasi mengenai aurs kas

8
perusahaannya. Jika perusahaan bereaksi dengan adanya abnormal return di sekitar
tanggal pengumuman laporan keuangan, maka dapat dikatakan bahwa laporan
keuangan tersebut mengandung informasi. Pertanyaannya sekarang adalah: (1)
informasi mana yang mengakibatkan reaksi pasar, apakah informasi perubahan laba
atau informasi perubahan arus kas, dan (2) jika keduanya mengakibatkan reaksi pasar,
informasi mana yang lebih kuat mengakibatkan reaksi apsar tersebut? Untuk
menjawab pertanyaan-pertanyaan ini, maka perlu dihubungkan antara abnormal return
yang terjadi dengan besarnya nilai infromasi perubahan laba dan perubahan arus kas.
Hubungan ini dapat dilakukan dengan persamaan regresi sebagai berikut:
ARTNi = β0 + β1 ∆EPSi + β2 ∆AKSi + εi
Notasi:
ARTNi = akumulasi return taknormal perusahaan ke-i
∆EPSi = perubahan laba per lembar saham perusahaan ke-i
∆AKSi = perubahan arus kas per lembar saham perusahaan ke-i.
β1 = koefisien respon laba terhadap return taknormal (earnings response
coefficient atau ERC). Nilai β1 yang signifikan memiliki arti bahwa besarnya
perubahan laba mempengaruhi besarnya abnormal return.
β2 = koefisien respon arus kas terhadap return taknormal (cash flow response
coefficient). Nilai β2 yang signifikan memiliki arti bahwa besarnya perubahan
arus kas mempengaruhi besarnya abnormal return.
Apabila kedua koefisien (β1 dan β2) bernilai signifikan, maka yang memiliki
pengaruh lebih kuat dapat dilihat dari besarnya nilai-nilai koefisien tersebut.
Beberapa penelitian juga melihat apakah variabel-variabel spesifik perusahaan
yang lainnya, seperti ukuran perusahaan (size), pertumbuhan perusahaan (growth),
dan risiko perusahaan (risk) juga menjelaskan besarnya abnormal return yang terjadi.
Persamaan regresi yang digunakan adalah sebagai berikut:
ARTNi = β0 + β1 SIZE + β2 GROWTH + β2 RISK + εi
Pengukuran size yang umumnya digunakan adalah nilai total aktiva atau
penjualan bersih dari nilai ekuitas. Pengukuran GROWTH yang banyak digunakan
adalah pertumbuhan laba, pertumbuhan penjualan atau diwakili dengan nilai pasar
dibagi dengan nilai buku. Pengukuran RISK yang banyak digunakan misalnya dengan
leverage (total ekuitas dibagi dengan total utang).

9
 DAFTAR REFERENSI

Jogiyanto, H.M. 2014. Teori Portofolio dan Analisis Investasi, Edisi 8. PFE Yogyakarta.

10