BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Telah menjadi harapan bagi investor untuk mendapatkan imbal hasil (return) yang

lebih di awal tahun. Pada awal tahun merupakan bulan dimana harga saham mengalami

kenaikan yang signifikan. Hal ini merupakan suatu fenomena yang sering terjadi setiap

tahunnya pada semua bursa efek seluruh dunia, terutama di Indonesia. Fenomena ini tidak

hanya membuat harga saham naik secara signifikan melainkan return saham pun ikut naik

secara signifikan.

Investor dapat mempergunakan dua metode analisis untuk memilih dan mengalisis

saham, yakni analisis fundamental dan analisis teknikal. Analisis fundamental adalah analisis

terhadap aspek-aspek fundamental perusahaan yang merupakan gambaran dari kinerja

perusahaan tersebut seperti nilai dan rasio keuangan perusahaan yang dapat dilihat dari

laporan keuangan perusahaan yang terdiri dari neraca, laporan laba rugi, dan laporan arus

kas (Amanda & Wahyu, 2013). Sedangkan analisis teknikal adalah analisis yang hanya melihat

pergerakan grafik saham yang menunjukkan suatu informasi yang relevan. Hal ini

menyebabkan perubahan harga saham memiliki pola yang berulang-ulang. Analisis teknikal

sangat dipengaruhi oleh pola berulang, salah satunya adalah anomali pasar. Anomali pasar

adalah kejadian atau peristiwa yang tidak diantisipasi dan yang menawarkan investor

peluang untuk memperoleh abnormal return. Anomali pasar berdampak buruk pada pasar

1
modal yang bersangkutan karena menyebabkan pasar modal tidak lagi menampilkan

keadaan ekonomi yang sebenarnya. Keadaannya terganggu, tidak ada jaminan atas

kebenaran data yang disajikan karena data-data tersebut terbentuk atas keadaan yang

bukan berasal dari informasi yang ada.

Pasar modal yang efisien adalah pasar yang akan bereaksi secara cepat terhadap

semua informasi yang relevan. Hal ini ditunjukkan oleh perubahan harga saham melebihi

kondisi normal, sehingga menimbulkan abnormal return (Zaqi, 2006). Informasi yang dimiliki

oleh investor akan tertransformasi dalam bentuk naik-turunnya volume transaksi harian dan

frekuensi transaksinya. Volatilitas terjadi karena ada sebagian informasi privat yang

terungkap melalui proses transaksi dan bukan karena peningkatan penyebaran informasi

publik (Wibowo, 2004).

Pengujian kandungan informasi dimaksudkan untuk melihat reaksi dari suatu

pengumuman. Jika pengumuman mengandung informasi, pasar diharapkan akan bereaksi

pada waktu pengumuman tersebut diterima oleh pasar. Reaksi pasar tersebut ditunjukkan

dengan adanya perubahan harga sekuritas yang bersangkutan dimana reaksi ini dapat diukur

dengan abnormal return (Jogiyanto, 2005).

Menurut Jogiyanto (2013), abnormal return merupakan selisih antara return

sesungguhnya dengan return ekspektasi. Return sesungguhnya adalah return yang terjadi

pada waktu ke-t yang merupakan selisih harga sekarang relatif terhdap harga saham

sebelumnya. Sedangkan return ekspekstasi merupakan return yang harus diestimasi.

2
 Sedangkan menurut Tandelilin (2010), abnormal return merupakan selisih actual

return dengan expected return yang dapat terjadi sebelum informasi diterbitkan atau telah

terjadi kebocoran informasi setelah informasi diterbitkan. Dapat disimpulkan bahwa

abnormal return merupakan return yang diterima investor tidak sama dengan return yang

mereka harapkan karena ada kebocoran informasi.

Budiarto dan Baridwan (1999), menyatakan bahwa reaksi pasar sebagai suatu sinyal

terhadap informasi adanya suatu peristiwa tertentu dapat memengaruhi nilai perusahaan

yang tercermin dari perubahan harga dan volume perdagangan saham yang terjadi. Para

investor dapat melakukan pengamatan tentang informasi volume perdagangan saham yang

terjadi. Selain itu juga dapat melakukan pengamatan tentang informasi volume perdagangan

dikaitkan dengan harga saham. Saham dengan volume perdagangan tinggi akan

menghasilkan return saham yang tinggi.

1.2. Rumusan Masalah

1. Apakah definisi dan konsep dari return abnormal?

2. Bagaimanakah praktik perhitungan return abnormal?

3
 BAB II
PEMBAHASAN

2.1 Return Tidak Normal

Return tidak normal (abnormal return) merupakan kelebihan dari return yang
sesungguhnya terjadi terhadap return normal. Return normal merupakan return. Dengan
demikian, return tidak normal adalah selisih antara return yang sesungguhnya terjadi dengan
return ekspektasi.

RTN it =Rit −E( Rit )

Dimana :
RTN it = Abnormal Return (return tidak normal) sekuritas ke-i pada periode ke-t.
Rit = Return sesungguhnya yang terjadi pada sekuritas ke-i pada periode ke-t.
E(R it ) = Return ekspektasian sekuritas ke-i pada periode ke-t.

Return sesungguhnya adalah return yang terjadi pada waktu tertentu (pada waktu ke-t)
yang merupakan selisih harga sekarang relatif terhadap harga saham sebelumnya. Sedangkan
return ekspektasi merupakan return yang harus diestimasi.

Pit −P i. t−1
Rit =
Pi . t−1
Dimana :
Rit = Return sesungguhnya yang terjadi pada sekuritas ke-i pada periode ke-t.
Pit = Harga saham sekuritas i pada periode ke-t.
Pi .t −1 = Harga saham sekuritas i pada periode ke-t-1.

4
2.2 Cara Menghitung Return Tidak Normal Dengan Berbagai Model
Menurut Brown dan Warner (1985) dalam buku Teori Portofolio dan Analisis Investasi
Oleh Prof, Dr. Jogiyanto, return ekspektasi dapat dihitung menggunakan 3 model estimasi yaitu
sebagai berikut :

a) Mean-Adujusted Model
Model sesuaian rata-rata (mean-adjusted model) menganggap bahwa return ekspetasian
bernilai konstan yang besarnya sama dengan rata-rata return realisasian sebelumnya selama
periode estimasi. Periode estimasi merupakan periode sebelum periode peristiwa, dan periode
peristiwa disebut juga sebagai periode pengamatan atau jendela peristiwa. Mean-adjusted model
dapat dirumuskan sebagai berikut :

t2

∑ Rij
E [ Rit ]= j =t 1
T
Dimana :
E [ Rit ] = return ekspektasi sekuritas ke-i pada periode peistiwa ke-t
Rij = return sesungguhnya sekuritas i pada periode estimasi ke-j
T = lamanya periode estimasi yaitu dari t1 sampai dengan t2

Contoh :
Periode estimasi umumnya merupakan periode sebelum periode peristiwa. Periode peristiwa
disebut juga dengan periode pengamatan atau jendela peristiwa.
Sebagai contoh jika digunakan data harian dengan periode jendela selama 7 hari (3 hari sebelum
hari peristiwa, 1 hari peristiwa, dan 3 hari setelah hari peristiwa) dan periode estimasi selama
200 hari.

5
Dari data diatas terlihat bahwa hari 0 merupakan hari terjadinya pengumuman peristiwa. 7 hari
periode jendela diambilkan mulai dari 3 hari sebelum tanggal peristiwa samapi 3 hari setelah
tanggal peristiwa. Untuk contoh ini abnormal return akan dihitung pada hari -3, -2, dan -1 (untuk
mengetahui ada tidaknya kebocoran informasi), hari 0 (reaksi pasar pada tanggal pengumuman)
dan hari +1, +2, dan +3 (untuk mengetahui kecepatan reaksi pagar).
Panjangnya periode estimasi selama 200 hari mulai dari hari -4 sampai hari -203 tidak ada
patokan untuk lamanya periode estimasi (T). lama periode estimasi yang umum digunakan
adalah berkisar dari 100 hari sampai dengan 250 hari atau selama setahun untuk hari-hari
perdagangan dikurangi dengan lamanya periode jendela untuk data harian dan berkisar dari 24
sampai dengan 60 bulan untuk data bulanan.

t2

∑ Rij
E [ Rit ]= j =t 1
T

Misalnya besar return ekspektasi ini adalah sebesar 15% untuk periode jendela selama 7 hari,
maka return ekspektasi sekuritas ini adalah dianggap konstan untuk hari -3 sampai dengan +3
yaitu sebesar 15%. Jika return sesungguhnya yang terjadi di hari-hari periode jendela adalah
15,1%, 15,2%, 17%, 18%, 20%, 16%, dan 15%.

Hari Sekuritas ke - 1 Sekuritas ke – k

R1,t E[R1,t] RTN1.t Rk,t E[Rk,t] RTNk.t
Ke-t
-3 0,151 0,150 0,001 0,155 0,170 -0,015
-2 0,152 0,150 0,002 0,156 0,170 -0,014
-1 0,170 0,150 0,020 0,175 0,170 0,005
0 0,180 0,150 0,030 0,180 0,170 0,010
+1 0,200 0,150 0,050 0,181 0,170 0,011
+2 0,160 0,150 0,010 0,171 0,170 0,001
+3 0,150 0,150 0,000 0,172 0,170 0,002

6
Keterangan: R1,t = return sesungguhnya, E[R1,t] = return ekspektasi, RTN1.t = return tidak normal
(abnormal return).

b) Market Model
Perhitungan return ekspektasi dengan model ini dilakukan dengan 2 tahap, yaitu ; (1)
dengan membentuk model ekspektasi dengan menggunakan data realisasi selama periode
estimasi, dan (2) menggunakan model ekspektasi tersebut untuk mengestimasi return ekspektasi
di periode jendela. model ekspektasi tersebut dapat dibentuk dengan menggunakan regresi
Ordinary Least Square (OLS). Teknik regresi dilakukan dengan mengestimasi return
sesungguhnya saham ke-i sebagai variabel dependen dan return pasar sebagai variabel
independen. Teknik regresi OLS dapat dirumuskan sebagai berikut :

Rij =α i + β i . RMj + ε ij

Dimana :
Rij = Return realisasian sekuritas ke-i pada periode estimasi ke-j
αi = Intercept untuk sekuritas ke-i
βi = Koefisien kemiringan yang merupakan beta dari sekuritas ke-i
R Mj = Return indeks pasar pada periode estimasi ke-j
(IHSG j −IHSG j−1)
R Mj = , dimana IHSG merupakan indeks harga saham gabungan
IHSG j−1
periode estimasi ke j
ε ij = kesalahan residu sekuitas ke-i pada periode estimasi ke-j

Return Return Return Return

Hari Sekuritas Sekuritas …. Sekuritas Indeks
Ke - j Ke-1 Ke-2 Ke-k Pasar
(R1,j) (R2,j) (Rk,j) (RM,j)
-4 0,20 0,18 ---- 0,25 0,15
-5 0,15 0,17 ---- 0,28 0,15
-6 0,17 0,16 ---- 0,22 0,14

7
. . . . .
. . . . .
. . . . .
-203 0,09 0,12 ---- 0,17 0,07

Untuk sekuritas ke – I dengan menggunakan persamaan return-return ekspekstasi untuk hari -4

sampai dengan -203 diregresikan dengan return-return pasar untuk hari yang sama, yaitu hari -4
sampai dengan -203. Demikian juga dengan sekuritas ke-2 dan seterusnya sampai sekuritas ke-k.
sehingga akan mendapatkan k model return ekspektasi. Misalnya persamaan-persamaan yang
didapat dari hasil persamaan regresi adalah sebagai berikut.
E[R1,t] = 0,007 + 1,67 ∙ E[RMt]
E[R2,t] = 0,015 + 1,23 ∙ E[RMt]
. . .
E[Rk,t] = 0,017 + 1,55 ∙ E[RMt].

Untuk model ekspektasi ini, nilai E[RMt] inilah yang digunakan. Hasil dari model ini juga
menunjukkan bahwa nilai 1,67 merupakan nilai Beta merupakan nilai untuk sekuritas ke -1 dan
1,23 merupakan Beta untuk sekuritas ke – 2 dan seterusnya. Setelah model-model estimasi
diperoleh, tahap kedua adalah menghitung return estimasi untuk hari-hari di periode jendela
dimana periode jendela 7 hari, yaitu hari -3, -2, -1, 0, +1, +2, dan +3, data return masing-masing
sekuritas dan return indeks pasar berturut-turut periode ini tampak dibawah.

Return Return Return Return

Hari Sekuritas Sekuritas …. Sekuritas Indeks
Ke - j Ke-1 Ke-2 Ke-k Pasar
(R1,t) (R2,t) (Rk,t) (RM,t)
-3 0,27 0,21 ---- 0,25 0,15
-2 0,27 0,23 ---- 0,28 0,16
-1 0,31 0,23 ---- 0,30 0,17
-0 0,35 0,25 ---- 0,33 0,18
+1 0,33 0,20 ---- 0,34 0,15
+2 0,31 0,23 ---- 0,31 0,17
+3 0,32 0,24 ---- 0,32 0,18

8
Return ekspektasi untuk sekuritas ke-1 pada hari -3 dapat di estimasi dengan memasukkan nilai
return indeks pasar untuk hari -3 (yaitu sebesar 0,15) ke dalam model ekspektasinya.

E[R1,-3] = 0,007 + 1,67 ∙ 0,15 = 0,26

Dan untuk hari -2 sampai dengan +3 return-return ekspektasi sekuritas ke -1 adalah sebesar:

E[R1,-2] = 0,007 + 1,67 ∙ 0,16 = 0,27

E[R1,-1] = 0,007 + 1,67 ∙ 0,17 = 0,29
E[R1,0] = 0,007 + 1,67 ∙ 0,18 = 0,31
E[R1,+1] = 0,007 + 1,67 ∙ 0,15 = 0,26
E[R1,+2] = 0,007 + 1,67 ∙ 0,17 = 0,29
E[R1,+3] = 0,007 + 1,67 ∙ 0,18 = 0,31

Dengan cara yang sama, return-return ekspektasi sekuritas ke -2 dapat diestimasi sebesar:

E[R2,-3] = 0,015 + 1,23 ∙ 0,15 = 0,20

E[R2,-2] = 0,015 + 1,23 ∙ 0,16 = 0,21
E[R2,-1] = 0,015 + 1,23 ∙ 0,17 = 0,22
E[R2,0] = 0,015 + 1,23 ∙ 0,18 = 0,24
E[R2,+1] = 0,015 + 1,23 ∙ 0,15 = 0,20
E[R2,+2] = 0,015 + 1,23 ∙ 0,17 = 0,22
E[R2,+3] = 0,015 + 1,23 ∙ 0,18 = 0,24.

Dan untuk sekuritas ke-k, return-return ekpektasi dapat diestimasi sebesar:

E[Rk,-3] = 0,017 + 1,55 ∙ 0,15 = 0,25

E[Rk,-2] = 0,017 + 1,55 ∙ 0,16 = 0,27
E[Rk,-1] = 0,017 + 1,55 ∙ 0,17 = 0,28
E[Rk,0] = 0,017 + 1,55 ∙ 0,18 = 0,30
E[Rk,+3] = 0,017 + 1,55 ∙ 0,15 = 0,25

9
 E[Rk,+2] = 0,017 + 1,55 ∙ 0,17 = 0,28
E[Rk,+1] = 0,017 + 1,55 ∙ 0,18 = 0,30.

Abnormal return atau return tidak normal (RTNi,t) adalah selisih antara return sesungguhnya (Ri,t)
dengan return ekspektasi (E[Ri,t]). Untuk sekuritas ke-1 pada hari -3 sampai dengan rumus +3
abnormal return yang diperoleh adalah sebesar:

RTN1,-3 = 0,27 – 0,26 = 0,01

� RTN1,-2 = 0,27 – 0,27 = 0,00
RTN1,-1 = 0,31 – 0,29 = 0,02
RTN1,0 = 0,35 – 0,31 = 0,04
RTN1,+1 = 0,33 – 0,26 = 0,07
RTN1,+2 = 0,31 – 0,29 = 0,02
RTN1,+3 = 0,32 – 0,31 = 0,01.

Return tidak normal (abnormal return) untuk sekuritas ke-2 sampau ke-k dapat dihitung dengan
cara yang sama. Tabel berikut ini menyajikan hasil dari return tidak normal (abnormal return)
untuk masing-masing sekuritas.

Contoh hasil return tidak normal menggunakan market model.

Return tidak Return tidak Return tidak

Hari Normal normal normal
Ke - i Sekuritas ke-1 Sekuritas ke-2 …. Sekuritas ke-k
(RTN1,t) (RTN2,t) (RTNk,t)
-3 0,01 0,01 ---- 0,00
-2 0,00 0,02 ---- 0,01
-1 0,02 0,01 ---- 0,02
-0 0,04 0,01 ---- 0,03
+1 0,07 0,00 ---- 0,09
+2 0,02 0,01 ---- 0,03
+3 0,01 0,00 ---- 0,02

c) Market-Adjusted Model

10
 Market-adjusted model menggunakan perhitungan dengan menggunakan return indeks
pasar untuk mengestimasi return saham. Model ini menganggap bahwa return saham yang
diestimasi adalah sama dengan indeks pasar pada saat tersebut. Oleh karena itu, return yang
diharapkan untuk semua saham besarnya sama dengan return indeks pasar pada saat tertentu,
sehingga tidak perlu menggunakan periode estimasi untuk membentuk model estimasi. Indeks
pasar yang dapat dipilih untuk pasar BEI misalnya indeks harga saham gabungan (IHSG).
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 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%).

Contoh Hasil return tidak normal menggunakan model disesuaikan-pasar (market-adjusted

model)

Return tidak Return tidak Return tidak

Hari Normal normal normal
Ke - i Sekuritas ke-1 Sekuritas ke-2 …. Sekuritas ke-k
(RTN1,t) (RTN2,t) (RTNk,t)
-3 0,11 0,06 ---- 0,10
-2 0,11 0,07 ---- 0,08
-1 0,16 0,06 ---- 0,13
-0 0,17 0,07 ---- 0,15
+1 0,18 0,05 ---- 0,19
+2 0,12 0,06 ---- 0,14
+3 0,13 0,06 ---- 0,14

Model disesuaikan -pasar (market adjusted model) mengangap 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 di estimasi adalah sama engan return
indeks pasar.

Misalnya pada hari pengumuman peristiwa, return indeks pasar adalah sebesar 18%
dengan metode disesuaikan pasar (market adjusted methode) ini, maka return ekspektasi semua
sekuritas di hari yang sama tersebut adalah sama dengan return indeks pasarnya, yaitu sebesar

11
18% tersebut. Jika return suatu sekuritas pada hari pengumuman peristiwa adalah 35%, maka
besarnya abnormal return yang terjadi adalah 17% (35%-18%)

Untuk data di atas abnormal return untuk masing-masing sekuritas menggunakan model
disesuaikan-pasar dapat dihitung dengan mengurangkan return yang terjadi untuk masing-masing
sekuritas dengan return indeks pasar pada hari yang sama. Hasil dari perhitungan abnormal
return ini dapat dilihat di tabel atas berikut ini (bandingkan dengan abnormal return
menggunakan market-model di tabel atas sebelumnya).

2.3 Rata-Rata Return Tidak Normal

Pengujian adanya return tidak normal tidaklah dilakukan pada tiap-tiap sekuritas, tetapi
dilakukan secara agregat dengan menguji rata-rata return tidak normal seluruh sekuritas secara
cross-section untuk tiap-tiap hari pada periode peristiwa.
Rata-rata return tidak normal pada hari ke-t merupakan total abnormal return semua jenis
saham yang terjadi pada hari t dibagi dengan jumlah sample perusahaan yang diteliti.
Perhitungan average abnormal return memungkinkan hasilnya memiliki nilai positif atau
negatif. Atau bisa dirumuskan sebagai berikut :
k

∑ RTN it
RRTN t = i=1
k
Dimana :
RRTN t = Rata-rata return tidak normal pada hari ke-t
RTN it = Return tidak normal untuk sekuritas ke-i pada hari ke-t
k = jumlah sekuritas yang terpengaruh oleh pengumuman peristiwa

Return tidak normal (abnormal return) yang dihitung berdasarkan model pasar disajikan
di table diatas. Dari table tersebut, rata-rata return tidak normal (RRTN) untuk tiap-tiap hari
dalam periode peristiwa disajikan di Tabel berikut ini.

Contoh hasil rata-rata return tidak normal menggunakan market model.

Hari ke-1 Rata-rata return tidak normal (RRTNt)

12
-3 (0,01 + 0,01 + … 0,00) /k = 0,005
-2 (0,00 + 0,02 + … 0,01) /k = 0,007
-1 (0,02 + 0,01 + … 0,02) /k = 0,017**
0 (0,04 + 0,01 + … 0,03) /k = 0,090***
+1 (0,07 + 0,00 + … 0,09) /k = 0,075***
+2 (0,02 + 0,01 + … 0,03) /k = 0,010**
+3 (0,01 + 0,00 + … 0,02) /k = 0,003*
Keterangan:
*= signifikan pada tingkat 10%
**= signifikan pada tingkat 5%
***= signifikan pada tingkat 1%

Hasil rata-rata return tidak normal dapat digambarkan secara grafis.

Sumbu vertikal ini menunjukkan nilai rata-rata return tidak normal dan sumbu horizontal
menunjukkan hari ke-t.

13
 BAB III
KESIMPULAN
3.1 KESIMPULAN
Telah menjadi harapan bagi semua investor untuk mendapatkan imbal hasil (return) yang lebih di
awal tahun. Pada awal tahun merupakan bulan dimana harga saham mengalami kenaikan yang
signifikan. Fenomena ini tidak hanya membuat harga saham naik secara signifikan melainkan
return saham pun ikut naik secara signifikan. Hal ini merupakan suatu kejadian yang disebut
abnormal return. Return tidak normal (abnormal return) merupakan kelebihan dari return yang
sesungguhnya terjadi terhadap return normal. Dengan demikian, return tidak normal adalah
selisih antara return yang sesungguhnya terjadi dengan return ekspektasi. Untuk mengukur lebih
dalam mengenai return abnormal, dapat dihitung menggunakan 4 model estimasi yaitu sebagai
berikut :
A. Mean-Adujusted Model
B. Model pasar
C. Market-Adjusted Model
D. Rata- rata return tidak normal
Dengan adanya perhitungan untuk mengukur tingkat perubahan dalam aktivitas abnormal return
pada saham, memudahkan inverstor dalam menilai, dan mengambil sebuah keputusan.

14
 DAFTAR PUSTAKA

Abubakar, Wibowo. 2004. Akuntansi Untuk Bisnis: Usaha Kecil dan Menengah. Jakarta: PT. Gramedia
Widiasarana Indonesia.

Aduardus, Tandelilin. 2010. Fortofolio dan Investasi. Yogyakarta: Konisius.

Amanda WBBA dan Wahyu Ario Pratomo. 2013. Pengaruh Fundamental dan Sistematik terhadap Harga
Saham Perbankan Yang Terdaftar Pada Indeks LQ45. Jurnal Ekonomi dan Keuangan. Vol. 1, No. 3.

Budiarto, Arif dan Zaki Baridwan. 1999. Pengaruh Pengumuman Right Issue Terhadap Tingkat
Keuntungan dan Likuiditas Saham. Di BEJ 1994-1995. Jurnal Riset Akuntansi Indonesia.

Jogiyanto Hartono, 2008. Teori Portofolio dan Analisis Investasi. Edisi Kelima. BPFE-Yogyakarta:
Yogyakarta.

Jogiyanto Hartono, 2013. Teori Portofolio dan Analisis Investasi. Edisi Kedelapan. BPFE-Yogyakarta:
Yogyakarta.

Zaqi, Mochammad. 2006. Reaksi Pasar Modal Indonesia Terhadap Peristiwa-Peristiwa Ekonomi dan
Peristiwa-Peristiwa Sosial Politik Dalam Negeri (Studi Pada Saham LQ45 di BEJ Periode 1999-2003). Tesis.
Magister Manajemen Pascasarjana Universitas Diponegoro Semarang.

15