KAJIAN TEORITIK
A. Deskripsi Konseptual
1) Likuiditas Saham
Likuiditas saham dapat dilihat dari volume perdagangan yang terjadi pada suatu
saham. Volume perdagangan saham merupakan rasio antar jumlah lembar saham
diperdagangkan pada waktu tertentu dengan jumlah lembar saham yang beredar
pada tertentu (husnan et al., 2005). Volume perdagangan saham sering digunakan
untuk mengukur likuiditas suatu saham, dimana hal tersebut berkaitan dengan
Bade dan Hirth, (2016) mengemukakan bahwa likuiditas mengacu pada ukuran
jumlah transaksi suatu saham di pasar modal pada periode tertentu . Semakin tinggi
frekuensi transaksi saham tersebut, maka akan semakin tinggi pula likuiditas dari
saham tersebut. Bahkan di Bursa Efek Indonesia telah dibuat peringkat untuk 45
buah perusahaan yang memiliki likuiditas saham tertinggi yang dikenal dengan
peringkat LQ45.
Likuiditas saham dan harga saham suatu perusahaan dipandang oleh masyarakat
dan investor sebagai petunjuk yang baik untuk mengukur tingkat efektivitas kinerja
perusahan. Jika dalam peredaran saham suatu emiten lebih cepat daripada saham
9
10
menggambarkan aliran informasi yang beredar dan perilaku investor di pasar pada
perdagangan saham merupakan hal yang penting bagi seorang investor, karena
di pasar modal.
(2) kesempatan bertumbuh (growth oppurtunities), (3) variabilitas arus kas operasi,
(4) variabilitas free cash flow, (5) return spread, (6) perkiraan ekonomi masa
dapat diperjual belikan di bursa, semakin likuid saham tersebut, maka percepatan
transaksi pada periode tertentu semakin baik pula. Conroy (1990) menyatakan
bahwa salah satu proksi untuk melihat likuiditas saham adalah data volume
volume yakni merupakan standarisasi dari pada volume perdagangan saham yang
Berdasarkan hal diatas maka abnormal trading volume dapat dijadikan sebagai
abnormal trading volume mengadaptasi pada penelitian Kim et al., (2018), yaitu :
− ∑
=
Keterangan :
sebelumnya
sebelumnya
sejumlah informasi terbatas, dari sejumlah besar informasi yang tersedia melalui
indera seseorang, ingatan yang tersimpan dan proses kognitif lainnya (De Weerd
2003), jika dikaitkan dengan investor maka perhatian investor merupakan proses
hanya pada hal yang menurutnya menarik dan mengabaikan informasi lain diluar
12
terdapat sejumlah besar informasi yang tersedia dan perhatian yang terbatas, maka
mengenai perusahaan yang diminati tersebut yang diperoleh baik dari sumber
internal (contoh: pengalaman sebelumnya) dan eksternal (contoh: iklan, brosur, dan
Studi yang berkaitan dengan atensi investor dilakukan oleh (Grullon et al.,
2004) yang menemukan relevansi antara perhatian investor dengan harga saham
adalah hal yang tidak mudah. Contohnya, penelitian yang dilakukan oleh (Fang &
Peress, 2009) tentang perhatian investor yang didapat oleh perusahaan melalui
media surat kabar. Hasilnya tidak terdapat informasi yang menjamin bahwa
pembaca surat kabar memperhatikan perusahaan yang ada pada halaman surat
kabar tersebut.
Arbel et al., (1983) menunjukkan bahwa saham dengan visibilitas lebih rendah
dikaitkan dengan return yang lebih tinggi. Merton mengaitkan fenomena ini dengan
Hypothesis, ia berpendapat bahwa pada pasar yang tidak memiliki informasi yang
ini menyiratkan adanya saham yang terabaikan di pasar dan sebagai akibatnya,
saham dengan investor recognition yang lebih rendah perlu menawarkan return
premium untuk menangani resiko khusus (Merton, 1987) atas dasar itu (Fang &
menyatakan bahwa dengan banyaknya aset yang ada, individual investor cederung
memilih saham yang menarik perhatian seperti saham dengan jumlah intesitas
dengan Fama, (Sewel, 2011) juga menyatakan bahwa pasar yang efisien adalah
pasar dimana harga aset sepenuhnya mencerminkan semua informasi yang ada, hal
ini berarti bahwa informasi tersebut baik dari masa lalu dan sekarang serta
namun teori ini ditawarkan dalam tiga versi yang berbeda, yaitu: weak form test,
Versi weak form test ini menunjukkan bahwa harga saham saat ini
mencerminkan semua data harga masa lalu dan dapat dikatakan juga bahwa
analisis teknis tidak dapat digunakan secara efektif untuk membantu investor
b) Semi-strong test
bersifat publik digunakan dalam perhitungan harga saham saat ini, maka
c) Strong form
Versi strong form menyatakan bahwa semua informasi, baik informasi yang
tersedia untuk publik maupun informasi privat yang tidak diketahui publik,
sepenuhnya terefleksi dalam harga saham saat ini. Dan tentu saja tidak ada jenis
iklan televisi yang dilakukan oleh Grullon et al., (2004) dan media coverage yang
dilakukan oleh Fang dan Peress (2009) sebagai perhatian investor yang
diasumsikan sebagai proksi aktif dimana investor dan calon investor secara taktis
intensitas pencarian pada Google yang disebut sebagai search volume index
sebagai proksi langsung untuk mengukur perhatian investor. Search Volume Index
adalah nilai relatif dari pencarian kata kunci spesifik dan tidak dapat langsung
Semakin tinggi nilai relatif search volume index pada suatu periode tertentu, maka
semakin besar pula pencarian atas kata atau keyword tersebut pada suatu periode
tertentu. Search Volume Index dapat menjadi sinyal yang kuat terkait ketertarikan
al., (2012) yang menguji signifikansi pengaruh Google search volume index
terhadap stock price dan trading volume yang terdapat dalam S&P 500. Kemudian,
penelitian yang dilakukan Takeda dan Wakao (2014) yang dapat disimpulkan
Google search volume index memiliki pengaruh yang kuat dan positif terhadap
trading Volume.
Google search volume index memfilter koleksi data mereka dari sumber sumber
yakni Website, Youtube, News, Images dan Google Shopping. Google Search
Volume Index dapat menyaring pencarian dalam beberapa kategori. Pada penelitian
ini kategori yang digunakan dalam melakukan penyaringan adalah “Business and
mengadaptasi dari penelitian yang dilakukan oleh Kim et al., (2018) yaitu :
− ∑
=
Keterangan :
sebelumnya
sebelumnya
3) Volatilitas Saham
periode tertentu. Volatilitas pada pasar keuangan merupakan sesuatu yang sangat
penting dalam melihat resiko manajemen, asset pricing, dan portofolio saham.
Penelitian yang dilakukan oleh Xu et al., (2018) pada Shanghai Composite Index
secara signifikan likuiditas saham dan likuiditas juga mempengaruhi volatilitas. Hal
yang sama juga ditemukan pada penelitian yang dilakukan pada Canadian stock
Volatilitas berarti adanya guncangan yang terjadi pada saham, dalam arti terjadi
naik turun harga di pasar. Harga saham menjadi refleksi dari keputusan emiten
terkait, maka harga saham emiten tersebut cenderung naik. Sebaliknya, makin
banyak masyarakat yang menjual saham suatu emiten, maka harga saham emiten
Menurut Arifin (2004) ada beberapa faktor yang mempengaruhi naik turunnya
a) Faktor Fundamental
bursa, maka semakin besar pengaruhnya terhadap efektifitas harga saham pada
bursa.
b) Demand Supply
analisa yang dilakukan oleh investor terhadap saham suatu emiten karena begitu
Dengan adanya perubahan suku bunga pada bank sentral maka tingkat
Berita yang beredar di masyarakat luas secara aktif memberikan efek pada
investor dan calon investor yang melakukan aktifitas pada bursa. Dengan
18
adanya berita yang tersebar, para investor bisa memprediksi langkah apa yang
perkiraan yang lebih baik daripada model estimasi yang menggunakan harga
penutupan saja, kemudian dikembangkan oleh Garman dan Klass, (1980) yang
menambahkan perhitungan harga tertinggi dan harga terendah saham pada periode
volatilitas saham merupakan metode yang sangat relevan dalam membentuk suatu
perhitungan gejolak harga saham. Sehingga metode yang digunakan oleh Garman
dan Klass (1980) dalam menghitung gejolak yang terjadi pada harga saham terdapat
didalamnya harga tertinggi (High), harga terendah (low), harga pembukaan (open),
harga penutupan (close). Untuk pengukuran volatilitas pada penelitian ini, penulis
mengadaptasi dari rumus yang digunakan oleh Daigler dan Wiley, (1999) yang
Keterangan :
Volatilityt = Volatilitas bulanan pada periode t
ln = Logaritma Natural
19
lalu atau selang waktu dapat dimasukan kedalam model regresi, reaksi atau
pengaruh dari kondisi masa lalu disebut juga dengan distributed lag model.
Penelitian Bijl et al., (2016) menjadikan data abnormal trading volume 8 minggu
yang terjadi sekarang. Dalam penelitian yang menggunakan data panel, penulis
melihat perlu adanya dimasukan variabel kontrol berupa data satu bulan
sebelumnya (lagged-1).
mempengaruhi trading volume saja, akan tetapi juga merangsang investor untuk
melakukan pencarian pada Google. Hal ini membuat penulis semakin tertarik untuk
untuk formula yang digunakan adalah mengadaptasi pada penelitian Kim et al.,
(2018) yaitu :
− ∑
=
Keterangan :
adalah penelitian terdahulu yang relevan dengan judul penulis. Kim et al., (2018)
likuiditas yang terdapat pada indikator abnormal trading volume saham melalui
proksi google search volume index. Hasil yang didapat pada penelitian ini adalah
Market Liquidity and Stock Return: A New Perspective” meneliti perhatian investor
melalui proksi data pencarian dari mesin pencari Google, dengan menggunakan
kumpulan teks tentang industri tertentu oleh teknik analisis teks seperti algoritma
textrank sebagai kata kunci. Dua indeks dibangun oleh metode analisis komponen
utama, termasuk indeks positif dan indeks negatif. Wang et al., (2018) menemukan
terhadap likuiditas dan pengembalian pasar saham, dan perhatian investor dengan
proksi, proksi pertama serupa dengan google search volume index dan proksi yang
kedua adalah dengan menghitung the increments of the attention volume for each
stock. Dengan dua proksi tersebut Yang et al., (2018) menemukan bahwa
attention volume for each stock signifikan terkait dengan pengembalian indeks
saham serta likuiditas yang sesuai Chinese Securities Index 100 (CSI100) pada hari
yang sama di 2015. Ini menunjukkan bahwa pengaruh ukuran IAVS pada
pergerakan pasar saham lebih stabil dan signifikan daripada menggunakan data
pencarian dari mesin pencari seperti Google, serta menemukan bahwa google
dan pergerakan harga saham di bursa saham startup Jepang, Mothers dan JASDAQ.
Dengan menggunakan proksi google search volume index. Adachi et al., (2017)
dan hubungan positif tersebut juga terdapat pada intensitas pencarian dan likuiditas.
Citra (2017) melakukan penelitian pada saham yang terdaftar di LQ-45 Bursa
saham. Dari hasil penelitian ditemukan terdapat pengaruh dari intensitas pencarian
Ding dan Hou (2015) melakukan penelitian yang berjudul “Retail Investor and
Stock Liquidity” pada saham S&P 500. Dari penelitian tersebut ditemukan bahwa
Takeda dan Wakao (2013) melakukan penelitian yang berjudul “Google search
intensity and its relationship with the return and trading volume of Japanese
volume.
Google search volume index sebagai proksi untuk perhatian investor dan
Saham Jerman. Hasil yang ditemukan adalah terdapat hubungan positif yang
signifikan antara search intensity dan likuiditas pada perusahaan yang terdaftar
antara lain, Sojka dan Kliber (2019) penelitian yang dilakukan pada Warsaw Stock
Exchange untuk melihat hubungan dari volatilitas dan likuiditas saham. Adapun
hasil dari penelitian tersebut ditemukan terdapat hubungan sangat signifikan antara
Xu et al., (2018) penelitian yang dilakukan pada China Stock untuk melihat
hubungan dari volatilitas dan likuiditas saham. Proksi yang digunakan dalam
mengukur likuiditas adalah Amihud Liquidity, dan untuk volatilitas adalah Realized
kuat dari RRV terhadap likuiditas suatu saham. Gold et al., (2017) penelitian yang
Dalam penelitian yang menggunakan data panel, terdapat peran waktu yang
kontrol yang menggunakan model lagged. Adapun model lagged yang digunakan
adalah berdasarkan penelitian dari Kim et al., (2018) penelitian yang melihat
Abnormal trading volume dan dikontrol oleh Abnormal trading volume lagged 1
Tabel II.1
Penelitian Terdahulu
Tempat
Nama Penelitian, Variabel Hasil
Sampel, dan
Tahun
X1 = increments of the
Chinese Tidak terdapat pengaruh yang
attention volume for each
Securities Index signifikan intensitas pencarian
Yang et stock
100 (CSI100), investor terhadap likuiditas
al. (2018) X2 = Google search
100 perusahaan, saham yang diproksikan dengan
volume index
2014-2015 aktivitas perdagangan.
Y= Trading Activities
Terdapat hubungan positif
Japan’s start up
antara
Stock Exchange,
X = Abnormal Search search intensity dan likuiditas.
Adachi et Mother and
Volume Index Google Hubungan positif antara
al. (2017) JASDAQ Index,
Y= Trading Volume variabel cenderung pada
117 perusahaan,
perusahaan startup dengan
2014-2016
proporsi individual.
Terdapat pengaruh positif
LQ-45 Bursa
X = Google search volume antara intensitas pencarian
Citra Efek Indonesia,
index Google melalui proksi Google
(2017) 17 Perusahaan,
Y= Amihud Liquidity search volume index terhadap
2015-2017
Likuiditas.
Terdapat pengaruh positif
antara intensitas pencarian
Ding dan S&P 500 Stock, X = Google search volume
Google melalui proksi Google
Hou 500 perusahaan, index
search volume index terhadap
(2015) 2004-2009 Y= Bid-Ask Spread
Likuiditas yang diproksikan
melalui Bid-Ask Spread.
Terdapat pengaruh signifikan
Takeda 189 Japanese X = Abnormal Search positif
dan Stock from, 189 Volume Index Google antara intensitas pencarian
Wakao perusahaan, Y= Abnormal Trading Google melalui proksi Google
(2013) 2008-2011 Volume search volume indexterhadap
Likuiditas.
Terdapat hubungan positif
X = Abnormal Search yang signifikan antara search
Bank et German Stock
Volume Index Google intensity dan likuiditas pada
al. (2011) from 2004 -2010
Y= Ratio Illiq perusahaan yang terdaftar
dalam Bursa Saham Jerman.
Terdapat hubungan
Warsaw Stock
Sojka dan yang signifikan positif antara
Exchange from, X = Volatilitas
Kliber Volatilitas dan likuiditas pada
41 Perusahaan, Y = Amihud Liquidity
(2019) perusahaan yang terdaftar
2006 -2016
dalam Bursa Saham Warsaw.
25
Shanghai Stock
Terdapat pengaruh yang
Exchange X = Realized Range-based
Xu et al. signifikan positif dari RRV
Composite Index, Volatility (RRV)
(2018) terhadap likuiditas pada Bursa
2673 observasi, Y = Amihud Liquidity
Saham China.
2006-2016
Canadian Stock Terdapat pengaruh yang
Gold et al. Market, 60 X = Volatilitas signifikan positif dari
(2017) perusahaan, Y = Bid-Ask Spread Volatilitas terhadap likuiditas
2011-2014 pada Bursa Saham Canada.
Terdapat pengaruh signifikan
positif
X = Abnormal trading
S&P 500 Stock, antara Abnormal trading
Bijl et al. volume lagged-1
431 perusahaan, volume lagged-1 terhadap
(2018) Y = Abnormal Trading
2007 -2013 Likuiditas yang terdapat pada
Volume
indikator Abnormal Trading
Volume.
C. Kerangka Penelitian
dapat diperjual belikan di bursa, semakin likuid saham tersebut, maka percepatan
transaksi pada periode tertentu semakin baik pula. Conroy (1990) menyatakan
bahwa salah satu proksi untuk melihat likuiditas saham adalah data volume
volume yakni merupakan standarisasi dari pada volume perdagangan saham yang
yang di proksi search volume index. Penelitian yang dilakukan di pasar saham yang
sudah maju seperti di Amerika Serikat mendukung dari teori price pressure
Kim et al., (2018) melakukan penelitian untuk perusahaan pada saham Index
Oslo, kondisi intensitas pencarian Google yang diproksikan oleh abnormal search
diproksikan oleh abnormal trading volume. Hasil yang sama juga di dapat pada
penelitian yang dilakukan oleh Ding dan Hou (2015) dimana intensitas pencarian
saham sebagai variabel kontrol. Berdasarkan hal diatas, maka google search volume
index dapat dijadikan proksi untuk melihat ketertarikan investor terhadap suatu
saham, dari ketertarikan tersebut muncul suatu intensitas pencarian informasi pada
mesin pencari Google. Dari penjelasan diatas maka dapat digambarkan model
Variabel Bebas
X1 = Abnormal Search
Volume Index (ASVI)
Variabel Terikat
Y = Abnormal Trading
Volume (ATV)
Variabel Kontrol
X2 = Volatility
X3 = Abnormal Trading
Volume bulan
sebelumnya
D. Perumusan Hipotesis
volume adalah:
H1: Intensitas pencarian dengan Google yang diproksikan oleh abnormal search
diproksikan oleh abnormal trading volume saham pada industri perbankan pada