PEMBAHASAN

1. MODEL INDEKS TUNGGAL

William sharpe (1963) mengembangkan model yang disebut model indeks tunggal (single
index model). Model ini dapat digunakan untuk menyederhanakan perhitungan di model
Markowitz dengan menyediakan parameter-parameter input yang dibutuhkan di dalam
perhitungan model Markowitz. Disamping itu, model indeks tunggal dapat juga digunakan
untuk menghitung return ekspektasian dan resiko portofolio.

1.1.MODEL INDEKS TUNGGAL DAN KOMPONEN RETURNNYA

Model indeks tunggal didasarkan pada pengamatan bahwa harga dari suatu sekuritas
berfluktuasi searah dengan indeks harga pasar. Secara khusus dapat dilihat bahwa saham
cenderung mengalami kenaikan harga jika indeks harga saham naik. Dan sebaliknya jika
indeks harga saham turun, maka saham mengalami penurunan harga. Hal ini menyarankan
bahwa return dari sekuritas mungkin berkorelasi karena adanya reaksi umum (common
response) terhadap perubahan nilai pasar. Dengan dasar ini, return dari suatu sekuritas dan
return dari indeks pasar yang umum dapat dituliskan sebagai hubungan:

𝑹𝒊 = 𝒂𝒊 + 𝜷𝒊 𝑹𝑴 (1-1)

Notasi:

𝑅𝑖 = return sekuritas ke-i,

𝑎𝑖 = suatu variabel acak yang menunjukkan komponen dari return sekuritas ke-i yang
independen terhadap kinerja pasar,

𝛽𝑖 = beta yang merupakan koefisien yang mengukur perubahan 𝑅𝑖 akibat dari

perubahan Rm,

𝑅𝑀 = tingkat return dari indeks pasar, juga merupakan suatu variabel acak.

Variabel 𝛼𝑖 merupakan komponen return yang tidak tergantung dari return pasar.
Variabel 𝛼𝑖 dapat dipecah menjadi nilai yang diekspektasi (expected value) 𝛼𝑖 dan kesalahan
residu (residual error) 𝑒𝑖 sebagai berikut:

𝑎𝑖 = 𝛼𝑖 + 𝑒𝑖 .

1
 Subtitusi dari persamaan rumus (10-1), maka akan didapatkan persamaan model
indeks tunggal sebagai berikut:

𝑹𝒊 = 𝜶𝒊 + 𝜷𝒊 𝑹𝑴 + 𝒆𝒊 (1-2)

Notasi:

𝛼𝑖 = nilai ekspektasian dari return sekuritas yang independen terhadap return pasar,

𝑒𝑖 = kesalahan residu yang merupakan variabel acak dengan nilai ekspektasiannya

sama dengan nol atau E(𝑒𝑖 ) = 0.

Model indeks tunggal membagi return dari suatu sekuritas kedalam dua komponen,
yaitu sebagai berikut:

1. Komponen return yang unik diwakili oleh 𝑎𝑖 yang independen terhadap return pasar.
2. Komponen return yang berhubungan dengan return pasar yang diwakili oleh 𝛽𝑖 𝑅𝑀 .

Bagian return yang unik (𝑎𝑖 ) hanya berhubungan dengan peristiwa mikro (micro
event) yang mempengaruhi semua perusahaan secara umum. Contoh dari peristiwa mikro
misalnya adalah pemogokan karyawan, kebakaran, penemuan penelitian dan lain sebagainya.
Bagian return yang berhubungan dengan return pasar ditunjukkan oleh beta (𝛽𝑖 ) yang
merupakan sensitivitas return suatu sekuritas terhadap return dari pasar. Secara consensus,
return pasar mempunyai beta bernilai 1. Suatu sekuritas yang mempunyai beta bernilai 1,5
misalnya mempunyai arti bahwa perubahan return pasar sebesar 1% akan mengakibatkan
perubahan return dari sekuritas tersebut dengan arah yang sama sebesar 1,5%.
Model indeks tunggal dapat juga dinyatakan dalam bentuk return ekspektasian
(expected return). Return ekspektasian dari model ini dapat diderivasi dari model di (10-2)
sebagai berikut:
E(𝑅𝑖 ) = E(𝛼𝑖 + 𝛽𝑖 𝑅𝑀 + 𝑒𝑖 ),
Atau :
E(𝑅𝑖 ) = E(𝛼𝑖 ) + E(𝛽𝑖 𝑅𝑀 ) + E(𝑒𝑖 ).
Dari properti ke-2 dibab 6 diketahui bahwa nilai ekspektasian dari suatu konstanta
adalah bernilai konstanta itu sendiri, maka E(𝛼𝑖 ) dan E(𝛽𝑖 𝑅𝑀 ) = 𝛽𝑖 E(𝑅𝑀 ) dan secara
konstruktif nilai E(𝑒𝑖 ) = 0, maka return ekspektasian model indeks tunggal dapat dinyatakan
sebagai:

2
 E(𝑹𝒊 ) = 𝜶𝒊 + 𝜷𝒊 E(𝑹𝑴 ). (1-3)
Contoh 1.1 :
Misalnya return ekspektasian dari indeks pasar E(RM) adalah sebesar 20%, bagan dari
return ekspektasian suatu sekuritas yang independen terhadap pasar (𝛼𝑖 ) adalah sebesar 4%
dan 𝛽𝑖 adalah sebesar 0,75. Model indeks tunggal mengestimasi besarnya return ekspektasian
untuk sekuritas ini sebesar:
E(Ri) = 4% + 0,75 . 20% = 19%
Sedangkan besarnya nilai return realisasian berdasarkan model indeks tunggal untuk
sekuritas ini adalah sebesar :
Ri = 19% + ei
Dari contoh ini terlihat bahwa nilai return realisasian merupakan nilai return
ekspektasian ditambah dengan kesalahan residu. Jika ternyata nilai return realisasi nantinya
sama dengan nilai return yang diharapkan, berarti investor mengestimasi nilai return
ekspektasian tanpa kesalahan. Jika ternyata nilai return realisasi sebesar misalnya 21%, maka
besarnya kesalahan estimasi (ei) adalah sebesar 21% - 19% = 2%.

1.2.ASUMSI-ASUMSI

Model indeks tunggal menggunakan asumsi - asumsi yang merupakan karakteristik

model ini sehingga menjadi berbeda dengan model yang lainnya. Asumsi utama dari model
indeks tunggal adalah kesalahan residu dari sekuritas ke-i tidak berkovari dengan kesalahan
residu sekuritas ke-j atau 𝑒𝑖 tidak berkovari (berkorelasi) dengan 𝑒𝑗 untuk semua nilai dari i
atau j. asumsi ini secara matematis dapat dituliskan sebagai:

Cov(𝒆𝒊 𝒆𝒋 ) = 0 (1-4)

Besarnya Cov(𝑒𝑖 𝑒𝑗 ) dapat juga ditulis sebagai berikut:

Cov(𝑒𝑖 𝑒𝑗 ) = E([𝑒𝑖 – E(𝑒𝑖 )] [𝑒𝑗 – E(𝑒𝑗 )]).

Karena secara konstruktif bahwa E(𝑒𝑖 ) dan E(𝑒𝑗 ) adalah sama dengan nol, maka:

Cov(𝑒𝑖 𝑒𝑗 ) = E([𝑒𝑖 – E(𝑒𝑖 )] [𝑒𝑗 – E(𝑒𝑗 )])

= E(𝑒𝑖 · 𝑒𝑗 )

3
Sehingga asumsi bahwa kesalahan residu untuk sekuritas ke-i tidak mempunyai korelasi
dengan kesalahan residu untuk sekuritas ke-j dapat juga ditulis:

E(𝒆𝒊 · 𝒆𝒋 ) = 0 (1-5)

Return indeks pasar (𝑅𝑀 ) dan kesalahan residu untuk tiap sekuritas (𝑒𝑖 ) merupakan
variabel acak. Oleh karena itu, diasumsikan bahwa 𝑒𝑖 tidak berkovari dengan return indeks
pasar 𝑅𝑀 . Asumsi kedua ini dapat dinyatakan secara matematis sebagai:

Cov(𝒆𝒊 ,𝑹𝑴 ) = 0 (1-6)

Lebih lanjut persamaan ini dapat diuraikan:

Cov(𝑒𝑖 ,𝑅𝑀 ) = E([(𝑒𝑖 – E(𝑒𝑖 )] · [𝑅𝑀 – E(𝑅𝑀 )]) = 0.

Karena E(𝑒𝑖 ) = 0, maka dapat ditulis:

Cov(𝑒𝑖 ,𝑅𝑀 ) = E(𝑒𝑖 · [𝑅𝑀 – E(𝑅𝑀 )]) = 0.

Dengan demikian, asumsi kedua dari model indeks tunggal dapat dituliskan sebagai:

E(𝒆𝒊 · [𝑹𝑴 – E(𝑹𝑴 )]) = 0. (1-7)

Asumsi dari model indeks tunggal mempunyai implikasi bahwa sekuritas bergerak
bersama bukan karena efek diluar pasar (misalnya efek dari industry atau perusahaan itu
sendiri), melainkan karena mempunyai hubungan yang umum terhadap indeks pasar. Asumsi
ini digunakan untuk menyederhanakan masalah. Dengan demikian berapa besar model ini
dapat diterima dan mewakili kenyataan sesungguhnya tergantung dari seberapa besar asumsi
ini realistis. Jika asumsi ini kurang realistis, berarti model ini akan menjadi tidak akurat

1.3.VARIAN RETURN SEKURITAS MODEL INDEKS TUNGGAL

Secara umum, varian return dari suatu sekuritas dapat dinyatakan sebagai berikut:

𝜎𝑖2 = E[𝑅𝑖 – E(𝑅𝑖 )]².

Untuk model indeks tunggal, besarnya 𝑅𝑖 dan E(𝑅𝑖 ) tampak di(1-2) dan (1-3). Substitusi dari
nilai persamaan varian diatas, akan didapatkan hasil:

𝜎𝑖2 = E[(𝛼𝑖 + 𝛽𝑖 · 𝑅𝑀 + 𝑒𝑖 ) – (𝛼𝑖 + 𝛽𝑖 · E(𝑅𝑀 ))]²

= E[𝛼𝑖 + 𝛽𝑖 · 𝑒𝑖 - 𝛼𝑖 - 𝛽𝑖 · E(𝑅𝑀 )]²

= E[𝛽𝑖 · 𝑅𝑀 - 𝛽𝑖 · E(𝑅𝑀 ) + 𝑒𝑖 ]²
4
 = E[𝛽𝑖 · (𝑅𝑀 - E(𝑅𝑀 )) + 𝑒𝑖 ]²

= E[𝛽𝑖 ² · (𝑅𝑀 - E(𝑅𝑀 ))² + 2 · 𝛽𝑖 · (𝑅𝑀 - E(𝑅𝑀 )) · 𝑒𝑖 + 𝑒𝑖 ²]

= 𝛽𝑖 ² · E[(𝑅𝑀 - E(𝑅𝑀 )]² + 2 · 𝛽𝑖 · E[𝑅𝑀 - E(𝑅𝑀 ) · 𝑒𝑖 ] + E[𝑒𝑖 ]²

2
Perlu diketahui bahwa E[(𝑅𝑀 – E(𝑅𝑀 )]² merupakan varian dari return pasar (𝜎𝑀 ) dan E[𝑅𝑀 -
E(𝑅𝑀 ) · 𝑒𝑖 ] adalah sama dengan nol sesuai dengan asumsi kedua dari model indeks tunggal,
maka rumus varian diatas dapat ditulis:

𝜎𝑖2 = 𝛽𝑖2 · 𝜎𝑀
2
+ 0 + E[𝑒𝑖 ]².

Nilai E[𝑒𝑖 ]² dapat ditulis sebagai E[𝑒𝑖 - 0]² dan karena secara konstruktip bahwa E(𝑒𝑖 ) = 0,
maka nilai 0 selanjutnya juga dapat diganti dengan nilai E(𝑒𝑖 ), sehingga nilai E[𝑒𝑖 ]² dapat
ditulis dengan arti yang sama dengan E[𝑒𝑖 - E(𝑒𝑖 )]² dan nilai ini merupakan varian dari
2 2
kesalahan residu untuk sekuritas ke i (𝜎𝑒𝑖 ). Dengan mensubtitusikan E[𝑒𝑖 ]² dengan 𝜎𝑒𝑖 , maka
rumus varian return sekuritas berdasarkan model indeks tunggal adalah:

𝝈𝟐𝒊 = 𝜷𝟐𝒊 · 𝝈𝟐𝑴 + 𝝈𝟐𝒆𝒊 . (1-8)

Risiko (varian return) sekuritas yang dihitung berdasarkan model ini terdiri dari dua bagian:
risiko yang berhubungan dengan pasar (market related risk) yaitu 𝛽𝑖2 · 𝜎𝑀
2
dan risiko untuk
2
masing-masing perusahaan (unique risk) yaitu 𝜎𝑒𝑖 .

1.4.KOVARIAN RETURN ANTARA SEKURITAS MODEL INDEKS TUNGGAL

Secara umum, kovarian return antara dua sekuritas i dan j dapat ditulis:

𝜎𝑖𝑗 = E[(𝑅𝑖 - E(𝑅𝑖 ))].

Untuk model indeks tunggal, nilai 𝑅𝑖 , 𝑅𝑗 , E(𝑅𝑖 ) dan E(𝑅𝑗 ) dapat disubtitusikan, sehingga
kovarian return menjadi:

𝜎𝑖𝑗 = E[((𝛼𝑖 + 𝛽𝑖 · 𝑅𝑀 + 𝑒𝑖 ) – (𝛼𝑖 + 𝛽𝑖 · E(𝑅𝑀 ))) ·

(𝛼𝑗 + 𝛽𝑗 · 𝑅𝑀 + 𝑒𝑗 ) – (𝛼𝑗 + 𝛽𝑗 · E(𝑅𝑀 )))]

= E[(𝛼𝑖 + 𝛽𝑖 ·𝑅𝑀 + 𝑒𝑖 - 𝛼𝑖 - 𝛽𝑖 · E(𝑅𝑀 )) ·

(𝛼𝑗 + 𝛽𝑗 · 𝑅𝑀 + 𝑒𝑖 - 𝛼𝑖 - 𝛽𝑖 · E(𝑅𝑀 ))].

5
 = E[(𝛽𝑖 · 𝑅𝑀 - 𝛽𝑖 · E(𝑅𝑀 ) + 𝑒𝑖 ) · (𝛽𝑗 · 𝑅𝑀 - 𝛽𝑗 · E(𝑅𝑀 ) + 𝑒𝑖 )]

= E[(𝛽𝑖 · (𝑅𝑀 - E(𝑅𝑀 )) + 𝑒𝑖 ) · (𝛽𝑗 · E(𝑅𝑀 - E(𝑅𝑀 )) + 𝑒𝑖 )]

= E[𝛽𝑖 · (𝑅𝑀 - E(𝑅𝑀 )) · 𝛽𝑗 · (𝑅𝑀 ) + E(𝑅𝑀 ))

+ 𝛽𝑖 · (𝑅𝑀 - E(𝑅𝑀 )) · 𝑒𝑗 + 𝛽𝑗 · (𝑅𝑀 - E(𝑅𝑀 )) · 𝑒𝑖 + 𝑒𝑖 · 𝑒𝑗 )]

= 𝛽𝑖 · 𝛽𝑗 · E[𝑅𝑀 - E(𝑅𝑀 )]² + 𝛽𝑖 · E(𝑅𝑀 - E(𝑅𝑀 )) · E(𝑅𝑀 )) · 𝑒𝑗 ] + 𝛽𝑗 ·

E(𝑅𝑀 - E(𝑅𝑀 )) · 𝑒𝑖 ] + E[𝑒𝑖 · 𝑒𝑗 ].

Berdasarkan asumsi yang digunakan dimodel ini, maka tiga bagian terakhir dari
persamaan diatas adalah sama dengan nol, sehingga kovarian return menjadi:

𝜎𝑖𝑗 = 𝛽𝑖 · 𝛽𝑗 · E[𝑅𝑀 – E(𝑅𝑀 )]². atau

𝝈𝒊𝒋 = 𝜷𝒊 · 𝜷𝒋 · 𝝈𝟐𝑴 (1-9)

Contoh 1.2 :

Dua buah sekuritas A dan B masing-masing mempunyai Beta yaitu βA=1,7 dan βB=1,3.
Varian return dari indeks pasar diketahui sebesar 0,00026. Dengan menggunakan rumus 1-9,
kovarian sekuritas A dan B adalah sebesar :

𝝈𝒊𝒋 = 𝜷𝑨 · 𝜷𝑩 · 𝝈𝟐𝑴 = 1,7 . 1,3 . 0.00026 = 0,00057

1.5.PARAMETER-PARAMETER INPUT UNTUK MODEL MARKOWITZ

Model indeks tunggal dapat digunakan untuk menghitung return ekspektasian (E(𝑅𝑖 )),
varian dari sekuritas (𝜎𝑖2 ) dan kovarian antar sekuritas (𝜎𝑖𝑗 ) yang merupakan parameter input
untuk analisis portofolio menggunakan model Markowits. Maksudnya bahwa hasil dari
model indeks tunggal ini yaitu E(𝑅𝑖 ) dari rumus di (10-3), 𝜎𝑖2 dari rumus di (10-8) dan 𝜎𝑖𝑗
dari rumus di (10-9) dapat digunakan sebagai input untuk menghitung return ekspektasian
dan resiko portofolio menggunakan model Markowits.

6
1.6.ANALISIS PORTOFOLIO MENGGUNAKAN MODEL INDEKS TUNGGAL

Selain hasil dari model indeks tunggal dapat digunakan sebagai input analisis
portofolio, model indeks tunggal dapat juga digunakan untuk analisis portofolio. Analisis
portofolio menyangkut perhitungan return akspektasian portofolio dan resiko portofolio.

1.6.1. Return ekspektasian portofolio

Return ekspektasian dari suatu portofolio selalu merupakan rata-rata tertimbang dari
return ekspektasian individual sekuritas (lihat 8-2):

E(𝑅𝑝 ) = ∑𝑛𝑖=1 𝑊𝑖 · E(𝑅𝑖 ).

Dengan mensubtitusikan E(𝑅𝑖 ) menggunakan nilai dipersamaan (10-3), return ekspektasian

portofolio menjadi:

E(𝑅𝑝 ) = ∑𝑛𝑖=1 𝑊𝑖 · (𝛼𝑖 + 𝛽𝑖 · E(𝑅𝑖 ))

E(𝑹𝒑 ) = ∑𝒏𝒊=𝟏 𝑾𝒊 · 𝜶𝒊 + ∑𝒏𝒊=𝟏 𝑾𝒊 · 𝜷𝒊 · E(𝑹𝑴 ) (1-10)

Model indeks tunggal mempunyai beberapa karakteristik sebagai berikut ini.

1. Beta dari portofolio (𝛽𝑝 ) merupakan rata-rata tertimbang dari beta masing-masing
sekuritas (𝛽𝑖 ):
𝜷𝒑 = ∑𝒏𝒊=𝟏 𝑾𝒊 · 𝜷𝒊 (1-11)
2. Alpha dari portofolio (𝛼𝑝 ) juga merupakan dari alpha tiap-tiap sekuritas (𝛼𝑝 ):

𝜶𝒑 = ∑𝒏𝒊=𝟏 𝑾𝒊 · 𝜶𝒊 (1-12)

Dengan mensubtitusikan karakteristik ini, yaitu 𝛽𝑝 dan 𝛼𝑝 kedalam persamaan (10-10), maka
return ekspektasian portofolio menjadi:

E(𝑹𝒑 ) = 𝜶𝒑 + 𝜷𝒑 · E(𝑹𝑴 ) (1-13)

1.6.2. Risiko portofolio

Varian dari suatu sekuritas yang dihitung berdasarkan model indeks tunggal telah
diuraikan dan dapat dilihat dipersamaaan (10-8). Varian dari sekuritas ini adalah sebagai
berikut:

7
 𝜎𝑖2 = 𝛽𝑖2 · 𝜎𝑀
2 2
+ 𝜎𝑒𝑖 .

Varian dari portofolio adalah sebesar:

𝝈𝟐𝒑 = (∑𝒏𝒊=𝟏 𝑾𝒊 · 𝜷𝒊 )² · 𝝈𝟐𝑴 + (∑𝒏𝒊=𝟏 𝑾𝒊 · 𝝈𝒆𝒊 )² (1-14)

Dengan menggunakan karakteristik beta dipersamaan (1-11), maka varian dari portofolio
selanjutnya dapat dituliskan:

𝝈𝟐𝒑 = 𝜷𝒑 · 𝝈𝟐𝑴 + (∑𝒏𝒊=𝟏 𝑾𝒊 · 𝝈𝒆𝒊 )² (1-15)

Salah satu kegunaan model indeks tunggal adalah untuk menyederhakan perhitungan
model Markowits. Untuk menghitung return dan resiko portofolio, model Markowits
membutuhkan parameter input berupa return ekspektasian masing-masing sekuritas, varian
masing-masing sekuritas dan kovarian antara sekuritas. Untuk menghitung risiko portofolio
yang terdiri dari n-buah aktiva, model Makowits membutuhkan perhitungan sebanyak n buah
varian dan (n · (n - 1)) buah kovarian. Karena kovarian sifatnya simetri, yaitu Cov(𝑅𝑖 , 𝑅𝑗 )
adalah sama dengan Cov(𝑅𝑖 , 𝑅𝑗 ), maka perhitungan kovarian dapat dilakukan hanya
separuhnya, yaitu sebanyak (n · (n – 1) / 2). Dengan demikian jumlah perhitungan yang
dibutuhkan untuk menghitung risiko portofolio model Markowits adalah sebanyak n + (n · (n
- 1) / 2). Misalnya n adalah 200 aktiva, maka untuk menghitung risiko portofolio dengan
model Markowits dibutuhkan perhitungan sebanyak 200 varian dan (200 · (200 – 1) / 2) =
19,900 kovarian atau 200 + 19,900 = 20,100 perhitungan. Dengan menggunakan model
indeks tunggal, perhitungan risiko portofolio hanya membutuhkan (2 · n) + 1 perhitungan
(lihat rumus di 1-14 dan 1-15), yaitu 𝛽𝑖 untuk masing-masing sekuritas ke-i sebanyak n buah,
𝜎𝑒𝑖 ² juga untuk masing-masing sekuritas ke-i sebanyak n buah dan sebuah varian return dari
2
market indeks (𝜎𝑀 ). Sebagai perbandingan untuk 200 aktiva jika digunakan model indeks
tunggal untuk menghitung risiko portofolio hanya dibutuhkan perhitungan sebanyak (2 · 200)
+ 1 = 401 perhitungan.

Untuk portofolio yang di diversifikasikan, bagian kedua dari risiko varian ini, yaitu
risiko yang tidak sistematik akan semakin kecil nilainya dengan semakin banyaknya sekuritas
didalam portofolio, akan bernilai nol jika jumlah sekuritas sangat besar. Misalnya portofolio
terdiri dari n sekuritas dengan bobot nilai dalam rupiah sama untuk masing-masing sekuritas,
sehingga 𝑊𝑖 = 1/n untuk tiap sekuritas ke-i. substitusi dari nilai bobot ke persamaan (1-15),
maka akan didapatkan:

8
 𝝈𝟐𝒑 = 𝜷𝟐𝒑 · 𝝈𝟐𝑴 (1-16)

1.7.Model pasar

Model pasar (market model) merupakan bentuk dari model indeks tunggal dengan
batasan yang lebih sedikit. Model pasar bentuknya sama dengan model indeks tunggal.
Perbedaannya terletak di asumsinya. Di model indeks tunggal, diasumsikan bahwa kesalahan
residu masing-masing sekuritas tidak berkovari satu dengan yang lainnya atau Cov(𝑒𝑖 , 𝑒𝑗 ) =
0. Di model pasar, asumsi ini tidak digunakan atau kesalahan residu masing-masing sekuritas
dapat berkorelasi. Kenyataannya bahwa sekuritas berkovari atau berkorelasi satu dengan
yang lainnya membuat model pasar lebih realitis. Model pasar ini banyak digunakan oleh
peneliti pasar model untuk menghitung abnormal return. Bentuk model pasar yang sama
dengan bentuk model indeks tunggal mempunyai return dan return ekspektasian sebagai
berikut:

𝑅𝑖 = 𝛼𝑖 + 𝛽𝑖 · 𝑅𝑀 + 𝑒𝑖 dan

E(𝑅𝑖 ) = 𝛼𝑖 + 𝛽𝑖 · E(𝑅𝑀 )

1.8.Portofolio optimal berdasarkan model indeks tunggal

Perhitungan untuk menentukan portofolio optimal akan sangat mudah jika hanya
didasarkan pada sebuah angka yang dapat menentukan apakah suatu sekuritas dapat
dimasukkan ke dalam portofolio optimal tersebut. Angka tersebut adalah rasio antara ekses
return dengan beta (excess return to beta ratio). Rasio ini adalah:

𝑬(𝑹𝒊 )− 𝑹𝑩𝑹
𝑬𝑹𝑩𝒊 = (10-17)
𝜷𝒊

Notasi:

𝐸𝑅𝐵𝑖 = excess return to beta sekuritas ke-i

𝐸(𝑅𝑖 ) = return ekspektasian berdasarkan model indeks tunggal untuk sekuritas ke-i

𝑅𝐵𝑅 = return aktiva bebas risiko

𝛽𝑖 = beta sekuritas ke-i

9
 Excess return didefinisikan sebagai selisi return ekspektasian dengan return aktiva
bebas risiko. Excess return to beta berarti mengukur kelebihan return relative terhadap satu
unit risiko yang tidak dapat didiversifikasikan yang diukur dengan beta. Rasio ERB ini juga
menunjukkan hubungan antara dua factor penentu investasi, yaitu return dan risiko.

Portofolio yang optimal akan berisi dengan aktiva yang mempunyai nilai rasio ERB
yang tinggi. Aktiva dengan rasio ERB yang rendah tidak akan dimasukkan ke dalam
portofolio optimal. Dengan demikian diperlukan sebuah titik pembatas (cut-off point) yang
menentukan batas nilai ERB berapa yang dikatakan tinggi. Besarnya titik pembatas ini dapat
ditentukan dengan langkah-langkah sebagai berikut ini.

1. mengurutkan sekuritas berdasarkan nilai ERB terbesar ke nilai ERB terkecil.

Sekuritas dengan nilai ERB terbesar merupakan kandidat untuk dimasukkan ke
portofolio optimal.
2. menghitung nilai 𝐴𝑖 dan 𝐵𝑖 untuk masing-masing sekuritas ke-i sebagai berikut:
[𝑬(𝑹𝒊 )− 𝑹𝑩𝑹 ] · 𝜷𝒊
𝑨𝒊 = (10-18)
𝝈𝟐𝒆𝒊

Dan
𝜷𝟐
𝑩𝒊 = 𝝈𝟐𝒊 (10-19)
𝒆𝒊

Notasi:
2
𝜎𝑒𝑖 = varian dari kesalahan residu sekuritas ke-i yang juga merupakan risiko
unik atau risiko tidak sistematik.
3. Menghitung nilai 𝐶𝑖 .

𝝈𝟐
𝑴 ∑𝒊𝒋=𝟏 𝑨𝒋
𝑪𝒊 = 𝟏+ 𝝈𝟐 𝒊 (10-20)
𝑴 ∑𝒋=𝟏 𝜷𝒋

Notasi:

2
𝜎𝑀 = varian dari indeks pasar.

𝐶𝑖 adalah nilai C untuk sekuritas ke-i yang dihitung dari kumulasi nilai 𝐴1 sampai dengan 𝐴𝑖
dan nilai 𝐵1 sampai dengan 𝐵𝑖 . Misalnya 𝐶3 menunjukkan nilai C untuk sekuritas ke-3 yang
dihitung dari kumulasi 𝐴1 , 𝐴2 , 𝐴3 , dan 𝐵1, 𝐵2 dan 𝐵3.

Dengan mensubtitusikan nilai 𝐴𝑗 dan 𝐵𝑗 dirumus (10-18) dan (10-19) ke nilai 𝐶𝑖 di

rumus (10-20), maka rumus 𝐶𝑖 menjadi:

10
 [ 𝑬(𝑹𝒋 )− 𝑹𝑩𝑹 ] · 𝜷𝒋
𝝈𝟐𝑴 ∑𝒊𝒋=𝟏
𝝈𝟐
𝒆𝒋
𝑪𝒊 = 𝜷𝟐
(10-21)
𝒋
𝟏+ 𝝈𝟐𝑴 ∑𝒊𝒋=𝟏 𝟐
𝝈𝒆𝒋

4. Besarnya cut-off point (C*) adalah nilai 𝐶𝑖 dimana nilai ERB terakhir kali masih
lebih besar dari nilai 𝐶𝑖 .
5. Sekuritas yang membentuk portofolio optimal adalah sekuritas yang mempunyai
nilai ERB lebih besar atau sama dengan nilai ERB dititik C*. sekuritas yang
mempunyai ERB yang lebih kecil dengan ERB titik C* tidak diikutsertakan dalam
pembentukan portofolio optimal.

Contoh :

Misalnya suatu pasar modal mempunyai 15 buah saham yang tercatat. Data return
ekspektasian (Ri), Beta (i) dan risiko tidak sistematik (ei2) untuk masing-masing
sekuritas dapat dilihat pada tabel. Misalnya lagi diketahui bahwa return aktiva bebas
risiko (RBR) adalah sebesar 10% dan varian indeks pasar (M2) adalah 10%.

Tabel. Data untuk menghitung portofolio optimal model indeks tunggal.

nama
saham
E(Ri) i ei2 ERBi
A 20 2.00 5.0 5.00
B 19 1.50 4.0 6.00
C 17 1.50 3.0 4.67
D 15 1.20 1.5 4.17
E 17 1.40 2.5 5.00
F 27 2.00 7.5 8.50
G 12 1.00 5.5 2.00
H 11 0.80 3.0 1.25
I 12 0.75 3.5 2.67
J 14 1.20 4.0 3.33
K 15 1.25 4.5 4.00
L 23 1.50 5.0 8.67
M 22 1.20 3.5 10.00
N 15 1.50 2.5 3.33
O 25 1.80 2.0 8.33

Langkah pertama yang harus dilakukan adalah menghitung nilai ERBi untuk masing-
masing sekuritas ke-i sesuai dengan rumus. Hasil perhitungan ERBi tampak pada kolom

11
 terakhir. Langkah selanjutnya adalah mengurutkan tabel dari nilai ERBi tertinggi ke
terkecil. Kemudian nilai Ai, Bi, Ci untuk masing – masing sekuritas dapat dihitung yang
hasilnya di sajikan dalam tabel berikut :

Di kolom Ci, nilai C* adalah sebesar 8.394, yaitu untuk sekuritas ‘F’ dengan nilai
ERB sebesar 8.50 yang merupakan nilai ERB terakhir kali masih lebih besar dari nilai C i ,
nilai ERB selanjutnya, yaitu 8.33 untuk sekuritas ‘O’ sudah lebih kecil dari nilai C i yaitu
sebesar 8.363. Oleh karena itu sekuritas ‘O’ sudah tidak dimasukan sebagai bagian dari
portofolio optimal. Sekuritas-sekuritas yang membentuk portofolio optimal adalah sekuritas-
sekuritas yang mempunyai ERB besar dari Ci yaitu sekuritas ‘F’, ‘M’, ‘L’.

Setelah sekuritas yang membentuk portofolio optimal telah dapat ditentukan,

pertanyaannya adalah berapa besar proporsi masing-masing sekuritas tersebut didalam
portofolio optimal. Besarnya proporsi untuk sekuritas ke-i adalah sebesar:

𝒁𝒋
𝑾𝒊 = ∑𝒌 (10-22)
𝒋=𝟏 𝒁𝒋

Dengan nilai 𝑍𝑖 adalah sebesar:

𝜷
𝒁𝒊 = 𝝈𝟐𝒊 (𝑬𝑹𝑩𝒊 - C*) (10-23)
𝒆𝒊

Notasi:

12
 𝑊𝑖 = proporsi sekuritas ke-i.

K = jumlah sekuritas diportofolio optimal.

𝛽𝑖 = beta sekuritas ke-i.

2
𝜎𝑒𝑖 = varian dari kesalahan residu sekuritas ke-i.

𝐸𝑅𝐵𝑖 = excess return to beta sekuritas ke-i.

C* = nilai cut-off point yang merupakan nilai 𝐶𝑖 terbesar.

Contoh soal

Dari contoh sebelumnya terdapat tiga buah sekuritas yang membentuk portofolio optimal
yang tampak pada tabel berikut :

Nilai Zi di tabel dihitung berdasarkan rumus sebagai berikut :

Z1 = (1.20 / 3.5)(10.00 – 8.394) = 0.551

Z2 = (1.50 / 5.0)(8.67 – 8.394) = 0.083

Z3 = (2.00 / 7.5)(8.50 – 8.394) = 0.028

k
Besarnya nilai Z
j 1
j adalah sebesar Z1 + Z2 + Z3 atau sebesar 0.551 + 0.083 + 0.028 = 0.662.

Nilai Wi yang merupakan proporsi sekuritas ke-i dapat dihitung berdasarkan rumus sebagai
berikut :

W1 = 0.551/ 0.662 = 0.8323 = 83.23%

W2 = 0.083/ 0.662 = 0.1254 = 12.54%

W1 = 0.028/ 0.662 = 0.0423 = 4.23%

13
2. DERIVASI RUMUS-RUMUS PORTOFOLIO OPTIMAL MODEL INDEKS
TUNGGAL

Untuk n-buah sekuritas didalam portofolio optimal, struktur varian dan kovarian
untuk masing-masing sekuritas dapat dituliskan sebagai berikut ini.

Untuk sekuritas ke-1:

𝑍1 . 𝜎12 + 𝑍2 · 𝜎1,2 + . . . + 𝑍𝑛 . 𝜎1,𝑛 = E(𝑅1 ) - 𝑅𝑅𝐵 .

Untuk sekuritas ke-2:

𝑍1 . 𝜎2,1 + 𝑍2 · 𝜎22 + . . . + 𝑍𝑛 . 𝜎2,𝑛 = E(𝑅2 ) - 𝑅𝑅𝐵 .

Untuk sekuritas ke-n:

𝑍1 . 𝜎𝑛,1 + 𝑍2 · 𝜎𝑛,2 + . . . + 𝑍𝑛 . 𝜎𝑛2 = E(𝑅𝑛 ) - 𝑅𝑅𝐵 .

Secara umum, untuk sekuritas ke-i, rumus diatas dapat dituliskan sebagai berikut:

𝒁𝟏 . 𝝈𝟐𝟏 + ∑𝒏𝒋=𝟏 𝒋≠𝒊 (𝒁𝒋 . 𝝈𝒊,𝒋 ) = E(𝑹𝟏 ) - 𝑹𝑹𝑩 . (L10-1)

Notasi:

E(𝑅1 ) = return ekspektasian sekuritas ke-i.

𝑅𝑅𝐵 = return aktiva bebas risiko.

𝑍𝑖 = Ѱ 𝑤𝑖 , untuk Ѱ adalah suatu konstan.

𝜎12 = varian return sekuritas ke-i.

𝜎𝑖,𝑗 = kovarian return sekuritas ke-i dengan sekuritas ke-j.

Untuk model indeks tunggal besarnya varian return sekuritas ke-i sesuai dengan
rumus di (10-8).

Dan kovarian return sekuritas ke-i dan ke-j seperti tampak di rumus (10-9).

Subtitusi dari nilai varian (𝜎𝑖2 ) dan kovarian (𝜎𝑖𝑗 ) berdasarkan model indeks tunggal ke rumus
(L10-1), maka akan didapatkan hasil:

𝑍𝑖 (𝛽𝑖2 · 𝜎𝑀
2 2
+ 𝜎𝑒𝑖 ) + ∑𝑛𝑗=1 𝑗≠𝑖 (𝑍𝑗 𝛽𝑖 𝛽𝑗 𝜎𝑀
2
) = E(𝑅1 ) - 𝑅𝑅𝐵 .

Atau:

14
 𝑍𝑖 𝛽𝑖2 𝜎𝑀
2 2
+ 𝑍𝑖 𝜎𝑒𝑖 + ∑𝑛𝑗=1 𝑗≠𝑖 (𝑍𝑗 𝛽𝑖 𝛽𝑗 𝜎𝑀
2
) = E(𝑅1 ) - 𝑅𝑅𝐵 .

Nilai (𝑍𝑖 · 𝛽𝑖2 · 𝜎𝑀

2 2
) atau (𝑍𝑖 · 𝛽𝑖 · 𝛽𝑖 · 𝜎𝑀 ) selanjutnya dapat digabungkan dengan nilai yang
𝑛
ada didalam 𝛴𝑗=1 sehingga symbol j≠I dapat dihilangkan sebagai berikut:

2
𝑍𝑖 · 𝜎𝑒𝑖 + ∑𝑛𝑗=1 (𝑍𝑗 𝛽𝑖 𝛽𝑗 𝜎𝑀
2
) = E(𝑅1 ) - 𝑅𝑅𝐵 .

2 𝑛
Nilai (𝛽𝑖 · 𝜎𝑀 ) dapat dikeluarkan dari dalam 𝛴𝑗=1 sehingga menjadi:

2 2 ∑𝑛
𝑍𝑖 · 𝜎𝑒𝑖 + 𝛽𝑖 · 𝜎𝑀 𝑗=1 (𝑍𝑗 · 𝛽𝑗 ) = E(𝑅1 ) - 𝑅𝑅𝐵

Dan

𝑬(𝑹𝒊 )− 𝑹𝑩𝑹 𝜷𝒊 ∙ 𝝈𝟐𝑴

𝒁𝒊 = - ∑𝒏𝒋=𝟏(𝒁𝒋 . 𝜷𝒋 ). (L10-2)
𝝈𝟐𝒆𝒊 𝝈𝟐𝒆𝒊

𝐸(𝑅𝑖 )− 𝑅𝐵𝑅 𝛽
Kalikan nilai 2 dengan nilai 𝛽𝑖, sehingga menjadi:
𝜎𝑒𝑖 𝑖

[𝐸(𝑅𝑖 )− 𝑅𝐵𝑅 ] . 𝛽𝑖 2
𝛽𝑖 ∙ 𝜎𝑀
𝑍𝑖 = 2 - 2 ∑𝑛𝑗=1(𝑍𝑗 . 𝛽𝑗 )
𝜎𝑒𝑖 . 𝛽𝑖 𝜎𝑒𝑖

𝛽 𝐸(𝑅𝑖 )− 𝑅𝐵𝑅 2 ∑𝑛
= 𝜎2𝑖 [ 2 . 𝛽 - 𝜎𝑀 𝑗=1(𝑍𝑗 . 𝛽𝑗 )]
𝑒𝑖 𝜎𝑒𝑖 𝑖

Karena

𝑬(𝑹𝒊 )− 𝑹𝑩𝑹
𝑬𝑹𝑩𝒊 = (lihat rumus 10.17)
𝜷𝒊

2 ∑𝑛
Dan (𝜎𝑀 𝑗=1(𝑍𝑗 . 𝛽𝑗 )) diwakili dengan nilai C*, maka rumus di atas menjadi:

𝜷𝒊 𝑬(𝑹𝒊 )− 𝑹𝑩𝑹
𝒁𝒊 = ( - C*) (L10-3)
𝝈𝟐𝒆𝒊 𝜷𝒊

𝑛
Nilai 𝛴𝑗=1 (𝑍𝑗 . 𝛽𝑗 ) diketahui setelah sekuritas diportofolio optimal diketahui. Padahal nilai
C* dibutuhkan untuk menentukan sekuritas portofolio optimal tersebut. Oleh karena itu, nilai
𝑛
𝛴𝑗=1 (𝑍𝑗 . 𝛽𝑗 ) perlu diuraikan lebih lanjut yang dapat dilakukan dengan menggunakan
kembali rumus di (L10-2) sebagai berikut:
2
𝐸(𝑅𝑖 )− 𝑅𝐵𝑅 𝛽𝑖 ∙ 𝜎𝑀
𝑍𝑖 = 2 - 2 ∑𝑛𝑗=1(𝑍𝑗 . 𝛽𝑗 ).
𝜎𝑒𝑖 𝜎𝑒𝑖

Kalikan kedua sisi persamaan ini dengan nilai 𝛽𝑗 dan jumlahkan semua nilainya dari j=1
sampai dengan j=n, maka akan didapatkan hasil:

15
 𝐸(𝑅𝑖 )− 𝑅𝐵𝑅 𝛽2
∑𝑛𝑗=1(𝑍𝑗 . 𝛽𝑗 ) = 𝛴𝑗=1
𝑛
2
2 𝑛
. 𝛽𝑗 - 𝜎𝑀 𝑛
𝛴𝑗=1 𝜎2𝑗 𝛴𝑗=1 (𝑍𝑗 . 𝛽𝑗 )
𝜎𝑒𝑗 𝑒𝑖

𝛽2 𝐸(𝑅𝑗 )− 𝑅𝐵𝑅
∑𝑛𝑗=1(𝑍𝑗 . 𝛽𝑗 ) + 𝜎𝑀
2 𝑛 𝑛
𝛴𝑗=1 𝜎2𝑗 𝛴𝑗=1 𝑛
(𝑍𝑗 . 𝛽𝑗 ) = 𝛴𝑗=1 2 𝛽𝑗 .
𝑒𝑗 𝜎𝑒𝑗

𝛽2 𝐸(𝑅𝑗 )− 𝑅𝐵𝑅
∑𝑛𝑗=1(𝑍𝑗 . 𝛽𝑗 ) [1 + 𝜎𝑀
2 𝑛 𝑛
𝛴𝑗=1 𝜎2𝑗 ] = 𝛴𝑗=1 2 . 𝛽𝑗 .
𝑒𝑗 𝜎𝑒𝑗

𝐸(𝑅𝑗 )− 𝑅𝐵𝑅
𝑛
𝛴𝑗=1 𝛽𝑗
𝜎2
∑𝑛𝑗=1(𝑍𝑗 . 𝛽𝑗 ) = 𝑒𝑗
𝛽2
2 𝛴𝑛 𝑗
1+ 𝜎𝑀 𝑗=1 𝜎2
𝑒𝑗

Subtitusikan nilai ∑𝑛𝑗=1(𝑍𝑗 . 𝛽𝑗 ) ini ke rumus (L10-3), maka akan didapatkan nilai cut-off
point C* sebesar:

𝑬(𝑹𝒋 )− 𝑹𝑩𝑹
𝝈𝟐𝑴 𝜮𝒏
𝒋=𝟏 𝜷𝒋
𝝈𝟐 𝒆𝒋
C* = 𝜷𝟐
(L10-4)
𝒋
𝑰+ 𝝈𝟐𝑴 𝜮𝒏
𝒋=𝟏 𝝈𝟐
𝒆𝒋

16