PENERAPAN METODE SINGLE INDEX MODEL DALAM

PEMBENTUKAN PORTOFOLIO SAHAM OPTIMAL

(Studi Kasus pada Saham ANTM dan BMRI)

Disusun Guna Memenuhi Tugas Mata Kuliah

Manajemen Portofolio

Dosen Pengampu: Dr. Di Asih I Maruddani, S.Si., M.Si.

Aida Zahra Salsabila

24050118140057

DEPARTEMEN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2021
 KATA PENGANTAR

Puji syukur kita panjatkan kepada Allah SWT yang telah melimpahkan rahmat
dan hidayah-Nya sehingga penulis dapat menyusun makalah dengan judul
“Penerapan Metode Single Index Model dalam Pembentukan Portofolio
Saham Optimal (Studi Kasus pada Saham ANTM dan BMRI)” dengan baik.

Penulis menyampaikan rasa terima kasih kepada berbagai pihak yang telah
memberikan bantuan kepada penulis. Ungkapan terima kasih penulis sampaikan
kepada:

1. Bapak Dr. Tarno, M.Si selaku ketua Departemen Statistika Universitas

Diponegoro yang telah memberikan kesempatan kepada penulis untuk
menyelesaikan tugas ini.
2. Ibu Dr. Di Asih I Maruddani, S.Si., M.Si selaku dosen pengampu mata kuliah
Manajemen Portofolio yang telah membimbing penulis dengan penuh
kesabaran.
3. Teman-teman yang telah banyak membantu dalam penyelesaian tugas ini.

Penulis menyadari bahwa tugas ini tak luput dari kesalahan dan
ketidaksempurnaan. Oleh karena itu, kritik dan saran dari pembaca sangat penulis
harapkan untuk menjadikan tugas ini menjadi lebih baik. Semoga tugas ini
bermanfaat bagi kalangan pembaca.

Semarang, 6 Oktober 2021

Penulis

ii
 DAFTAR ISI

KATA PENGANTAR ............................................................................................ ii

DAFTAR ISI .......................................................................................................... iii
DAFTAR TABEL ................................................................................................... v
BAB I ...................................................................................................................... 6
PENDAHULUAN .................................................................................................. 6
1.1 Latar Belakang ........................................................................................ 6
1.1 Rumusan Masalah ................................................................................... 7
1.2 Tujuan ..................................................................................................... 7
1.3 Manfaat ................................................................................................... 7
BAB II ..................................................................................................................... 8
TINJAUAN PUSTAKA ......................................................................................... 8
2.1 Investasi................................................................................................... 8
2.2 Pasar Modal ............................................................................................. 8
2.3 Saham ...................................................................................................... 8
2.4 Return dan Risiko Saham ........................................................................ 9
2.5 Portofolio ................................................................................................ 9
2.6 Portofolio Efisien dan Portofolio Optimal ............................................ 10
2.7 Return dan Risiko Portofolio ................................................................ 10
2.8 Single Index Model (SIM) ..................................................................... 11
BAB III ................................................................................................................. 14
METODOLOGI PENELITIAN ............................................................................ 14
3.1 Data Penelitian ...................................................................................... 14
3.2 Langkah Analisis ................................................................................... 14
BAB IV ................................................................................................................. 15
HASIL DAN PEMBAHASAN ............................................................................. 15
4.1 Uji Asumsi ............................................................................................ 15
4.1.1 Uji Normalitas ................................................................................... 15
4.1.2 Uji Linieritas ..................................................................................... 15
4.1.3 Uji Heteroskedastisitas ...................................................................... 16
4.1.4 Uji Autokorelasi ................................................................................ 17

iii
 4.2 Pembobotan ........................................................................................... 18
4.3 Expected Return dan Risiko Portofolio ................................................. 18
BAB V................................................................................................................... 19
PENUTUP ............................................................................................................. 19
5.1 Kesimpulan ........................................................................................... 19
5.2 Saran ...................................................................................................... 19
DAFTAR PUSTAKA ........................................................................................... 20
LAMPIRAN .......................................................................................................... 21

iv
 DAFTAR TABEL

Tabel 1. Uji Normalitas Residual Saham ..............................................................15

Tabel 2. Uji Linieritas ...........................................................................................16
Tabel 3. Uji Heteroskedastisitas ............................................................................16
Tabel 4. Uji Autokorelasi ......................................................................................17
Tabel 5. Pembobotan .............................................................................................18
Tabel 6. Expected Return dan Risiko Portofolio ...................................................18

v
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Investasi ialah suatu penanaman modal atau aset yang bertujuan untuk
mencapai keuntungan atau laba di masa mendatang. Tingkat return atau
pengembalian yang diharapkan dari investasi tersebut serta resikonya (risk) adalah
dua aspek yang dipertimbangkan dalam keputusan investasi. Di dalam bisnis
global, hampir semua investasi memuat ketidakpastian atau risiko (Tupan et al.
2013: 5). Dari investasi yang telah dilakukan seorang penanam modal, ia tidak akan
mengetahui secara pasti output yang akan diterimanya. Penanam modal pula
menjumpai hal lain jika berinvestasi yakni apabila investor menginginkan profit
yang besar maka penanam modal tersebut wajib menanggung risiko yang besar
(Ismanto, 2016: 243).
Saham merupakan salah satu instrumen investasi di pasar modal yang
memiliki return dan juga risiko yang cukup tinggi. Adapun masalah yang sering
terjadi adalah adanya kebingungan investor dalam menentukan investasi saham dan
besarnya proporsi dana yang akan diinvestasikan ke saham tersebut, sehingga
kebanyakan investor memilih saham untuk portofolionya dibentuk secara acak
tanpa teknik analisis dan mekanisme yang tepat untuk mendasari pembentukan
portofolionya.
Analisis portofolio sangat penting bagi para investor untuk dipakai sebagai
dasar dalam melakukan diversifikasi saham agar dapat membentuk portofolio yang
optimal. Portofolio optimal merupakan “Portofolio dengan kombinasi yang
terbaik” (Jogiyanto, 2010: 309). Pendekatan yang dapat digunakan untuk
membentuk portofolio optimal yaitu dengan metode Single Index Model (SIM).
Single Index Model (Model Indeks Tunggal) dipilih karena metode ini
merupakan penyederhanaan dari model Markowitz. Single Index Model (Model
Indeks Tunggal) juga dapat digunakan untuk menghitung ekspektasi dan risiko
portofolio. Pedekatan Single Index Model (Model Indeks Tunggal) diharapkan
dapat menjadi alternatif dalam penyusunan portofolio optimal yang lebih mudah
bagi investor.

6
 Data saham yang digunakan dalam pembentukan portofolio yaitu data harga
saham penutupan Aneka Tambang Tbk PT (ANTM) dan Bank Mandiri (Persero)
Tbk PT (BMRI). Data harga saham penutupan tersebut berupa data mingguan yang
diambil dari tanggal 1 Oktober 2020 sampai dengan 1 Oktober 2021. Data harga
saham penutupan tersebut diakses langsung dari http://www.finance.yahoo.com/.
Berdasarkan permasalahan tersebut, dalam penelitian ini digunakan metode
Single Index Model (SIM) untuk perhitungan pembobotan atau proporsi dua saham
dalam penyusunan portofolio optimal serta mencari nilai expected return dan risiko
pada portofolio.

1.1 Rumusan Masalah

Berdasarkan permasalahan tersebut dapat dirumuskan pertanyaan mengenai
perbandingan bobot atau proporsi untuk masing-masing aset saham dalam
penyusunan portofolio optimal serta expected return dan risiko pada portofolio.

1.2 Tujuan
Berdasarkan rumusan masalah yang telah ditentukan, maka tujuan penulis
sebagai berikut menerapkan perhitungan metode Single Index Model (SIM) untuk
perhitungan pembobotan dalam penyusunan portofolio optimal serta mengetahui
expected return dan risiko pada portofolio.

1.3 Manfaat
Manfaat dalam penulisan ini adalah sebagai berikut:
1. Bagi mahasiswa, penulisan laporan ini menambah wawasan dan pengetahuan
tentang pengaplikasian metode statistika yang telah didapatkan di perkuliahan
dan pengimplementasiannya pada studi kasus analisis portofolio saham
2. Bagi pembaca, sebagai tambahan wawasan dan memperdalam pengetahuan
dalam bidang statistika khususnya perhitungan pembobotan dengan metode
Single Index Model (SIM) serta sebagai bahan referensi atau tolak ukur jika ingin
meneliti lebih lanjut tentang permasalahan ini

7
 BAB II
TINJAUAN PUSTAKA

2.1 Investasi
Investasi merupakan penempatan sejumlah dana pada saat ini dengan
harapan untuk memperoleh keuntungan di masa yang akan datang (Halim, 2005:4).
Sedangkan (Tandelilin, 2010:10) mendefinisikan investasi sebagai komitmen atas
sejumlah dana atau sumber daya lainnya yang dilakukan pada saat ini, dengan
tujuan memperoleh sejumlah keuntungan di masa datang. Ketika calon investor
yang memiliki kelebihan dana ingin untuk melakukan investasi, maka calon
investor tersebut dapat memilih tipe aktiva keuangan yang seperti apa yang
diinginkan. Menurut Fahmi (2014:9), terdapat dua tipe investasi yaitu investasi
langsung atau direct investment dan investasi tidak langsung atau indirect
investment.

2.2 Pasar Modal

Husnan (2005:3) mendefinisikan pasar modal sebagai pasar untuk berbagai
instrumen keuangan (atau sekuritas) jangka panjang berupa hutang atau modal
sendiri yang dapat diperjualbelikan, baik yang diterbitkan oleh pemerintah (public
authorities) maupun perusahaan swasta. Pasar modal dikenal juga dengan istilah
bursa efek. Transaksi di bursa efek merupakan transaksi surat berharga (efek)
jangka panjang (umumnya lebih dari satu tahun). Efek yang diperjualbelikan di
pasar modal dapat berupa hutang yang dikenal dengan saham atau efek yang berupa
bukti kepemilikan yang dikenal dengan saham. Fungsi ekonomi dari pasar modal
adalah menyediakan fasilitas untuk perpindahan dana bagi pihak yang kelebihan
dana (lender) kepada pihak yang membutuhkan dana (borrower).

2.3 Saham
Saham didefinisikan sebagai surat berharga sebagai bukti penyertaan atau
pemilikan individu maupun institusi dalam suatu perusahaan. Apabila seorang
investor membeli saham, maka ia akan menjadi pemilik dan disebut sebagai

8
pemegang saham (Anoraga dan Pakarti, 2006:58). Perusahaan dapat menjual hak
kepemilikan perusahaannya dengan menerbitkan saham (stock).

2.4 Return dan Risiko Saham

Return merupakan imbalan yang diperoleh dari investasi. Sumber return
terdiri dari dua komponen yaitu capital gain/loss dan yield (current income).
Capital gain/loss merupakan selisih lebih atau kurang antara harga jual dengan
harga beli, sedangkan yield (current income) merupakan keuntungan yang diterima
secara periodik. Return dibedakan menjadi dua jenis, yaitu:
a. realized return, yaitu return yang telah terjadi yang dihitung berdasarkan data
historis, dan
b. expected return, yaitu return yang diharapkan investor di masa yang akan
datang. Expected return secara sederhana merupakan rata-rata dari realized
return selama periode tertentu (Halim 2015:25)
Setelah periode investasi berlalu maka investor akan menerima realized
return dari investasinya. Besarnya expected return dengan realized return mungkin
saja terdapat perbedaan. Perbedaan tersebut merupakan risiko yang harus
dipertimbangkan pula oleh investor.
Zubir mendefinisikan risiko saham sebagai perbedaan antara expected
return dengan actual return (2011:23). Risiko merupakan perbedaan antara
realized return dengan expected return sehingga pengukuran risiko dapat
menggunakan konsep penyimpangan (variance) dan standar deviasi. Semakin jauh
tingkat penyimpangan return dari rata-rata return maka semakin tinggi pula standar
deviasi (risiko) suatu saham, begitu pula sebaliknya.

2.5 Portofolio
Berdasarkan asumsi bahwa investor bersifat rasional, dimana investor
cenderung memaksimalkan return dengan risiko yang seminimal mungkin
mendorong investor untuk melakukan diversifikasi saham dan membentuk
portofolio. Menurut Husnan (2005:49), portofolio merupakan sekumpulan
kesempatan investasi. Pembentukan portofolio berusaha mencari kombinasi terbaik
dari berbagai saham sehingga dapat memaksimalkan return melalui penyebaran

9
saham dalam rangka mengurangi risiko yang ditanggung. Pembentukan portofolio
dilakukan dengan mengalokasikan dana pada berbagai alternatif saham, dimana
koefisien korelasi masing-masing alternatif saham mengakibatkan risiko saham
dapat diminimalkan (korelasi antar saham sangat kecil).

2.6 Portofolio Efisien dan Portofolio Optimal

Sebuah portofolio dianggap efisien bila portofolio tersebut akan
menghasilkan expected return yang tinggi dan tingkat resiko yang diharapkan
terendah (Lubis, 2008:149). Konsep portofolio efisien dapat dijelaskan dengan
asumsi investor yang rasional. Maksud dari rasional adalah ketika ada aktiva-aktiva
yang memiliki tingkat risiko yang sama, maka yang dipilih adalah aktiva dengan
return yang tinggi. Portofolio efisien ini juga dibentuk dengan mengoptimalkan
salah satu dari kedua unsur yaitu expected return atau risiko portofolio (Hartono,
2015:366).
Portofolio efisien hanya memiliki satu faktor yang baik yaitu expected
return saja atau risiko portofolio saja, sehingga belum menggabungkan keduanya.
Portofolio optimal dipilih dari anggota portofolio efisien. Oleh karena itu,
portofolio efisien belum tentu merupakan portofolio optimal, sedangkan portofolio
optimal sudah pasti merupakan portofolio efisien. Portofolio optimal adalah
portofolio yang memberikan hasil kombinasi return tertinggi dengan risiko
terendah (Hartono, 2014:6). Membentuk portofolio optimal dapat dilakukan
dengan cara Markowitz, dengan aktiva bebas risiko, atau dengan model indeks
tunggal (single index model) (Hartono, 2015:367).

2.7 Return dan Risiko Portofolio

Return portofolio adalah return investasi dalam berbagai jenis saham
selama suatu periode tertentu (Samsul, 2006:304). Expected return portofolio
merupakan rata-rata tertimbang dari expected return saham tunggal dalam
portofolio, dimana faktor penimbangnya adalah komposisi dana yang
diinvestasikan pada masing-masing saham.
Risiko portofolio merupakan risiko investasi dari sekelompok saham
(Samsul, 2006:305). Perhitungan risiko portofolio tidak dapat dilakukan dengan

10
menjumlahkan risiko masing-masing saham karena risiko portofolio bukan
merupakan rata-rata terimbang dari risiko masing-masing saham dalam portofolio.
Risiko dalam konteks portofolio dibedakan menjadi dua (Halim, 2015:32), yaitu:
a. Risiko sistematis dipengaruhi oleh faktor-faktor makro yang dapat
mempengaruhi pasar secara keseluruhan. Risiko sistematis tidak dapat
dihilangkan dengan melakukan diversifikasi (undiversifiable risk) karena
sifatnya umum dan berlaku bagi semua saham dalam bursa efek.
b. Risiko tidak sistematis dipengaruhi oleh faktor- faktor yang tidak mempengaruhi
pasar secara keseluruhan tetapi hanya berdampak pada perusahaan atau industri
tertentu saja, sehingga risiko ini dapat dihilangkan dengan melakukan
diversifikasi (diversificable risk).

2.8 Single Index Model (SIM)

Halim (2015:64) menyatakan bahwa return antara dua sekuritas atau lebih
akan berkorelasi dan mempunyai reaksi yang sama terhadap satu faktor atau indeks
tunggal yang dimasukkan dalam model. Faktor atau indeks tunggal yang
mempengaruhi perubahan return masing-masing saham adalah tingkat keuntungan
pasar yang ditunjukkan dengan indeks pasar tertentu. Single Index Model membagi
return dari sekuritas ke dalam dua bagian, yaitu komponen return yang unik
diwakili oleh 𝛼𝑖 yang independent terhadap return pasar, dan komponen return
yang berhubungan dengan return pasar yang diwakili oleh 𝛽𝑖 . Single Index Model
dapat dinyatakan dalam bentuk return ekspetasi (expected return) (Jogiyanto,
2012:371).
1. Expected Return portofolio berdasarkan Single Index Model
Return ekspetasi portofolio merupakan rata-rata tertimbang dari return
ekspetasi individual sekuritas.
𝑟𝑖 = 𝛼𝑖 + 𝛽𝑖 𝑟𝑀 + 𝑒𝑖 ; ei ~ NID(0,2)
Sehingga ekspetasi return,
𝐸(𝑟𝑖 ) = 𝛼𝑖 + 𝛽𝑖 𝐸(𝑟𝑀 )
Dengan,
𝑟𝑖 = return sekuritas ke-i
𝛼𝑖 = bagian return sekuritas ke-i yang tidak dipengaruhi return pasar

11
 𝛽𝑖 = Ukuran kepekaan return sekuritas ke-i yang dipengaruhi kinerja pasar
𝑟𝑀 = return Indeks Pasar
𝑒𝑖 = residual
2. Risiko Portofolio
Risiko yang dihitung berdasarkan Single Index Model terdiri dari dua
bagian, yaitu risiko yang berhubungan dengan pasar (market related risk) yaitu
𝛽𝑖 dan risiko unik masing-masing perusahaan (unique risk) yaitu 𝛼𝑖
Single index model memiliki dua asumsi yang membedakan dengan model
lain, yaitu:
1. Kovarian antar residual sekuritas bernilai nol, atau
𝑐𝑜𝑣(𝑒𝑖 , 𝑒𝑗 ) = 0
2. Kovarian antara residual sekuritas dengan return indeks pasar bernilai nol,
𝑐𝑜𝑣(𝑒𝑖 , 𝑟𝑀 ) = 0
Kovarian antara sekuritas A dan sekuritas B hanya bisa dihitung atas dasar
kesamaan respon kedua sekuritas tersebut terhadap return pasar.
Sehingga
2
𝜎𝑖𝑗 = 𝐸[𝑟𝑖 − 𝐸(𝑟𝑖 )] ∙ 𝐸[𝑟𝑗 − 𝐸(𝑟𝑗 )] = 𝛽𝑖 𝛽𝑗 𝜎𝑀
Dengan menggunakan varian dan standar deviasi sebagai ukuran risiko, maka
2 2
𝜎𝑖 2 = 𝐸[𝑟𝑖 − 𝐸(𝑟𝑖 )]2 = 𝛽𝑖 2 𝜎𝑀 +𝜎𝑒𝑖
Maka risiko sekuritas ke-i dinyatakan dengan
2 2
𝜎𝑖 = √𝛽𝑖 2 𝜎𝑀 +𝜎𝑒𝑖

Menentukan nilai 𝑖
∑𝑛𝑡=1 𝑟𝑖,𝑡 − 𝛽𝑖 ∑𝑛𝑡=1 𝑟𝑀,𝑡
𝑖 =
𝑛
Return portofolio dihitung dengan
𝑁

𝑟𝑝 = ∑ 𝑤𝑖 𝑟𝑖
𝑖=1

Dengan
𝑟𝑝 = return portofolio
𝑟𝑖 = return sekuritas ke-i
𝑤𝑖 = bobot sekuritas ke-i

12
 𝑁 = banyaknya sekuritas
Pada portofolio, SIM memiliki karakteristik berikut ini
▪ Beta portofolio (𝛽𝑝 ) merupakan rata-rata tertimbang dari beta masing-asing
sekuritas ( 𝛽𝑖 ), yaitu
𝑁

𝛽𝑝 = ∑ 𝑤𝑖 𝛽𝑖
𝑖=1

▪ Alpha portofolio (𝛼𝑝 )merupakan rata-rata tertimbang dari alpha masing-masing

sekuritas (𝛼𝑖 ), yaitu
𝑁

𝛼𝑝 = ∑ 𝑤𝑖 𝛼𝑖
𝑖=1

13
 BAB III
METODOLOGI PENELITIAN

3.1 Data Penelitian

Data yang digunakan adalah data sekunder yang terdiri dari data saham dan
data harga pasar saham. Data saham diperoleh dari Yahoo Finance, website Yahoo
Finnace yaitu http://www.finance.yahoo.com/. Data saham yang digunakan yaitu
Aneka Tambang Tbk PT (ANTM) dan Bank Mandiri Persero Tbk (BMRI). Data
yang digunakan adalah data dengan periode 1 Oktober 2020 sampai dengan 1
Oktober 2021.

3.2 Langkah Analisis

1. Memilih data saham
2. Mengetahui nilai IHSG
3. Menghitung nilai return, prediksi, dan residual dari data
4. Melakukan uji asumsi
5. Menghitung nilai pembobotan
6. Menghitung expected return dan risiko portofolio

14
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Uji Asumsi

4.1.1 Uji Normalitas
Uji Normalitas dilakukan untuk mengetahui apakah data saham
berdistribusi normal atau tidak. Uji normalitas menggunakan uji Kolmogorov-
Smirnov maka hipotesis sebagai berikut:
Hipotesis
H0 : residual saham berdistribusi normal
H1 : residual saham tidak berdistribusi normal
Taraf signifikansi
𝛼 = 5%
Statistik Uji
Tabel 1. Uji Normalitas Residual Saham
Kode Saham Kolmogorov-Smirnov
ANTM 0,0521
BMRI 0,175

Kriteria Uji
H0 ditolak jika nilai Kolmogorov Smirnov atau signifikansi < 𝛼
Keputusan
Nilai Kolmogorov-Smirnov atau signifikansi (0,0521; 0,175) > 𝛼 (0,05)
Kesimpulan
Pada taraf signifikansi 5%, nilai Kolmogorov-Smirnov atau signifikansi
(0,0521; 0,175) > 𝛼 (0,05) artinya gagal tolak H0, maka dapat dikatakan residual
saham ANTM dan BMRI berdistribusi normal.
4.1.2 Uji Linieritas
Uji yang dilakukan untuk mendeteksi bentuk model empiris yang kita
gunakan sudah benar atau tidak. Uji linieritas dapat menggunakan Ramsey RESET
test dengan hipotesis sebagai berikut: Nilai probabilitas lebih besar dari nilai
probabilitas kritis 𝛼 (0,05), maka model empiris yang digunakan mempunyai

15
bentuk fungsi linier. Nilai probabilitas kurang dari sama dengan nilai probabilitas
kritis 𝛼 (0,05), maka model empiris yang digunakan tidak mempunyai bentuk
fungsi linier
Tabel 2. Uji Linieritas
Kode Saham Nilai RESET p-value
ANTM 6,1898 0,002395
BMRI 0,38645 0,6799

Berdasarkan uji yang dilakukan, pada taraf signifikansi 5%, nilai p-value
saham ANTM (0,002395) < 𝛼 (0,05) artinya model empiris yang digunakan tidak
mempunyai bentuk fungsi linier, sedangkan pada nilai p-value saham BMRI
(0,6799) > 𝛼 (0,05) artinya model empiris yang digunakan mempunyai bentuk
fungsi linier.
4.1.3 Uji Heteroskedastisitas
Uji heteroskedastisitas dalam penelitian ini dilakukan dengan menggunakan
uji Breusch-Pagan-Godfrey. Breusch-Pagan-Godfrey test ini adalah uji untuk
mendeteksi adanya heteroskesdatisitas dalam suatu model yang merupakan
penyempurnaan uji Goldfeld-Quandt. Uji G-Q memiliki kemampuan yang
memuaskan untuk diterapkan pada sampel kecil sedangkan B-P-G test dapat
diterapkan dengan baik untuk sampel besar (Winarno, 2009). Pengujian ini
dilakukan dengan bantuan program R yang nantinya akan dibandingkan dengan
tingkat signifikansi (𝛼). Jika nilai probabilitas signifikansinya di atas 0,05 maka
dapat disimpulkan tidak terjadi heteroskedastisitas. Namun sebaliknya, jika nilai
probabilitas signifikansinya di bawah 0,05 maka dapat dikatakan telah terjadi
heteroskedastisitas.
Tabel 3. Uji Heteroskedastisitas
Kode Saham Nilai BP p-value
ANTM 0,57531 0,4482
BMRI 2,2682 0,1321

16
 Berdasarkan tabel di atas, pada taraf signifikansi 5%, nilai p-value saham
ANTM dan BMRI (0,4482 dan 0,1321) > 𝛼 (0,05) maka dapat disimpulkan tidak
terjadi heteroskedastisitas.
4.1.4 Uji Autokorelasi
Uji Autokorelasi dalam penelitian ini bertujuan untuk menguji apakah di
dalam suatu model regresi linier terdapat korelasi antara kesalahan pengganggu
pada periode t dengan kesalahan pada periode sebelumnya. Uji autokorelasi lebih
mudah timbul pada data yang bersifat runtut waktu, karena berdasarkan sifatnya,
data masa sekarang dipengaruhi oleh data pada masa- masa sebelumnya (Winarno,
2009). Pengujian yang banyak digunakan untuk melakukan uji autokorelasi adalah
Uji Durbin-Watson (DW).
Uji autokorelasi dapat dengan menggunakan Durbin-Watson (DW), untuk
memutuskan ada tidaknya autokorelasi.
1) Bila dU < DW < (4-dU), koefisien korelasi sama dengan nol, maka tidak terjadi
autokorelasi.
2) Bila DW < dL, koefisien korelasi lebih besar dari nol, maka terjadi autokorelasi
positif.
3) Bila DW > (4-dL), koefisien korelasi lebih kecil dari nol, maka terjadi
autokorelasi negative
4) Bila (4-dU) < DW < (4-dL), maka tidak dapat ditarik kesimpulan mengenai ada
tidaknya autokorelasi.
Atau dengan melihat nilai p-value. Jika nilai p-value di atas 0,05 maka dapat
disimpulkan tidak terjadi autokorelasi. Namun sebaliknya, jika nilai p-value di
bawah 0,05 maka dapat dikatakan telah terjadi autokorelasi.
Tabel 4. Uji Autokorelasi
Kode Saham Nilai DW p-value
ANTM 1,986 0,4574
BMRI 1,9303 0,2948

Berdasarkan pengujian yang dilakukan, pada taraf signifikansi 5%, nilai p-

value dari saham ANTM dan BMRI (0,4574 dan 0,2948) > 𝛼 (0,05) maka dapat
disimpulkan tidak terjadi autokorelasi.

17
4.2 Pembobotan
Tabel 5. Pembobotan
Kode Saham Bobot Saham
ANTM 0,62495
BMRI 0,37505

Berdasarkan hasil perhitungan, diperoleh bobot untuk masing-masing

saham sehingga dapat terbentuk portofolio optimal adalah 62,495% untuk ANTM
dan 37,505% untuk BMRI.

4.3 Expected Return dan Risiko Portofolio

Tabel 6. Expected Return dan Risiko Portofolio

Expected Return Risiko
0,31% 3,05%

Berdasarkan hasil perhitungan, portofolio optimal yang terbentuk jika

diasumsikan proporsi portofolio tetap selama periode kepemilikan memberikan
expected return sebesar 0,31% dengan risiko sebesar 3,05%.

18
 BAB V
PENUTUP

5.1 Kesimpulan
Berdasarkan rumusan masalah dan analisis yang telah dilakukan, maka
didapatkan kesimpulan sebagai berikut:
1. Saham Aneka Tambang Tbk PT (ANTM) memiliki bobot atau proporsi sebesar
0,62495 atau 62,495% dalam portofolio optimal.
2. Bank Mandiri Persero Tbk (BMRI) memiliki bobot atau proporsi sebesar
0,37505 atau 37,505% dalam portofolio optimal.
3. Jika diasumsikan proporsi portofolio tetap selama periode kepemilikan, maka
portofolio optimal yang terbentuk memberikan expected return sebesar 0,31%
dengan risiko sebesar 3,05%.

5.2 Saran
Saran untuk penelitian berikutnya diharapkan agar menambah banyaknya
saham dalam portofolio yang dianalisis serta melakukan komparasi berbagai
metode terkait pembentukan portofolio optimal.

19
 DAFTAR PUSTAKA

Anoraga, Pandji & Pakarti, Puji. (2006). Pengantar Pasar Modal. Jakarta: PT
Rineka Cipta.
Fahmi, I. (2014). Studi Kelayakan Bisnis Dan Keputusan Investasi: Paduan Bagi
Para Akademisi Dan Praktisi Bisnis Dalam Membangun Dan
Mengembangkan Bisnis. Edisi Pertama. Jakarta: Mitra Wacana Media.
Halim, A. (2005). Analisis Investasi. Jakarta: Salemba Empat
Hartono, Jogiyanto. (2015). Teori Portofolio Dan Analisis Investasi. Edisi
Kesepuluh. Yogyakarta: BPFE-Yogyakarta.
Ismanto, Hadi. (2016). Analisis Value at Risk dalam Pembentukan Portofolio
Optimal (Studi Empiris pada saham-saham yang tergabung dalam LQ45).
Jurnal Ekonomi dan Bisnis. (243–255)
Jogiyanto, H. M. (2010). Teori Portofolio dan Analisis Investasi. Edisi Ketujuh.
Yogyakarta: BPFE.
Lubis, Ade Fatma. (2008). Pasar Modal. Jakarta: Lembaga Penerbit Fakultas
Ekonomi Universitas Indonesia.
Samsul, Mohammad. (2006). Pasar Modal Dan Manajemen Portofolio. Jakarta:
Erlangga.
Sukarno, M. (2007). Analisis Pembentukan Portofolio Optimal Saham
Menggunakan Metode Single Indeks di Bursa Efek Jakarta. Tesis. Semarang:
Universitas Diponegoro.
Tandelilin, E. (2010). Portofolio dan Investasi: Teori dan Aplikasi. Yogyakarta:
Kanisius.
Tupan, L. P., Manurung, T., dan Prang, J. D. (2013). Pengukuran Value at Risk
pada Aset Perusahaan dengan Metode Simulasi Monte Carlo. Jurnal MIPA
Unsrat Online. (5- 11).
Zubir, Zalmi. (2013). Manajemen Portofolio Penerapannya Dalam Investasi
Saham. Jakarta: Salemba Empat.

20
 LAMPIRAN

1. Data Return
Date BMRI ANTM IHSG rBMRI rANTM rIHSG
01/10/2020 5200 735 4970.094
02/10/2020 5200 725 4926.734 0 -0.0137 -0.008763
05/10/2020 5350 720 4958.769 0.028437935 -0.00692 0.0064813
06/10/2020 5500 720 4999.221 0.027651531 0 0.0081246
07/10/2020 5550 715 5004.327 0.009049836 -0.00697 0.0010208
08/10/2020 5450 720 5039.142 -0.01818232 0.006969 0.0069329
09/10/2020 5550 765 5053.663 0.018182319 0.060625 0.0028775
12/10/2020 5625 780 5093.099 0.01342302 0.019418 0.0077732
13/10/2020 5675 765 5132.572 0.008849615 -0.01942 0.0077203
14/10/2020 5775 955 5176.099 0.017467693 0.221836 0.0084449
15/10/2020 5600 935 5105.15 -0.03077166 -0.02116 -0.013802
16/10/2020 5575 940 5103.414 -0.00447428 0.005333 -0.00034
19/10/2020 5700 1055 5126.33 0.022173857 0.115416 0.0044803
20/10/2020 5650 1035 5099.84 -0.00881063 -0.01914 -0.005181
21/10/2020 5525 1100 5096.446 -0.0223723 0.060909 -0.000666
22/10/2020 5450 1085 5091.816 -0.01366764 -0.01373 -0.000909
23/10/2020 5550 1085 5112.188 0.018182319 0 0.003993
26/10/2020 5775 1060 5144.049 0.039740329 -0.02331 0.006213
27/10/2020 5775 1055 5128.225 0 -0.00473 -0.003081
02/11/2020 5975 1100 5115.128 0.034045841 0.041769 -0.002557
03/11/2020 6000 1110 5159.452 0.004175371 0.00905 0.008628
04/11/2020 5700 1105 5105.199 -0.05129329 -0.00451 -0.010571
05/11/2020 5975 1125 5260.326 0.047117923 0.017938 0.0299336
06/11/2020 6050 1125 5335.529 0.012474174 0 0.014195
09/11/2020 6150 1240 5356.005 0.01639381 0.097328 0.0038303
10/11/2020 6375 1200 5462.739 0.035932009 -0.03279 0.0197319
11/11/2020 6375 1195 5509.513 0 -0.00418 0.008526
12/11/2020 6175 1170 5458.602 -0.03187521 -0.02114 -0.009284
13/11/2020 6250 1170 5461.058 0.012072581 0 0.0004498
16/11/2020 6200 1185 5494.872 -0.00803217 0.012739 0.0061727
17/11/2020 6250 1190 5529.94 0.008032172 0.004211 0.0063616
18/11/2020 6350 1240 5557.518 0.015873349 0.041158 0.0049747
19/11/2020 6325 1235 5594.059 -0.00394478 -0.00404 0.0065535
20/11/2020 6300 1210 5571.656 -0.0039604 -0.02045 -0.004013
23/11/2020 6400 1255 5652.764 0.015748357 0.036515 0.0144524
24/11/2020 6425 1235 5701.029 0.00389864 -0.01606 0.008502
25/11/2020 6525 1205 5679.247 0.015444322 -0.02459 -0.003828
26/11/2020 6725 1210 5759.916 0.030190972 0.004141 0.0141042
27/11/2020 6650 1230 5783.335 -0.01121507 0.016394 0.0040576

21
30/11/2020 6325 1145 5612.415 -0.05010682 -0.07161 -0.029999
01/12/2020 6525 1155 5724.742 0.031130919 0.008696 0.0198164
02/12/2020 6650 1245 5813.987 0.018975901 0.075035 0.015469
03/12/2020 6575 1255 5822.942 -0.01134228 0.008 0.0015391
04/12/2020 6600 1245 5810.483 0.003795071 -0.008 -0.002142
07/12/2020 6700 1280 5930.759 0.015037877 0.027725 0.0204885
08/12/2020 6675 1300 5944.409 -0.00373832 0.015504 0.002299
10/12/2020 6800 1395 5933.698 0.018553408 0.07053 -0.001803
11/12/2020 6775 1450 5938.329 -0.00368325 0.038669 0.0007801
14/12/2020 6725 1525 6012.516 -0.00740744 0.050431 0.0124155
15/12/2020 6700 1560 6010.128 -0.0037244 0.022691 -0.000397
16/12/2020 6775 1815 6118.402 0.01113184 0.1514 0.0178549
17/12/2020 6875 1815 6113.382 0.014652277 0 -0.000821
18/12/2020 6700 1950 6104.324 -0.02578412 0.071744 -0.001483
21/12/2020 6700 1965 6165.624 0 0.007663 0.0099919
22/12/2020 6400 1835 6023.289 -0.04580954 -0.06845 -0.023356
23/12/2020 6350 1790 6008.709 -0.00784318 -0.02483 -0.002424
28/12/2020 6525 2000 6093.554 0.02718614 0.110932 0.0140216
29/12/2020 6425 1945 6036.174 -0.01544432 -0.02789 -0.009461
30/12/2020 6325 1935 5979.073 -0.0156866 -0.00515 -0.009505
04/01/2021 6500 2190 6104.898 0.027292142 0.123794 0.0208258
05/01/2021 6425 2230 6137.343 -0.01160555 0.0181 0.0053005
06/01/2021 6425 2220 6065.682 0 -0.00449 -0.011745
07/01/2021 6475 2600 6153.633 0.007751977 0.158004 0.0143956
08/01/2021 6550 2600 6257.835 0.011516442 0 0.0167917
11/01/2021 6850 2580 6382.937 0.044783603 -0.00772 0.0197941
12/01/2021 6950 2770 6395.669 0.014493007 0.071058 0.0019927
13/01/2021 6925 3120 6435.205 -0.00360361 0.118986 0.0061627
14/01/2021 6850 3180 6428.315 -0.0108894 0.019048 -0.001071
15/01/2021 6725 3120 6373.412 -0.01841673 -0.01905 -0.008577
18/01/2021 6925 2910 6389.834 0.029306127 -0.06968 0.0025733
19/01/2021 6975 2710 6321.856 0.007194276 -0.0712 -0.010695
20/01/2021 7375 3190 6429.758 0.055763575 0.163072 0.016924
21/01/2021 7250 3090 6413.892 -0.01709443 -0.03185 -0.002471
22/01/2021 7200 2880 6307.127 -0.00692044 -0.07038 -0.016786
25/01/2021 7300 2870 6258.572 0.013793322 -0.00348 -0.007728
26/01/2021 7375 2670 6140.171 0.010221554 -0.07223 -0.019099
27/01/2021 7300 2550 6109.168 -0.01022155 -0.04599 -0.005062
28/01/2021 7050 2380 5979.387 -0.03484673 -0.06899 -0.021472
29/01/2021 6575 2220 5862.352 -0.06975304 -0.06959 -0.019767
01/02/2021 6700 2600 6067.545 0.018832948 0.158004 0.0344032
02/02/2021 6475 2420 6043.841 -0.03415892 -0.07174 -0.003914
03/02/2021 6500 2330 6077.745 0.003853569 -0.0379 0.0055941
04/02/2021 6575 2400 6107.216 0.011472401 0.0296 0.0048372

22
05/02/2021 6550 2660 6151.729 -0.00380953 0.102857 0.0072622
08/02/2021 6575 2830 6208.866 0.003809528 0.061951 0.0092451
09/02/2021 6500 2730 6181.672 -0.0114724 -0.03598 -0.00439
10/02/2021 6500 2930 6201.828 0 0.070701 0.0032553
11/02/2021 6500 2870 6222.521 0 -0.02069 0.003331
15/02/2021 6500 2900 6270.324 0 0.010399 0.0076529
16/02/2021 6475 2870 6292.396 -0.00385357 -0.0104 0.0035139
17/02/2021 6350 2750 6227.728 -0.01949379 -0.04271 -0.01033
18/02/2021 6250 2780 6200.308 -0.01587335 0.01085 -0.004413
19/02/2021 6375 2880 6231.932 0.019802627 0.035339 0.0050874
22/02/2021 6375 2950 6255.312 0 0.024015 0.0037446
23/02/2021 6325 2940 6272.807 -0.00787406 -0.0034 0.0027929
24/02/2021 6375 2910 6251.054 0.007874056 -0.01026 -0.003474
25/02/2021 6275 2960 6289.646 -0.01581061 0.017036 0.0061547
26/02/2021 6150 2840 6241.796 -0.0201214 -0.04139 -0.007637
01/03/2021 6575 2840 6338.513 0.066822496 0 0.0153763
02/03/2021 6600 2730 6359.205 0.003795071 -0.0395 0.0032592
03/03/2021 6600 2700 6376.757 0 -0.01105 0.0027563
04/03/2021 6550 2520 6290.799 -0.0076046 -0.06899 -0.013572
05/03/2021 6475 2420 6258.749 -0.01151644 -0.04049 -0.005108
08/03/2021 6425 2280 6248.465 -0.00775198 -0.05959 -0.001645
09/03/2021 6425 2230 6199.647 0 -0.02217 -0.007843
10/03/2021 6500 2230 6264.679 0.011605546 0 0.010435
12/03/2021 6725 2420 6358.209 0.034029749 0.081766 0.0148193
15/03/2021 6650 2340 6324.259 -0.01121507 -0.03362 -0.005354
16/03/2021 6550 2270 6309.699 -0.01515181 -0.03037 -0.002305
17/03/2021 6525 2300 6277.228 -0.0038241 0.013129 -0.00516
18/03/2021 6800 2290 6347.829 0.041281659 -0.00436 0.0111844
19/03/2021 6775 2250 6356.16 -0.00368325 -0.01762 0.0013116
22/03/2021 6625 2260 6301.131 -0.02238899 0.004435 -0.008695
23/03/2021 6675 2270 6252.712 0.007518832 0.004415 -0.007714
24/03/2021 6425 2170 6156.14 -0.03817257 -0.04505 -0.015565
25/03/2021 6400 2180 6122.876 -0.00389864 0.004598 -0.005418
26/03/2021 6425 2430 6195.562 0.00389864 0.108566 0.0118013
29/03/2021 6375 2260 6166.818 -0.00781254 -0.07253 -0.00465
30/03/2021 6325 2210 6071.442 -0.00787406 -0.02237 -0.015587
31/03/2021 6150 2250 5985.522 -0.02805795 0.017938 -0.014253
01/04/2021 6200 2240 6011.456 0.00809721 -0.00445 0.0043234
05/04/2021 6225 2200 5970.286 0.00402415 -0.01802 -0.006872
06/04/2021 6275 2330 6002.77 0.008000043 0.057411 0.0054262
07/04/2021 6325 2360 6036.616 0.00793655 0.012793 0.0056226
08/04/2021 6275 2470 6071.724 -0.00793655 0.045557 0.005799
09/04/2021 6475 2340 6070.209 0.031375123 -0.05407 -0.00025
12/04/2021 6300 2250 5948.569 -0.02739897 -0.03922 -0.020242

23
13/04/2021 6300 2270 5927.435 0 0.00885 -0.003559
14/04/2021 6325 2330 6050.276 0.003960401 0.026088 0.0205123
15/04/2021 6300 2320 6079.501 -0.0039604 -0.0043 0.0048187
16/04/2021 6300 2390 6086.258 0 0.029726 0.0011108
19/04/2021 6225 2340 6052.54 -0.01197619 -0.02114 -0.005555
20/04/2021 6200 2350 6038.322 -0.00402415 0.004264 -0.002352
21/04/2021 6125 2370 5993.242 -0.01217054 0.008475 -0.007494
22/04/2021 6125 2350 5994.184 0 -0.00847 0.0001571
23/04/2021 6150 2320 6016.864 0.004073325 -0.01285 0.0037765
26/04/2021 5975 2390 5964.821 -0.02886798 0.029726 -0.008687
27/04/2021 6050 2390 5959.621 0.012474174 0 -0.000872
28/04/2021 6200 2430 5974.479 0.02449102 0.016598 0.00249
29/04/2021 6225 2510 6012.961 0.00402415 0.032391 0.0064204
30/04/2021 6175 2490 5995.616 -0.00806456 -0.008 -0.002889
03/05/2021 6050 2520 5952.597 -0.02045061 0.011976 -0.007201
04/05/2021 6100 2620 5963.82 0.008230499 0.038915 0.0018836
05/05/2021 6050 2630 5975.911 -0.0082305 0.00381 0.0020254
06/05/2021 6075 2620 5970.24 0.004123717 -0.00381 -0.000949
07/05/2021 5950 2620 5928.309 -0.02079077 0 -0.007048
10/05/2021 5975 2680 5975.787 0.004192878 0.022642 0.0079768
11/05/2021 5900 2670 5938.351 -0.01263175 -0.00374 -0.006284
17/05/2021 5925 2510 5833.86 0.004228336 -0.0618 -0.017753
18/05/2021 5900 2600 5834.394 -0.00422834 0.035229 9.156E-05
19/05/2021 5675 2550 5760.584 -0.03888179 -0.01942 -0.012732
20/05/2021 5650 2420 5797.597 -0.00441502 -0.05233 0.0064047
21/05/2021 5825 2330 5773.12 0.030503454 -0.0379 -0.004231
24/05/2021 5750 2270 5763.632 -0.01295914 -0.02609 -0.001645
25/05/2021 5900 2330 5815.84 0.025752496 0.026088 0.0090174
27/05/2021 5750 2390 5841.828 -0.0257525 0.025425 0.0044586
28/05/2021 5800 2460 5848.616 0.008658063 0.028868 0.0011613
31/05/2021 6000 2450 5947.463 0.033901552 -0.00407 0.0167596
02/06/2021 6100 2550 6031.578 0.016529302 0.040005 0.014044
03/06/2021 6250 2520 6091.513 0.024292693 -0.01183 0.0098878
04/06/2021 6125 2430 6065.166 -0.02020271 -0.03637 -0.004335
07/06/2021 6125 2380 6069.935 0 -0.02079 0.000786
08/06/2021 6000 2350 5999.369 -0.02061929 -0.01269 -0.011694
09/06/2021 6150 2460 6047.475 0.024692613 0.045746 0.0079865
10/06/2021 6200 2420 6107.538 0.00809721 -0.01639 0.0098829
11/06/2021 6275 2480 6095.497 0.012024193 0.024491 -0.001973
14/06/2021 6275 2410 6080.384 0 -0.02863 -0.002482
15/06/2021 6325 2360 6089.038 0.00793655 -0.02097 0.0014223
16/06/2021 6275 2320 6078.568 -0.00793655 -0.01709 -0.001721
17/06/2021 6200 2330 6068.447 -0.01202419 0.004301 -0.001666
18/06/2021 6200 2230 6007.12 0 -0.04387 -0.010157

24
21/06/2021 6025 2200 5996.253 -0.02863181 -0.01354 -0.001811
22/06/2021 6175 2260 6087.842 0.024591403 0.026907 0.0151589
23/06/2021 6025 2250 6034.543 -0.0245914 -0.00443 -0.008794
24/06/2021 5975 2250 6012.056 -0.00833338 0 -0.003733
25/06/2021 5900 2300 6022.399 -0.01263175 0.021979 0.0017189
28/06/2021 5700 2240 5939.471 -0.03448618 -0.02643 -0.013866
29/06/2021 5775 2220 5949.05 0.013072082 -0.00897 0.0016114
30/06/2021 5900 2300 5985.489 0.021414095 0.035402 0.0061065
01/07/2021 5975 2230 6005.958 0.012631747 -0.03091 0.003414
02/07/2021 5950 2220 6023.008 -0.00419288 -0.00449 0.0028348
05/07/2021 5850 2240 6005.609 -0.01694956 0.008969 -0.002893
06/07/2021 5775 2480 6047.111 -0.0129034 0.101783 0.0068868
07/07/2021 5750 2460 6044.037 -0.0043384 -0.0081 -0.000508
08/07/2021 5900 2550 6039.896 0.025752496 0.035932 -0.000685
09/07/2021 5775 2590 6039.844 -0.02141409 0.015565 -8.57E-06
12/07/2021 5800 2550 6078.568 0.004319661 -0.01556 0.0063909
13/07/2021 5775 2540 6012.032 -0.00431966 -0.00393 -0.011006
14/07/2021 5700 2590 5979.215 -0.01307208 0.019494 -0.005474
15/07/2021 5875 2610 6046.754 0.030239885 0.007692 0.0112323
16/07/2021 5875 2620 6072.51 0 0.003824 0.0042504
19/07/2021 5750 2640 6017.394 -0.02150621 0.007605 -0.009118
21/07/2021 5925 2560 6029.976 0.029980832 -0.03077 0.0020888
22/07/2021 6050 2570 6137.547 0.020877585 0.003899 0.0176821
23/07/2021 5975 2620 6101.69 -0.01247417 0.019268 -0.005859
26/07/2021 5800 2630 6106.394 -0.02972618 0.00381 0.0007707
27/07/2021 5825 2530 6097.049 0.004301082 -0.03876 -0.001532
28/07/2021 5900 2520 6088.523 0.012793351 -0.00396 -0.001399
29/07/2021 5750 2590 6120.727 -0.0257525 0.027399 0.0052754
30/07/2021 5700 2520 6070.039 -0.00873368 -0.0274 -0.008316
02/08/2021 5675 2510 6096.543 -0.00439561 -0.00398 0.0043568
03/08/2021 5775 2470 6130.571 0.017467693 -0.01606 0.005566
04/08/2021 5825 2420 6159.035 0.008620743 -0.02045 0.0046323
05/08/2021 6050 2370 6205.417 0.037899273 -0.02088 0.0075025
06/08/2021 5975 2330 6203.431 -0.01247417 -0.01702 -0.00032
09/08/2021 5800 2260 6127.456 -0.02972618 -0.0305 -0.012323
10/08/2021 5800 2340 6088.408 0 0.034786 -0.006393
12/08/2021 5925 2400 6139.652 0.021322769 0.025318 0.0083814
13/08/2021 6000 2380 6139.492 0.012578782 -0.00837 -2.6E-05
16/08/2021 5975 2390 6087.913 -0.00417537 0.004193 -0.008437
18/08/2021 6050 2400 6118.15 0.012474174 0.004175 0.0049544
19/08/2021 5850 2270 5992.322 -0.03361661 -0.05569 -0.020781
20/08/2021 5900 2280 6030.772 0.00851069 0.004396 0.0063961
23/08/2021 5975 2290 6109.828 0.012631747 0.004376 0.0130236
24/08/2021 5825 2270 6089.497 -0.0254251 -0.00877 -0.003333

25
 25/08/2021 5950 2300 6113.24 0.02123222 0.013129 0.0038915
26/08/2021 5825 2270 6058.08 -0.02123222 -0.01313 -0.009064
27/08/2021 5800 2260 6041.366 -0.00430108 -0.00442 -0.002763
30/08/2021 5950 2310 6144.902 0.025533302 0.021883 0.0169926
31/08/2021 6100 2390 6150.299 0.024897552 0.034046 0.0008779
01/09/2021 6000 2390 6090.933 -0.0165293 0 -0.009699
02/09/2021 6050 2320 6078.229 0.008298803 -0.02973 -0.002088
03/09/2021 6125 2350 6126.921 0.012320484 0.012848 0.007979
06/09/2021 6200 2380 6126.938 0.012170536 0.012685 2.789E-06
07/09/2021 6250 2350 6112.4 0.008032172 -0.01269 -0.002376
08/09/2021 6250 2320 6026.02 0 -0.01285 -0.014233
09/09/2021 6350 2440 6068.219 0.015873349 0.050431 0.0069784
10/09/2021 6200 2590 6094.873 -0.02390552 0.05966 0.0043827
13/09/2021 6150 2520 6088.157 -0.00809721 -0.0274 -0.001102
14/09/2021 6100 2470 6129.095 -0.00816331 -0.02004 0.0067017
15/09/2021 6125 2490 6110.229 0.004089985 0.008065 -0.003083
16/09/2021 6150 2410 6109.942 0.004073325 -0.03266 -4.7E-05
17/09/2021 6050 2400 6133.246 -0.01639381 -0.00416 0.0038069
20/09/2021 6025 2350 6076.315 -0.00414079 -0.02105 -0.009326
21/09/2021 5975 2360 6060.757 -0.00833338 0.004246 -0.002564
22/09/2021 6075 2340 6108.265 0.016597891 -0.00851 0.0078081
23/09/2021 6075 2290 6142.712 0 -0.0216 0.0056235
24/09/2021 5975 2290 6144.815 -0.01659789 0 0.0003423
27/09/2021 5900 2290 6122.495 -0.01263175 0 -0.003639
28/09/2021 5950 2270 6113.112 0.008438869 -0.00877 -0.001534
29/09/2021 6000 2310 6162.554 0.00836825 0.017468 0.0080554
30/09/2021 6150 2290 6286.943 0.024692613 -0.0087 0.0199836
01/10/2021 6100 2220 6252.387 -0.00816331 -0.03104 -0.005512

Statistika Deskriptif Closing Price Statistika Deskriptif Return

N 243 243 243 242 242 242
SUM 1506600 526350 1448606 0.159630146 1.105392 0.2295245
MEAN 6200 2166.049 5961.341 0.000659629 0.004568 0.0009484
VAR 157014.5 351518.8 116992.6 0.000379654 0.0019 8.855E-05
STD.VAR 396.2505 592.8902 342.0419 0.019484705 0.043591 0.00941
COV 0.000121557 0.000216
BETA 1.372788762 2.440564
ALPHA -0.00063975 0.002244

26
2. Data Prediksi dan Residual
Prediksi BMRI Prediksi ANTM Residual BMRI Residual ANTM

-0.01266885 -0.019141799 0.01266885 0.005442955

0.008257657 0.018061648 0.020180279 -0.024982091
0.01051362 0.022072332 0.017137912 -0.022072332
0.000761636 0.004735114 0.0082882 -0.011703783
0.008877632 0.01916385 -0.027059951 -0.01219518
0.003310448 0.009266429 0.014871871 0.051358193
0.010031168 0.021214622 0.003391853 -0.001796536
0.009958655 0.021085708 -0.00110904 -0.040503794
0.010953251 0.022853916 0.006514442 0.198981591
-0.01958683 -0.031440683 -0.011184829 0.010275872
-0.001106598 0.00141374 -0.003367682 0.003919606
0.005510729 0.013178121 0.016663128 0.10223805
-0.007752005 -0.01040056 -0.001058625 -0.00873878
-0.001553669 0.000618931 -0.020818629 0.060289822
-0.001887428 2.55689E-05 -0.01178021 -0.013755762
0.004841745 0.011988792 0.013340574 -0.011988792
0.007889374 0.01740691 0.031850955 -0.040717989
-0.004869123 -0.005275332 0.004869123 0.000547191
-0.004150249 -0.003997306 0.03819609 0.045766719
0.011204662 0.023300877 -0.007029291 -0.014251042
-0.015151395 -0.023555304 -0.036141899 0.019040623
0.040452707 0.075298476 0.006665216 -0.057360775
0.018846942 0.036887434 -0.006372768 -0.036887434
0.004618499 0.011591901 0.011775311 0.085736443
0.026448026 0.05040075 0.009483984 -0.083190573
0.011064647 0.023051956 -0.011064647 -0.027227327
-0.013384094 -0.02041337 -0.018491114 -0.000729066
-2.22109E-05 0.00334158 0.012094792 -0.00334158
0.007834125 0.017308688 -0.015866297 -0.004569663
0.008093452 0.017769724 -6.12806E-05 -0.013559191
0.006189414 0.014384696 0.009683935 0.026773376
0.008356877 0.018238044 -0.012301656 -0.022278454
-0.006148587 -0.00754998 0.002188186 -0.01290063
0.019200322 0.037515678 -0.003451965 -0.001000465
0.011031695 0.022993373 -0.007133054 -0.039057976
-0.005894763 -0.007098728 0.021339085 -0.017492675
0.018722379 0.036665983 0.011468594 -0.03252519
0.004930488 0.012146559 -0.016145558 0.004247251
-0.041822564 -0.070971695 -0.008284256 -0.000637837
0.026563985 0.050606904 0.004566934 -0.041911197

27
 0.020595948 0.039996841 -0.001620046 0.035038345
0.001473084 0.005999937 -0.012815361 0.002000106
-0.003580164 -0.002983802 0.007375235 -0.005016241
0.027486605 0.052247152 -0.012448728 -0.024522604
0.002516269 0.007854526 -0.006254591 0.00764966
-0.003115539 -0.002157783 0.021668947 0.072687934
0.000431206 0.004147671 -0.004114451 0.03452147
0.016404136 0.032544577 -0.023811577 0.017886277
-0.00118513 0.001274126 -0.002539269 0.021417286
0.023871249 0.04581972 -0.012739409 0.105579926
-0.001766554 0.000240462 0.01641883 -0.000240462
-0.002675186 -0.001374918 -0.023108931 0.073118823
0.01307708 0.02662969 -0.01307708 -0.018966817
-0.032702445 -0.054757813 -0.013107091 -0.01368995
-0.003966772 -0.003671118 -0.003876405 -0.021157743
0.018608961 0.036464347 0.008577179 0.074467213
-0.013627955 -0.02084691 -0.001816367 -0.007038294
-0.013687774 -0.020953256 -0.001998822 0.015798606
0.027949693 0.053070436 -0.000657551 0.070723781
0.006636698 0.015179884 -0.018242244 0.002920158
-0.016762972 -0.026420388 0.016762972 0.021925999
0.019122375 0.037377102 -0.011370398 0.120627148
0.02241166 0.043224841 -0.010895218 -0.043224841
0.026533324 0.050552394 0.018250279 -0.05827444
0.002095803 0.007107016 0.012397204 0.063950905
0.007820305 0.017284118 -0.011423912 0.101701564
-0.002110372 -0.000370783 -0.008779028 0.019418978
-0.012414792 -0.01869013 -0.006001935 -0.000358065
0.002892862 0.008524038 0.026413265 -0.078203959
-0.015322352 -0.023859233 0.022516628 -0.047345213
0.022593389 0.043547922 0.033170185 0.11952436
-0.004031353 -0.003785931 -0.013063081 -0.028063895
-0.023683408 -0.038723639 0.016762965 -0.031657158
-0.011248999 -0.016617567 0.025042321 0.013139303
-0.026859234 -0.04436967 0.037080788 -0.027863888
-0.007588786 -0.010110387 -0.002632768 -0.035874727
-0.030116953 -0.05016129 -0.004729778 -0.018831582
-0.027775926 -0.045999378 -0.041977113 -0.023593914
0.046588532 0.086206834 -0.027755583 0.071797416
-0.00601333 -0.007309518 -0.028145589 -0.064434386
0.007039703 0.015896353 -0.003186134 -0.053795626
0.006000755 0.014049296 0.005471646 0.015551174
0.009329703 0.019967547 -0.013139231 0.082889838
0.012051854 0.024807028 -0.008242326 0.037143561

28
-0.006665658 -0.008469237 -0.004806743 -0.027505866
0.003829151 0.010188586 -0.003829151 0.060512228
0.003933042 0.010373286 -0.003933042 -0.03106368
0.009866114 0.020921187 -0.009866114 -0.01052248
0.004184036 0.010819506 -0.008037605 -0.021218214
-0.014821116 -0.022968129 -0.004672678 -0.019742989
-0.006697313 -0.008525513 -0.009176036 0.019375529
0.006344223 0.014659918 0.013458404 0.020679448
0.004500807 0.011382667 -0.004500807 0.012632209
0.003194366 0.009060057 -0.011068423 -0.012455646
-0.005408597 -0.006234416 0.013282654 -0.004022084
0.007809311 0.017264573 -0.023619917 -0.000228386
-0.01112352 -0.016394489 -0.008997883 -0.024990727
0.02046864 0.039770512 0.046353856 -0.039770512
0.003834383 0.010197889 -3.93124E-05 -0.049700332
0.003144006 0.008970527 -0.003144006 -0.020020363
-0.01927065 -0.030878574 0.011666051 -0.038114297
-0.007651587 -0.010222035 -0.003864855 -0.030269326
-0.002897326 -0.001769841 -0.004854651 -0.057822256
-0.011407158 -0.016898745 0.011407158 -0.005275113
0.013685346 0.027711074 -0.0020798 -0.027711074
0.019704089 0.038411283 0.014325659 0.043354672
-0.007989509 -0.010822798 -0.003225562 -0.022793813
-0.003803795 -0.003381375 -0.01134801 -0.026989723
-0.007722681 -0.010348428 0.003898585 0.023477719
0.014714064 0.029539943 0.026567595 -0.033897249
0.001160755 0.005444673 -0.004844 -0.023066275
-0.012576595 -0.018977786 -0.0098124 0.023412383
-0.011229224 -0.016582411 0.018748056 0.020997429
-0.02200761 -0.035744382 -0.016164963 -0.009308282
-0.008077603 -0.010979413 0.004178963 0.015577123
0.015560964 0.031045575 -0.011662324 0.077520806
-0.007023584 -0.009105562 -0.000788956 -0.063420882
-0.022037188 -0.035796966 0.014163131 0.013424668
-0.020205519 -0.032540597 -0.007852434 0.050478298
0.005295426 0.012795352 0.002801784 -0.017249702
-0.010073739 -0.014528173 0.014097889 -0.003490333
0.006809249 0.015486648 0.001190794 0.041924259
0.007078884 0.01596601 0.000857665 -0.003172658
0.007321027 0.016396494 -0.015257576 0.029160038
-0.000982355 0.001634621 0.032357478 -0.055701842
-0.028428249 -0.047159086 0.001029275 0.007938373
-0.005525609 -0.006442442 0.005525609 0.015292057
0.027519291 0.052305261 -0.02355889 -0.026216825

29
 0.005975373 0.014004171 -0.009935774 -0.018305253
0.000885141 0.004954683 -0.000885141 0.024771498
-0.00826612 -0.011314562 -0.003710071 -0.009827875
-0.003868414 -0.003496255 -0.000155737 0.007760654
-0.010926862 -0.016044868 -0.001243673 0.024519495
-0.000424018 0.002627242 0.000424018 -0.011101869
0.004544556 0.011460444 -0.000471231 -0.024308587
-0.012565358 -0.018957809 -0.016302626 0.048683989
-0.001836969 0.000115277 0.014311143 -0.000115277
0.002778488 0.008320703 0.021712532 0.008277188
0.008174103 0.017913105 -0.004149952 0.014478391
-0.004605357 -0.004806403 -0.003459203 -0.00319364
-0.010525127 -0.015330657 -0.009925483 0.027306848
0.001945987 0.00684067 0.006284513 0.032074747
0.002140687 0.007186811 -0.010371186 -0.003377283
-0.001943087 -7.33815E-05 0.006066804 -0.003736147
-0.010315356 -0.014957722 -0.010475414 0.014957722
0.01031071 0.021711596 -0.006117832 0.00093088
-0.009266798 -0.013093581 -0.003364949 0.009355259
-0.025010382 -0.041082753 0.029238718 -0.020712966
-0.000514053 0.002467176 -0.003714283 0.032761516
-0.018117484 -0.028828459 -0.020764303 0.009410374
0.008152546 0.01787478 -0.012567564 -0.070200599
-0.006447835 -0.008081988 0.036951289 -0.029817285
-0.002897819 -0.001770718 -0.010061325 -0.024317718
0.011739238 0.024251254 0.014013258 0.001837183
0.005480942 0.013125164 -0.031233438 0.012299934
0.00095448 0.005077954 0.007703583 0.02379003
0.022367692 0.043146674 0.011533859 -0.04722
0.01863965 0.036518907 -0.002110348 0.003486428
0.012934158 0.0263756 0.011358535 -0.038210058
-0.006590246 -0.008335168 -0.013612461 -0.028032476
0.000439253 0.004161977 -0.000439253 -0.024952747
-0.01669257 -0.026295227 -0.003926717 0.013610067
0.010324065 0.021735339 0.014368548 0.024010683
0.012927407 0.026363597 -0.004830196 -0.042757407
-0.003348873 -0.002572608 0.015373066 0.027063628
-0.00404769 -0.003814975 0.00404769 -0.024816837
0.001312773 0.005714934 0.006623776 -0.026680063
-0.003002315 -0.001956493 -0.004934235 -0.015137941
-0.002927408 -0.001823323 -0.009096785 0.006124404
-0.014583486 -0.022545666 0.014583486 -0.021321016
-0.003125441 -0.002175388 -0.025506371 -0.011368837
0.020170182 0.039239908 0.004421222 -0.012332455

30
-0.012711382 -0.019217413 -0.011880021 0.014782816
-0.005764793 -0.006867666 -0.002568589 0.006867666
0.001719886 0.006438704 -0.014351633 0.015540203
-0.019674244 -0.031596089 -0.014811933 0.005162832
0.001572373 0.006176453 0.011499709 -0.015145123
0.007743175 0.017146996 0.013670919 0.018254931
0.004046921 0.010575742 0.008584826 -0.041483279
0.003251825 0.009162209 -0.007444704 -0.013656598
-0.004611121 -0.004816651 -0.012338437 0.013785321
0.008814325 0.019051301 -0.02171773 0.082731393
-0.00133771 0.001002867 -0.003000692 -0.009100077
-0.001580645 0.000570973 0.027333141 0.035361036
-0.000651511 0.002222801 -0.020762583 0.013341716
0.008133605 0.017841108 -0.003813944 -0.033405624
-0.015749056 -0.024617834 0.011429395 0.020688556
-0.008153803 -0.011114882 -0.004918279 0.030608676
0.014779857 0.029656911 0.015460028 -0.021964565
0.005195163 0.012617103 -0.005195163 -0.008793007
-0.013156434 -0.020008632 -0.008349771 0.027613232
0.00222768 0.007341468 0.027753152 -0.038113127
0.023634024 0.045397977 -0.002756439 -0.041499337
-0.008683408 -0.012056423 -0.003790766 0.031324842
0.000418197 0.004124544 -0.030144378 -0.000315016
-0.00274227 -0.001494181 0.007043352 -0.037270363
-0.002560746 -0.001171464 0.015354097 -0.002788937
0.006602226 0.0151186 -0.032354722 0.012280374
-0.01205565 -0.018051643 0.00332197 -0.009347331
0.005341279 0.01287687 -0.00973689 -0.016853018
0.007001164 0.015827838 0.010466529 -0.03189244
0.005719385 0.013549073 0.002901358 -0.033999683
0.009659579 0.020554006 0.028239694 -0.041431591
-0.001079133 0.001462567 -0.011395041 -0.018484255
-0.017556467 -0.027831074 -0.012169714 -0.00267238
-0.00941598 -0.013358799 0.00941598 0.048144915
0.010866104 0.022698984 0.010456665 0.002618824
-0.000675448 0.002180245 0.01325423 -0.010548495
-0.012221539 -0.018346563 0.008046168 0.022539441
0.006161602 0.014335251 0.006312573 -0.01015988
-0.029167398 -0.048473156 -0.004449213 -0.00721575
0.008140718 0.017853753 0.000369972 -0.013458141
0.017238929 0.034028685 -0.004607182 -0.029652311
-0.005215454 -0.005891044 -0.020209644 -0.002880942
0.004702397 0.011741056 0.016529823 0.001388236
-0.013082729 -0.019877599 -0.008149491 0.006748308

31
 -0.00443242 -0.004498955 0.000131339 8.39366E-05
0.022687491 0.043715217 0.002845811 -0.021832506
0.000565423 0.004386284 0.024332129 0.029659558
-0.013954949 -0.021428244 -0.002574353 0.021428244
-0.003506017 -0.002851982 0.01180482 -0.026874198
0.010313668 0.021716856 0.002006816 -0.008868713
-0.000635918 0.002250522 0.012806454 0.010434637
-0.003900991 -0.003554171 0.011933162 -0.009130988
-0.020178259 -0.032492136 0.020178259 0.019643993
0.00894016 0.019275013 0.006933189 0.03115584
0.005376833 0.012940078 -0.029282354 0.046719759
-0.00215323 -0.000446977 -0.00594398 -0.026951997
0.008560262 0.018599625 -0.016723573 -0.038640376
-0.0048719 -0.005280267 0.008961885 0.013344827
-0.000704254 0.002129034 0.004777579 -0.034784997
0.004586307 0.011534669 -0.020980117 -0.01569268
-0.013442011 -0.020516336 0.009301219 -0.000537073
-0.004159213 -0.004013242 -0.004174169 0.008259533
0.010079141 0.02129991 0.00651875 -0.029810599
0.007080171 0.015968298 -0.007080171 -0.03756741
-0.000169838 0.003079126 -0.016428054 -0.003079126
-0.005635209 -0.006637289 -0.006996538 0.006637289
-0.002745289 -0.001499548 0.011184158 -0.007272438
0.010418604 0.021903412 -0.002050355 -0.004435719
0.026793498 0.051014936 -0.002100886 -0.059710643
-0.00820598 -0.011207644 4.26697E-05 -0.019836978

Statistika Deskriptif Prediksi Statistika Deskriptif Residual

N 242 242 242 242
SUM 0.160269893 1.103148261 -0.000639747 0.002243715
MEAN 0.000662272 0.004558464 -2.64358E-06 9.27155E-06
VAR 0.000166873 0.000527421 0.000211396 0.001368357
STD.VAR 0.012917914 0.022965655 0.014539477 0.036991308

32
3. Uji Asumsi

a. Uji Normalitas
>
ks.test(data$Residual.BMRI,"pnorm",mean(data$Residual.BMRI),sd(data
$Residual.BMRI))

One-sample Kolmogorov-Smirnov test

data: data$Residual.BMRI
D = 0.070939, p-value = 0.175
alternative hypothesis: two-sided

>
ks.test(data$Residual.ANTM,"pnorm",mean(data$Residual.ANTM),sd(data
$Residual.ANTM))

One-sample Kolmogorov-Smirnov test

data: data$Residual.ANTM
D = 0.086814, p-value = 0.0521
alternative hypothesis: two-sided

b. Uji Linieritas
> #Model
> model1=lm(rIHSG~rBMRI,data=data)
> model2=lm(rIHSG~rANTM,data=data)
> #UJI LINIERITAS
> library(lmtest)
> resettest(model1)

RESET test

data: model1
RESET = 0.38645, df1 = 2, df2 = 238, p-value = 0.6799

> resettest(model2)

RESET test

data: model2
RESET = 6.1898, df1 = 2, df2 = 238, p-value = 0.002395

c. Uji Heteroskedastisitas
> bptest(model1,studentize=FALSE, data = data)

Breusch-Pagan test

data: model1
BP = 2.2682, df = 1, p-value = 0.1321

> bptest(model2,studentize=FALSE, data = data)

Breusch-Pagan test

data: model2
BP = 0.57531, df = 1, p-value = 0.4482

33
d. Uji Autokorelasi
> dwtest(model1)

Durbin-Watson test

data: model1
DW = 1.9303, p-value = 0.2948
alternative hypothesis: true autocorrelation is greater than 0

> dwtest(model2)

Durbin-Watson test

data: model2
DW = 1.986, p-value = 0.4574
alternative hypothesis: true autocorrelation is greater than 0

34
 4. RF

BI-7Day-RR
Tingkat Suku Bunga
Tahun Tanggal
(%)
2020 13 Oktober 4.00%
19 November 3.75%
17 Desember 3.75%
2021 21 Januari 3.75%
18 Februari 3.50%
18 Maret 3.50%
20 April 3.50%
25 Mei 3.50%
17 Juni 3.50%
22 Juli 3.50%
19 Agustus 3.50%
21 September 3.50%

Rata-Rata 3.60%
Rata-Rata
0.0000987443
Harian

5. Pembobotan

Sekuritas ERB Ai Bi Ci Syarat Zi Wi

ANTM 0.0018311 1.999920 4352.923 0.000128 yes 3.038 0.62495
BMRI 0.0004086 1.1876065 8914.765 0.00013 yes 1.823 0.37505

6. Expected Return dan Risiko Portofolio

Expected Return Portofolio

Sekuritas wi alpha beta Wi.alpha i Wi.beta i
ANTM 0.62495 0.002243715 2.440563766 0.001402 1.525229223
BMRI 0.37505 -0.000639747 1.372788762 -0.00024 0.514865046
Σ 0.001162 2.040094268
Expected Return 0.31%
Risiko Portofolio
(wi)^2 Var ei (wi)^2*Var ei Risiko Portofolio
0.390562 0.00137 0.00053443 σ²p 0.00093
0.140663 0.00021 2.9736E-05 σp 3.05%
Σ 0.00056416

35