Revisi Mila 25 Agustus

PENGARUH VOLATILITAS SAHAM BURSA EFEK INDONESIA,
HARGA MINYAK DUNIA DAN INDEKS HARGA BARANG DAN JASA

TERHADAP NILAI TUKAR RUPIAH SEBELUM DAN SESUDAH
COVID-19
TESIS
DIAJUKAN KEPADA FAKULTAS EKONOMI DAN BISNIS ISLAM
UNIVERSITAS ISLAM NEGERI SUNAN KALIJAGA YOGYAKARTA
SEBAGAI SALAH SATU SYARAT MEMPEROLEH GELAR
MAGISTER EKONOMI
OLEH :
MILA ALIM BAHRI
18208011008
PRODI MAGISTER EKONOMI SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM
UNIVERSITAS ISLAM NEGERI SUNAN KALIJAGA
YOGYAKARTA
2022
PENGARUH VOLATILITAS SAHAM BURSA EFEK INDONESIA,
HARGA MINYAK DUNIA DAN INDEKS HARGA BARANG DAN JASA
TERHADAP NILAI TUKAR RUPIAH SEBELUM DAN SESUDAH
COVID-19
TESIS
DIAJUKAN KEPADA FAKULTAS EKONOMI DAN BISNIS ISLAM
UNIVERSITAS ISLAM NEGERI SUNAN KALIJAGA YOGYAKARTA
SEBAGAI SALAH SATU SYARAT MEMPEROLEH GELAR
MAGISTER EKONOMI
OLEH :
MILA ALIM BAHRI
18208011008
PEMBIMBING :
DR. ABDUL QOYUM, S.E.I., M.Sc.Fin.
198506302015031007
PRODI MAGISTER EKONOMI SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM
UNIVERSITAS ISLAM NEGERI SUNAN KALIJAGA
YOGYAKARTA
2022
2
HALAMAN KEASLIAN
Saya yang bertanda tangan di bawah ini:
Nama : Mila Alim Bahri
NIM : 18208011008
Jurusan/Program Studi : Magister Ekonomi Syariah
Menyatakan bahwa Tesis yang berjudul “Pengaruh Volatilitas Saham Bursa
Efek Indonesia, Harga Minyak Dunia dan Indeks Harga Barang dan Jasa
Terhadap Nilai Tukar Rupiah Sebelum dan Sesudah Covid-19” adalah benar-
benar merupakan hasil karya penyusunan sendiri, bukan duplikasi atau saduran
dari karya orang lain kecuali pada bagian yang telah dirujuk dan disebut dalam
body note dan daftar pustaka. Apabila di lain waktu terbukti adanya
penyimpangan dalam karya ini, maka tanggung jawab sepenuhnya ada pada
penyusun.
Demikian surat pernyataan ini saya buat agar dapat dimaklumi.
Yogyakarta, 25 Agustus 2022

Penyusun,
Mila Alim Bachri
iii
HALAMAN PERSETUJUAN PUBLIKASI UNTUK KEPENTINGAN
AKADEMIK
Sebagai sivitas akademika UIN Sunan Kalijaga Yogyakarta, saya yang bertanda
tangan di bawah ini:
Nama : Mila Alim Bahri

NIM : 18208011008
Program Studi : Magister Ekonomi Syariah
Fakultas : Ekonomi dan Bisnis Islam
Jenis Karya : Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada

UIN Sunan Kalijaga Yogyakarta Hak Bebas Royalti Non-Eksklusif (non-
exclusive royalty free right) atas karya ilmiah saya yang berjudul:
“Pengaruh Volatilitas Saham Bursa Efek Indonesia, Harga Minyak Dunia

dan Indeks Harga Barang dan Jasa terhadap Nilai Tukar Rupiah Sebelum
dan Sesudah Covid-19”
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-
Eksklusif ini, UIN Sunan Kalijaga Yogyakarta berhak menyimpan,
mengalihmedia/formatkan, mengelola, dalam bentuk pangkalan data (database),
merawat dan mempublikasikan tugas akhir saya selama tetap mencantumkan
nama saya sebagai penulis/pencipta dan sebagai pemilik hak cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di: Yogyakarta

Pada tanggal: 08 Agustus 2022
(Mila Alim Bahri)
iv
MOTTO
ِ ‫فَِإ َّن َم َع ْال ُعس‬

‫ْر يُ ْسرًا‬
“ Karena sesungguhnya, sesudah kesulitan
itu ada kemudahan”
ِ ‫ِإ َّن َم َع ْال ُعس‬
‫ْر يُ ْسرًا‬
“ Sesungguhnya, sesudah kesulitan itu ada
kemudahan”
- QS. Al-insyirah, 5-6 –
v
PERSEMBAHAN
Pertama terimakasih pada Allah SWT yang telah memberikan kemudahan

dalam segala hal dalam penyelesaian tesis ini.
“Aku tanpa Mu bukan apa-apa ya Allah”
Tesis ini dipersembahkan untuk:

Kedua orang tua tercinta Bapak H. Alim Bachri dan Ibu Hj. Nurlia.
Bapak tercinta H. Alim Bachri dan Ibu Hj. Nurlia, terimaksih telah
mendoakanku, membiayaku, kasih sayangmu dan didikanmu yang adalah
anugerah terindah dalam hidupku.
Untuk diri sendiri, terimakasih karena sudah mau berjuang sampai ke titik ini.
Untuk teman hidupku kelak, Firmansyah, dan juga adik-adikku tersayang,
Nilma, Athifah Nadia Shafira, Muh. Syaifuddin, terimaksih telah
mendoakanku, mensupport, menghibur, dan mengajarkanku banyak hal.
Untuk semua teman-temanku Rissa Mareta, Dina, Dila, Ristina, dan semua
teman-teman MES A yang Namanya tidak bisa saya sebutkan satu persatu,
terimaksih banyak telah menasehati, mengingatkan, dan meluangkan
waktunya untuk membantu, menyemangati, dan mendoakan.
Dan untuk semua pembaca, semoga bermanfaat !!!
vi
PEDOMAN TRANSLITERASI ARAB LATIN
Transliterasi kata-kata Arab yang dipakai dalam penyusunan tesis ini
berpedoman pada Surat Keputusan Bersama Menteri Agama dan Menteri
Pendidikan dan Kebudayaan Republik Indonesia Nomor: 158/1987 dan
0543b/U/1987.
A. Konsonan Tunggal
Huruf
Nama Huruf Latin Keterangan
Arab
‫ا‬ Alif Tidak dilambangkan Tidak dilambangkan

‫ب‬ Bā’ b be
‫ت‬ Tā’ t te
‫ث‬ Ṡā’ ṡ es (dengan titik di atas)
‫ج‬ Jīm j je
‫ح‬ Ḥā’ ḥ ha (dengan titik di bawah)
‫خ‬ Khā’ kh ka dan ha
‫د‬ Dāl d de
‫ذ‬ Żāl ż zet (dengan titik di atas)
‫ر‬ Rā’ r er
‫ز‬ Zāi z zet
‫س‬ Sīn s es
‫ش‬ Syīn sy es dan ye
‫ص‬ Ṣād ṣ es (dengan titik di bawah)
‫ض‬ Ḍād ḍ de (dengan titik di bawah)
‫ط‬ Ṭā’ ṭ te (dengan titik di bawah)
‫ظ‬ Ẓā’ ẓ zet (dengan titik di bawah)
‫ع‬ ‘Ain ʻ koma terbalik di atas
‫غ‬ Gain g ge
‫ف‬ Fāʼ f ef
‫ق‬ Qāf q qi
‫ك‬ Kāf k ka
‫ل‬ Lām l el
‫م‬ Mīm m em
‫ن‬ Nūn n en
‫و‬ Wāwu w w
‫هـ‬ Hā’ h ha
‫ء‬ Hamzah ˋ apostrof
‫ي‬ Yāʼ Y Ye
vii
B. Konsonan Rangkap karena Syaddah Ditulis Rangkap
‫مـتع ّددةـ‬ Ditulis Muta‘addidah
‫ع ّدة‬ Ditulis ‘iddah
C. Tᾱ’ marbūṭah
Semua tᾱ’ marbūṭah ditulis dengan h, baik berada pada akhir kata
tunggal ataupun berada di tengah penggabungan kata (kata yang diikuti oleh
kata sandang “al”). Ketentuan ini tidak diperlukan bagi kata-kata Arab yang
sudah terserap dalam bahasa indonesia, seperti shalat, zakat, dan sebagainya
kecuali dikehendaki kata aslinya.
‫حكمة‬ Ditulis Ḥikmah
‫علّـة‬ ditulis ‘illah
‫كرامة األولياء‬ ditulis karᾱmah al-auliyᾱ’
D. Vokal Pendek dan Penerapannya
‫ـــــــــَــــــــــ‬ Fatḥah ditulis A
‫ـــــــــِــــــــــ‬ Kasrah ditulis i
‫ــــــــــُـــــــــ‬ Ḍammah ditulis u
‫ف َعل‬ Fatḥah ditulis fa‘ala
‫ُذكر‬ Kasrah ditulis żukira
‫يَذهب‬ Ḍammah ditulis yażhabu
viii
E. Vokal Panjang
1. fatḥah + alif ditulis Ᾱ
‫جاهلـيّة‬ ditulis jᾱhiliyyah
2. fatḥah + yā’ mati ditulis ᾱ
‫تَـنسى‬ ditulis tansᾱ
3. Kasrah + yā’ mati ditulis ī
‫كريـم‬ ditulis karīm
4. Ḍammah + wāwu mati ditulis ū
‫فروض‬ ditulis furūḍ
F. Vokal Rangkap
1. fatḥah + yā’ mati Ditulis Ai
‫بـينكم‬ ditulis bainakum
2. fatḥah + wāwu mati ditulis au
‫قول‬ ditulis qaul
G. Vokal Pendek yang Berurutan dalam Satu Kata Dipisahkan dengan
Apostrof
‫أ أ نـتم‬ ditulis a’antum
‫اُع ّدت‬ ditulis u‘iddat
‫لئن شكرتـم‬ ditulis la’in syakartum
ix
H. Kata Sandang Alif + Lam
1. Bila diikuti huruf Qamariyyah maka ditulis dengan menggunakan huruf
awal “al”
‫القرأن‬ ditulis al-Qur’ᾱn
‫القياس‬ ditulis al-Qiyᾱs
2. Bila diikuti huruf Syamsiyyah ditulis sesuai dengan huruf pertama
Syamsiyyah tersebut
‫السّماء‬ Ditulis as-Samᾱ
‫ال ّشمس‬ Ditulis asy-Syams
I. Penulisan Kata-kata dalam Rangkaian Kalimat
Ditulis menurut penulisannya
‫ذوى الفروض‬ Ditulis żɑwi al-furūḍ
‫أهل السّـنّة‬ Ditulis ahl as-sunnah
x
KATA PENGANTAR
Dengan menyebut nama Allah yang Maha Pengasih lagi Maha Penyayang,
puji syukur hanya bagi Allah atas segala hidayah-Nya sehingga penyusun dapat
menyelesaikan Tesis dengan judul “Pengaruh Volatilitas Saham Bursa Efek
Indonesia, Harga Minyak Dunia dan Indeks Harga Barang dan Jasa terhadap Nilai
Tukar Rupiah Sebelum dan Sesudah Covid-19”. Sholawat serta salam semoga
tetap terlimpah-curahkan kehadirat junjungan kita Nabi besar Muhammad SAW,
keluarga dan sahabatnya.
Alhamdulillah atas ridho Allah SWT dan bantuan dari semua pihak,
akhirnya Tesis ini dapat terealisasikan. Oleh karena itu, dalam kesempatan ini
sudah sepatutnya penyusun mengucapkan banyak terima kasih kepada:
1. Prof. Dr. Phil. Al Makin, S.Ag., M.A., selaku Rektor UIN Sunan Kalijaga
Yogyakarta.
2. Dr. Afdawaiza, S.Ag., M.Ag., selaku Dekan Fakultas Ekonomi dan Bisnis
Islam UIN Sunan Kalijaga Yogyakarta.
3. Dr. Muhammad Ghafur Wibowo, S.E., M.Sc., selaku Kaprodi Magister
Ekonomi Syariah Fakultas Ekonomi dan Bisnis Islam UIN Sunan Kalijaga
Yogyakarta.
4. Dr. Ibnu Muhdir, M.AG., selaku dosen pembimbing akademik.
5. Dr. Abdul Qoyum, S.E.I., M.Sc.Fin., selaku dosen pembimbing tesis yang
telah membimbing, mengarahkan dan memberi masukan demi terwujudnya
penelitian ini.
6. Para Dosen Program Studi Magister Ekonomi Syariah Fakultas Ekonomi dan
Bisnis Islam UIN Sunan Kalijaga Yogyakarta.
7. Seluruh pegawai dan staf Tata Usaha Program Studi dan Fakultas Ekonomi
dan Bisnis Islam UIN Sunan Kalijaga Yogyakarta.
8. Teman kelas dan seluruh pihak yang tidak mampu penyusun sebutkan satu
persatu, terima kasih telah memberikan motivasi dalam proses penyelesaian
Tesis ini.
xi
Dengan keterbatasan pengalaman, ilmu maupun pustaka yang ditinjau,
penulis menyadari bahwa tesis ini masih banyak kekurangan dan pengembangan
lanjut agar benar benar bermanfaat. Oleh sebab itu, penulis sangat mengharapkan
kritik dan saran agar tesis ini lebih sempurna serta sebagai masukan bagi penulis
untuk penelitian dan penulisan karya ilmiah di masa yang akan datang.
Yogyakarta, 08 Agustus 2022

Penyusun,
(Mila Alim Bahri)
xii
ABSTRAK
Penelitian ini bertujuan untuk mengetahui faktor-faktor yang memengaruhi nilai

tukar rupiah terhadap dollar Amerika periode sebelum dan sesudah adanya
pandemi covid-19. Variabel yang digunakan pada penelitian ini adalah volatilitas
saham, harga minyak dunia, dan indeks harga barang dan jasa atau indek harga
konsumen. Pada penelitian ini sampel yang digunakan adalah perusahaan Indeks
Saham Syariah Indonesia (ISSI) sebanyak 242 perusahaan. Hasil penelitian
menunjukkan bahwa, 1) volatilitas saham tidak berpengaruh pada nilai tukar
rupiah sebelum covid-19, 2) harga minyak dunia berpengaruh positif terhadap
nilai tukar rupiah sebelum covid-19, 3) indeks harga barang dan jasa berpengaruh
positif terhadap nilai tukar rupiah sebelum covid-19, 4) volatilitas saham tidak
berpengaruh terhadap nilai tukar rupiah sesudah covid-19, 5) harga minyak dunia
berpengaruh negatif terhadap nilai tukar rupiah sesudah covid-19, dan 6) indeks
harga barang dan jasa tidak berpengaruh terhadap nilai tukar rupiah sesudah
covid-19.
Kata kunci: Harga Minyak Dunia, volatilitas Saham, Nilai Tukar Rupiah,
Indeks Harga Konsumen
xiii
ABSTRACT
This study aims to determine the factors that affect the exchange rate of the
rupiah against the US dollar in the period before and after the COVID-19
pandemic. The variables used in this study are stock volatility, world oil prices,
and the goods and services price index or the consumer price index. In this study,
the sample used was the Indonesian Sharia Stock Index (ISSI) as many as 242
companies. The results showed that, 1) stock volatility had no effect on the rupiah
exchange rate before covid-19, 2) world oil prices had a positive effect on the
exchange rate before covid-19, 3) the price index of goods and services had a
positive effect on the rupiah exchange rate before covid-19, 4) volatility stocks
have no effect on the rupiah exchange rate after covid-19, 5) world oil prices
have a negative effect on the rupiah exchange rate after covid-19, and 6) the price
index of goods and services has no effect on the exchange rate after covid-19.
Keywords:, World Oil Price, Stock volatility, Rupiah Exchange Rate, Consumer
Price Index
xiv
DAFTAR ISI
HALAMAN JUDUL
HALAMAN KEASLIAN.....................................................................................iii
HALAMAN PERSETUJUAN PUBLIKASI UNTUK KEPENTINGAN
AKADEMIK..........................................................................................................iv
MOTTO..................................................................................................................v
PERSEMBAHAN.................................................................................................vi
PEDOMAN TRANSLITERASI ARAB LATIN...............................................vii
KATA PENGANTAR..........................................................................................xii
ABSTRAK...........................................................................................................xiv
ABSTRACT..........................................................................................................xv
DAFTAR ISI........................................................................................................xvi
DAFTAR TABEL...............................................................................................xix
DAFTAR GAMBAR............................................................................................xx
DAFTAR LAMPIRAN.......................................................................................xxi
BAB I PENDAHULUAN.......................................................................................1
A. Latar Belakang..............................................................................................1
B. Rumusan Masalah.........................................................................................8
C. Tujuan dan Manfaat Penelitian.....................................................................9
D. Sistematika Pembahasan.............................................................................11
BAB II LANDASAN TEORI DAN KAJIAN PUSTAKA................................13

A. Landasan Teori............................................................................................13
1. Nilai Tukar.............................................................................................13
2. Volatilitas Saham...................................................................................20
3. Harga Minyak Dunia..............................................................................20
4. Indeks Harga Barang dan Jasa...............................................................23
B.Kajian Pustaka.................................................................................................25
C. Pengembangan Hipotesis............................................................................44
xv
1. Volatilitas Harga Saham dan Nilai Tukar Sebelum Covid......................44
2. Harga Minyak Dunia dan Nilai Tukar Sebelum Covid...........................45
3. Indeks Harga Barang dan Jasa dan Nilai Tukar Sebelum Covid............46
4. Volatilitas Harga Saham dan Nilai Tukar Sesudah Covid......................47
5. Harga Minyak Dunia dan Nilai Tukar Sesudah Covid............................48
6. Indeks Harga Barang dan Jasa dan Nilai Tukar Sesudah Covid.............49
B. Kerangka Pemikiran....................................................................................50
BAB III METODE PENELITIAN.....................................................................51

A. Jenis dan Pendekatan Penelitian.................................................................51
B. Populasi dan Sampel...................................................................................51
C. Definisi Operasional Variabel.....................................................................52
1. Variabel Dependen..................................................................................52
2. Variabel Independen................................................................................52
D. Metode Analisis..........................................................................................54
1. Model Estimasi Regresi Data Panel........................................................55
2. Pemilihan Model Estimasi Regresi Data Panel.......................................56
3. Uji Hipotesis............................................................................................58
4. Koefisien Determinasi (R2).....................................................................59
5. Uji Statistik Signifikansi Parsial (Uji t-Statistik)....................................59
BAB IV HASIL DAN PEMBAHASAN.............................................................61

A. Analisis Deskriptif......................................................................................61
B. Pengujian Hipotesis.....................................................................................64
C. Pembahasan.................................................................................................79
1. Pengaruh Volatilitas Harga Saham terhadap Nilai Tukar Sebelum Covid........79
2. Pengaruh Harga Minyak Dunia terhadap Nilai Tukar Sebelum Covid.............80
3. Pengaruh Indeks Harga Barang dan Jasa terhadap Nilai Tukar Sebelum Covid...
.........................................................................................................................81
4. Pengaruh Volatilitas Harga Saham terhadap Nilai Tukar Sesudah Covid.........81
5. Pengaruh Harga Minyak Dunia terhadap Nilai Tukar Sesudah Covid..............82
6. Pengaruh Indeks Harga Barang dan Jasa terhadap Nilai Tukar Sesudah Covid83
xvi
BAB V PENUTUP................................................................................................85
A. Kesimpulan.................................................................................................85
B. Implikasi......................................................................................................85
C. Keterbatasan dan Saran...............................................................................86
Daftar Pustaka......................................................................................................88
LAMPIRAN..........................................................................................................93
xvii
DAFTAR TABEL
Tabel 1. 1 Pertumbuhan Ekonomi Indonesia Tahun 2015-2021............................1

Tabel 4. 1 Hasil Statistik Deskrptif Data Sebelum Covid.....................................61
Tabel 4. 2 Hasil Statistik Deskrptif Data Sesudah Covid.....................................63
Tabel 4. 3 Hasil Uji Chow....................................................................................65
Tabel 4. 4 Hasil Uji Hausman..............................................................................66
Tabel 4. 5 Hasil Uji Lagrange...............................................................................67
Tabel 4. 6 Hasil Uji Chow...................................................................................68
Tabel 4. 7 Hasil Uji Hausman...............................................................................69
Tabel 4. 8 Hasil Uji Lagrange...............................................................................71
Tabel 4. 9 Hasil Regresi Random Effect Model Sebelum Covid..........................71
Tabel 4. 10 Hasil Regresi Random Effect Model Sesudah Covid.........................73
Tabel 4. 11 Hasil Uji Koefisien Determinasi Sebelum Covid.............................75
Tabel 4. 12 Hasil Uji Koefisien Determinasi Sesudah Covid..............................75
Tabel 4. 13 Hasil Uji Signifikan t pada Sebelum Covid......................................76
xviii
DAFTAR GAMBAR
Gambar 1. 1 Grafik Nilai Tukar Rupiah terhadap Dollar Amerika........................3
xix
DAFTAR LAMPIRAN
LAMPIRAN. 1 SAMPEL DATA PERUSAHAAN.............................................94

LAMPIRAN. 2 KONSISTENSI DATA PERUSAHAAN...................................95
LAMPIRAN. 3 LAMPIRAN KURS TRANSAKSI...........................................108
LAMPIRAN. 4 KURS TRANSAKSI.................................................................115
LAMPIRAN. 5 IHK............................................................................................143
LAMPIRAN. 6 VOSKALITAS SAHAM..........................................................144
LAMPIRAN. 7 OUTPUT REGRESI DATA PANEL SEBELUM COVID.....241
BAB I
PENDAHULUAN
A. Latar Belakang
Perekonomian suatu negara dapat dilihat dari naik turunnya pertumbuhan
ekonomi. Indonesia merupakan salah satu negara berkembang dengan tingkat
pertumbuhan ekonomi yang fluktuatif. Data dari Badan Pusat Statistik
menyatakan bahwa pertumbuhan ekonomi pada 2018 lebih tinggi dibandingkan
tahun 2019. Pertumbuhan ekonomi pada tahun tersebut merupakan pertumbuhan
ekonomi sebelum terjadinya pandemi covid-19. Sedangkan pada tahun 2020 jika
dibandingkan dengan tahun 2019 mengalami kontraksi sebesar -2,07%.
Pertumbuhan ini menjadi pertumbuhan terendah selama 4 tahun terakhir. Berikut
ini merupakan data pertumbuhan ekonomi dari tahun 2015-2021:
Tabel 1. 1 Pertumbuhan Ekonomi Indonesia Tahun 2015-2021
Tahun Pertumbuhan Ekonomi

2015 4,88%
2016 5,03%
2017 5,07%
2018 5,17%
2019 5,02%
2020 -2,07%
2021 3,69%
Sumber: Badan Pusat Statistik
Pertumbuhan ekonomi Indonesia pada tahun 2020 mendapat tekanan cukup
kuat terutama pada semester 1 2020. Hal tersebut sejalan dengan perlambatan
ekonomi dunia akibat Covid-19 dan adanya Pembatasan Sosial Berskala Besar
untuk mencegah penyebaran covid-19. Di Indonesia sendiri penyebaran virus
Covid-19 cukup berdampak besar bagi prekenomian dikarenakan lonjakan jumlah
1
2
penderita dengan fatality rate yang tinggi. Menurut data akumulasi sejak 2 Maret-
4 Mei 2020 sebanyak 11.192 kasus positif dan 8452 meninggal sehingga hal
tersebutlah yang menyebabkan kepanikan di kalangan pemerintah, masyarakat,
maupun kalangan pelaku pasar. Oleh karenanya pandemi Covid-19 ini dinilai
tidak hanya menjadi permasalah kesehatan global saja, melainkan juga berdampak
bagi berbagai sektor perekonomian global, termasuk perusahaan-perusahaan yang
terdaftar di Bursa Efek Indonesia khususnya pada nilai tukar rupiah. Nilai tukar
rupiah terhadap mata uang asing terutama dollar Amerika Serikat merupakan
salah satu indikator penting dalam menganalisis perekonomian Indonesia, hal ini
dikarenakan salah satu mata uang asing paling dominan dan dikenal luas secara
internasional adalah mata uang dollar Amerika. Disamping itu mata uang dollar
Amerika digunakan untuk alat pembayaran internasional. Menurut penelitian yang
dilakukan oleh Haryanto (2020) covid-19 berdampak pada depresiasi Rupiah
terhadap Dollar AS dan berdampak pada menurunnya Composite Stock Price
Index sehingga diperlukan intervensi kebijakan untuk mengendalikan penyebaran
virus dan mengendalikan kepanikan dengan tujuan agar tidak berdampak pada
rupiah dan nilai tukar rupiah melalui berbagai kebijakan stimulus.
Nilai tukar yang cenderung fluktuatif memberikan dampak negatif pada
sistem keuangan dan pasar saham, sehingga ketidakstabilan inilah yang menjadi
perhatian khusus bagi para pemangku kebijakan, pelaku pasar ekonomi baik skala
nasional maupun global, sehingga nilai tukar dianggap dapat memberikan dampak
pada stabilitas ekonomi dan kinerja pasar keuangan baik nasional maupun global.
3
Seperti yang ditunjukan pada gambar grafik dibawah, nilai tukar rupiah terhadap
Dollar Amerika berfluktuatif pada setiap tahunnya:
Gambar 1. 1 Grafik Nilai Tukar Rupiah terhadap Dollar Amerika
15000.00
14500.00
14000.00
13500.00
13000.00
12500.00
2015 2016 2017 2018 2019 2020 2021
Rata-rata Nilai Tukar Rupiah terhadap Dolar Amerika
Sumber: Bank Indonesia, 2022
Grafik di atas menunjukkan bahwa nilai tukar rupiah terhadap Dollar
Amerika tertinggi terjadi pada tahun 2020 dengan rata-rata sebesar Rp 14.572.
Laporan Perekonomian Indonesia tahun 2020 menjelaskan bahwa naiknya nilai
tukar rupiah terhadap dollar Amerika saat itu disebabkan oleh keadaan
perekonomian dunia yang tidak stabil akibat adanya pandemi covid-19. Pandemi
covid-19 yang melanda Indonesia sejak awal 2020 membuat kondisi
perekonomian menjadi terganggu akibat adanya kebijakan pembatasan sosial yang
diterapkan oleh pemerintah pada saat itu. Adanya pandemi covid-19 membuat
ketidakpastian pada pasar keuangan.
Nilai tukar rupiah yang rentan berfluktuasi ini dapat diakibatkan oleh faktor
eksternal maupun faktor internal. Salah satu faktor yang dapat mempengaruhi
4
nilai tukar rupiah terhadap dollar Amerika adalah volatilitas saham. Volatilitas
saham merupakan fluktuasi dari harga saham, return dari suatu sekuritas atau
portofolio dalam suatu periode tertentu (Jogiyanto, 2010). Harga saham dalam
keadaan tertentu cenderung cepat mengalami perubahan, hal ini dapat disebabkan
pengaruh dari kondisi pasar saham. Harga saham yang memiliki volatilitas besar
sangat sulit untuk diprediksi, dikarenakan volatilitas yang meningkat atau turun
dengan cepat dapat menyebabkan harga saham mengalami kenaikan atau
penurunan secara cepat juga (Selpiana & Badjra, 2018). Jadi karena
berfluktuatifnya volatilitas inilah yang akan mengakibatkan pengaruh pada nilai
tukar. Seperti yang ditunjukan dari hasil penelitian yang telah dilakukan oleh
Reboredo et al (2016) bahwa terdapat hubungan yang positif antara perubahan
harga saham dengan nilai tukar domestik pada beberapa negara berkembang
terhadap dollar Amerika dan euro. Dengan demikian volatilitas saham dapat
berdampak pada nilai tukar di suatu negara. Dan dengan adanya pendemi Covid-
19 yang juga ikut menjadi salah satu faktor yang mempengaruhi perubahan
kondisi pasar, yang mana penyebarannya memiliki dampak negatif yang
signifikan terhadap volatilitas saham. Hal ini disebabkan kerugian ekonomi yang
telah membuat pasar modal rentan menjadi dan sangat bergejolak (Chowdhury et
al., 2022). Pada masa pandemi di Indonesia berbagai sektor industri terkena
dampak tak terkecuali sektor financial, aksi jual beli saham mengalami fluktuasi
sejak kasus pertama mewabah di Indonesia. Nilai tukar rupiah mengalami
penurunan dan pelemahanpada masa pandemic covid-19, pelemahan ini
mengakibatkan sikap pesimis pelaku bisnis yang menyebabkan menurunnya minat

5
investor untuk melakukan jual beli saham. Sehingga berdampak pada volatilitas
saham.
Faktor lainnya yang dapat mempengaruhi nilai tukar rupiah terhadap dollar
Amerika adalah harga minyak dunia. Minyak merupakan komoditas penting bagi
Indonesia. Menurut data dari BP Global Company konsumsi minyak di Indonesia
pada tahun 2019 sebesar 1,6 juta barel per hari dengan harganya yang cenderung
mengalami fluktuasi dari tahun ke tahun. Menurut penelitian yang telah dilakukan
oleh Singhal, Choudhary and Biswal (2019), Delgado et al. (2018),
Nurmakhanova and Katenova (2019), serta Wang, Geng and Guo (2022)
menyebutkan bahwa harga minyak berpengaruh terhadap nilai tukar. Berdasarkan
penelitian yang dilakukan oleh Delgado et al. (2018) menjelaskan bahwa adanya
penurunan harga minyak di Meksiko membuat negara tersebut kehilangan
investasi akibat adanya depresiasi pada peso Meksiko. Sebaliknya jika harga
minyak terjadi kenaikan maka akan terjadi apresiasi pada peso Meksiko. Dan
menurut penelitian yang dilakukan oleh Algamdi et al (2021) menjelaskan
dampak pandemi covid-19 terhadap harga minyak dunia yang menilai virus covid-
19 membuka krisis pada pasar, investasi, perdagangan, pertumbuhan industri, dan
pengesahan publik, dengan hal ini stok minyak akan membebani harga minyak
dalam jangka pendek dengan permintaan yang akan lebih banyak. Hasil penelitian
ini menunjukan bahwa minyak dan saham akan bernilai negatif selama pandemi
dikarenakan ketidakpastian yang terkait dengan pasar modal. Situasi tak terduga
seperti pandemi dinilai dapat berdampak signifikan pada fundamental pasar dalam
jangka pendek dan terhadap hubungan dengan indeks dan harga minyak.
6
Faktor lainnya yang juga dapat memengaruhi nilai tukar rupiah terhadap
dollar Amerika adalah Indeks Harga Barang dan Jasa atau Indeks Harga
Konsumen. Indeks Harga Konsumen merupakan angka indeks yang menunjukkan
tingkat harga barang dan jasa yang dibeli konsumen dalam suatu periode tertentu
(Mankiw, 2018). Menurut Sukirno (2019) Indeks Harga Konsumen adalah sebuah
indeks yang mengukur harga suatu barang atau jasa yang sering kali digunakan
oleh konsumen ataupun rumah tangga dan biasanya indeks harga konsumen ini
digunakan sebagai acuan untuk mengukur inflasi. Dalam penelitian yang
dilakukan oleh Delgado et al (2018) menunjukkan bahwa Indeks Harga
Konsumen berpengaruh terhadap nilai tukar di Meksiko. Jadi meningkatnya
Indeks Harga Konsumen merupakan indikator terjadinya peningkatan inflasi di
suatu negara akan membuat permintaan atas mata uang negara tersebut menurun
dikarenakan menurunnya ekspor akibat adanya depresiasi mata uang. Indeks
harga konsumen yang digunakan sebagai indikator terjadi peningkatan inflasi di
suatu negara mengakibatkan permintaan atas mata uang negara tersebut menurun,
hal ini di sebabkan pandemic covid-19 yang terjadi berdampak pada terganggunya
perekonomian sehingga indeks harga konsumen tidak berjalan optimal.
Beberapa penelitian yang telah dilakukan sebelumnya seperti peneltian
Singhal, Choudhary and Biswal (2019) yang bertujuan untuk menyelidiki
hubungan dinamis antara harga minyak internasional, harga emas internasional,
nilai tukar, dan indeks pasar saham di Meksiko. Penelitian menunjukkan hasil
bahwa harga emas internasional berpengaruh positif tehadap harga saham,
sedangkan harga minyak mentah memengaruhi harga saham secara negatif. Harga
7
minyak mentah berpengaruh secara negatif terhadap nilai tukar, sedangkan harga
emas tidak memiliki pengaruh signifikan terhadap nilai tukar. Penelitian
Mahalakshmi et al., (2022) bertujuan untuk mengetahui return dan volatility
spillover antara mata uang India terhadap dollar Amerika dan volatilitas indeks
saham di negara tentangga. Hasil penelitian menunjukkan bahwa saat Rupee India
terdepresiasi terhadap Dollar Amerika, maka investor menarik kembali investasi
mereka pada pasar saham asia lainnya dan berinvestasi di pasar saham India,
begitu pula sebaliknya ketika Rupee India terapresiasi investor akan melepaskan
investasi mereka untuk mendapatkan keuntungan.
Penelitian lainnya yang dilakukan oleh Nusair & Olson (2022) bertujuan
untuk mengetahui pengaruh jangka pendek dan jangka panjang antara harga
saham dan nilai tukar di negara-negara G7. Hasil penelitian menunjukkan bahwa
pada empat negara ditemukan bahwa naik dan turunnya harga saham memiliki
efek jangka panjang yang signifikan terhadap nilai tukar. Menurut penelitian
Wang, Geng and Guo (2022) yang bertujuan untuk menganalisis dampak dari
perubahan harga minyak terhadap nilai tukar negara. Hasil penelitian
menunjukkan bahwa fluktuasi harga minyak berdampak pada perubahan nilai
tukar pada masing-masing negara. Namun efek ini asimetris antara negara
penghasil minyak dan non penghasil minyak.
Berdasarkan beberapa penelitian terdahulu yang telah meneliti faktor-faktor
yang memengaruhi nilai tukar, namun belum ada yang menggunakan variabel
volatilitas saham, harga minyak dunia, dan indeks harga barang dan jasa dalam
satu penelitian. Maka pada penelitian ini mengusulkan untuk mengetahui faktor-
8
faktor yang memengaruhi nilai tukar rupiah terhadap dollar Amerika dengan
menggunakan variabel volatilitas saham, harga minyak dunia, dan indeks harga
barang dan jasa. Dipilihnya nilai tukar rupiah terhadap dollar Amerika
dikarenakan objek penelitian yang dilakukan di Indonesia yang menggunakan
mata uang rupiah serta dollar Amerika sebagai mata uang internasional yang
sering kali digunakan dalam perdagangan internasional.
Pada penelitian ini menggunakan variabel volatilitas saham, harga minya
dunia, dan indeks harga barang dan jasa pada periode sebelum dan sesudah covid-
19. Periode tahun penelitian 2015-2021 dipilih karena untuk melihat perbedaan
faktor-faktor yang memengaruhi nilai tukar rupiah sebelum dan sesudah
terjadinya covid-19. Berdasarkan uraian di atas, peneliti tertarik melakukan
penelitian untuk mengetahui pengaruh antara volatilitas saham, harga minyak
dunia, dan indeks harga barang dan jasa terhadap nilai tukar rupiah pada sebelum
dan sesudah covid-19, sehingga judul penelitian ini adalah “Pengaruh Volatilitas
Saham Bursa Efek Indonesia, Harga Minyak Dunia dan Indeks Harga Barang dan
Jasa terhadap Nilai Tukar Rupiah Sebelum dan Sesudah Covid-19”.
B. Rumusan Masalah
Berdasarkan uraian latar belakang di atas, maka untuk rumusan masalah
dalam penelitian ini adalah sebagai berikut:
1. Bagaimana pengaruh volatilitas saham terhadap nilai tukar rupiah
sebelum covid-19?
2. Bagaimana pengaruh harga minyak dunia terhadap nilai tukar rupiah
sebelum covid-19?
9
3. Bagaimana pengaruh indeks harga barang dan jasa terhadap nilai tukar
rupiah sebelum covid-19?
4. Bagaimana pengaruh volatilitas saham terhadap nilai tukar rupiah
sesudah covid-19?
5. Bagaimana pengaruh harga minyak dunia terhadap nilai tukar rupiah
sesudah covid-19?
6. Bagaimana pengaruh indeks harga barang dan jasa terhadap nilai tukar
rupiah sesudah covid-19?
C. Tujuan dan Manfaat Penelitian
Berdasarkan rumusan masalah di atas, maka tujuan dalam penelitian ini
adalah sebagai berikut:
1. Untuk menganalisis pengaruh volatilitas saham terhadap nilai tukar
rupiah periode sebelum covid-19.
2. Untuk menganalisis pengaruh harga minyak dunia terhadap nilai tukar
rupiah periode sebelum covid-19.
3. Untuk menganalisis pengaruh indeks harga barang dan jasa terhadap
nilai tukar rupiah periode sebelum covid-19.
4. Untuk menganalisis pengaruh volatilitas saham terhadap nilai tukar
rupiah periode sesudah covid-19.
5. Untuk menganalisis pengaruh harga minyak dunia terhadap nilai tukar
rupiah periode sesudah covid-19.
6. Untuk menganalisis pengaruh indeks harga barang dan jasa terhadap
nilai tukar rupiah periode sesudah covid-19.

10
Adapun manfaat dari penelitian ini yaitu:
1. Manfaat Teoritis
Manfaat teoritis yang diharapkan pada penelitian ini adalah hasil
penelitian dapat menjadi tambahan ilmu pengetahuan terkait dengan
faktor-faktor yang memengaruhi nilai tukar rupiah diantaranya adalah
volitilitas saham, harga minyak dunia, dan indeks harga barang dan
jasa. Selain itu, hasil pada penelitian ini diharapkan dapat menjadi
acuan bagi penelitian selanjutnya agar dapat mengembangkan
penelitian menjadi lebih baik.
2. Manfaat Praktis
a. Bagi Pemerintah
Hasil pada penelitian ini diharapkan dapat menjadi bahan dan sumber
informasi bagi pemerintah terkait faktor-faktor apa saja yang
memengaruhi nilai tukar rupiah untuk memperhatikan langkah dalam
membuat kebijakan ekonomi yang berkaitan dengan nilai tukar rupiah.
b. Bagi Investor
Hasil penelitian ini diharapkan dapat menjadi bahan pertimbangan
investor dalam melakukan pengambilan keputusan untuk melakukan
investasi di pasar saham.
D. Sistematika Pembahasan
Sistematika pembahasan ini merupakan gambaran umum mengenai
keseluruhan penelitian. Sistematika pembahasan terdiri dari 5 bab yaitu:

11
Bab 1 Pendahuluan, dimana pada bab ini menjelaskan pemikiran-
pemikiran yang mendasari penulis untuk melakukan penelitian. Bab ini
menguraikan penelitian secara garis besar yang berisikan latar belakang
penelitian, rumusan masalah, manfaat dan tujuan penelitian, serta sistematika
pembahasan.
Bab 2 Landasan Teori dan Kajian Pustaka, yang mana pada bab ini akan
dijelaskan landasan teori dan konsep yang mendukung penelitian, hubungan antar
variabel dan model konsep serta hipotesis penelitian.
Bab 3 Metode Penelitian, yaitu menjelaskan mengenai jenis dan
pendekatan penelitian, populasi, dan sampel yang akan digunakan dalam
penelitian,. Selain itu dalam bab ini juga berisi definisi operasioal variabel dan
metode analisis yang digunakan.
Bab 4 Analisis dan Pembahasan, bab ini mencakup isi dari penelitian yang
dilaksanakan oleh peneliti. Pada bab ini akan diuraikan mengenai analisis
terhadap data yang diperoleh dari objek penelitian berdasarkan topik yang akan
diteliti, kemudian pembahasan dari pengujian hipotesis yang dikaitkan dengan
penelitian terdahulu atau teori yang sudah ada.
Bab 5 Kesimpulan dan Saran, yang berisi kesimpulan dari hasil penelitian
yang dilaksanakan oleh peneliti yang dapat menjawab rumusan masalah pada bab
1 dan saran yang diberikan peneliti sebagai usulan kepada peneliti selanjutnya,
atau pengguna yang akan menggunakan hasil penelitian, serta pihak-pihak lain
yang berkepentingan untuk menggunakan hasil penelitian ini.

BAB II
LANDASAN TEORI DAN KAJIAN PUSTAKA
A. Landasan Teori
1. Nilai Tukar
a. Pengertian Nilai Tukar
Nilai tukar adalah harga yang digunakan penduduk beberapa
negara untuk bertransaksi di pasar dunia (Mankiw, 2018). Nilai tukar
atau exchange rate dapat terjadi karena adanya pertukaran suatu
komoditas baik barang atau jasa dari dua negara atau lebih dengan
mata uang yang berbeda. Nilai tukar dapat dipengaruhi oleh
perubahan suatu harga barang atau jasa dengan mata uang asing
sebagai tolak ukur di masa mendatang (Zubaid & Rusgianto, 2020).
Nilai tukar mempunyai peran penting dalam perdagangan
internasional karena memungkinkan untuk membandingkan harga
barang atau jasa yang diproduksi di berbagai negara (Krugman et al.,
2017).
Hubungan nilai tukar rupiah dengan perusahaan terletak pada
meningkatnya permintaan untuk transaksi. Pada saat nilai tukar dalam
negeri mengalami depresiasi maka nilai indeks di BEI akan menurun,
penurunan indeks ini dapat membuat investor untuk tetap memegang
sahamnya (hold) sehingga tidak banyak terjadi penjualan saham, maka
hal ini berakibat rendahnya harga saham pada suatu perusahaan. Naik
turunnya nilai tukar rupiah menyebabkan peningkatan dan pelemahan
12
13
sikap optimis dan pesimis investor. Untuk meyakinkan investor
diperlukannya sejumlah stimulus ekonomi yang dilakukan
pemerintah, tak terkecuali Bank Indonesia yang ikut melengkapi
kebijakan di bidang moneter untuk memperkuat nilai tukar rupiah.
b. Penentuan Nilai Tukar
Menurut Delgado (2018); Singhal, Choudhary and Biswal (2019);
Maitra & Dawar (2019), nilai tukar pada suatu negara dapat
dipengaruhi oleh indeks harga konsumen, harga minyak mentah dan
indeks harga saham di suatu negara. Menurut Darmawan (2018),
faktor-faktor yang dapat mempengaruhi perubahan dalam permintaan
dan penawaran suatu valuta antara lain:
1) Tingkat Inflasi
Tingkat inflasi dapat berpengaruh terhadap nilai tukar dikarenakan
rasio uang dalam daya beli (paritas daya beli) yang digunakan
sebagai titik nilai tukar yang dapat mengartikan hukum nilai.
Dengan meningkatnya nilai inflasi pada suatu negara maka akan
berdampak pada penurunan mata uang nasional dan sebaliknya.
Nilai inflasi yang menyusut akan mengurangi daya beli dan
kecenderungan untuk menjatuhkan nilai tukar mata uang suatu
negara terhadap mata uang negara-negara di mana tingkat inflasi
yang lebih rendah. Pengukuran inflasi pada beberapa negara dapat
menggunakan nilai perubahan dari Indeks Harga Konsumen.

14
2) Aktifitas Neraca Pembayaran
Pengaruh neraca pembayaran terhadap nilai tukar dilihat pada
peningkatan permintaan dari debitur asing. Saldo pembayaran yang
pasif menjadi faktor yang menyebabkan penurunan nilai tukar mata
uang nasional sebagai seorang debitur dalam negeri untuk
menggunakan mata uang asing dalam pembayaran kewajiban
eksternal.
3) Perbedaan Suku Bunga di Berbagai Negara
Suku bunga dapat mempengaruhi arus modal internasional
dikarenakan kenaikan suku bunga akan menaikan masuknya modal
asing, hal ini disebabkan di negara dengan modal tinggi, tingkat
suku bunga masuk, permintaan untuk meningkatkan mata uang
sehingga akan menjadi lebih mahal.
4) Tingkat Pendapatan Relatif
Pendapatan relatif dapat mempengaruhi permintaan dan penawaran
dalam pasar mata uang asing dikarenakan laju pertumbuhan
pendapatan terhadap harga-harga luar negeri.
5) Kontrol Pemerintah
Pemerintah menjadi pengaruh dalam keseimbangan nilai tukar
pada beberapa hal antara lain digunakan untuk menghindari
hambatan nilai tukar valuta asing, menghindari hambatan

15
perdagangan luar negeri, dan intervensi di pasar uang yaitu dengan
menjual dan membeli uang.
6) Ekspektasi
Pasal valas memiliki reaksi yang tinggi dan cepat atas berita yang
memiliki dampak pada masa depan sehingga ekspektasi
masyarakat pada masa depan akan mempengaruhi nilai tukar valuta
asing.
c. Teori Pendekatan Nilai Tukar
Beberapa teori dapat memberikan penjelasan mengenai faktor-
faktor yang menentukan nilai tukar di suatu negara. Adapun teori-teori
tersebut adalah:
1) Teori Pendekatan Perdagangan
Menurut Salvatore (2013), teori pendekatan perdagangan pada
pembentukan nilai tukar didasarkan pada nilai tukar antara dua
mata uang berbeda ditentukan oleh perdagangan barang atau
jasa yang terjadi di antara kedua negara atau melalui proses
ekspor-impor. Jika suatu negara memiliki nilai impor lebih besar
dari pada nilai ekpsornya artinya negara tersebut mengalami
defisit perdagangan. Hal tersebut membuat mata uang negara
tersebut mengalami depresiasi. Depresiasi mata uang akan
membuat harga komoditas ekspor menjadi lebih murah,
sedangkan barang impor menjadi lebih mahal untuk masyarakat
negara tersebut. Salah satu komoditas ekspor-impor yang

16
diperjualbelikan di perdagangan internasional adalah minyak
mentah.
2) Teori Paritas Daya Beli
Berdasarkan teori paritas daya beli, nilai tukar mata uang suatu
negara dengan negara lain dibentuk oleh tingkat harga pada
masing-masing negara. Harga suatu barang atau jasa dalam
suatu negara harus serupa dengan barang atau jasa sejenis di
negara lain sesuai dengan nilai tukar yang berlaku di kedua
negara tersebut. Daya beli domestik dari sebuah mata uang
terefleksikan seluruhnya pada tingkat harga yang berlaku di
negara tersebut. Teori paritas daya beli dapat menduga bahwa
penurunan daya beli mata uang domestik akan diikuti dengan
depresiasi mata uangnya secara proporsional dalam pasar valas.
Hal sebaliknya paritas daya beli memprediksi adanya kenaikan
daya beli mata uang domestik diikuti oleh apresiasi mata uang
secara proporsional pula (Salvatore, 2013).
d. Jenis Nilai Tukar
Mankiw (2018) membedakan nilai mata uang menjadi dua
macam, yaitu:
1) Nilai Tukar Riil

17
Merupakan nilai tukar saat seseorang dapat memperjualbelikan
barang atau jasa suatu negara untuk barang dan jasa dari negara
lain. Nilai tukar riil dapat ditentukan oleh nilai tukar nominal
dengan harga barang di luar negeri.
2) Nilai Tukar Nominal
Merupakan nilai dimana seseorang dapat memperjualbelikan
mata uang suatu negara untuk mata uang negara lain. Nilai tukar
nominal adalah nilai tukar yang diberlakukan dalam pasar valuta
asing.
e. Sistem Nilai Tukar
Sistem nilai tukar menurut Madura (2018) dapat dikategorikan
menjadi empat jenis berdasarkan dengan kebijakan tingkat
pengendalian nilai tukar yang diterapkan pada sebuah negara. Adapun
keempat jenis sistem nilai tukar tersebut adalah sebagai berikut:
1) Sistem Nilai Tukar Tetap
Pada sistem nilai tukar tetap, nilai tukar sudah ditetapkan
konstan atau dapat juga berfluktuasi hanya dalam batas yang
sangat sempit. Pemerintah melalui bank sentral melakukan
intervensi untuk mempertahankan nilai mata uang dalam batas-
batas yang sempit. Bank sentral harus melakukan perimbangan
akibat ketidaksesuaian antara permintaan dan penawaran untuk
mencegah perubahan pada nilai mata uangnya.

18
2) Sistem Nilai Tukar Mengambang Bebas
Pada sistem nilai tukar mengambang bebas, nilai tukar
ditentukan oleh kondisi pasar tanpa campur tangan dari
pemerintah atau bank sentral. Sistem nilai tukar mengambang
bebas menyesuaikan kondisi permintaan dan penawaran untuk
mata uang tersebut. Keuntungan dari sistem nilai tukar
mengambang bebas yaitu suatu negara tidak terkena dampak
dari inflasi negara lain, tidak terdampak masalah pengangguran
di negara lain, dan setiap pemerintahan negara bebas untuk
menerapkan kebijakan terlepas dari pengaruhnya terhadap nilai
tukar. Indonesia merupakan salah satu negara yang menerapkan
sistem nilai tukar mengambang bebas.
3) Nilai Tukar Mengambang Terkendali
Sistem nilai tukar mengambang terkendali memungkinkan nilai
mata uangnya mengambang secara harian, tetapi pemerintah
dapat melakukan intervensi secara berkala untuk mencapai
tujuan tertentu. Bank sentral dapat melakukan intervensi untuk
mempertahankan nilai mata uang negaranya pada batas-batas
tertentu yang mana intervensi tersebut tidak perlu untuk
diungkapkan kepada publik. Intervensi yang dilakukan oleh
bank sentral untuk mencegah mata uang negaranya agar tidak
bergerak terlalu jauh ke arah tertentu atau untuk mencapai
kondisi perekonomian yang diharapkan sebuah negara.

19
Mayoritas negara maju seperti Amerika Serikat, Inggris, dan
Jepang menerapkan sistem nilai tukar mengambang terkendali
dimana terkadang memberlakukan batasan yang membatasi
pergerakan mata uang mereka.
4) Sistem Nilai Tukar Terikat
Pada sistem nilai tukar terikat, nilai tukar sebuah negara terikat
dengan mata uang negara lain. Pemerintah negara tersebut dapat
memilih untuk terikat pada mata uang yang dianggap stabil
seperti dollar Amerika. Negara yang menerapkan sistem nilai
tukar terikat dikarenakan mata uang negara tersebut sangat
fluktuatif karena adanya ketidakpastian ekonomi dan politik.
2. Volatilitas Saham
Volatilitas saham merupakan fluktuasi dari harga saham, return dari
suatu sekuritas atau portofolio dalam suatu periode tertentu. Volatilitas
saham menunjukkan terdapat pola perubahan pada harga saham yang
diharapkan dalam pengembalian saham (Jogiyanto, 2010). Menurut
Hussainey et al. (2011) volatilitas harga saham adalah ukuran dalam
menentukan risiko dalam investasi dan dapat menunjukkan perubahan pada
harga saham selama jangka waktu tertentu. Habib et al. (2012) menyatakan
bahwa volatilitas saham merupakan risiko yang harus ditanggung oleh
investor yang berinvestasi pada saham biasa. Volatilitas dapat terjadi karena
masuknya informasi baru ke dalam pasar saham atau bursa. Hal tersebut
20
mengakibatkan investor melakukan penilaian kembali dengan aset yang
akan diperjualbelikan.
3. Harga Minyak Dunia
Minyak mentah adalah komoditas berupa sumber energi yang penting
dan dibutuhkan untuk perekonomian negara (Wang et al., 2022). Minyak
mentah atau minyak bumi berupa cairan yang memiliki kultur kental dengan
warna kehijauan atau coklat pekat dan mempunyai sifat yang mudah
terbakar (Junaidi et al., 2021). Minyak mentah dapat diolah menjadi
berbagai sumber energi seperti solar, Liquified Petroleum Gas (LPG),
minyak pelumas, dan lain sebagainya. Sumber-sumber energi tersebut yang
dijadikan sebagai bahan dasar baik untuk kelangsungan produksi maupun
menunjang sarana transportasi masyarakat.
Kebutuhan akan minyak pada setiap negara biasanya meningkat setiap
tahunnya. Meningkatnya kebutuhan minyak seiring dengan munculnya
negara-negara industri baru yang dapat secara tidak langsung
mempengaruhi harga minyak (Junaidi et al., 2021). Terdapat beberapa harga
acuan yang digunakan untuk minyak bumi dengan yang paling banyak
digunakan adalah sebagai berikut:
a. WTI (West Texas Intermediate)
WTI adalah minyak bumi yang berasal dari Amerika bagian utara.
Minyak yang dihasilkan oleh WTI terkenal dengan kualitas yang
bagus untuk memproduksi bahan bakar dengan jenis minyak yang
lebih ringan dan mudah diolah.

21
b. Brent
Brent adalah minyak hasil tambang yang berasal dari Laut Utara
Eropa. Nama Brent berasal dari lahan tambang yang mulai beroperasi
pada tahun 1970. Hampir 40% dari pembentukan harga minyak
menggunakan Brent sebagai acuan dan terus digunakan sampai
sekarang.
Minyak mentah memiliki sifat yang dapat dilihat dari beberapa sifat berikut
ini menurut Kementerian ESDM (2018):
a. Berat jenis
Dari berat jenisnya minyak dapat dikategorikan sebagai minyak
ringan, berat atau kondensat (gas)
b. Viskositas
Viskositas atau kekentalan merupakan ukuran keengganan cairan
untuk mengalir. Semakin tinggi temperaturnya, viskositas akan
menurun sehingga cairan akan semakin mudah mengalir. Sebaliknya
terhadap tekanan, semakin tinggi tekanan, viskositas akan semakin
naik.
c. Warna
Warna pada minyak mentah bervariasi mulai dari yang jernih, hijau
kekuningan, ada yang memiliki warna kemerahan, dan berwarna
hitam pekat.
d. Pour Point
22
Pour point atau sifat minyak mentah berdasarkan titik tuangnya. Pour
point merupakan ukuran temperatur terendah dimana minyak masih
dapat mengalir sebelum berubah menjadi padat. Minyak dengan pour
point rendah lebih disukai karena memudahkan operasi, seperti
pemompaan dan tahan temperatur rendah
e. Bau
Bau pada minyak mentah beraneka macam ada yang berbau mirip
bensin (sweet crudes), ada yang berbau mirip buah matang (aromatic
crude), atau seperti telur busuk (sour crude)
4. Indeks Harga Barang dan Jasa
a. Pengertian Indeks Harga Barang dan Jasa
Indeks Harga Barang dan Jasa atau Indeks Harga Konsumen
merupakan suatu pengukuran untuk keseluruhan biaya dari sebuah
barang atau jasa yang dibeli konsumen (Mankiw, 2018). Blanchard
(2017) mendefinisikan indeks harga barang dan jasa sebagai biaya
dari barang atau jasa yang dikonsumsi oleh penduduk. Menurut
Sukirno (2019) Indeks Harga Barang dan Jasa adalah sebuah indeks
yang mengukur harga suatu barang atau jasa yang sering kali
digunakan oleh konsumen maupun rumah tangga dan biasanya indeks
harga konsumen digunakan untuk mengukur inflasi. Pengukuran

23
inflasi pada beberapa negara dapat menggunakan nilai perubahan dari
Indeks Harga Konsumen. Adanya fluktuasi pada besaran nilai IHK
menunjukkan adanya ketidakstabilan harga di pasar yang dapat
mempengaruhi rata-rata harga antara produsen dengan konsumen
(bps.go.id).
Indeks Harga Konsumen selain menjadi indikator inflasi suatu
negara dapat juga menjadi indikator stabilitas ekonomi. Sebagai
indikator stabilitas ekonomi IHK dapat dilihat dari laju inflasinya.
Semakin tinggi inflasi, maka stabilitas ekonomi menjadi terganggu
karena penduduk negara tersebut tidak mampu lagi untuk barang
komoditas utama untuk kebutuhan hidupnya (Case et al., 2014).
b. Perhitungan Indeks Harga Barang dan Jasa / Indeks Harga Konsumen
Indeks harga konsumen menunjukkan besaran perubahan rata-
rata pada sekumpulan harga barang dalam periode waktu tertentu.
Perhitungan besaran perubahan tersebut memerlukan waktu yang
dijadikan sebagai tahun dasar untuk melihat besaran perubahan harga
yang berlaku. Adapun rumus perhitungan indeks harga konsumen
dapat dituliskan sebagai berikut:
Pn
IHK = ×100 %
P0
Dimana:
Pn =Harga pada tahun yang dihitung
P0 =Harga pada tahun 0 atau pada tahun dasar
IHK =Indeks Harga Konsumen

24
Adapun rumus untuk menghitung inflasi yang dapat menggunakan Indeks
Harga Konsumen adalah sebagai berikut:
IHK n−IHK n−1

Inflasi= ×100 %
IHK n−1
Dimana:
IHKn= IHK tahun yang sedang dihitung
IHKn-1=IHK pada tahun sebelumnya

25
B. Kajian Pustaka
No Judul Metode
Nama Peneliti Variabel Objek Hasil Penelitian
Penelitian Penelitian
1 Afshan et al., Time– -pasar saham AS, China, Cross-wavelet Hasil penelitian ini
(2018) Frequency Inggris, Jepang, transform menunjukkan bahwa
Causality -nilai tukar Pakistan terdapat hubungan
between Stock dolar sebab akibat dua
Prices and arah antara harga
Exchange saham dan nilai
Rates: Further tukar dalam rentang
Evidences from waktu yang panjang.
Cointegration
and Wavelet
Analysis
2 Blau (2018) Exchange Rate -nilai tukar New York Stock GARCH model Hasil pengujian
Volatility and Exchange and menunjukkan bahwa
the Stability of -stabilitas pasar Nasdaq, variabilitas mata
Stock Prices saham uang negara asal
menyebabkan
volatilitas yang lebih
besar dalam ADR,
karena peningkatan
1% dalam volatilitas
nilai tukar sesuai
26
No Judul Metode
dengan perkiraan
peningkatan 2%
dalam volatilitas
ADR. Terdapat
volatilitas abnormal
pada ADR Tiongkok
terhadap dolar AS
tahun 2005, hasil ini
memberikan
hubungan penting
antara pasar uang
dan pasar ekuitas.
3 Delgado et al., The -nilai tukar Data bulanan Vector Nilai tukar
(2018) relationship negara Meksiko Autoregressive berpengaruh negatif
between oil -indeks harga dari Januari 1992 Model (VAR) terhadap indeks
prices, the stock konsumen sampai Juni 2017 pasar saham, IHK
market and the -harga saham berpengaruh positif
exchange rate: terhadap nilai tukar
Evidence from dan berpengaruh
Mexico negatif terhadap
harga saham
4 Nyangarika et Influence Oil - Harga minyak Data ekonomi Vector Hasil penelitian
al (2018) Price towards Rusia dari tahun Autoregressive menunjukkan bahwa
27
No Judul Metode
Macroeconomic dunia 1991-2016 dan Dickey- terdapat pengaruh
Indicators in Fuller Test positif dan signifikan
Russia - PDB terhadap harga
minyak dengan PDB
Rusia
5 Hung (2019) Spillover -pasar saham Lima negara GARCH-BEKK Terjadi spillover
Effects Between Eropa Tengah dan bivariat bersama volatilitas dua arah
Stock Prices -valuta asing Timur (Hongaria, dengan model antara dua pasar
and Exchange Polandia, korelasi keuangan di
Rates for the Republik Ceko, kondisional dan Hongaria, Ceko dan
Central and Rumania dan dinamis (CCC Kroasia pada periode
Eastern Kroasia) selama dan DCC) sebelum krisis,
European periode 2000- spillover volatilitas
Countries 2017 searah dari pasar
saham ke pasar
valuta asing untuk
Polandia selama
periode krisis,
spillover volatilitas
searah dari pasar
valuta asing ke pasar
saham Hongaria
pada periode pasca-
krisis dan Rumania
pada periode pra-
28
No Judul Metode
krisis. Terjadi
spillover volatilitas
non-persisten di
Ceko, Rumania dan
Kroasia pada periode
pasca-krisis. Tidak
ada transmisi
volatilitas dari pasar
saham ke pasar
valuta asing di
Hongaria, sedangkan
dari pasar valuta
asing ke pasar saham
dalam kasus
Polandia pada
periode pasca-krisis.
6 Maitra & Return and -pasar saham Pasar saham di Vector Auto Hasil penelitian ini
Dawar (2019) Volatility India Regression menunjukkan bahwa
Spillover -nilai tukar indeks saham
among memengaruhi return
Commodity nilai tukar,
Futures, Stock sedangkan nilai dolar
Market and menjelaskan return
29
No Judul Metode
Exchange Rate: dalam indeks saham.
Evidence from
India
7 Singhal et al Return and - Harga minyak Data ekonomi ARDL Hasil penelitian
(2019) Volatility mentah Mexico dari menunjukkan bahwa
Linkages Januari 2006- harga emas
Among - Harga emas April 2018 internasional
International - Nilai tukar berpengaruh positif
Crude Oil tehadap harga
Price, Gold - Pasar saham saham, sedangkan
Price, harga minyak
Exchange Rate mentah
and Stock memengaruhi harga
Markets: saham secara
Evidence from negatif. Harga
Mexico minyak mentah
berpengaruh secara
negatif terhadap nilai
tukar, sedangkan
harga emas tidak
memiliki pengaruh
signifikan terhadap
nilai tukar.
8 Nurmakhanova Are stock - Stock price Kazakhstan Granger Hasil penelitian
30
No Judul Metode
& Katenova market and - Oil price causality menunjukkan bahwa
(2019) exchange rate harga saham dan
affected by oil - Exchange nilai tukar
price in rate dipengaruhi oleh
Kazakhstan? harga minyak di
Kazakhstan.
9 Erdoğan et al., “Volatility -Spillover India, Malaysia, Multivariat Hasil pengujian
(2020) Spillover volatilitas Turki GARCH variasi waktu
Effects between menunjukkan bahwa
Islamic Stock -pasar valuta adanya spillover
Markets and asing volatilitas setidaknya
Exchange -pasar saham satu arah antara nilai
syariah tukar dan pasar
saham Islam pada
periode tertentu.
10 Fernández- Volatility - Volatilitas Amerika Serikat, VAR Model Setengah dari total
Rodríguez & Transmission ADR area EURO, varians dijelaskan
Sosvilla- between Stock Jepang, UK, oleh guncangan
Rivero (2020) and Foreign Australia, pasar daripada
Exchange Switzerland, guncangan
Markets: a Kanada idiosinkratik,
Connectedness terdapat hubungan
Analysi volatilitas bervariasi
dari waktu ke waktu
31
No Judul Metode
11 Hung (2020) Stock Market -Harga saham Negara Teluk Markov- Hasil penelitian ini
Volatility and perubahan Arab (Kuwait, switching menunjukkan bahwa
Exchange Rate Qatar, Arabia autoregressive nilai tukar tidak
Movements in -nilai tukar Saudi dan Uni dan Markov- memiliki pengaruh
the Gulf Arab Emirat Arab). switching vector terhadap
Countries: a autoregressive pengembalian saham
Markov-State (MS-VAR) di negara Teluk
Switching model Arab. Sisi lain,
Model pengembalian pasar
saham memiliki
dampak besar pada
semua pertukaran
untuk semua negara,
kecuali Arab Saudi.
12 Usup Bailey & The Effects of -Nilai tukar Data ekonomi ARDL Bound Hasil penelitian
Ucak (2020) Exchange Rates Turki dari Januari Test ditemukan bahwa
on CPI and PPI -Indeks Harga 2003 hingga depresiasi nilai tukar
Konsumen Oktober 2019 di Turki
-Indeks Harga menyebabkan
Produsen peningkatan pada
Indeks Harga
Konsumen dan
depresiasi nilai tukar
32
No Judul Metode
di Turki
menyebabkan
meningkatnya
Indeks Harga
Produsen
13 Corbo & Drivers of -Nilai tukar Negara Swedia Vector Auto Hasil penelitian
Casola (2021) Consumer dan Kanada Regresive menunjukkan bahwa
Prices and -Harga guncangan
Exchange Rates konsumen permintaan global
in Small Open yang negative tidak
Economies hanya deflasi untuk
kelompok kecil
ekonomi terbuka,
tetapi juga
menyebabkan
depresiasi nilai
tukar. Guncangan
eksternal terhadap
nilai tukar dianggap
kurang penting untuk
fluktuasi nilai tukar
daripada banyak
model makro
ekonomi lainnya.
33
No Judul Metode
14 Qizam et al Integration of -Harga Harga penutupan Granger- Penelitian ini
(2020) Islamic Capital penutupan saham 5 negara causality test menemukan bahwa
Market in saham ASEAN dari pasar modal syariah
ASEAN-5 tahun 2009 hingga di 5 negara ASEAN
Countries 2014 tetap tinggi
terintegrasi
meskipun terjadi
krisis keuangan pada
tahun 2008. Jakarta
Islamic Index dan
Bursa Malaysia
Emas Syariah
menjadi pasar modal
syariah yang paling
berpengaruh di
antara 5 negara
ASEAN lainnya.
Dan ditemukan juga
bahwa pasar modal
islam Filipina yang
paling rentan dari
seluruh pasar modal
di 5 negara ASEAN
15 Suliman & The impacts of - Oil price Arab Saudi Autoregressive Hasil penelitian
Abid (2020) oil on exchange distributed lag menjelaskan bahwa
34
No Judul Metode
rates: Evidence - Exchange rate model dan Error apresiasi pada nilai
from Saudi Correction tukar Arab Saudi
Arabia Model menghasilkan
permintaan relatif
untuk minyak yang
akan menciptakan
kenaikan tekanan
pada harganya.
16 Qoyum et al Does the - Islamic label Indonesia & Common effect Hasil penelitian
(2021) Islamic label Malaysia (pooled menunjukkan bahwa
indicate good - ESG regression) & perusahaan berlabel
environmental, performance random effect Islam memiliki
social, and generalized least kinerja lingkungan
governance square(GLS) dan sosial yang lebih
(ESG) model baik, tetapi hal
performance? tersebut tidak
Evidence from berlaku untuk kinerja
sharia- tata kelola
compliant firms perusahaan
in Indonesia
and Malaysia
17 Hashmi et al. Revisiting the - Oil price Pakistan ARDL Hasil penelitian
(2022) rekationship menunjukkan bahwa
between oil - Stock market dampak harga
35
No Judul Metode
prices, - Exchange rate minyak dan harga
exchange rate, saham pada nilai
and stock price: tukar tidak bervariasi
An application di berbagai negara
of quantile bagian pasar mata
ARDL model uang.
18 Suah (2022) Impact of - Industrial Data VAR Penelitian ini
uncertainty and production makroekonomi menghasilkan bahwa
exchange rate index dari 16 negara laju inflasi
shocks: Theory maju dan ditemukan melambat
and Global - Consumer berkembang sebagai respon
empirics price index terhadap guncangan
- Bond yields ketidakpastian
ekonomi.
- Exchange rate
- News based
economic
policy
uncertainty
19 Mahalakshmi Return and - Exchange rate India ARCH GARCH Hasil penelitian
et al (2022) Volatility menunjukkan bahwa
Spillover Effect - Volatility saat Rupee India
between Rupee- terdepresiasi
Dollar terhadap Dollar
36
No Judul Metode
Exchange Rate Amerika, maka
and Asian Stock investor menarik
Indices kembali investasi
mereka pada pasar
saham asia lainnya
dan berinvestasi di
pasar saham India,
begitu pula
sebaliknya ketika
Rupee India
terapresiasi investor
akan melepaskan
investasi mereka
untuk mendapatkan
keuntungan
37
No Judul Metode
20 Nusair & Dynamic - Exchange rates G7 countries ARDL linier dan Hasil penelitian
Olson (2022) relationship ARDL non- menunjukkan bahwa
between - Stock prices linier pada empat negara
exchange rates ditemukan bahwa
and stock prices naik dan turunnya
for the G7 harga saham
countries: A memiliki efek jangka
non linear panjang yang
ARDL signifikan terhadap
approach nilai tukar
21 Wang et al The influence of - Crude oil price Negara penghasil Empirical Mode Hasil penelitian
(2022) international oil minyak dan Decomposition menunjukkan bahwa
price - Exchange rate negara non (EMD) fluktuasi harga
fluctuation on penghasil minyak minyak berdampak
the exchange pada perubahan nilai
rate of tukar pada masing-
countries along masing negara.
the “Belt and Namun efek ini
Road” asimetris antara
negara penghasil
minyak dan non
penghasil minyak
38
Penelitian yang dilakukan oleh Afshan et al., (2018) menyelidiki hubungan
antara return saham dan nilai tukar dolar AS, Yen China, Euro Pound Inggris
Raya, dan Yen Jepang sehubungan dengan Rupee Pakistan. Hasil penelitian ini
menunjukkan bahwa terdapat hubungan sebab akibat dua arah antara harga saham
dan nilai tukar dalam rentang waktu yang panjang. Penelitian yang dilakukan oleh
Blau (2018) bertujuan untuk menguji volatilitas ADR dijelaskan oleh volatilitas
nilai tukar di negara asal ADR (American Depositary Receipts). Hasil pengujian
menunjukkan bahwa variabilitas mata uang negara asal menyebabkan volatilitas
yang lebih besar dalam ADR, karena peningkatan 1% dalam volatilitas nilai tukar
sesuai dengan perkiraan peningkatan 2% dalam volatilitas ADR. Terdapat
volatilitas abnormal pada ADR Tiongkok terhadap dolar AS tahun 2005, hasil ini
memberikan hubungan penting antara pasar uang dan pasar ekuitas.
Penelitian yang dilakukan oleh Delgado et al., (2018) dengan judul “The
relationship between oil prices, the stock market and the exchange rate: Evidence
from Mexico”. Hasil penelitian tersebut adalah nilai tukar berpengaruh negatif
terhadap indeks pasar saham, IHK berpengaruh positif terhadap nilai tukar dan
berpengaruh negatif terhadap harga saham. Penelitian Nyangarika, Mikhaylov and
Richter (2019) bertujuan untuk mengetahui pengaruh guncangan harga minyak
pada indikator ekonomi Rusia dengan menggunakan data time series dari tahun
1991-2016. Hasil penelitian menunjukkan salah satu faktor yang memberikan
dampak eksternal adalah harga minyak dunia. Penelitian ini menunjukkan bahwa
hubungan jangka panjang yang positif dan signifikan antara harga minyak dengan
dinamika PDB Rusia.

39
Penelitian yang dilakukan oleh Hung (2019) bertujuan untuk menganalisis
hubungan dinamis dan efek spillover volatilitas antara nilai tukar dan return
saham lima negara Eropa Tengah dan Timur (Hongaria, Polandia, Republik Ceko,
Rumania dan Kroasia) selama periode 2000-2017. Analisis data menggunakan
GARCH-BEKK bivariat bersama dengan model korelasi kondisional dan dinamis
(CCC dan DCC). Hasil penelitian ini menunjukkan bahwa terjadi spillover
volatilitas dua arah antara dua pasar keuangan di Hungaria, Ceko dan Kroasia
pada periode sebelum krisis, spillover volatilitas searah dari pasar saham ke pasar
valuta asing untuk Polandia selama periode krisis, spillover volatilitas searah dari
pasar valuta asing ke pasar saham Hongaria pada periode pasca-krisis dan
Rumania pada periode pra-krisis. Terjadi spillover volatilitas non-persisten di
Ceko, Rumania dan Kroasia pada periode pasca-krisis. Tidak ada transmisi
volatilitas dari pasar saham ke pasar valuta asing di Hongaria, sedangkan dari
pasar valuta asing ke pasar saham dalam kasus Polandia pada periode pasca-krisis.
Penelitian yang dilakukan oleh Maitra & Dawar (2019) bertujuan untuk
menyelidiki return dan volatilitas spillover diantara pasar komoditas, saham dan
nilai tukar. Penelitian ini menggunakan Vector Autoregression mengikuti
kausalitas Granger untuk memahami kausalitas return. Hasil penelitian ini
menunjukkan bahwa indeks saham mempengaruhi return nilai tukar, sedangkan
nilai dolar menjelaskan return dalam indeks saham. Menurut penelitian Singhal,
Choudhary and Biswal (2019) bertujuan untuk menyelidiki hubungan dinamis
antara harga minyak internasional, harga emas internasional, nilai tukar, dan
indeks pasar saham di Meksiko. Hasil penelitian menunjukkan bahwa harga emas
40
internasional berpengaruh positif terhadap harga saham, sedangkan harga minyak
mentah mempengaruhi harga saham secara negatif. Harga minyak mentah
berpengaruh secara negatif terhadap nilai tukar, sedangkan harga emas tidak
memiliki pengaruh signifikan terhadap nilai tukar.
Penelitian yang dilakukan oleh Nurmakhanova and Katenova (2019)
dilakukan untuk mengeksplorasi hubungan antara harga minyak, harga saham,
dan nilai tukar di Kazakhstan dengan menggunakan data dari bulan Oktober 2007-
Desember 2017. Hasil penelitian menghasilkan bahwa harga saham dan nilai tukar
dipengaruhi oleh harga minyak di Kazakhstan. Berdasarkan penelitian terdahulu
yang dilakukan oleh Erdoğan et al., (2020) bertujuan untuk mengetahui adanya
efek spillover volatilitas antara pasar valuta asing dan pasar saham syariah di tiga
negara berkembang besar yaitu India, Malaysia, dan Turki dengan menggunakan
data harian periode 2013 sampai dengan 2019. Hasil pengujian variasi waktu
menunjukkan bahwa adanya spillover volatilitas setidaknya satu arah antara nilai
tukar dan pasar saham Islam pada periode tertentu.
Penelitian yang dilakukan oleh Fernández-Rodríguez & Sosvilla-Rivero
(2020) bertujuan untuk menyelidiki transmisi volatilitas antara pasar saham dan
valuta asing di tujuh ekonomi negara di dunia selama periode bulan Juli 1988
hingga Mei 2018. Hasil penelitian ini menunjukkan bahwa terdapat hubungan
volatilitas bervariasi dari waktu ke waktu dengan kenaikan lonjakan
ketidakstabilan ekonomi dan keuangan. Penelitian yang dilakukan oleh Hung
(2020) bertujuan untuk menyelidiki hubungan antara harga saham dan perubahan
nilai tukar di negara Teluk Arab (Kuwait, Qatar, Arabia Saudi dan Uni Emirat
41
Arab). Penelitian ini menggunakan markov-switching autoregressive untuk
mendeteksi perilaku pergeseran rezim dalam pengembalian saham negara di Teluk
Arab dan model Markov-switching vector autoregressive (MS-VAR) untuk
mengetahui keterkaitan antara nilai tukar dan return saham selama periode 2000-
2018. Hasil penelitian ini menunjukkan bahwa nilai tukar tidak memiliki
pengaruh terhadap pengembalian saham di negara Teluk Arab. Sisi lain,
pengembalian pasar saham memiliki dampak besar pada semua pertukaran untuk
semua negara, kecuali Arab Saudi.
Berdasarkan penelitian yang dilakukan oleh Ucak and Usupbeyli (2020)
bertujuan untuk mengetahui pengaruh fluktuasi nilai tukar dalam dollar dan euro
terhadap indeks harga konsumen dan indeks harga produsen di Turki dengan
menggunakan data dari tahun 2003-2019. Hasil penelitian menunjukkan bahwa
depresiasi nilai tukar di Turki menyebabkan peningkatan pada Indeks Harga
Konsumen dan depresiasi nilai tukar di Turki menyebabkan meningkatnya Indeks
Harga Produsen.
Penelitian yang dilakukan oleh Corbo and Di Casola (2022) bertujuan untuk
mengetahui fluktuasi nilai tukar dan indeks harga konsumen pada dua negara
dengan sistem ekonomi terbuka yang bergantung besar pada luar negeri yaitu
Swedia dan Kanada. Hasil penelitian menunjukkan bahwa guncangan permintaan
global yang negatif tidak hanya deflasi untuk kelompok kecil ekonomi terbuka,
tetapi juga menyebabkan depresiasi nilai tukar. Guncangan eksternal terhadap
nilai tukar dianggap kurang penting untuk fluktuasi nilai tukar daripada banyak
model makro ekonomi lainnya.

42
Berdasarkan penelitian yang telah dilakukan oleh Qizam, Ardiansyah and
Qoyum (2020) dilakukan untuk mengetahui integrasi pasar saham Islam di
seluruh negara di ASEAN. Penelitian ini menemukan bahwa pasar modal syariah
di 5 negara ASEAN tetap tinggi terintegrasi meskipun terjadi krisis keuangan
pada tahun 2008. Jakarta Islamic Index dan Bursa Malaysia Emas Syariah
menjadi pasar modal syariah yang paling berpengaruh di antara 5 negara ASEAN
lainnya. Dan ditemukan juga bahwa pasar modal islam Filipina yang paling rentan
dari seluruh pasar modal di 5 negara ASEAN. Penelitian Suliman and Abid
(2020) bertujuan untuk menyelidiki interaksi antara harga minyak dan nilai tukar
riil di Arab Saudi selama periode Januari 1986-Maret 2019. Hasil penelitian
menunjukkan bahwa apresiasi pada nilai tukar Arab Saudi menghasilkan
permintaan relatif untuk minyak yang akan menciptakan kenaikan tekanan pada
harganya.
Penelitian yang telah dilakukan oleh Qoyum et al. (2022) bertujuan untuk
mengetahui secara empiris pengaruh label Islami terhadap kinerja lingkungan,
sosial, dan tata kelola perusahaan pada perusahaan berbasis syariah di Indonesia
dan Malaysia. Hasil penelitian ini menunjukkan bahwa perusahaan berlabel Islam
memiliki kinerja lingkungan dan sosial yang lebih baik, tetapi hal tersebut tidak
berlaku untuk kinerja tata kelola perusahaan. Berdasarkan penelitian yang telah
dilakukan oleh Hashmi et al. (2022) menggunakan objek di negara Pakistan.
Tujuan dari penelitian ini adalah untuk menguji interaksi antara harga minyak,
nilai tukar, dan return saham di Pakistan dengan menggunakan data triwulan dari
Januari 2000-Desember 2019. Hasil penelitian menunjukkan bahwa dampak harga

43
minyak dan harga saham pada nilai tukar tidak bervariasi di berbagai negara
bagian pasar mata uang.
Sesuai dengan penelitian Suah (2022) dilakukan dengan menggunakan data
makroekonomi dari 16 negara maju dan berkembang. Penelitian ini menghasilkan
bahwa laju inflasi ditemukan melambat sebagai respon terhadap guncangan
ketidakpastian ekonomi. Penelitian Mahalakshmi et al. (2022) bertujuan untuk
mengetahui return dan volatility spillover antara mata uang India terhadap dollar
Amerika dan volatilitas indeks saham di negara tetangga. Hasil penelitian
menunjukkan bahwa saat Rupee India terdepresiasi terhadap Dollar Amerika,
maka investor menarik kembali investasi mereka pada pasar saham asia lainnya
dan berinvestasi di pasar saham India, begitu pula sebaliknya ketika Rupee India
terapresiasi investor akan melepaskan investasi mereka untuk mendapatkan
keuntungan.
Penelitian yang dilakukan oleh Nusair and Olson (2022) bertujuan untuk
mengetahui pengaruh jangka pendek dan jangka panjang antara harga saham dan
nilai tukar di negara-negara G7. Hasil penelitian menunjukkan bahwa pada empat
negara ditemukan bahwa naik dan turunnya harga saham memiliki efek jangka
panjang yang signifikan terhadap nilai tukar. Penelitian Wang, Geng and Guo
(2022) bertujuan untuk menganalisis dampak dari perubahan harga minyak
terhadap nilai tukar negara. Penelitian ini menggunakan pendekatan empiris
dengan metode EMD. Hasil penelitian menunjukkan bahwa fluktuasi harga
minyak berdampak pada perubahan nilai tukar pada masing-masing negara.

44
Namun efek ini asimetris antara negara penghasil minyak dan non penghasil
minyak.
Berdasarkan urian-uraian di atas, perbedaan penelitian ini dengan
penelitian-penelitian sebelumnya terdapat pada variabel-variabel yang digunakan
dalam penelitian. Pada penelitian ini variabel yang digunakan untuk mengetahui
faktor-faktor apa saja yang menyebabkan perubahan pada nilai tukar rupiah
terhadap dollar Amerika di perusahaan Syariah bursa efek Indonesia periode
sebelum dan sesudah covid-19 adalah volatilitas saham, harga minyak dunia, dan
indeks harga barang dan jasa, dan penelitian ini juga menggabungkan dua periode,
yaitu periode sebelum dan sesudah covid-19 untuk melihan apakah terdapat
perbedaan karakteristik pada masing-masing variable pada periode sebelum dan
sesudah covid-19.
C. Pengembangan Hipotesis
1. Volatilitas Harga Saham dan Nilai Tukar Rupiah Sebelum Covid-
19
suatu sekuritas atau portofolio dalam suatu periode tertentu (Jogiyanto,
2010). Volatilitas yang meningkat dengan cepat menyebabkan harga saham
mengalami kenaikan maupun penurunan secara cepat juga (Selpiana &
Badjra, 2018), dengan karena volatilitas saham yang tinggi maka akan
berakibat berfluktuasinya harga saham. Dengan demikian adanya volatilitas
harga saham dapat berdampak pada nilai tukar di suatu negara. Nilai tukar
atau kurs merupakan nilai dari harga satuan mata uang domestik terhadap
45
mata uang asing atau sebaliknya. Apabila volatilitas saham rendah akan
mengakibatkan penurunan investor dikarenakan para investor akan tetap
memegang sahamnya sehingga mengakibatkan tidak terjadinya penjualan
saham, hal inilah yang juga mengakibatkan nilai indeks BEI akan menurun
dan nilai tukar dalam negeri terdepresiasi. Penelitian yang telah dilakukan
oleh Reboredo et al (2016); Erdogan et al (2018) menunjukan bahwa
terdapat pengaruh positif dan signifikan antara perubahan harga saham
dengan nilai tukar domestik pada beberapa negara berkembang terhadap
dollar Amerika dan euro.
Berdasarkan uraian di atas maka penelitian ini merumuskan hipotesis
sebagai berikut:
H1: Diduga bahwa volatilitas saham berpengaruh positif dan signifikan
terhadap nilai tukar rupiah sebelum covid-19
2. Harga Minyak Dunia dan Nilai Tukar Rupiah Sebelum Covid-19
Menurut data dari BP Global Company konsumsi minyak di Indonesia
pada tahun 2019 sebesar 1,6 juta barel per hari dengan harga minyak
cenderung mengalami fluktuasi dari tahun ke tahun akan memberi dampak
pada perekonomian negara karena minyak merupakan komoditas penting
suatu negara. Harga minyak dunia dapat mempengaruhi nilai tukar suatu
negara sesuai dengan teori pendekatan perdagangan yang mempengaruhi
nilai tukar. Pembentukan nilai tukar didasarkan pada nilai tukar antara dua
mata uang berbeda ditentukan oleh perdagangan barang atau jasa yang
terjadi di antara kedua negara atau melalui proses ekspor-impor.

46
Perdagangan minyak mentah biasanya melibatkan dua atau lebih negara
karena tidak semua negara merupakan negara penghasil minyak sehingga
perlu melalui proses ekspor-impor.
Penelitian yang telah dilakukan oleh Delgado et al. (2018),
Nurmakhanova and Katenova (2019), serta Wang, Geng and Guo (2022)
menyebutkan bahwa harga minyak berpengaruh positif dan signifikan
terhadap nilai tukar. Berdasarkan penelitian yang dilakukan oleh Delgado et
al. (2018) menjelaskan bahwa adanya penurunan harga minyak di Meksiko
membuat negara tersebut kehilangan investasi akibat adanya depresiasi pada
peso Meksiko. Sebaliknya jika harga minyak terjadi kenaikan maka akan
terjadi apresiasi pada peso Meksiko. Semakin meningkat harga minyak
dunia, maka dapat memberikan keuntungan berupa laba. Kenaikan harga
minyak dunia dapat mempengaruhi nilai apresiasi pada nilai tukar.
Berdasarkan uraian di atas, maka penelitian ini merumuskan hipotesis
sebagai berikut:
H2: Diduga harga minyak dunia berpengaruh positif dan signifikan
terhadap nilai tukar rupiah sebelum covid-19
3. Indeks Harga Barang dan Jasa dan Nilai Tukar Rupiah Sebelum
Covid-19
Indeks Harga barang dan Jasa atau Indeks Harga Konsumen
merupakan angka indeks yang menunjukkan tingkat harga barang dan jasa
yang dibeli konsumen dalam suatu periode tertentu (Mankiw, 2018).
Menurut Sukirno (2019), Indeks Harga Konsumen adalah sebuah indeks

47
yang mengukur harga suatu barang atau jasa yang sering kali digunakan
oleh konsumen maupun rumah tangga dan biasanya indeks harga konsumen
digunakan untuk mengukur inflasi. Tingginya inflasi mengakibatkan harga
barang dan jasa menjadi lebih tinggi yang berdampak pada permintaan atas
ekspor barang menjadi rendah akibat adanya depresiasi mata uang.
Penelitian yang dilakukan oleh Delgado et al (2018) menunjukkan
bahwa Indeks Harga Konsumen berpengaruh positif terhadap nilai tukar di
Meksiko. Meningkatnya Indeks Harga Konsumen sebagai indikator
terjadinya peningkatan inflasi di suatu negara akan membuat permintaan
atas mata uang negara tersebut akan menurun dikarenakan menurunnya
ekspor akibat adanya depresiasi mata uang. Pada penelitian Delgado et al.,
(2018) IHK memiliki pengaruh positif dan signifikan terhadap nilai tukar.
Hal ini dapat diartikan bahwa apabila IHK mengalami kenaikan maka dapat
menyebabkan kenaikan nilai tukar.
sebagai berikut:
H3: Diduga indeks harga barang dan jasa berpengaruh positif dan
signifikan terhadap nilai tukar rupiah sebelum covid-19
4. Volatilitas Harga Saham dan Nilai Tukar Rupiah Sesudah Covid-
19
suatu sekuritas atau portofolio dalam suatu periode tertentu (Jogiyanto,
2010). Volatilitas yang meningkat dengan cepat menyebabkan harga saham

48
mengalami kenaikan dan penurunan secara cepat juga (Selpiana & Badjra,
2018), dengan adanya volatilitas harga saham yang tinggi maka akan
berakibat pada berfluktuasinya harga saham. Dengan demikian adanya
volatilitas harga saham dapat berdampak pada nilai tukar di suatu negara.
Nilai tukar atau kurs merupakan nilai dari harga satuan mata uang domestik
terhadap mata uang asing atau sebaliknya. Volatilitas harga saham yang
rendah mengakibatkan penurunan investor untuk tetap memegang sahamnya
yang berakibat tidak terjadi penjualan saham, hal ini juga mengakibatkan
nilai indeks BEI akan menurun dan nilai tukar dalam negeri terdepresiasi.
Penelitian yang telah dilakukan oleh Arenas & Gomez (2020) menyebutkan
bahwa volatilitas sesudah covid berpengaruh positif dan signifikan terhadap
nilai tukar. Hal ini menjelaskan terdapat proses depresiasi mata uang peso
Kolombia terhadap mata uang dollar dikarenakan efek setelah covid-19
pada negara Kolombia.
Berdasarkan uraian di atas maka penelitian ini merumuskan hipotesis
sebagai berikut:
H4: Diduga bahwa volatilitas saham berpengaruh positif dan signifikan
terhadap nilai tukar rupiah sesudah covid-19
5. Harga Minyak Dunia dan Nilai Tukar Rupiah Sesudah Covid-19
Pandemi covid menjadi sebuah epidemi penyakit yang
menggemparkan seluruh negara. Pandemi Covid-19 memberikan dampak
yang besar terhadap perekonomian di Indonesia khususnya pasar modal.
Salah satu faktor yang berpengaruh terhadap kondisi tersebut adalah nilai
49
tukar mata uang suatu negara, atau yang sering disebut kurs, merupakan
salah satu faktor pengukur yang mampu menggambarkan kondisi
perekonomian suatu negara. Kurs merupakan patokan seberapa besar nilai
uang negara tersebut apabila diperbandingkan dengan nilai uang negara lain,
dalam kasus ini menggunakan dolar Amerika Serikat (Lestari, 2020).
Penelitian yang telah dilakukan oleh Singhal (2019) menyebutkan bahwa
harga minyak dunia berpengaruh negative dan signifikan terhadap nilai
tukar. Hal ini dikarenakan terdapat ketidakpastian ekonomi yang terjadi saat
pandemi, sehingga berdampak pada harga minyak dunia.
sebagai berikut:
H5: Diduga harga minyak dunia berpengaruh signifikan negatif dan
signifikan terhadap nilai tukar rupiah sesudah covid-19
6. Indeks Harga Barang dan Jasa dan Nilai Tukar Rupiah Sesudah
Covid-19
Indeks Harga Barang dan Jasa atau Indeks Harga Konsumen
merupakan angka indeks yang menunjukkan tingkat harga barang dan jasa
yang dibeli konsumen dalam suatu periode tertentu (Mankiw, 2018).
Menurut Sukirno (2019) Indeks Harga Konsumen adalah sebuah indeks
yang mengukur harga suatu barang atau jasa yang sering kali digunakan
oleh konsumen maupun rumah tangga dan biasanya indeks harga konsumen
digunakan untuk mengukur inflasi.

50
Penelitian yang dilakukan oleh Delgado et al. (2018) menunjukkan
bahwa Indeks Harga Barang dan Jasa berpengaruh positif dan signifikan
terhadap nilai tukar di Meksiko. Meningkatnya Indeks Harga Konsumen
sebagai indikator terjadinya peningkatan inflasi di suatu negara akan
membuat permintaan atas mata uang negara tersebut akan menurun
dikarenakan menurunnya ekspor akibat adanya depresiasi mata uang. Pada
penelitian Feng, Yang, & Gong (2021) menjelaskan bahwa indeks harga
konsumen berpengaruh positif dan signifikan terhadap perubahan nilai tukar
pada 20 negara yang terdampak covid-19 pada periode Januari 2020 hingga
Juli 2020.
sebagai berikut:
H6: Diduga indeks harga barang dan jasa berpengaruh positif dan
signifikan terhadap nilai tukar rupiah sesudah covid-19

51
B. Kerangka Pemikiran
Kerangka pemikiran dalam penelitian ini menggunakan variabel volatilitas
saham, harga minyak dunia, dan Indeks Harga Barang dan Jasa sebagai variabel
independen dan nilai tukar rupiah sebagai variabel dependen. Kerangka pemikiran
penelitian ini dapat digambarkan sebagai berikut:
Volatilitas Saham Sebelum

Covid-19
+
Harga Minyak Dunia
Sebelum Covid-19 +
Indeks Harga Barang dan +

Jasa Sebelum Covid-19
Nilai Tukar Rupiah
+
Volatilitas Saham Sesudah
Covid-19
-
Harga Minyak Dunia
Sesudah Covid-19 +
Indeks Harga Barang dan

Jasa Sesudah Covid-19
Gambar 2. 1 : Kerangka Pemikiran

BAB III
METODE PENELITIAN
A. Jenis dan Pendekatan Penelitian
Pada penelitian ini menggunakan pendekatan penelitian kuantitatif
deskriptif. Penelitian kuantitaif merupakan penelitian yang berlandaskan pada
pengukuran kuantitas atau jumlah pada fenomena yang diteliti (Ghozali, 2018).
B. Populasi dan Sampel
Menurut Ghozali (2018) populasi adalah wilayah generalisasi yang terdiri
dari objek atau subjek yang mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian akan ditarik kesimpulan.
Pada penelitian ini populasi yang digunakan dalam penelitian ini adalah semua
emiten yang terdaftar di Bursa Efek Indonesia. Adapun sampel yang digunakan
adalah perusahaan Indeks Saham Syariah Indonesia (ISSI) yang terdaftar di Bursa
Efek Indonesia selama tahun 2015-2021 yang telah dipilih melalui teknik purposif
sampling. Tahun 2015-2021 dipilih untuk melihat bagaimana pengaruh volatilitas
saham, harga minyak dunia, dan indeks harga barang dan jasa pada periode
sebelum dan sesudah covid-19. Periode sebelum covid-19 dimulai dari tahun
2015-2019 dimana virus covid-19 belum muncul di Indonesia, sedangkan periode
sesudah covid-19 dimulai dari tahun 2020-2021 dikarenakan virus covid-19 mulai
muncul di Indonesia pada awal tahun 2020.

53
Sampel yang terpilih pada penelitian ini sebanyak 242 perusahaan dengan
total data sebanyak 1694 data. Data perusahaan diperoleh dari website Bursa Efek
Indonesia dan website resmi perusahaan terkait. Adapun kriteria pemilihan sampel
pada penelitian ini adalah sebagai berikut:
Gambar 3. 1 Kriteria Pemilihan Sampel Penelitian
Keterangan Total
Perusahaan yang terdaftar di ISSI 2015-2021 607
Perusahaan yang tidak konsisten terdaftar di ISSI 2015-2021 (116)
Perusahaan yang terdaftar setelah tahun 2015 (199)
Perusahaan yang delisting dari Bursa Efek Indonesia (7)
Perusahaan yang tidak memiliki data lengkap harga saham di
laporan tahunan periode 2015-2021 (43)
Jumlah perusahaan 242
Jumlah sampel penelitian (242 x 7) 1694
Sumber: data diolah, 2022
C. Definisi Operasional Variabel

1. Variabel Dependen
Variabel dependen dalam penelitian ini adalah: nilai tukar suatu mata
uang (kurs) adalah suatu perbandingan antara nilai mata uang suatu negara
dengan negara lainnya (Thobarry, 2009). Pasar valuta asing merupakan
suatu tempat dalam melakukan transaksi yang memperdagangkan mata uang
suatu negara terhadap mata uang negara lainnya (Handiani, 2014). Pada
penelitian ini nilai tukar rupiah terhadap dollar Amerika menggunakan kurs
tengah sesuai dengan penelitian yang dilakukan Selpiana & Badjra (2018).
Adapun rumus perhitungan adalah sebagai berikut:
Kurs Jual+ Kurs Beli

Kurs Tengah=
2
54
2. Variabel Independen
Variabel independen adalah variabel yang menyebabkan terjadinya
perubahan atau variabel yang dapat mempengaruhi variabel dependen.
Variabel ini dapat mempengaruhi variabel dependen secara positif atau
negatif.
a. Volatilitas Saham
Volatilitas harga saham adalah ukuran statistik untuk fluktuasi
harga selama periode tertentu (Firmansyah, 2006). Sesuai dengan
penelitian Selpiana & Badjra (2018) rumus untuk volatilitas saham
menghitung adalah sebagai berikut:
Hit−Lit
PV =
( Hit+ Lit)/2
Keterangan:
PV : Volatilitas Harga
H¿ : Harga saham tertinggi pada tahun i pada periodet
L¿ : Harga saham terendah pada tahun i pada peride t
b. Harga Minyak Dunia
Harga minyak dunia merupakan harga minyak mentah dunia
yang terbentuk dari permintaan dan penawaran komoditas minyak
dunia. Harga minyak dunia dihitung menggunakan rata-rata harga
minyak dunia (Dubai, UK, Brent dan U.S West Texas Intermediate)
yang sudah disesuaikan dengan kurs rupiah pada masing-masing tahun
(Putra, 2016; Kumar, 2019). Data harga minyak dunia dalam

55
penelitian ini diperoleh dari situs BP Statistical Review of World
Energy 2022.
c. Indeks Harga Barang dan Jasa
Indeks harga barang dan jasa atau indeks harga konsumen
merupakan indeks yang digunakan untuk mengukur inflasi dalam
suatu negara. Indeks harga konsumen dapat diperoleh melalui data
yang bersumber dari Badan Pusat Statistik (BPS).
D. Metode Analisis
Metode analisis yang digunakan untuk mengetahui pengaruh volatilitas
saham, harga minyak dunia, dan indeks harga barang dan jasa terhadap nilai tukar
rupiah pada periode sebelum dan sesudah covid-19 tahun 2015-2021 adalah
analisis regresi data panel. Menurut Basuki & Prawoto (2017), data panel (pooled
data) merupakan gabungan antara data runtut waktu (time series) dan data silang
(cross section). Data time series merupakan data yang terdiri atas satu atau lebih
variaebel yang akan diamati pada satu unit observasi dalam kurun waktu tertentu,
sedangkan data cross section adalah data observasi dari beberapa unit observasi
dalam satu titik waktu.
Pemilihan analisis regresi data panel disebabkan pada penelitian ini
menggunakan rentang waktu dari tahun 2015-2021 yang berbentuk data time
series dan data cross section yang berupa perusahaan syariah yang terdaftar di
Bursa Efek Indonesia. Penelitian ini menggunakan program Eviews 10 sebagai
alat dalam menganalisis data. Model empiris dengan menggunakan analisis
regresi data panel adalah sebagai berikut:

56
Nilai Tukar=β 0+ β 1 X 1 + β 2 X 2+ β 3 X 3 +e
Keterangan:
β 0 : intersept
𝛽1, 𝛽2, 𝛽3: Koefesien
X 1 : Volatilitas Saham Indeks Saham Syariah
X 2 : Harga Minyak Dunia
X 3 : Indeks Harga Konsumen
e : error term
1. Model Estimasi Regresi Data Panel
Menurut Basuki & Prawoto (2017), regresi data panel menghasilkan
model estmasi sebagai berikut:
a. Common Effect Model (CEM)
Common effect model merupakan teknik hanya mengestimasi
dengan menggabungkan data time series dan data cross section.
Common Effect Model menggambarkan data tersebut tanpa
melihat perbedaan tiap individu disetiap waktu, maka dengan
hanya menggunakan OLS, data tersebut selesai untuk diestimasi
dan metode ini dapat disebut sebagai model OLS biasa karena
menggunakan kuadrat terkecil atau sering dikenal dengan model
estimasi Common Effect. Model ini tidak dapat melihat adanya
perbedaan baik antar individu maupun antar waktu, atau dengan

57
kata lain pendekatan yang mengacuhkan perbedaan disetiap
seris waktu dan seris individu.
b. Fixed Effect Model (FEM)
Fixed Effect Model (FEM) adalah model yang menjelaskan
bahwa individu-individu secara cross-section dalam model ini
memiliki intersepnya masing-masing. Intersep yang dihasilkan
akan memberikan pengaruh yang berbeda dari setiap individu.
Model ini juga sering disebut sebagai teknik Least Squares
Dummy Variable (LSDV) untuk mengestimasi data panel,
model ini terkadang menggunakan teknik variabel dummy,
dimana variabel dummy dapat melihat perbedaan intersep pada
masing- masing individu.
c. Random Effect Model (REM)
Random Effect Model (REM) merupakan model yang
mengestimasikan parameter (intersep) yang berbeda-beda antar
individu dan waktu, kemudian dimasukkan ke dalam error di
dalam model efek acak (random effect), sehingga hal inilah
random effect model juga disebut komponen error (error
component model).
2. Pemilihan Model Estimasi Regresi Data Panel
Tiga model estimasi regresi data panel akan dipilih model mana yang
paling tepat dengan tujuan penelitian. Terdapat tiga uji yang dapat dijadikan
58
alat dalam memilih model regresi data panel yaitu Uji Chow, Uji Hausman,
dan Uji Lagrange Multiplier.
a. Uji Chow
Uji ini dilakukan untuk mengetahui model regresi data panel
dengan metode Common Effect Model (CEM) atau Fixed Effect Model
(FEM) yang akan digunakan dalam estimasi. Hipotesisnya sebagai
berikut:
H0: Common Effect Model (CEM)
H1: Fixed Effect Model (FEM)
Apabila nilai probabilatasnya lebih kecil dari tingkat signifikansi
α = 5% (tingkat kepercayaan 95%) maka H0 ditolak, artinya model
regresi panel yang terbaik untuk digunakan adalah Fixed Effect Model
(FEM). Sebaliknya jika H0 diterima, berarti Common Effect Model
(CEM) merupakan model yang terbaik untuk digunakan dan
dianalisis. Namun ketika H0 ditolak, untuk lebih meyakinkan apakah
Fixed Effect Model (FEM) merupakan model yang terbaik maka harus
diuji lagi menggunakan Uji Hausman. Pada Uji Hausman akan
memberikan spesifikasi apakah Fixed Effect Model (FEM) atau
Random Effect Model (REM) adalah model yang tepat (Basuki &
Prawoto, 2017).
b. Uji Hausman
59
Setelah melakukan uji Chow sehingga diperoleh hasil H 0
ditolak, maka langkah selanjutnya melakukan uji Hausman. Pada
langkah ini, pilihan model yang dilakukan untuk memilih antara Fixed
Effect Model (FEM) atau Random Effect Model (REM). Uji spesifikasi
ini akan memberikan penelian yang diperhitungkan dengan
menggunakan Chi- Square Statistic, sehingga keputasan pemilihan
model akan dapat ditentukan. Maka hipotesisnya sebagai berikut:
H0: Random Effect Model (REM)
H1: Fixed Effect Model (FEM)
Jika nilai probabiltasnya lebih kecil dari tingkat signifikansi α
= 5% maka H0 ditolak, yang artinya model data panel yang terbaik
untuk digunakan adalah Fixed Effect Model (FEM). Sebaliknya
apabila H0 diterima, maka Random Effect Model (REM) merupakan
model yang terbaik untuk digunakan dan dianalisis (Basuki &
Prawoto, 2017).
c. Uji Lagrange Multiplier
Warno dan Farida (2017) menjelaskan Uji Lagrange Multiplier
bertujuan untuk menentukan model yang terbaik antara Random
Effect Model dan Common Effect Model yang sebaiknya dilakukan
dalam pemodelan data panel. Uji Lagrange Multiplier dikembangkan
oleh Breusch Pagan. Metode Breusch Pagan untuk uji signifikasi
random effect didasarkan pada nilai residual dari metode Ordinary
Least Square. Uji Lagrange Multiplier tidak digunakan apabila uji

60
Chow dan uji Hausman menunjukan model yang paling tepat adalah
Fixed Effect Model.
3. Uji Hipotesis
Uji hipotesis digunakan untuk menguji apakah variabel-variabel
independen mempunyai pengaruh terhadap nilai tukar rupiah. Uji ini
bertujuan untuk mengetahui apakah terdapat pengaruh volatilitas saham
indeks saham syariah, harga minyak dunia, dan indeks harga konsumen
terhadap nilai tukar rupiah. Uji hipotesis ini juga untuk mengetahui besarnya
koefisien dari variabel bebas baik secara simultan maupun secara parsial
terhadap variabel terikat. Penelitian ini menggunakan metode analisis
regresi data panel dalam pengujian hipotesisnya dengan persamaan linear
sebagai berikut:
Nilai Tukar=β 0+ β 1 X 1 + β 2 X 2+ β 3 X 3 +e
Keterangan:
β 0 : intersept
𝛽1, 𝛽2, 𝛽3: Koefesien
X 1 : Volatilitas Saham
X 3 : Indeks Harga Konsumen
e : error term
4. Koefisien Determinasi (R2)
Koefisien determinasi (R2) merupakan suatu ukuran yang berfungsi
untuk melihat seberapa besar keseluruhan variabel independen dapat

61
menjelaskan variabel dependen. Jika nilai koefisien determinasi semakin
mendakati 1, maka pengaruh variabel independen terhadap variabel
dependen semakin kuat, artinya variabel-variabel independen memberikan
hampir semua informasi yang dibutuhkan untuk memprediksi variabel
dependen. Sedangkan jika nilai koefisien determinasi yang kecil mendekati
0 berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen sangat terbatas (Ghozali, 2018).
5. Uji Statistik Signifikansi Parsial (Uji t-Statistik)
Uji t pada umunya sebagai uji parsial yang merupakan jenis
pengujian statistik yang digunakan untuk mengetahui pengaruh
variabel independen terhadap variabel dependen secara individual atau
parsial. Uji t dilakukan dengan cara membandingkan probabilitas
dengan taraf signifikansi (α = 0,05). Dalam pengujian ini dilakukan
dengan uji dua isi (two tail test) dengan tingkat kepercayaan 95% atau
taraf signifikan α = 0,05 (Ghozali, 2018).

62
BAB IV
HASIL DAN PEMBAHASAN
A. Analisis Deskriptif
Analisis deskriptif merupakan gambaran secara umum dari semua variabel
yang digunakan dalam penelitian yang dilihat dari nilai rata-rata (mean), nilai
maksimum, nilai minimum, dan standar deviasi. Pada penelitian ini analisis
deskriptif dilakukan pada data sebelum dan sesudah covid-19. Berikut merupakan
hasil statistik deskriptif pada penelitian ini:
Tabel 4. 1 Hasil Statistik Deskrptif Data Sebelum Covid-19
Statistik Deskriptif
N Min Max Mean Std.
Deviation
Volatilitas 1210 0,0000 2,0000 0,618900 0,352528
Saham
Harga 1210 574856,1 991872,3 770464,4 148128,1
Minyak
Dunia
IHK 1210 120,4217 137,6025 129,1325 6,121264
Nilai Tukar 1210 13306,8 14246,43 13695,01 411,8329
Rupiah 5
Sumber: hasil olah data, 2022
Berdasarkan tabel 4.1 yang menjelaskan hasil statistik deskriptif pada data
sebelum Covid-19, dapat dilihat bahwa jumlah data dari sebelum covid-19
sebanyak 1210 data dari tahun 2015-2019. Hasil statistik deskriptif dapat
dijelaskan sebagai berikut:

63
1. Variabel volatilitas saham memiliki nilai minimum dan maksimum
sebesar 0,0000 dan 2,0000. Nilai rata-rata menunjukkan nilai
0,618900 dengan standar deviasi sebesar 0,352528. Nilai standar
deviasi yang lebih kecil dari nilai rata-rata menunjukkan bahwa data
volatilitas saham bersifat homogen.
2. Variabel harga minyak dunia memiliki nilai minimum dan maksimum
sebesar 574856,1 dan 991872,3. Nilai rata-rata variabel harga minyak
dunia menunjukkan nilai sebesar 770464,4 dengan nilai standar
deviasi sebesar 148128,1. Nilai standar deviasi yang lebih kecil dari
nilai mean menunjukkan bahwa data harga minyak dunia bersifat
homogen.
3. Variabel Indeks Harga Barang dan Jasa memiliki nilai minimum dan
maksimum sebesar 120,4217 dan 137,6025. Nilai rata-rata
menunjukkan nilai 129,1325 dengan nilai standar deviasi sebesar
6,121264. Nilai standar deviasi yang lebih kecil dari nilai rata-rata
menunjukkan bahwa data IHK bersifat homogen.
4. Variabel nilai tukar rupiah memiliki nilai minimun dan maksimum
sebesar 13695,01 dengan nilai standar deviasi sebesar 411,8329. Nilai
standar deviasi yang lebih kecil dari nilai rata-rata menunjukkan
bahwa data nilai tukar rupiah bersifat homogen.

64
Tabel berikut ini menunjukkan hasil analisis statistik deskriptif pada data
sesudah covid-19.
Tabel 4. 2 Hasil Statistik Deskrptif Data Sesudah Covid-19
Statistik Deskriptif
N Min Max Mean Std.
Deviation
Volatilitas 484 0,0000 2,0000 0,702748 0,357232
Saham
Harga 484 604056,6 993560,0 798808, 194953,2
Minyak 3
Dunia
IHK 484 104,9092 106,5458 105,7275 105,7275
Nilai Tukar 484 14312,3 14572,26 14442,28 130,1130
Rupiah 0
Berdasarkan tabel 4.2 yang menjelaskan hasil statistik deskriptif pada data
sesudah covid-19, dapat dilihat bahwa jumlah data dari sesudah covid-19
sebanyak 484 data dari tahun 2020-2021. Hasil statistik deskriptif dapat dijelaskan
sebagai berikut:
1. Variabel volatilitas saham memiliki nilai minimum dan maksimum
0,702748 dengan standar deviasi sebesar 0,357232. Nilai standar

65
deviasi yang lebih kecil dari nilai rata-rata menunjukkan bahwa data
volatilitas saham bersifat homogen.
2. Variabel harga minyak dunia memiliki nilai minimum dan maksimum
sebesar 604056,6 dan 993560,0. Nilai rata-rata variabel harga minyak
dunia menunjukkan nilai sebesar 798808,3 dengan nilai standar deviasi
sebesar 194953,2. Nilai standar deviasi yang lebih kecil dari nilai
mean menunjukkan bahwa data harga minyak dunia bersifat homogen.
3. Variabel Indeks Harga Konsumen (IHK) memiliki nilai minimum dan
maksimum sebesar 104,9092 dan 106,5458. Nilai rata-rata
menunjukkan nilai 105,7275 dengan nilai standar deviasi sebesar
105,7275.
4. Variabel nilai tukar rupiah memiliki nilai minimun dan maksimum
sebesar 14442,28 dengan nilai standar deviasi sebesar 130,1130.
Nilai standar deviasi yang lebih kecil dari nilai rata-rata menunjukkan
bahwa data nilai tukar rupiah bersifat homogen.
B. Pengujian Hipotesis
Pengujian hipotesis pada penelitian ini menggunakan analisis regresi
data panel. Analisis regresi data panel menghasilkan tiga jenis model
estimasi yaitu common effect model, fixed effect model, dan random effect
model. Untuk menentukan model estimasi terbaik antara tiga model maka
perlu dilakukan pengujian dengan menggunakan Uji Chow, Uji Hausman,
dan Uji Lagrange Multiplier pada dua periode yaitu sebelum covid-19 dan
66
sesudah adanya covid-19. Berikut ini merupakan pemilihan model regresi
untuk periode sebelum dan sesudah adanya covid-19:
1. Pemilihan Model Regresi Sebelum covid-19
Analisis regresi data panel menghasilkan tiga model estimasi yaitu
common effect model, fixed effect model, dan random effect model.
Berikut merupakan uji-uji yang dilakukan untuk menentukan model
estimasi terbaik:
a. Uji Chow
Uji chow digunakan untuk mengetahui model regresi terbaik
antara common effect model atau fixed effect model yang akan
digunakan dalam estimasi. Adapun hipotesis pada Uji Chow
H0: Common Effect Model
H1: Fixed Effect Model
Jika nilai probabilitas pada uji chow lebih kecil dari tingkat
signifikansi 0,05 maka H0 ditolak dan model estimasi terbaik
adalah Fixed Effect Model (FEM). Hasil dari pengujian chow
Tabel 4. 3 Hasil Uji Chow
Effects Test Statistic d.f Prob.

Period F 0.000999 (241,965) 1,0000
Period Chi-square 0.301731 241 1,0000
67
Berdasarkan hasil Uji Chow pada tabel 4.3 menunjukkan nilai
probabilitas chi-square sebesar 1,0000 dimana nilai tersebut lebih
besar dari 0,05. Hal tersebut dapat disimpulkan bahwa H 0 diterima,
sehingga common effect model adalah model yang tepat digunakan
dalam regresi data panel untuk periode sebelum covid-19. Agar lebih
meyakinkan bahwa common effect model adalah model yang
digunakan maka selanjutnya dilakukan uji hausman.
b. Uji Hausman
Uji hausman bertujuan untuk mengetahui model estimasi yang
terbaik antara fixed effect model dan random effect model. Berikut
merupakan hipotesis pada Uji Hausman:
H0: Random Effect Model
Jika nilai probabilitas lebih kecil dari taraf signifikansi 0,05
maka H1 diterima, sehingga model regresi data panel terbaik adalah
fixed effect model. Hasil dari estimasi model menggunakan Uji
Hausman adalah sebagai berikut:
Tabel 4. 4 Hasil Uji Hausman
Test Summary Chi-Sq Chi-Sq d.f Prob.

Statistic
Cross-section
0.240667 3 0.9708
random
68
Hasil estimasi menggunakan Uji Hausman menunjukkan bahwa
nilai probabilitas sebesar 0,9708, dimana nilai tersebut lebih besar dari
taraf signifikansi 0,05. Hal tersebut dapat disimpulkan bahwa H 0
diterima, sehingga random effect model adalah model terbaik yang
digunakan dalam regresi data panel untuk periode sebelum covid-19.
Jika setelah dilakukan Uji Chow dan Uji Hausman belum ditemukan
kesamaan model terbaik, maka perlu untuk dilakukan uji estimasi
model Uji Lagrange untuk menentukan model estimasi mana yang
baik diantara common effect model, fixed effect model, dan random
effect model.
c. Uji Lagrange
Uji Lagrange bertujuan untuk menentukan model terbaik antara
random effect model dan common effect model. Uji Lagrange
dilakukan setelah Uji Chow dan Uji Hausman dilakukan, namun
belum dapat ditarik kesimpulan terkait dengan model mana yang
terbaik dalam regresi data panel. Adapun hipotesis untuk Uji Lagrange
Penarikan kesimpulan pada Uji Lagrange dilihat dari nilai
probabilitas Breusch-Pagan. Jika nilai probabilitas lebih kecil dari
0,05 maka H1 diterima. Hal tersebut menunjukkan bahwa model

69
terbaik digunakan dalam regresi data panel adalah random effect
model. Berikut merupakan hasil Uji Lagrange:
Tabel 4. 5 Hasil Uji Lagrange
Cross-section
One-sided
Breusch-Pangan 10.68347
(0.0011)
Berdasarkan hasil Uji Lagrange, nilai probabilitas Breusch-
Pagan menunjukkan nilai sebesar 0,0011 dimana nilai tersebut lebih
kecil dari 0,05. Hal tersebut dapat disimpulkan bahwa model terbaik
yang digunakan dalam regresi data panel untuk periode sebelum
covid-19 adalah random effect model.
2. Pemilihan Model Regresi Sesudah Covid-19
a. Uji Chow
Uji chow digunakan untuk mengetahui model regresi terbaik antara
common effect model atau fixed effect model yang akan digunakan
dalam estimasi. Adapun hipotesis pada Uji Chow adalah sebagai
berikut:

70
Jika nilai probabilitas pada uji chow lebih kecil dari tingkat
signifikansi 0,05 maka H0 ditolak dan model estimasi terbaik
adalah Fixed Effect Model (FEM). Hasil dari pengujian chow
Tabel 4. 6 Hasil Uji Chow
Effects Test Statistic d.f Prob.

Period F 14.869934 (241,239) 0.0000
Period Chi-square 1341.762568 241 0.0000
Berdasarkan hasil Uji Chow pada tabel 4.6 menunjukkan nilai
probabilitas chi-square sebesar 0,0000 dimana nilai tersebut lebih
kecil dari 0,05. Hal tersebut dapat disimpulkan bahwa H1 diterima,
sehingga fixed effect model adalah model yang tepat digunakan
dalam regresi data panel untuk periode sesudah covid-19. Agar
lebih meyakinkan bahwa fixed effect model adalah model yang
digunakan maka selanjutnya dilakukan uji hausman.
b. Uji Hausman
Uji hausman bertujuan untuk mengetahui model estimasi yang
terbaik antara fixed effect model dan random effect model. Berikut
merupakan hipotesis pada Uji Hausman:

71
Jika nilai probabilitas lebih kecil dari taraf signifikansi 0,05 maka
H1 diterima, sehingga model regresi data panel terbaik adalah
fixed effect model. Hasil dari estimasi model menggunakan Uji
Hausman adalah sebagai berikut:
Tabel 4. 7 Hasil Uji Hausman
Test Summary Chi-Sq Chi-Sq d.f Prob.

Statistic
Cross-section
0.000000 3 1.0000
random
Hasil estimasi menggunakan Uji Hausman menunjukkan bahwa
nilai probabilitas sebesar 1,0000, dimana nilai tersebut lebih
besar dari taraf signifikansi 0,05. Hal tersebut dapat disimpulkan
bahwa H0 diterima, sehingga random effect model adalah model
terbaik yang digunakan dalam regresi data panel untuk periode
sesudah covid-19. Jika setelah dilakukan Uji Chow dan Uji
Hausman belum ditemukan kesamaan model terbaik, maka perlu
untuk dilakukan uji estimasi model Uji Lagrange untuk
menentukan model estimasi mana yang baik diantara common
effect model, fixed effect model, dan random effect model.
c. Uji Lagrange
72
Uji Lagrange bertujuan untuk menentukan model terbaik antara
random effect model dan common effect model. Uji Lagrange
dilakukan setelah Uji Chow dan Uji Hausman dilakukan, namun
belum dapat ditarik kesimpulan terkait dengan model mana yang
terbaik dalam regresi data panel. Adapun hipotesis untuk Uji
Lagrange adalah sebagai berikut:
Penarikan kesimpulan pada Uji Lagrange dilihat dari nilai
probabilitas Breusch-Pagan. Jika nilai probabilitas lebih kecil dari
0,05 maka H1 diterima. Hal tersebut menunjukkan bahwa model
terbaik digunakan dalam regresi data panel adalah random effect
model. Berikut merupakan hasil Uji Lagrange:
Tabel 4. 8 Hasil Uji Lagrange
Cross-section
One-sided
Breusch-Pangan 10.68347
(0.0011)
Berdasarkan hasil Uji Lagrange, nilai probabilitas Breusch-Pagan
menunjukkan nilai sebesar 0,0011 dimana nilai tersebut lebih
kecil dari 0,05. Hal tersebut dapat disimpulkan bahwa model
terbaik yang digunakan dalam regresi data panel untuk periode
sesudah covid-19 adalah random effect model.

73
3. Analisis Regresi Data Panel
Hasil uji estimasi model regresi data panel untuk periode sebelum dan
sesudah covid-19 dapat disimpulkan bahwa model terbaik pada
masing-masing periode adalah random effect model. Berikut ini
merupakan hasil model yang terpilih dalam regresi data panel:
a. Regresi Data Panel Sebelum Covid-19
Berikut ini merupakan hasil regresi data panel sebelum covid-19
dengan menggunakan model estimasi yang terpilih yaitu Random
Effect Model:
Tabel 4. 9 Hasil Regresi Random Effect Model Sebelum Covid-19
Variabel Coefficient Std. Error t-Statistic Prob.

C 9840,560 89,00062 110,5673 0,0000
X1 6,385659 9,271467 0,688743 0,4911
X2 0,002111 3,43E-05 61,54262 0,0000
X3 17,22441 0,830090 20,75006 0,0000
Tabel di atas menunjukkan hasil regresi random effect model
untuk periode sebelum covid-19 yang ditunjukkan pada tabel 4.9,
maka persamaan model regresi yang dihasilkan pada regresi data
panel adalah sebagai berikut:
Nilai Tukar=9840,560+ 6,385659 X 1+ 0,002111 X 2+17,22441 X 3 +e

74
Keterangan:
X 3 : Indeks Harga Barang dan Jasa
e : error term
Berdasarkan model regresi tersebut, maka dapat diuraikan sebagai
berikut:
1) Konstanta sebesar 9840,560 menyatakan bahwa besarnya nilai
tukar rupiah adalah sebesar 9840,560 dengan asumsi bahwa
volatilitas saham, harga minyak dunia, dan indeks harga
konsumen bernilai konstan.
2) Koefisien regresi volatilitas saham sebesar 6,385659
menyatakan bahwa setiap penambahan satu nilai volatilitas
saham maka akan meningkatkan nilai tukar rupiah sebesar
6,385659.
3) Koefisien regresi harga minyak dunia menunjukkan nilai sebesar
0,002111 menyatakan bahwa setiap penambahan satu nilai harga
minyak dunia maka akan meningkatkan nilai tukar rupiah
sebesar 0,002111.
4) Koefisien regresi indeks harga barang dan jasa menunjukkan
nilai sebesar 17,22441. Hal tersebut dapat disimpulkan bahwa
setiap penambahan satu nilai indeks harga barang dan jasa maka
akan meningkatkan nilai tukar rupiah sebesar 17,22441.

75
b. Regresi Data Panel Sesudah Covid-19
Berikut ini merupakan hasil dari regresi data panel sesudah covid-
19 dengan menggunakan model estimasi yang terpilih yaitu
Random Effect Model:
Tabel 4. 10 Hasil Regresi Random Effect Model Sesudah Covid-19

C 14975,41 2,830006 5,280009 0,0000
X1 -1,10009 8,620009 -0,127324 0,8987
X2 -0,000667 1,170013 -5,690009 0,0000
X3 3,960008 2,770008 1,431829 0,1528
Tabel di atas menunjukkan hasil regresi random effect model
untuk periode sesudah covid-19 yang ditunjukkan pada tabel 4.10,
maka persamaan model regresi yang dihasilkan pada regresi data
panel adalah sebagai berikut:
Nilai Tukar=14975,41−1,10009 X 1−0,000667 X 2 +3,960008 X 3 +e
Keterangan:
X 3 : Indeks Harga Barang dan Jasa
e : error term
Berdasarkan model regresi tersebut, maka dapat diuraikan sebagai
berikut:
1) Konstanta sebesar 14975,41 menyatakan bahwa besarnya nilai
tukar rupiah adalah sebesar 14975,41 dengan asumsi bahwa

76
volatilitas saham, harga minyak dunia, dan indeks harga
konsumen bernilai konstan.
2) Koefisien regresi volatilitas saham sebesar -1,10009 menyatakan
bahwa setiap penambahan satu nilai volatilitas saham maka akan
menurunkan nilai tukar rupiah sebesar 1,10009.
3) Koefisien regresi harga minyak dunia menunjukkan nilai sebesar
-0,000667 menyatakan bahwa setiap penambahan satu nilai
harga minyak dunia maka akan menurunkan nilai tukar rupiah
sebesar 0,000667.
4) Koefisien regresi indeks harga barang dan jasa menunjukkan
nilai sebesar 3,960008. Hal tersebut dapat disimpulkan bahwa
setiap penambahan satu nilai indeks harga barang dan jasa maka
akan meningkatkan nilai tukar rupiah sebesar 3,960008
4. Koefisien Determinasi
Koefisien determinasi bertujuan untuk melihat seberapa besar
keseluruhan variabel independen dapat menjelaskan variabel
dependen. Hasil pengujian koefisien determinasi adalah sebagai
berikut:
a. Koefisien Determinasi Sebelum Covid-19
Tabel 4. 11 Hasil Uji Koefisien Determinasi Sebelum Covid-19
Koefisien Determinasi
R-squared 0,939312
Adjusted R-Squared 0,939161
77
Nilai R squared dari hasil uji koefisien determinasi menunjukkan
nilai sebesar 0,939312. Hal tersebut menunjukkan bahwa
kontribusi variabel volatilitas saham, harga minyak dunia, dan
indeks harga barang dan jasa sebelum covid-19 adalah sebesar
93,93% atau dapat diartikan bahwa semua variabel independen
dalam penelitian ini dapat menjelaskan variabel dependen sebesar
93,93%.
b. Koefisien Determinasi Sesudah Covid-19
Tabel 4. 12 Hasil Uji Koefisien Determinasi Sesudah Covid-19
Koefisien Determinasi
R-squared 1.000000
Adjusted R-Squared 1.000000
Nilai R squared dari hasil uji koefisien determinasi menunjukkan
nilai sebesar 1.000000. Hal tersebut menunjukkan bahwa
kontribusi variabel volatilitas saham, harga minyak dunia, dan
indeks harga barang dan jasa sesudah covid-19 adalah sebesar
100% atau dapat diartikan bahwa semua variabel independen
dalam penelitian ini dapat menjelaskan variabel dependen sebesar
100%.
5. Uji Signifikan t
Uji signifikan t atau biasa disebut dengan uji parsial adalah
pengujian statistik yang bertujuan untuk mengetahui pengaruh
variabel independen terhadap variabel dependen secara parsial.
Penarikan kesimpulan pada uji t dilakukan dengan membandingkan

78
probabilitas dengan taraf signifikansi sebesar 0,05. Berikut merupakan
hasil uji parsial pada penelitian ini:
a. Uji Signifikan t Sebelum Covid-19
Tabel 4. 13 Hasil Uji Signifikan t pada Sebelum Covid-19

C 9840,560 89,00062 110,5673 0,0000
X1 6,385659 9,271467 0,688743 0,4911
X2 0,002111 3,43E-05 61,54262 0,0000
X3 17,22441 0,830090 20,75006 0,0000
Tabel di atas menunjukkan hasil uji parsial pada periode
sebelum covid-19, uji parsial dapat diuraikan pada masing-masing
variabel sebagai berikut:
1) Pengaruh Volatilitas Saham terhadap Nilai Tukar Rupiah Sebelum
Covid-19
Hasil uji parsial pada variabel volatilitas saham menunjukkan nilai
koefisien regresi sebesar 6,385659 dengan nilai probabilitas sebesar
0,4911. Nilai probabilitas pada variabel volatilitas saham yang
lebih besar dari tingkat signifikansi 0,05 menunjukkan bahwa
volatilitas saham berpengaruh positif dan tidak signifikan terhadap
nilai tukar rupiah sebelum covid-19, maka hipotesis pertama
ditolak.
2) Pengaruh Harga Minyak Dunia terhadap Nilai Tukar Rupiah
Sebelum Covid-19
Hasil uji parsial pada variabel harga minyak dunia menunjukkan
nilai koefisien regresi sebesar 0,002111 dengan nilai probabilitas

79
sebesar 0,000. Nilai probabilitas variabel harga minyak dunia yang
lebih kecil dari tingkat signifikansi 0,05 menunjukkan bahwa harga
minyak dunia berpengaruh positif dan signifikan terhadap nilai
tukar rupiah sebelum covid-19, sehingga hipotesis kedua diterima.
3) Pengaruh Indeks Harga Barang dan Jasa terhadap Nilai Tukar
Rupiah Sebelum Covid-19
Hasil uji parsial pada variabel indeks harga barang dan jasa
menunjukkan nilai koefisien sebesar 17,22441 dengan nilai
probabilitas sebesar 0,0000. Nilai probabilitas variabel indeks
harga barang dan jasa yang lebih kecil dari tingkat signifikansi 0,05
menunjukkan bahwa indeks harga barang dan jasa berpengaruh
positif dan signifikan terhadap nilai tukar rupiah sebelum covid-19,
sehingga hipotesis ketiga diterima.
b. Uji Signifikan t Sesudah Covid-19
Tabel 4.14 Hasil Uji Signifikan t pada Sesudah Covid-19

C 14975,41 2,830006 5,280009 0,0000
X1 -1,10009 8,620009 -0,127324 0,8987
X2 -0,000667 1,170013 -5,690009 0,0000
X3 3,960008 2,770008 1,431829 0,1528
Tabel di atas menunjukkan hasil uji parsial pada periode sesudah
covid-19, uji parsial dapat diuraikan pada masing-masing variabel
sebagai berikut:
1) Pengaruh Volatilitas Saham terhadap Nilai Tukar Rupiah Sesudah
Covid-19
80
Hasil uji parsial pada variabel volatilitas saham menunjukkan nilai
koefisien regresi sebesar -1,10009 dengan nilai probabilitas sebesar
0,8987. Nilai probabilitas variabel volatilitas saham yang lebih
besar dari tingkat signifikansi 0,05 menunjukkan bahwa volatilitas
saham berpengaruh negatif dan tidak signifikan terhadap nilai tukar
rupiah sesudah covid-19, sehingga hipotesis keempat ditolak.
2) Pengaruh Harga Minyak Dunia terhadap Nilai Tukar Rupiah
Sesudah Covid-19
Hasil uji parsial pada variabel harga minyak dunia menunjukkan
nilai koefisien regresi sebesar -0,000667 dengan nilai probabilitas
sebesar 0,000. Nilai probabilitas pada variabel harga minyak dunia
yang lebih kecil dari tingkat signifikansi 0,05 menunjukkan bahwa
harga minyak dunia berpengaruh negatif dan signifikan terhadap
nilai tukar rupiah sesudah covid-19, sehingga hipotesis kelima
diterima.
3) Pengaruh Indeks Harga Barang dan Jasa terhadap Nilai Tukar
Rupiah Sesudah Covid-19
Hasil uji parsial pada variabel indeks harga barang dan jasa
menunjukkan nilai koefisien sebesar 3,960008 dengan nilai
probabilitas sebesar 0,1528. Nilai probabilitas pada variabel indeks
harga barang dan jasa yang lebih besar dari tingkat signifikansi
0,05 menunjukkan bahwa indeks harga barang dan jasa

81
berpengaruh positif dan tidak signifikan terhadap nilai tukar rupiah
sesudah covid-19, sehingga hipotesis keenam ditolak.
C. Pembahasan
1. Pengaruh Volatilitas Harga Saham terhadap Nilai Tukar Rupiah
Sebelum Covid-19
Berdasarkan hasil pengujian hipotesis mengenai pengaruh
volatilitas harga saham terhadap nilai tukar rupiah sebelum covid-19
menunjukkan bahwa volatilitas saham berpengaruh positif dan tidak
signifikan terhadap nilai tukar rupiah karena nilai probabilitas
sebesar 0,4911 (0,4911 > 0,05). Volatilitas harga saham merupakan
ukuran statistik untuk menghitung fluktuasi harga saham selama
periode tertentu (Priana & Muliartha, 2017). Volatilitas saham tidak
signifikan terhadap nilai tukar rupiah salah satunya disebabkan oleh
investor yang melakukan transaksi saham merupakan investor dalam
negeri yang tidak melibatkan mata uang asing untuk bertransaksi
dalam pasar saham di Indonesia, sehingga tidak berdampak pada
nilai tukar rupiah.
Hasil penelitian ini tidak sejalan dengan penelitian yang telah
dilakukan oleh Rebardo et al. (2016) yang menyatakan bahwa
terdapat hubungan positif dan signifikan antara pergerakan nilai
saham dengan nilai mata uang di negara berkembang.

82
2. Pengaruh Harga Minyak Dunia terhadap Nilai Tukar Rupiah
Sebelum Covid-19
Berdasarkan hasil pengujian hipotesis terkait dengan pengaruh
harga minyak dunia terhadap nilai tukar rupiah sebelum covid-19
menunjukkan bahwa harga minyak dunia berpengaruh positif dan
signifikan terhadap nilai tukar rupiah dengan nilai probabilitas sebesar
0,000 (0,000 < 0,05). Harga minyak dunia yang cenderung fluktuatif
dapat mempengaruhi nilai tukar rupiah. Semakin tinggi harga minyak
dunia akan meningkatkan nilai tukar rupiah.
Harga minyak dunia dapat mempengaruhi nilai tukar suatu
negara sesuai dengan teori pendekatan perdagangan yang
mempengaruhi nilai tukar. Pembentukan nilai tukar didasarkan pada
nilai tukar antara dua mata uang berbeda ditentukan oleh perdagangan
barang atau jasa yang terjadi di antara kedua negara atau melalui
proses ekspor-impor. Perdagangan minyak mentah biasanya
melibatkan dua atau lebih negara karena tidak semua negara
merupakan negara penghasil minyak sehingga perlu melalui proses
ekspor-impor. Data statistik harga minyak dunia mencatat pada tahun
2016-2018 sebelum adanya pandemi covid-19 terjadi kenaikan harga
minyak setiap tahunnya, hal tersebut juga diikuti dengan
meningkatnya nilai tukar rupiah pada tahun periode tahun yang sama.
Hasil penelitian ini sejalan dengan penelitian yang telah
dilakukan oleh Delgado et al (2018) yang menyatakan bahwa harga

83
minyak dunia berpengaruh positif dan signifikan terhadap nilai tukar
di Negara Meksiko pada tahun 1992 hingga 2017. Hasil ini juga
sejalan dengan penelitian yang telah dilakukan oleh Nurmakhanova &
Katenova (2019), serta Wang, Geng & Guo (2022) menyebutkan
bahwa harga minyak dunia berpengaruh positif dan signifikan
terhadap nilai tukar.
3. Pengaruh Indeks Harga Barang dan Jasa terhadap Nilai Tukar
Rupiah Sebelum Covid-19
indeks harga barang dan jasa terhadap nilai tukar rupiah menunjukkan
bahwa indeks harga barang dan jasa berpengaruh positif dan
0,000 (0,000 < 0,05). Indeks barang dan jasa menjadi salah satu alat
ukur yang menunjukkan tingkat inflasi di suatu negara. Indeks harga
barang dan jasa cenderung tinggi setiap bulannya akan meningkatkan
nilai tukar. Begitu pula sebaliknya apabila nilai indeks harga barang
dan jasa rendah akan menurunkan nilai tukar. Berdasarkan data dari
Badan Pusat Statistik, indeks harga barang dan jasa dari tahun 2015-
2019 selalu meningkat setiap tahunnya, hal tersebut kemudian diikuti
dengan meningkatkan nilai tukar rupiah. Sehingga meningkatnya
indeks harga barang dan jada memengaruhi nilai tukar rupiah.
Hasil penelitian ini sejalan dengan penelitian yang telah
dilakukan oleh Delgado et al. (2018). Hasil penelitian Delgado et al.

84
(2018) menyatakan bahwa indeks harga barang dan jasa memiliki
pengaruh positif dan signifikan terhadap nilai tukar. Hal tersebut dapat
disimpulkan bahwa jika indeks harga konsumen mengalami kenaikan
maka akan menyebabkan kenaikan pada nilai tukar.
4. Pengaruh Volatilitas Harga Saham terhadap Nilai Tukar Rupiah
Sesudah Covid-19
volatilitas harga saham terhadap nilai tukar rupiah sesudah covid-19
menunjukkan bahwa volatilitas saham berpengaruh negatif tidak
signifikan terhadap nilai tukar rupiah karena nilai probabilitas
sebesar 0,8987 (0,8987 > 0,05). Nilai tukar atau kurs merupakan
nilai dari harga satuan mata uang domestik terhadap mata uang asing
atau sebaliknya. Volatilitas saham tidak signifikan terhadap nilai
tukar rupiah salah satunya disebabkan oleh investor yang melakukan
transaksi saham merupakan investor dalam negeri yang tidak
melibatkan mata uang asing untuk bertransaksi dalam pasar saham di
Indonesia. Selama pandemi dan adanya ketidakpastian ekonomi
membuat investor asing berhati-hati dalam menanamkan modalnya
di Indonesia, sehingga hal tersebut menyebabkan volatilitas saham
tidak berdampak pada nilai tukar rupiah.
Hasil penelitian ini tidak sejalan dengan penelitian yang
dilakukan oleh Arenas & Gomez (2020) menyebutkan bahwa
volatilitas sesudah covid-19 berpengaruh positif dan signifikan

85
terhadap nilai tukar. Hal ini menjelaskan terdapat proses depresiasi
mata uang peso Kolombia terhadap mata uang dollar dikarenakan efek
setelah covid-19 pada negara Kolombia.
5. Pengaruh Harga Minyak Dunia terhadap Nilai Tukar Rupiah
Sesudah Covid-19
Berdasarkan hasil pengujian hipotesis terkait dengan pengaruh
harga minyak dunia terhadap nilai tukar rupiah sebelum covid-19
menunjukkan bahwa harga minyak dunia berpengaruh negatif dan
signifikan terhadap nilai tukar rupiah dengan nilai probabilitas
sebesar 0,000 (0,000 < 0,05) dengan koefisien berarah negatif
sehingga hipotesis kelima diterima. Kurs merupakan patokan seberapa
besar nilai uang negara tersebut apabila diperbandingkan dengan nilai
uang negara lain, dalam kasus ini menggunakan dolar Amerika
Serikat. Penelitian yang telah dilakukan oleh Singhal (2019)
menyebutkan bahwa harga minyak dunia berpengaruh negatif dan
signifikan terhadap nilai tukar. Hal ini dikarenakan terdapat
ketidakpastian ekonomi yang terjadi saat pandemi, sehingga
berdampak pada harga minyak dunia.
6. Pengaruh Indeks Harga Barang dan Jasa terhadap Nilai Tukar
Rupiah Sesudah Covid-19
indeks harga barang dan jasa terhadap nilai tukar rupiah menunjukkan
86
bahwa indeks harga barang dan jasa berpengaruh positif dan tidak
0,1528 (0,1528 < 0,05). Indeks Harga Konsumen merupakan angka
indeks yang menunjukkan tingkat harga barang dan jasa yang dibeli
konsumen dalam suatu periode tertentu. Hal ini disebabkan karena
naik turunnya Indeks harga barang dan jasa tidak akan mempengaruhi
nilai tukar rupiah. Pandemi covid-19 yang melanda di banyak negara
di dunia sehingga membuat dampak yang buruk pada kondisi ekonomi
tiap negara, baik pada indeks harga barang dan jasa yang tinggi
ataupun nilai tukar yang tinggi, kondisi ini mengakibatkan naik
turunnya indeks harga barang dan jasa tidak mempengaruhi nilai tukar
rupiah.
Hasil penelitian ini tidak sejalan dengan penelitian yang
dilakukan oleh Feng, Yang, & Gong (2021) yang menjelaskan bahwa
indeks harga konsumen berpengaruh positif dan signifikan terhadap
perubahan nilai tukar pada 20 negara yang terdampak covid-19 pada
periode Januari 2020 hingga Juli 2020.

87
BAB V
PENUTUP
A. Kesimpulan
Berdasarkan hasil dan pembahasan yang telah dipaparkan pada penelitian
ini, maka kesimpulan dari penelitian ini adalah sebagai berikut:
1. Volatilitas saham berpengaruh positif tidak dan signifikan terhadap nilai
tukar rupiah pada periode sebelum covid-19
2. Harga minyak dunia berpengaruh positif dan signifikan terhadap nilai
tukar rupiah pada periode sebelum covid-19
3. Indeks harga barang dan jasa berpengaruh positif dan signifikan terhadap
nilai tukar rupiah pada periode sebelum covid-19
4. Volatilitas saham berpengaruh negatif dan tidak signifikan terhadap nilai
tukar rupiah pada periode sesudah covid-19
5. Harga minyak dunia berpengaruh negatif dan signifikan terhadap nilai
tukar rupiah pada periode sesudah covid-19
6. Indeks harga barang dan jasa berpengaruh positif dan tidak signifikan
terhadap nilai tukar rupiah pada periode sesudah covid-19
B. Implikasi
Implikasi dari hasil penelitian ini diharapkan untuk para investor dalam
mengambil keputusan terkait dengan investasi dapat mempertimbangkan faktor-
faktor yang memengaruhi nilai tukar yang berlaku pada pasar saham. Hasil
penelitian ini diharapkan dapat memberikan kontribusi pada ilmu pengetahuan

88
sebagai tambahan informasi terkait dengan faktor-faktor yang memengaruhi nilai
tukar rupiah.
C. Keterbatasan dan Saran
Keterbatasan pada penelitian ini dapat menjadi bahan pertimbangan untuk
peneliti selanjutnya agar penelitian menjadi lebih baik, Keterbatasan pada
penelitian ini adalah sebagai berikut:
1. Perusahaan yang digunakan sebagai sampel pada penelitian ini hanya
terbatas pada perusahaan di Indeks Saham Syariah Indonesia (ISSI)
yang terdaftar di Bursa Efek Indonesia, sehingga belum mampu
menjelaskan perusahaan lain yang tidak terdaftar di Indeks Saham
Syariah Indonesia (ISSI).
2. Penelitian ini hanya terfokus pada periode 2015-2021 saja, sehingga
belum mampu menggambarkan pengaruh volatilitas saham, harga
minyak dunia, dan indeks harga konsumen terhadap nilai tukar rupiah
dalam jangka panjang.
Berdasarkan keterbatasan yang telah dipaparkan sebelumnya, maka saran
yang dapat dijadikan pertimbangan antara lain:
1. Bagi investor
Penelitian ini dapat dijadikan sebagai bahan pertimbangan bagi
investor dalam melakukan pengambilan keputusan investasi di pasar
saham.
89
2. Bagi peneliti selanjutnya
Hasil penelitian ini dapat dijadikan sumber acuan dalam melakukan
penelitian terkait dengan faktor-faktor yang mempengaruhi nilai tukar
rupiah.
Daftar Pustaka
Algamdi, A., Brika, S. K. M., Musa, A., & Chergui, K. (2021). COVID-19 Deaths
Cases Impact on Oil Prices: Probable Scenarios on Saudi Arabia
Economy. Frontiers in Public Health, 9(February), 1–10.
https://doi.org/10.3389/fpubh.2021.620875
Afshan, S., Sharif, A., Loganathan, N., & Jammazi, R. (2018). Time–frequency
causality between stock prices and exchange rates: Further evidences
from cointegration and wavelet analysis. Physica A: Statistical
Mechanics and Its Applications, 495, 225–244.
https://doi.org/10.1016/j.physa.2017.12.033
Areli Bermudez Delgado, N., Bermudez Delgado, E., & Saucedo, E. (2018). The
relationship between oil prices, the stock market and the exchange rate:
Evidence from Mexico. North American Journal of Economics and
Finance, 45(December 2017), 266–275.
https://doi.org/10.1016/j.najef.2018.03.006
Arenas, C. D., & Gomez, H. M. (2019). Covid-19 and Oil Prices: Effects on the
Colombian Peso Exchange Rate. 9–25.
Blanchard, O. (2017). Book: Macroeconomics.
Blau, B. M. (2018). Exchange rate volatility and the stability of stock prices.
International Review of Economics and Finance, 58(October 2015), 299–
311. https://doi.org/10.1016/j.iref.2018.04.002
Case, K. E., Fair, R. C., & Oster, S. M. (2014). Principles of microeconomics 11th
edition. In Principles of Microeconomics.
Corbo, V., & Di Casola, P. (2022). Drivers of consumer prices and exchange rates
in small open economies. Journal of International Money and Finance,
122, 102553. https://doi.org/10.1016/j.jimonfin.2021.102553
Darmawan. (2018). Manajemen Keuangan Internasional. Fakultas Ekonomi dan
Bisnis UIN Sunan Kalijaga.
Erdogan, S., Gedikli, A., & Cevik, E. I. (2020). Volatility Spillover Effects
Between Islamic Stock Markets and Exchange Rates: Evidence from
Three Emerging Countries. Borsa Istanbul Review.
https://doi.org/https://doi.org/10.1016/j.bir.2020.04.003
Feng, G. F., Yang, H. C., Gong, Q., & Chang, C. P. (2021). What is the exchange
rate volatility response to COVID-19 and government interventions?
Economic Analysis and Policy, 69, 705–719.
https://doi.org/10.1016/j.eap.2021.01.018
Fernández-Rodríguez, F., & Sosvilla-Rivero, S. (2020). Volatility transmission
between stock and foreign exchange markets: a connectedness analysis.
91
Applied Economics, 52(19), 2096–2108.

https://doi.org/10.1080/00036846.2019.1683143
Firmansyah. (2006). Analisis Volatilitas Harga Kopi Internasional. Usahawan.
Ghozali, I. (2018). Aplikasi Analisis Multivariate dengan Program IBM SPSS 25.
Badan Penerbit Universitas Diponegoro.
Handiani, S. (2014). Pengaruh Harga Emas Dunia, Harga Minyak Dunia dan Nilai
Tukar Dolar Amerika/Rupiah Terhadap Indeks Harga Saham Gabungan
Pada Periode 2008-2013. E-Journal Graduate Unpar, 1(1), 85–93.
http://journal.unpar.ac.id/index.php/unpargraduate/article/view/552
Harsanti, F.S. and Retnosari (2022) ‘Dampak Covid-19 Terhadap Perubahan Kurs
dan Volume Perdagangan Saham pada Indeks Lq-45’, Accounting
Global Journal, 6(1), pp. 67–77.
Haryanto. (2020). Dampak Covid-19 terhadap Pergerakan Nilai Tukar Rupiah dan
Indeks Harga Saham Gabungan (IHSG). Jurnal Perencanaan
Pembangunan: The Indonesian Journal of Development Planning,
4(2), 151–165. https://doi.org/10.36574/jpp.v4i2.114
Hashmi, S. M., Chang, B. H., Huang, L., & Uche, E. (2022). Revisiting the
relationship between oil prices, exchange rate, and stock prices: An
application of quantile ARDL model. Resources Policy,
75(December 2021), 102543.
https://doi.org/10.1016/j.resourpol.2021.102543
Hung, N. T. (2019). Spillover Effects Between Stock Prices and Exchange Rates
for the Central and Eastern European Countries. Global Business Review,
23(2), 259–286. https://doi.org/10.1177/0972150919869772
Hutauruk, M.R. (2021) ‘Dampak Situasi Sebelum dan Sesudah Pandemi COVID-
19 Terhadap Dampak Situasi Sebelum dan Sesudah Pandemi
COVID-19 Terhadap Volatilitas Harga Saham LQ45 ( COVID-19 )’,
Jurnal Riset Akuntansi Dan Keuangan, 9(2).
https://doi.org/10.17509/jrak.v9i2.32037.
Jogiyanto, H. (2010). Teori Portofolio dan Analisis Investasi. BPFE.
Junaedi, D., & Salistia, F. (2020). Dampak Pandemi Covid-19 terhadap Pasar
Modal di Indonesia. Al-Kharaj : Jurnal Ekonomi, Keuangan &
Bisnis Syariah, 2(2), 109–131.
https://doi.org/10.47467/alkharaj.v2i2.112
Junaidi, A., Wibowo, M. G., & Hasni. (2021). Pengaruh Variabel Ekonomi Makro
Terhadap Indeks Saham Syariah Indonesia (ISSI) Periode Tahun 2014-
2019. Ekonomi Dan Bisnis, 24(1), 17–29.
Kementerian ESDM, D. J. M. dan G. B. (2018). Minyak dan Gas Bumi. 12910.
Krugman, P. R., Obstfeld, M., & Melitz, M. J. (2017). Chapter 17 Output and the
92
Exchange Ratein the Short Run. In International Economics: Theory and

Policy.
Kumar, S. (2019). Asymmetric impact of oil prices on exchange rate and stock
prices. Quarterly Review of Economics and Finance, 72, 41–51.
https://doi.org/10.1016/j.qref.2018.12.009
Kumeka, T. T., Nwosu, D. C., & Wayas, M. O. (2022). The effects of COVID-19
on the interrelationship among oil prices, stock prices and exchange rates in
selected oil exporting economies. Resources Policy, 77(7).
Lestari Irma Made. (2020). Signifikansi Pengaruh Sentimen Pemberlakuan PSBB
Terhadap Aspek Ekonomi: Pengaruh Pada Nilai Tukar Rupiahdan Stock
Return(Studi Kasus Pandemi Covid-19). Jurnal Bina Akuntansi , 7(2), 223–
239. https://wiyatamandala.e-journal.id/JBA/article/view/98
Madura, J. (2018). International Financial Management, 13th Edition. 743.
http://202.91.76.90:81/fdScript/RootOfEBooks/E Book Collection 2021 -
A/MANAGEMENT/International Financial Management by Jeff
Madura.pdf
Mahalakshmi, S., Thiyagarajan, S., Vasudevan, G., & Naresh, G. (2022). Return
and Volatility Spillover Effects between Rupee–Dollar Exchange Rate
and Asian Stock Indices. Journal of Emerging Market Finance.
https://doi.org/10.1177/09726527221100467
Maitra, D., & Dawar, V. (2019). Return and Volatility Spillover among
Commodity Futures, Stock Market and Exchange Rate: Evidence from
India. Global Business Review, 20(1), 214–237.
https://doi.org/10.1177/0972150918803801
Mankiw, N. G. (2018). Pengantar Ekonomi Makro Edisi &. Salemba Empat.
Mohammed Suliman, T. H., & Abid, M. (2020). The impacts of oil price on
exchange rates: Evidence from Saudi Arabia. Energy Exploration and
Exploitation, 38(5), 2037–2058.
https://doi.org/10.1177/0144598720930424
Nurmakhanova, M., & Katenova, M. (2019). Are stock market and exchange rate
affected by oil price in Kazakhstan? International Journal of
Engineering Business Management, 11, 1–9.
https://doi.org/10.1177/1847979019851926
Nusair, S. A., & Olson, D. (2022). Dynamic relationship between exchange rates
and stock prices for the G7 countries: A nonlinear ARDL approach.
Journal of International Financial Markets, Institutions and Money,
78(June 2020), 101541. https://doi.org/10.1016/j.intfin.2022.101541
Nyangarika, A., Mikhaylov, A., & Richter, U. H. (2019). Digitales
ArchivInfluence Oil Price towards Macroeconomic Indicators in Russia
Anthony. International Journal of Energy Economics and Policy, 9(1),
93
123–129. https://doi.org/https://doi.org/10.32479/ijeep.6807
Priana, I. W. K., & Muliartha, K. (2017). Pengaruh Volume Perdagangan Saham,
Leverage dan Dividend Payout Ratio Pada Volatilitas Harga Saham.
Jurnal Akuntansi Universitas Udayana, 20(1), 1–29.
Puspitaningrum, R. (2014). Pengaruh Tingkat Inflasi, Tingkat Suku Bunga SBI,
dan Pertumbuhan Ekonomi Terhadap Nilai Tukar Rupiah Studi Pada
Bank Indonesia Periode Tahun 2003-2012. Jurnal Administrasi Bisnis,
8(1).
Putra, H. E. (2016). Pengaruh Harga Minyak Dunia, Nilai Tukar Rupiah,
Pengeluaran Pemerintah dan Ekspor Netto Terhadap Pertumbuhan
Ekonomi di Indonesia Tahun 1985-2014. Universitas Airlangga.
Qizam, I., Ardiansyah, M., & Qoyum, A. (2020). Integration of Islamic capital
market in ASEAN-5 countries: Preliminary evidence for broader benefits
from the post-global financial crisis. Journal of Islamic Accounting and
Business Research, 11(3), 811–825. https://doi.org/10.1108/JIABR-08-
2019-0149
Qoyum, A., Sakti, M. R. P., Thaker, H. M. T., & AlHashfi, R. U. (2022). Does the
islamic label indicate good environmental, social, and governance (ESG)
performance? Evidence from sharia-compliant firms in Indonesia and
Malaysia. Borsa Istanbul Review, 22(2), 306–320.
https://doi.org/10.1016/j.bir.2021.06.001
Salvatore, D. (2013). International Economics. Wiley.
Sekaran, U. (2014). Metodologi Penelitian Untuk Bisnis (Research Methods for
Business) (4th ed.). Salemba Empat.
Selpiana, K. R., & Badjra, I. B. (2018). Pengaruh Kebijakan Dividen, Nilai Tukar,
Leverage, dan Firm Size terhadap Volatilitas Harga Saham. E-Jurnal
Manajemen Universitas Udayana, 7(3), 1682.
https://doi.org/10.24843/ejmunud.2018.v7.i03.p20
Singhal, S., Choudhary, S., & Biswal, P. C. (2019). Return and volatility linkages
among International crude oil price, gold price, exchange rate and stock
markets: Evidence from Mexico. Resources Policy, 60(September 2018),
255–261. https://doi.org/10.1016/j.resourpol.2019.01.004
Suah, J. L. (2022). Impact of uncertainty and exchange rate shocks : Theory and
global empirics. Journal of Asian Economics, 82(June), 101510.
https://doi.org/10.1016/j.asieco.2022.101510
Sukirno, S. (2019). Makroekonomi: teori pengantar. Rajawali Pers.
Tandelilin, E. (2010). Portofolio dan Investasi Teori dan Aplikasi. Kanisiu.
Tandelilin, E. (2017). Pasar Modal: Manajemen Portofolio & Investasi. Kanisius.
94
Thai Hung, N. (2020). Stock market volatility and exchange rate movements in
the Gulf Arab countries: a Markov-state switching model. Journal of
Islamic Accounting and Business Research, 11(9), 1969–1987.
https://doi.org/10.1108/JIABR-01-2020-0004
Thobarry, A. (2009). Analisis Pengaruh nilai tukar, suku bunga, laju inflasi dan
pertumbuhan GDP terhadap indeks harga saham sektor properti (kajian
empiris pada Bursa Efek Indonesia periode pengamatan tahun. Program
Pascasarjana Universi-Tas Diponegoro. Semarang, 104.
http://eprints.undip.ac.id/19029/
Ucak, S., & Usupbeyli, A. (2020). The Effects of Exchange Rates on CPI and PPI.
Business and Economics Research Journal, 11(2), 323–334.
https://doi.org/10.20409/berj.2020.252
Wang, Y., Geng, X., & Guo, K. (2022). The influence of international oil price
fluctuation on the exchange rate of countries along the “Belt and Road.”
North American Journal of Economics and Finance, 59(November
2021), 101588. https://doi.org/10.1016/j.najef.2021.101588
Widoatmodjo, S. (2005). Cara Sehat Investasi di Pasar Modal Pengantar
Menjadi Investor Profesional. PT. Elex Media Komputindo.
Wijayanti, Y., & Sudarmiani. (2017). Pengaruh Tingkat Inflasi terhadap Nilai
Tukar Rupiah. Equilibrium Jurnal Ilmiah Ekonomi Dan
Pembelajarannya, 5(1), 32.
https://doi.org/http://dx.doi.org/10.25273/equilibrium.v5i1.1004
Zubaid, N. L., & Rusgianto, S. (2020). Pengaruh Volatilitas Nilai Tukar Terhadap
Volatilitas Indeks Sektor Pertambangan Saham Syariah Indonesia.
Jurnal Ekonomi Syariah Teori Dan Terapan, 7(9), 1743.
https://doi.org/10.20473/vol7iss20209pp1743-1754
95
LAMPIRA
96
LAMPIRAN. 1
SAMPEL DATA PERUSAHAAN
Tabel Kriteria Sampel Penelitian
Keterangan Total
Perusahaan yang terdaftar di ISSI 2015-2021 607
Perusahaan yang tidak konsisten terdaftar di ISSI 2015-2021 -116
Perusahaan yang terdaftar setelah tahun 2015 -199
Perusahaan yang delisting dari Bursa Efek Indonesia -7
Perusahaan yang tidak memiliki data lengkap harga saham di laporan
tahunan periode 2015-2021 -43
Jumlah perusahaan 242
Jumlah sampel penelitian (264 x 7) 1694
97
LAMPIRAN. 2
KONSISTENSI DATA PERUSAHAAN
IPO
No Kode Nama Perusahaan IPO setelah Delist Annual Report
2015 Tidak
Lengkap Tahun
1 AALI Astra Agro L 09 Des 1997
3 ACES Ace Hardware Indonesia 6-Nov-07
5 ADES Akasha Wira International 13-Jun-94
6 ADHI Adhi Karya 18-Mar-04
7 ADMG Polycem Indonesia 20 Okt 1993
8 ADRO Adaro Energy 16-Jul-08
9 AGAR Asia Sejahtera Mina 02 Des 2019 1
10 AGII Aneka Gas Industri 28-Sep-16 1
11 AIMS Akbar Indo Makmur Stimec 20-Jul-01
12 AISA Tiga Pilar Sejahtera Food 11-Jun-97
13 AKKU Anugerah Kagum Karya Utama 1-Nov-04
14 AKPI Argha Karya Prima Industry 18 Des 1992
15 AKRA AKR Corporindo 03 Okt 1994
16 AKSI Majapahit Inti Corpora 03 Okt 1994
17 ALDO Alkindo Naratama 12-Jul-11
18 ALKA Alakasa Insutrindo 12-Jul-90
20 AMAN Makmur Berkah Amanda 13-Mar-20 1
22 AMIN Ateliers Mecaniques D'Indonesie 13-Jul-01
23 ANDI Andira Agro 16 Ags 2018 1
24 ANJT Austindo Nusantara Jaya 08 Mei 2013
25 ANTM Aneka Tambang 27-Nov-97
26 APEX Apexindo Pratama Duta 5-Jun-13
27 APII Arita Prima Indonesia 29 Okt 2013
28 APLI Asiaplast Insutries 01 Mei 2000
29 APLN Agung Podomoro 11-Nov-10
30 ARII Atlas Resources 8-Nov-11
31 ARMY Armidian Karyatama 21-Jun-17 1
32 ARNA Arwana Citramulia 17-Jul-01
35 ASGR Astra Grapia 15-Nov-89
37 ASPI Andalan Sakti Primaindo 17-Feb-20 1
38 ASRI Alam Sutera Realty 18 Des 2007
39 ATAP Trimitra Prawara Goldland 11 Des 2020 1
41 ATPK Bara Jaya Internasional delist 1
42 AUTO Astra Otoparts 15-Jun-98
98
43 AVIA Avia Avian 08 Des 2021 1

44 AYLS Agro Yasa Lestari 12-Feb-20 1
45 BALI Bali Towerindo Sentra 13-Mar-14
46 BANK Bank Aladin Syariah 1-Feb-21 1
47 BAPA Bekasi Asri Pemula 14-Jan-08
48 BAPI Bhakti Agung Properindo 16-Sep-19 1
49 BATA Sepatu Bata 24-Mar-82 1 2020
50 BAYU Bayu Buana 30 Okt 1989
51 BBRM Pelayaran Nasional Bina Buaya Raya 9-Jan-13
52 BBSS Bumi Benowo Sukses Sejahtera 15 Apr 2020 1
53 BCIP Bumi Citra Permai 11 Des 2009
54 BEBS Berkah Beton Sadaya 10-Mar-21 1
55 BEEF Estika Tata Tiara 10-Jan-19 1
56 BELL Trisula Textile Industries 03 Okt 2017 1
57 BESS Batulicin Nusantara Maritim 09 Mar 2020 1
58 BEST Bekasi Fajar Industrial Estate 10-Apr-12
60 BIKA Binakarya Jaya Abadi 14-Jul-15
61 BINO Perma Plasindo 25-Nov-21 1
62 BIPP Bhuwanatala Indah Permai 23 Okt 1995
63 BIRD Blue Bird 5-Nov-14
64 BISI BISI International 28 Mei 2007
65 BKDP Bukit Darmo Property 15-Jun-07
66 BKSL Sentul City 28-Jul-97
67 BLTA Berlian Laju Tanker 26-Mar-90 1 2018
68 BLTZ Graha Layar Prima 10-Apr-14
69 BLUE Berkah Prima Perkasa 8-Jul-19 1
70 BMHS Bundamedik 6-Jul-21 1
71 BMSR Bintang Mitra Semestaraya 29 Des 1999
72 BMTR Global Mediacom 17-Jul-95
74 BOBA Formosa Ingredient Factory 1-Nov-21 1
75 BOGA Bintang Oto Global 19 Des 2016 1
76 BOLT Garuda Metalindo 7-Jul-15 1 2020
77 BOSS Borneo Olah Sarana Sukses 15-Feb-18 1
78 BRAM Indo Kordsa 5-Sep-90
79 BRIS Bank Syariah 09 Mei 2018 1
80 BRMS Bumi Resources Minerals 09 Des 2010
81 BRNA Berlina 6-Nov-89
82 BRPT Barito Pacific 01 Okt 1993
83 BSDE Bumi Serpong Damai 6-Jun-08
84 BSSR Baramulti suksessarana 8-Nov-12
85 BTEK Bumi Teknokultura Unggul 14 Mei 2004 1 2020
86 BTON Betonjaya Manunggal 18-Jul-01
Bank Tabungan Pensiunan Nasional
08 Mei 2018
87 BTPS Syariah 1
99
88 BUDI Budi Starch & Sweetener 08 Mei 1995

89 BUKA Bukalapak.com 06 Ags 2021 1
90 BUKK Bukaka Teknik Utama 29-Jun-15
92 BUVA Bukit Uluwatu Villa 12-Jul-10
95 CAKK Cahayaputra Asa Keramik 31 Okt 2018 1
96 CAMP Campina Ice Cream Industry 19 Des 2017 1
97 CANI Capitol Nusantara Indonesia 16-Jan-14
98 CARE Metro Healthcare Indonesia 13-Mar-20 1
99 CASS Cardig Aero Services 05 Des 2011
10
9-Apr-20
0 CBMF Cahaya Bintang Medan 1
10 Communication Cable Systems 18-Jun-19
1 CCSI Indonesia 1
10
9-Jul-96
2 CEKA Wilmar Cahaya Indonesia
10
27-Jun-14
4 CINT Chitose Internasional
10
20-Mar-02
5 CITA Cita Mineral Investindo
10
28-Sep-18
6 CITY Natura City Development 1
10
05 Mei 2017
8 CLEO Sariguna Primatirta 1
10
30-Nov-01
9 CLPI Colorpak Indonesia
11
10-Jan-95
0 CMNP Citra Marga Nusaphala Persada
11
06 Des 2021
3 CMRY Cisarua Mountain Dairy 1
11
20-Mar-19
4 COCO Wahana Interfood Nusantara 1
11
18-Mar-91
7 CPIN Charoen Pokphand Indonesia
11
11-Apr-19
8 CPRI Capri Nusa Satu Properti 1
11
12 Des 2007
9 CSAP Catur Sentosa Adiprana
12
10 Mei 2017
0 CSIS Cahayasakti Investindo Sukses 1
12
9-Apr-20
1 CSMI Cipta Selera Murni 1
12
09 Jan 2020
2 CSRA Cisadane Sawit Raya 1
12
28-Nov-89
3 CTBN Citra Tubindo
12 CTRA Ciputra Development 28-Mar-94
100
4
12
3-Jul-96
5 CTTH Citatah 1 2020
12
14-Feb-20
6 DADA Diamond Citra Propertindo 1
12
28-Jun-16
9 DAYA Duta Intidaya 1
13
11-Nov-18
0 DEAL Dewata Freightinternational 1 2020
13
25-Nov-21
1 DEPO Caturkarda Depo Bangunan 1
13
26-Sep-07
2 DEWA Darma Henwa
13
19 Des 2007
3 DGIK Nusa Konstruksi Enjiniring
13
15-Jan-21
4 DGNS Diagnos Laboratorium Utama 1
13
18-Sep-18
5 DIGI Arkadia Digital Media 1
13
4-Sep-91
6 DILD Intiland Development
13
27-Nov-18
7 DIVA Distribusi Voucher Nusantara 1 2020
13
21-Nov-97
8 DKFT Central Omega Resources
13
29 Mei 2015
9 DMAS Puradelta Lestari
14
21 Okt 2019
0 DMMX Digital Mediatama Maxima 1
14
22-Jan-20
1 DMND Diamond Food Indonesia 1
14
08 Ags 1990
3 DPNS Duta Pertiwi Nusantara
14
08 Des 2015
4 DPUM Duta Putra Utama Makmur 1 2020
14
20 Des 2021
5 DRMA Dharma Polimetal 1
14
24-Mar-00
6 DSFI Dharma Samudera Fishing Industries
14
10 Des 2009
7 DSSA Dian Swatika Sentosa
14
10 Okt 2018
8 DUCK Jaya Bersama Indo 1 2020
14
2-Nov-94
9 DUTI Duta Pertiwi
15 DVLA Darya Varia Laboratoria 11 Nov 1994
101
0
15
13 Des 2017
1 DWGL Dwi Guna Laksana 1
15
9-Jul-19
3 EAST Eastparc Hotel 1
15
3-Jul-13
4 ECII Electronic City Indonesia 1 2020
15
8-Feb-21
5 EDGE Indointernet 1
15
14 Ags 1990
6 EKAD Ekadharma International
15
6-Feb-08
7 ELSA Elnusa
15
12-Jan-11
9 EMDE Megapolitan Development
16
12-Jan-10
0 EMTK Elang Mahkota Teknologi
16
7-Jun-04
1 ENRG Energi Mega Persada
16
8-Jul-19
2 ENVY Envy Technologies Indonesia 1
16
14-Sep-20
3 ENZO Morenzo Abadi Perkasa 1
16
1-Jul-20
4 EPAC Megalestari Epack Sentosaraya 1
16
01 Ags 1994
5 EPMT Enseval Putera Megatranding
16
14 Des 2011
6 ERAA Erajaya Swasembada
16
14 Nov 2019
8 ESIP Sinergi Inti Plasindo 1
17
29-Sep-05
1 EXCL XL Axiata
17
11 Mei 1993
2 FAST Fast Food Indonesia
17
19 Des 1994
3 FASW Fajar Surya Wisesa
17
11-Jun-19
4 FITT Hotel Fitra International 1
17
07 Ags 2018
5 FILM MD Pictures 1
17
9-Jun-17
6 FIRE Alfa Energi Investama 1
17
18-Jan-02
7 FISH FKS Multi Agro
17 FMII Fortune Mate Indonesia 30-Jun-00
102
8
17
8-Jan-19
9 FOOD Sentra Food Indonesia 1
18
28-Apr-17
0 FORZ Forza Land Indonesia 1
18
21-Mar-02
1 FPNI Lotte Chemical Titan
18
29-Nov-06
2 FREN Smartfren Telecom
18
11-Jul-12
3 GAMA Gading Development 1 2020
18
23 Des 2009
4 GDST Gunawan Dianjaya Steel
18
22 Des 1980
5 GDYR Goodyear Indonesia
18
12 Ags 2002
6 GEMA Gema Grahasarana
18
17 Nov 2011
7 GEMS Golden Energy Mines
18
19 Sep 2019
8 GGRP Gunung Raja Paksi 1
18
09 Apr 2018
9 GHON Gihon Telekomunikasi Indonesia 1 2018-2020
19
08 Mei 1990
1 GJTL Gajah Tunggal
19
23 Des 2019
3 GLVA Galva Technologies 1
19
delist
4 GMCW Grahamas Citrawisata 1
19
11 Des 2000
6 GMTD Gowa Makassar Tourism Development
19
7-Jul-10
7 GOLD Visi Telekomunikasi Infrastuktur
19
10 Okt 2018
8 GOOD Garudafood Putra Putri Jaya 1
20
10 Okt 2007
0 GPRA Perdana Gapuraprima
20
6-Sep-21
3 GPSO Geoprima Solusi 1
20
8-Sep-21
4 GTSI GTS Internasional 1
20
23 Des 2011
5 GWSA Greenwood Sejahtera
20
15 Mei 2008
6 GZCO Gozco Plantations
20 HADE Himalaya Energi Perkasa 12-Apr-04
103
7
20
1-Sep-21
8 HAIS Hasnur Internasional Shipping 1
20
12-Jul-19
9 HDIT Hensel Davest Indonesia 1
21
06 Jun 1990
0 HDTX Panasia Indo Resources 1 2020
21
16 Mei 2018
1 HEAL Medialoka Hermina 1
21
27-Mar-18
2 HELI Jaya Trishindo 1
21
21 Ags 1989
3 HERO Hero Supermarket
21
13-Feb-95
4 HEXA Hexindo Adiperkasa
21
09 Okt 2018
6 HKMU HK Metals Utama 1
21
22-Jun-17
7 HOKI Buyung Poetra Sembada 1
21
10-Sep-20
9 HOMI Grand House Mulia 1
22
24 Mei 2021
1 HOPE Harapan Duta Pertiwi 1
22
12-Apr-19
2 HRME Menteng Heritage Realty 1
22
21 Jun 2017
3 HRTA Hartadinata Abadi 1
22
06 Okt 2010
4 HRUM Harum Energy
22
13-Sep-06
5 IATA Indonesia Transport &Stucture
22
31 Ags 2012
6 IBST Inti Bangun Sejahtera
22
07 Okt 2010
7 ICBP Indofood CBP Sukses Makmur
22
8-Jul-05
8 ICON Island Concepts Indonesia
22
10 Des 2015
9 IDPR Indonesia Pondasi Raya
23
10 Des 2019
0 IFII Indonesia Fibreboard Industry 1
23
05 Des 2019
1 IFSH Ifshdeco 1
23
5-Nov-90
2 IGAR Champion Pacific Indonesia
23 IIKP Inti Agri Resources 14 Okt 2002
104
3
23
4-Jun-97
4 IKAI Intikeramik Alamsari Industri
23
12 Feb 2020
5 IKAN Era Mandiri Cemerlang 1
23
21 Jan 1991
6 IKBI Sumi Indo Kabel
23
17 Des 2014
7 IMPC Impack Pratama Insutri
23
17-Apr-01
8 INAF Indofarma
23
05 Des 1994
9 INAI Indal Aluminium Industri
24
24-Jul-90
0 INCI Intanwijaya International
24
16 Mei 1990
1 INCO Vale Indonesia
24
14-Jul-94
3 INDF Indofood Sukses Makmur
24
03 Ags 1990
5 INDR Indo-Rama Synthesis
24
10 Ags 1990
6 INDS Indospring
24
17 Mei 2001
7 INDX Tanah Laut
24
16-Jul-90
8 INKP Indah Kiat Pulp & Paper
24
12 Jan 2004
9 INPP Indonesia Paradise Property
25
6-Apr-18
0 INPS Indah Prakasa Sentosa 1
25
18 Des 1989
3 INTD Inter Delta 1 2020
25
05 Des 1989
4 INTP Indocement Tunggal Prakarsa
25
9-Jul-18
6 IPCC Indonesia Kendaraan Terminal 1
25
22 Des 2017
7 IPCM Jasa Armada Indonesia 1
25
9-Jul-10
8 IPOL Indopoly Swakarsa Industry
25
09 Des 2021
9 IPPE Indo Pureco Pratama 1
26
8-Jul-19
0 IPTV MNC Vision Networks 1
26 IRRA Itama Ranoyara 15 Okt 2019 1
105
1
26
19 Okt 1994
2 ISAT Indosat
26
22-Feb-13
3 ISSP Steel Pipe Industry of Indonesia
26
10 Des 1990
4 ITMA Sumber Energy Andalan
26
18 Des 2007
5 ITMG Indo Tambangraya Megah
26
16 Mei 2019
8 JAST Jasnita Telekomindo 1
26
21 Feb 2019
9 JAYA Armada Berjaya Trans 1
27
18 Nov 1992
0 JECC Jembo Cable Company
27
29-Jun-16
1 JGLE Graha Andrasentra Propertindo 1
27 Jakarta International Hotels 29 Feb 1984
2 JIHD &Develpoments
27
04 Des 2007
3 JKON Jaya Konstruksi Manggala Pratama
27
18 Des 2017
5 JMAS Asuransi Jiwa Syariah Jasa Mitra Abadi 1
27
23 Okt 1989
6 JPFA Japfa Comfeed Indonesia
27
delist
7 JPRS Jaya Pari Steel 1
27
29-Jun-94
8 JRPT Jaya Real Property 1 2020
27
28-Mar-18
9 JSKY Sky Energy Indonesia 1
28
12-Jan-98
1 JSPT Jakarta Setiabudi Internasional
28
16-Apr-02
2 JTPE Jasuindo Tiga Perkasa
28
04 Jul 2001
3 KAEF Kimia Farma
28
20 Des 1994
4 KARW ICTSI Jasa Prima 1 2020
28
4-Jul-19
5 KAYU Darmi Bersaudara 1
28
8-Apr-20
6 KBAG Karya Bersama Anugerah 1
28
06 Jul 1992
7 KBLI KMI Wire & Cable 1 2020
28 KBLM Kabelindo Murni 1-Jun-92
106
8
28
25-Feb-00
9 KBLV First Media
29
29 Jul 1996
0 KDSI Kedawung Setia Industrial
29
02 Sep 2019
1 KEEN Kencana Energi Lestari 1
29
25-Nov-19
2 KEJU Mulia Boga Raya 1
29
08 Des 1994
3 KIAS Keramika Indonesia Asosiasi
29
28 Okt 1993
4 KICI Keadung Indah Can
29
10 Jan 1995
5 KIJA Kawasan Industri Jababeka
29
11 Des 2015
6 KINO Kino Indonesia
29
05 Okt 2017
7 KIOS Kioson Komersial Indonesia 1
29
1-Jul-91
8 KKGI Resouce Alam Indonesia
30
30 Jul 1991
0 KLBF Kalbe Farma
30
7-Sep-20
1 KMDS Kurniamitra Duta Sentosa 1
30
5-Jul-12
3 KOBX Kobexindo Tractors
30
09 Apr 2008
4 KOIN Kokoh Inti Arebama
30
22 Ags 1995
5 KONI Perdana Bangun Pusaka
30
04 Mei 2015
6 KOPI Mitra Energy Persada
30 2018 dan
05 Okt 2018
8 KPAS Cottonindo Ariesta 1 2020
30
30-Mar-00
9 KPIG MNC Land
31
28-Jun-02
2 KREN Kresna Graha Investama
31
10-Jun-21
4 LABA Ladangbaja Murni 1
31
23 Ags 2018
5 LAND Trimitra Propertindo 1
31
13-Jul-07
6 LCGP Eurreka Prima Jakarta
31 LCKM LCK Global Kedaton 16-Jan-18 1 2019 DAN
107
7 2020
31
2-Jun-14
8 LINK Link Net
31
20 Ags 1993
9 LION Lion Metal Works
32
28 Des 2001
0 LMAS Limas Indonesia Makmur
32
17 Okt 1994
1 LMPI Langgeng Makmur Industri
32
04 Jun 1990
2 LMSH Lionmesh Prima
32
05 Feb 1990
4 LPIN Multi Prima Sejahtera
32
28-Jun-96
5 LPKR Lippo Karawaci
32
23 Okt 1989
6 LPLI Star Pacific
32
09 Okt 1989
7 LPPF Matahari Department Store
32
15-Apr-14
8 LRNA Eka Sari Lorena Transport
32
05 Jul 1996
9 LSIP PP London Sumatra Indnesia
33
21 Jul 1997
0 LTLS Lautan Luas
33
28-Nov-18
1 LUCK Sentral Mitra Informatika 1
33 2019 DAN
16-Jan-13
3 MAGP Multi Agro Gemilang Plantations 1 2020
33
10-Feb-06
4 MAIN Malindo Feedmill
33
5-Jul-18
6 MAPA Map Aktiv Adiperkasa 1 2020
33
21-Jun-17
7 MAPB MAP Boga Adiperkasa 1
33
10-Nov-04
8 MAPI Mitra Adiperkasa
34
12-Jul-17
0 MARK Mark Dynamics Indonesia 1
34
9-Jun-05
1 MASA Multistrada Arah Sarana
34
10-Jul-14
2 MBAP Mitrabara Adiperdana
34
06 Apr 2011
3 MBSS Mitrabahtera Segara Sejati
34 MBTO Martina Berto 13 Jan 2011
108
4
34
01 Nov 2017
5 MCAS M Cash Integrasi 1
34
7-Sep-21
6 MCOL Prima Andalan Mandiri 1
34
11-Apr-14
7 MDIA Intermedia Capital
34
19 Jun 2015
8 MDKA Merdeka Copper Gold
34
25 Sep 2017
9 MDKI Emdeki Utama 1
35
11-Apr-14
0 MDLN Moderland Realty
35
23 Jul 1981
3 MERK Merek
35
18 Jul 2001
4 META Nusantara Infrastruktur
35
29 Des 2010
5 MFMI Multifiling Mitra Indonesia
35
12 Jul 2018
6 MGRO Mahkota Group 1
35
21 Des 2005
7 MICE Multi Indocitra
35
30-Nov-10
8 MIDI Midi Utama Indonesia
35
24 Mar 2015
9 MIKA Mitra Keluarga Karyasehat
36
28-Apr-17
0 MINA Sanurhasta Mitra 1
36
30-Jan-97
1 MIRA Mitra International Resources
36
16-Jul-97
2 MITI Mitra Investindo
36
26 Okt 2015
3 MKNT Mitra Komunikasi Nusantara
36
10-Jul-09
4 MKPI Metropolitan Kentjana
36
17-Jan-94
5 MLIA Mulia Industrindo
36
6-Nov-89
6 MLPL Multipolar
36
08 Jul 2013
7 MLPT Multipolar Technologies
36
12 Jun 2015
8 MMLP Mega Manunggal Property
36 MNCN Media Nusantara Citra 22-Jun-07 1 2020
109
9
37
29 Mei 2013
1 MPMX Mitra Agro Gemilang Plantations
37
5-Jul-17
2 MPOW Megapower Makmur 1
37
21 Des 1992
3 MPPA Matahari Putra Prima
37
27 Jul 1995
4 MRAT Mustika Ratu
37
08 Jun 2018
5 MSIN MNC Studios International 1 2020
37
9-Jul-12
6 MSKY MNC Sky Vision
37
9-Apr-90
7 MTDL Metrodata Electronics
37
22-Nov-21
8 MTEL Dayamitra Telekomunikasi 1
37
16 Apr 1990
9 MTFN Capitalinc Investment 1 17, 18, 19
38
20 Jun 2011
0 MTLA Metropolitan Land
38
10 Apr 2019
1 MTPS Meta Epsi 1
38
8-Jan-92
3 MTSM Mitro Realty
38
27 Jul 2000
4 MYOH Samindo Resources
38
04 Jul 1990
5 MYOR Mayora Indah
38
07 Ags 2017
7 NASA Ayana Land International 1
38
13 Des 2021
9 NASI Wahana Inti Makmur 1
39
11 Okt 2012
0 NELY Pelayaran Nelly Dwi Putri
39
12 Jul 2018
1 NFCX NFC Indonesia 1 2020
39
9-Jul-21
2 NICL PAM Mineral 1
39
14 Des 2009
3 NIKL Pelat Timah Nusantara
39
9-Jan-13
5 NIRO City Retail Developments
39
14-Apr-21
6 NPGF Nusa Palapa Gemilang 1
39 NRCA Nusa Raya Cipta 27 Jun 2013
110
7
39
25-Sep-19
9 NZIA Nusantara Almazia 1
40
08 Des 2021
1 OBMD OBM Drilchem 1
40
6-Sep-21
2 OILS Indo Oil Perkasa 1
40
22 Ags 1994
3 OMRE Indonesia Prima Property
40
23-Sep-19
4 OPMS Optima Prima Metal Sinergi 1
40
08 Okt 2012
5 PALM Provident Agro
40
05 Jul 2019
6 PAMG Bima Sakti Pertiwi 1
40
18 Sep 2018
7 PANI Pratama Abadi Nusa Industri 1
40
18 Sep 2001
8 PANR Panorama Sentrawisata 1 2020
40
13 Des 2017
9 PBID Panca Budi Idaman 1
41
28-Sep-16
1 PBSA Paramita Bangun Sarana 1
41
29 Des 2017
2 PCAR Prima Cakrawala Abadi 1
41
08 Jul 2008
3 PDES Destinasi Tirta Nusantara
41
26 Des 2018
4 PEHA Phapros 1
41
15 Des 2003
5 PGAS Perusahaan Gas Negara
41
05 Apr 2000
6 PGLI Pembangunan Graha Lestari Indah
41
02 Jul 2004
8 PJAA Pembanguna Jaya Ancol
41
11-Jul-07
9 PKPK Perdana Karya Perkasa
42
16-Mar-01
0 PLAS Polaris Investama 1 2020
42
15-Jun-92
1 PLIN Plaza Indonesia Realty
42
18 Des 2019
2 PMJS Putra Mandiri Jembar 1
42
15-Jan-14
3 PNBS Bank Panin Syariah
42 PNSE Pudjiati & Sons 01 Mei 1990
111
4
42
11-Jul-18
6 POLL Pollux Properti Indonesia 1
42
26-Jun-19
7 POLU Golden Flower 1
42
16-Mar-17
8 PORT Nusantara Pelabuhan Handal 1
42
14-Jun-16
9 POWR Cikarang Listrindo 1
43
24-Nov-17
0 PPRE PP Presisi 1
43
19 Mei 2015
1 PPRO PP Properti
43
07 Des 2016
3 PRDA Prodia Widyahusada 1
43
15 Mei 2018
4 PRIM Royal Prima 1
43
22-Apr-03
5 PSAB J Resources Asia Pasific
43
19-Sep-95
7 PSKT Red Planet Indonesia
43
05 Des 2017
8 PSSI Pelita Samudera Shipping 1
43
23 Des 2002
9 PTBA Tambang Batubara Bukit Asam
44
08 Des 2020
0 PTDU Djasa Ubersakti 1
44
09 Feb 2010
2 PTPP PP Persero
44
07 Feb 2020
3 PTPW Pratama Widya 1
44
21 Mei 1990
4 PTRO Petrosea
44
08 Nov 2007
5 PTSN Sat Nusapersada
44
30 Mei 1994
6 PTSP Pioneerindo Gourmet International
44
18 Nov 1994
7 PUDP Pudjiadi Prestige
44
22 Jan 2020
8 PURA Putra Rajawali Kencana 1
44
09 Okt 2019
9 PURE Trinitan Metals and Minerals 1
45
8-Sep-20
0 PURI Puri Global Sukses 1
45 PWON Pakuwon Jati 09 Okt 1989
112
1
45
16 Okt 2001
2 PYFA Pyridam Farma
45
23 Mei 2018
3 PZZA Sarimelati Kencana 1
45
19-Apr-06
4 RAJA Rukun Raharja
45
24-Jul-96
5 RALS Ramayana Lestari Sentosa
45
7-Jun-12
6 RANC Supra Boga Lestari
45
19 Des 1997
7 RBMS Ristia Bintang Mahkotasehati
45
14 Mei 1990
8 RDTX Roda Vivatex
45
06 Des 2019
9 REAL Repower Asia Indonesia 1
46
5-Mar-90
1 RIGS Rig Tenders Indonesia
46
9-Jul-18
2 RISE Jaya Sukses Makmur Sentosa 1
46
07 Des 2021
4 RMKE RMK Energy 1
46
10-Sep-20
5 ROCK Rockfields Properti Indonesia 1
46
22 Okt 2001
6 RODA Pikko Land Development
46
9-Apr-20
7 RONY Aesler Grup Internasional 1
46
28 Jun 2010
8 ROTI Nippon Indosari Corpindo
47
8-Sep-21
0 RSGK Kedoya Adyaraya 1
47
11-Jan-13
1 SAME Sarana Meditama Metropolitan
47
31 Mar 2020
2 SAMF Saraswanti Anugerah Makmur 1
473 SAPX Satria Antaran Prima 03 Okt 2018 1
47
8-Sep-21
4 SBMA Surya Biru Murni Acetylene 1
475 SCBD Danayasa Arthama delist 1
47 Supreme Cable Manufacturing & 20 Jul 1982
6 SCCO Commerce
47
16 Jul 2002
7 SCMA Surya Citra Media
47 SCNP Selaras Citra Nusantara Perkasa 7-Sep-20 1
113
8
47 2018 dan
08 Jun 1990
9 SCPI Merck Sharp Dohme Pharma 1 2020
48
07 Mei 1990
1 SDPC Millenium Pharmacon International
48
10 Ags 2020
2 SGER Sumber Global Energy 1
48
18-Jun-07
3 SGRO Sampoerna Agro
48
08 Mei 1990
4 SHID Hotel Sahid Jaya International
48
16-Jun-16
5 SHIP Sillo Maritime Perdana 1
48
delist
6 SIAP Sekawan Intipratama 1
48
18 Des 2013
7 SIDO Industri Jamu dan Farmasi Sido Muncul
48
12 Sep 2013
8 SILO Siloam International Hospitals
49
9-Jun-11
0 SIMP Salim Ivomas Pratama
49
8-Nov-19
1 SINI Singaraja Putra 1
49
27 Des 1996
2 SIPD Sierad Produce
49
28 Sep 2012
3 SKBM Sekar Bumi
49
08 Sep 1993
4 SKLT Sekar Laut
49
07 Okt 2019
7 SLIS Gaya Abadi Sempurna 1
49
28 Jun 2013
9 SMBR Semen Baturaja
50
10 Ags 1977
0 SMCB Holcim Indonesia
50
12 Okt 1995
1 SMDM Suryamas Dutamakmur
50
05 Jul 1999
2 SMDR Samudera Indonesia
50
8-Jul-91
3 SMGR Semen Indonesia
50
11-Jul-19
4 SMKL Satyamitra Kemas Lestari 1
50
01 Des 1997
5 SMMT Golden Eagle Energy
50 SMRA Summarecon Agung 07 Mei 1990
114
6
50
10 Okt 2011
7 SMRU SMR Utama
50
09 Sep 1996
8 SMSM Selamat Sempurna
50
29-Mar-21
9 SNLK Sunter Lakeside Hotel 1
51
delist
0 SOBI Sorini Agro Asia Corporindo 1
51
03 Des 2014
1 SOCI Soechi Liners
51
21 Jul 1992
2 SONA Sona Topas Tourism Industry
51
08 Sep 2020
3 SOHO Soho Global Health 1
51
06 Nov 2018
4 SOSS Shield On Service 1 2020
51
10 Des 2018
5 SOTS Satria Mega Kencana 1 2020
51
16 Nov 1994
6 SPMA Suparma
51
14 Mei 2018
7 SPTO Surya Pertiwi 1
51
delist
8 SQBB Taisho Pharmaceutical Indonesia 1
52
11 Apr 2011
0 SRAJ Sejahtera Anugerahjaya 1 2020
52
27 Mar 1997
3 SSIA Surya Semesta Internus
52
20 Ags 1997
5 SSTM Sunson Textile Manufacture
52
16 Des 1996
7 STTP Siantar Top
53
05 Okt 2018
0 SURE Super Energy 1
53
10-Feb-20
1 TAMA Lancartama Sejati 1
53
10 Mei 2017
2 TAMU Pelyaran Tamarin Samudra 1
53
12-Apr-21
3 TAPG Triputra Agro Persada 1
53
11 Jul 2014
4 TARA Sitara Propertindo
53
23 Mei 1990
6 TBMS Tembaga Mulia Semanan
53 TCID Mandom Indonesia 30 Sep 1993
115
7
53
06 Jul 2018
8 TCPI Transcoal Pacific 1
54
18 Nov 2019
0 TEBE Dana Brata Luhur 1
54
4-Jun-20
1 TECH Indosterling Technomedia 1
54
17 Sep 2019
3 TFAS Telefast Indonesia 1
54
26-Feb-80
4 TFCO Tifico Fiber Indonesia
54
11 Jun 1990
5 TGKA Tigaraksa Satria
54 2018 dan
16 Mei 2017
6 TGRA Terregra Asia Energy 1 2019
54
19 Okt 1995
7 TINS Timah
54
27-Jul-93
8 TIRA Tira Austenite
55
3-Apr-90
1 TKIM Pabrik Kertas Tjiwi Kimia
55
14 Nov 1995
2 TLKM Telekomunikasi Indonesia
55
7-Sep-03
3 TMAS Pelayaran Tempuran Emas
55
8-Jan-01
5 TMPO Tempo Intermedia
55
28 Jun 2018
6 TNCA Trimuda Nuansa Citra 1
55
16-Jun-17
8 TOPS Totalindo Eka Persada 1
55
25 Jul 2006
9 TOTL Total Bangun Persada
56
30 Okt 1990
0 TOTO Surya Toto Indonesia
56
06 Ags 2020
1 TOYS Sunindo Adipersada 1
56
26 Mei 2008
3 TPIA Chandra Asri Petrochemical
56
20 Feb 2013
4 TPMA Trans Power Marine
56
28-Jan-08
6 TRIL Triwira Insanlestari
56
06 Ags 2020
7 TRIN Perintis Triniti Properti 1
56 TRIS Trisula International 28 Jun 2012
116
8
56
28-Jun-12
9 TRJA Transkon Jaya
57
02 Jul 1990
0 TRST Trias Sentosa
57
10-Jun-21
2 TRUE Triniti Dinamik 1
57 2018 dan
23 Mei 2018
3 TRUK Guna Timur Raya 1 2019
57
17 Jun 1994
4 TSPC Tempo Scan Pacific
57
16 Mei 1995
5 TURI Tunas Ridean 1 2018-2020
57
20 Des 2019
6 UCID Uni-Charm Indonesia 1
57
1-Feb-21
7 UFOE Damai Sejahtera Abadi 1
57 Ultra Jaya Milk Industry & Trading 02 Jul 1990
8 ULTJ Company
57
06 Nov 1989
9 UNIC Unggul Indah cahaya
58
8-Mar-21
1 UNIQ Ulima Nitra 1
58
19 Sep 1989
2 UNTR United Tractors
58
11 Jan 1982
3 UNVR Unilever Indonesia
58
10 Des 2018
4 URBN Urban Jakarta Propertindo 1
58
17 Des 2020
5 VICI Victoria Care Indonesia 1
58
20 Des 1990
7 VOKS Voksel Electric
58
22 Jun 2001
8 WAPO Wahana Pronatural
58
30 Nov 2017
9 WEGE Wijaya Karya Bangunan Gedung 1
59
31 Mei 2007
0 WEHA WEHA Transportasi Indonesia 1 2020
59
30 Des 2020
1 WIFI Solusi Sinergi Digital 1
59
08 Ags 1994
2 WICO Wicaksana Overseas International
59
29 Okt 2007
3 WIKA Wijaya Karya
59 WINS Wintermar Offshore Marine 29 Nov 2010
117
4
59
06 Des 2021
5 WMPP Widodo Makmur Perkasa 1
59
2-Feb-21
6 WMUU Widodo Makmur Unggas 1
59
21 Jun 2017
7 WOOD Integra Indocabinet 1
59
8-Nov-19
8 WOWS Ginting Jaya Energi 1
59
20 Sep 2016
9 WSBP Waskita Beton Precast 1
60
08 Apr 2014
1 WTON Wijaya Karya Beton
60
29 Okt 2018
2 YELO Yelooo Integra Datanet 1
60
05 Mar 2008
3 YPAS Yanaprima Hastapersada
60
16 Okt 2017
4 ZINC Kapuas Prima Coal 1
60
01 Ags 1991
5 ZBRA Zebra Nusantara 1 2018
60
12 Des 2018
6 ZONE Mega Perintis 1 2018
60
30 Maret 2021
7 ZYRX Zyrexindo Mandiri Buana 1
59

8 195 7 23
118
LAMPIRAN. 3
LAMPIRAN KURS TRANSAKSI
Kurs Transaksi USD
NO Nilai Kurs Jual Kurs Beli Tanggal

1 1 14553 14409 12/31/2018 12:00:00 AM
2 1 14615 14469 12/28/2018 12:00:00 AM
3 1 14636 14490 12/27/2018 12:00:00 AM
4 1 14675 14529 12/26/2018 12:00:00 AM
5 1 14552 14408 12/21/2018 12:00:00 AM
6 1 14571 14427 12/20/2018 12:00:00 AM
7 1 14452 14308 12/19/2018 12:00:00 AM
8 1 14596 14450 12/18/2018 12:00:00 AM
9 1 14690 14544 12/17/2018 12:00:00 AM
10 1 14611 14465 12/14/2018 12:00:00 AM
11 1 14609 14463 12/13/2018 12:00:00 AM
12 1 14650 14504 12/12/2018 12:00:00 AM
13 1 14686 14540 12/11/2018 12:00:00 AM
14 1 14590 14444 12/10/2018 12:00:00 AM
15 1 14612 14466 12/7/2018 12:00:00 AM
16 1 14580 14434 12/6/2018 12:00:00 AM
17 1 14455 14311 12/5/2018 12:00:00 AM
18 1 14364 14222 12/4/2018 12:00:00 AM
19 1 14323 14181 12/3/2018 12:00:00 AM
20 1 14411 14267 11/30/2018 12:00:00 AM
21 1 14480 14336 11/29/2018 12:00:00 AM
22 1 14608 14462 11/28/2018 12:00:00 AM
23 1 14577 14431 11/27/2018 12:00:00 AM
24 1 14624 14478 11/26/2018 12:00:00 AM
25 1 14625 14479 11/23/2018 12:00:00 AM
26 1 14665 14519 11/22/2018 12:00:00 AM
27 1 14691 14545 11/21/2018 12:00:00 AM
28 1 14659 14513 11/19/2018 12:00:00 AM
29 1 14667 14521 11/16/2018 12:00:00 AM
30 1 14838 14690 11/15/2018 12:00:00 AM
31 1 14829 14681 11/14/2018 12:00:00 AM
32 1 14969 14821 11/13/2018 12:00:00 AM
33 1 14821 14673 11/12/2018 12:00:00 AM
34 1 14705 14559 11/9/2018 12:00:00 AM
35 1 14724 14578 11/8/2018 12:00:00 AM
119
36 1 14838 14690 11/7/2018 12:00:00 AM

37 1 14965 14817 11/6/2018 12:00:00 AM
38 1 15047 14897 11/5/2018 12:00:00 AM
39 1 15164 15014 11/2/2018 12:00:00 AM
40 1 15271 15119 11/1/2018 12:00:00 AM
41 1 15303 15151 10/31/2018 12:00:00 AM
42 1 15313 15161 10/30/2018 12:00:00 AM
43 1 15294 15142 10/29/2018 12:00:00 AM
44 1 15283 15131 10/26/2018 12:00:00 AM
45 1 15286 15134 10/25/2018 12:00:00 AM
46 1 15269 15117 10/24/2018 12:00:00 AM
47 1 15284 15132 10/23/2018 12:00:00 AM
48 1 15268 15116 10/22/2018 12:00:00 AM
49 1 15297 15145 10/19/2018 12:00:00 AM
50 1 15263 15111 10/18/2018 12:00:00 AM
51 1 15254 15102 10/17/2018 12:00:00 AM
52 1 15282 15130 10/16/2018 12:00:00 AM
53 1 15322 15170 10/15/2018 12:00:00 AM
54 1 15270 15118 10/12/2018 12:00:00 AM
55 1 15329 15177 10/11/2018 12:00:00 AM
56 1 15291 15139 10/10/2018 12:00:00 AM
57 1 15309 15157 10/9/2018 12:00:00 AM
58 1 15269 15117 10/8/2018 12:00:00 AM
59 1 15258 15106 10/5/2018 12:00:00 AM
60 1 15209 15057 10/4/2018 12:00:00 AM
61 1 15163 15013 10/3/2018 12:00:00 AM
62 1 15063 14913 10/2/2018 12:00:00 AM
63 1 14980 14830 10/1/2018 12:00:00 AM
64 1 15004 14854 9/28/2018 12:00:00 AM
65 1 14994 14844 9/27/2018 12:00:00 AM
66 1 15013 14863 9/26/2018 12:00:00 AM
67 1 14967 14819 9/25/2018 12:00:00 AM
68 1 14939 14791 9/24/2018 12:00:00 AM
69 1 14898 14750 9/21/2018 12:00:00 AM
70 1 14913 14765 9/20/2018 12:00:00 AM
71 1 14970 14822 9/19/2018 12:00:00 AM
72 1 14983 14833 9/18/2018 12:00:00 AM
73 1 14933 14785 9/17/2018 12:00:00 AM
74 1 14909 14761 9/14/2018 12:00:00 AM
75 1 14868 14720 9/13/2018 12:00:00 AM
76 1 14937 14789 9/12/2018 12:00:00 AM
120
77 1 14909 14761 9/10/2018 12:00:00 AM

78 1 14958 14810 9/7/2018 12:00:00 AM
79 1 14965 14817 9/6/2018 12:00:00 AM
80 1 15002 14852 9/5/2018 12:00:00 AM
81 1 14914 14766 9/4/2018 12:00:00 AM
82 1 14841 14693 9/3/2018 12:00:00 AM
83 1 14785 14637 8/31/2018 12:00:00 AM
84 1 14728 14582 8/30/2018 12:00:00 AM
85 1 14716 14570 8/29/2018 12:00:00 AM
86 1 14687 14541 8/28/2018 12:00:00 AM
87 1 14683 14537 8/27/2018 12:00:00 AM
88 1 14728 14582 8/24/2018 12:00:00 AM
89 1 14693 14547 8/23/2018 12:00:00 AM
90 1 14641 14495 8/21/2018 12:00:00 AM
91 1 14651 14505 8/20/2018 12:00:00 AM
92 1 14692 14546 8/16/2018 12:00:00 AM
93 1 14694 14548 8/15/2018 12:00:00 AM
94 1 14698 14552 8/14/2018 12:00:00 AM
95 1 14656 14510 8/13/2018 12:00:00 AM
96 1 14509 14365 8/10/2018 12:00:00 AM
97 1 14494 14350 8/9/2018 12:00:00 AM
98 1 14511 14367 8/8/2018 12:00:00 AM
99 1 14557 14413 8/7/2018 12:00:00 AM
100 1 14553 14409 8/6/2018 12:00:00 AM
101 1 14576 14430 8/3/2018 12:00:00 AM
102 1 14518 14374 8/2/2018 12:00:00 AM
103 1 14514 14370 8/1/2018 12:00:00 AM
104 1 14485 14341 7/31/2018 12:00:00 AM
105 1 14481 14337 7/30/2018 12:00:00 AM
106 1 14555 14411 7/27/2018 12:00:00 AM
107 1 14515 14371 7/26/2018 12:00:00 AM
108 1 14588 14442 7/25/2018 12:00:00 AM
109 1 14614 14468 7/24/2018 12:00:00 AM
110 1 14526 14382 7/23/2018 12:00:00 AM
111 1 14593 14447 7/20/2018 12:00:00 AM
112 1 14490 14346 7/19/2018 12:00:00 AM
113 1 14478 14334 7/18/2018 12:00:00 AM
114 1 14463 14319 7/17/2018 12:00:00 AM
115 1 14468 14324 7/16/2018 12:00:00 AM
116 1 14430 14286 7/13/2018 12:00:00 AM
117 1 14507 14363 7/12/2018 12:00:00 AM
121
118 1 14463 14319 7/11/2018 12:00:00 AM

119 1 14398 14254 7/10/2018 12:00:00 AM
120 1 14404 14260 7/9/2018 12:00:00 AM
121 1 14481 14337 7/6/2018 12:00:00 AM
122 1 14459 14315 7/5/2018 12:00:00 AM
123 1 14415 14271 7/4/2018 12:00:00 AM
124 1 14490 14346 7/3/2018 12:00:00 AM
125 1 14403 14259 7/2/2018 12:00:00 AM
126 1 14476 14332 6/29/2018 12:00:00 AM
127 1 14342 14200 6/28/2018 12:00:00 AM
128 1 14234 14092 6/27/2018 12:00:00 AM
129 1 14234 14092 6/26/2018 12:00:00 AM
130 1 14176 14034 6/25/2018 12:00:00 AM
131 1 14173 14031 6/22/2018 12:00:00 AM
132 1 14160 14020 6/21/2018 12:00:00 AM
133 1 13972 13832 6/20/2018 12:00:00 AM
134 1 13972 13832 6/19/2018 12:00:00 AM
135 1 13972 13832 6/8/2018 12:00:00 AM
136 1 13937 13799 6/7/2018 12:00:00 AM
137 1 13944 13806 6/6/2018 12:00:00 AM
138 1 13956 13818 6/5/2018 12:00:00 AM
139 1 13941 13803 6/4/2018 12:00:00 AM
140 1 14021 13881 5/31/2018 12:00:00 AM
141 1 14102 13962 5/30/2018 12:00:00 AM
142 1 14135 13995 5/28/2018 12:00:00 AM
143 1 14237 14095 5/25/2018 12:00:00 AM
144 1 14276 14134 5/24/2018 12:00:00 AM
145 1 14263 14121 5/23/2018 12:00:00 AM
146 1 14249 14107 5/22/2018 12:00:00 AM
147 1 14247 14105 5/21/2018 12:00:00 AM
148 1 14178 14036 5/18/2018 12:00:00 AM
149 1 14144 14004 5/17/2018 12:00:00 AM
150 1 14164 14024 5/16/2018 12:00:00 AM
151 1 14090 13950 5/15/2018 12:00:00 AM
152 1 14046 13906 5/14/2018 12:00:00 AM
153 1 14118 13978 5/11/2018 12:00:00 AM
154 1 14144 14004 5/9/2018 12:00:00 AM
155 1 14106 13966 5/8/2018 12:00:00 AM
156 1 14026 13886 5/7/2018 12:00:00 AM
157 1 14013 13873 5/4/2018 12:00:00 AM
158 1 14035 13895 5/3/2018 12:00:00 AM
122
159 1 14006 13866 5/2/2018 12:00:00 AM

160 1 13946 13808 4/30/2018 12:00:00 AM
161 1 13948 13810 4/27/2018 12:00:00 AM
162 1 14000 13860 4/26/2018 12:00:00 AM
163 1 13957 13819 4/25/2018 12:00:00 AM
164 1 13970 13830 4/24/2018 12:00:00 AM
165 1 13963 13825 4/23/2018 12:00:00 AM
166 1 13873 13735 4/20/2018 12:00:00 AM
167 1 13847 13709 4/19/2018 12:00:00 AM
168 1 13839 13701 4/18/2018 12:00:00 AM
169 1 13839 13701 4/17/2018 12:00:00 AM
170 1 13835 13697 4/16/2018 12:00:00 AM
171 1 13822 13684 4/13/2018 12:00:00 AM
172 1 13832 13694 4/12/2018 12:00:00 AM
173 1 13816 13678 4/11/2018 12:00:00 AM
174 1 13828 13690 4/10/2018 12:00:00 AM
175 1 13840 13702 4/9/2018 12:00:00 AM
176 1 13840 13702 4/6/2018 12:00:00 AM
177 1 13836 13698 4/5/2018 12:00:00 AM
178 1 13829 13691 4/4/2018 12:00:00 AM
179 1 13834 13696 4/3/2018 12:00:00 AM
180 1 13819 13681 4/2/2018 12:00:00 AM
181 1 13825 13687 3/29/2018 12:00:00 AM
182 1 13814 13676 3/28/2018 12:00:00 AM
183 1 13777 13639 3/27/2018 12:00:00 AM
184 1 13845 13707 3/26/2018 12:00:00 AM
185 1 13849 13711 3/23/2018 12:00:00 AM
186 1 13806 13668 3/22/2018 12:00:00 AM
187 1 13828 13690 3/21/2018 12:00:00 AM
188 1 13830 13692 3/20/2018 12:00:00 AM
189 1 13834 13696 3/19/2018 12:00:00 AM
190 1 13834 13696 3/16/2018 12:00:00 AM
191 1 13817 13679 3/15/2018 12:00:00 AM
192 1 13808 13670 3/14/2018 12:00:00 AM
193 1 13826 13688 3/13/2018 12:00:00 AM
194 1 13837 13699 3/12/2018 12:00:00 AM
195 1 13863 13725 3/9/2018 12:00:00 AM
196 1 13843 13705 3/8/2018 12:00:00 AM
197 1 13832 13694 3/7/2018 12:00:00 AM
198 1 13819 13681 3/6/2018 12:00:00 AM
199 1 13809 13671 3/5/2018 12:00:00 AM
123
200 1 13815 13677 3/2/2018 12:00:00 AM

201 1 13862 13724 3/1/2018 12:00:00 AM
202 1 13776 13638 2/28/2018 12:00:00 AM
203 1 13718 13582 2/27/2018 12:00:00 AM
204 1 13727 13591 2/26/2018 12:00:00 AM
205 1 13738 13602 2/23/2018 12:00:00 AM
206 1 13733 13597 2/22/2018 12:00:00 AM
207 1 13650 13514 2/21/2018 12:00:00 AM
208 1 13641 13505 2/20/2018 12:00:00 AM
209 1 13609 13473 2/19/2018 12:00:00 AM
210 1 13638 13502 2/15/2018 12:00:00 AM
211 1 13725 13589 2/14/2018 12:00:00 AM
212 1 13712 13576 2/13/2018 12:00:00 AM
213 1 13677 13541 2/12/2018 12:00:00 AM
214 1 13711 13575 2/9/2018 12:00:00 AM
215 1 13670 13534 2/8/2018 12:00:00 AM
216 1 13601 13465 2/7/2018 12:00:00 AM
217 1 13646 13510 2/6/2018 12:00:00 AM
218 1 13565 13431 2/5/2018 12:00:00 AM
219 1 13495 13361 2/2/2018 12:00:00 AM
220 1 13469 13335 2/1/2018 12:00:00 AM
221 1 13480 13346 1/31/2018 12:00:00 AM
222 1 13465 13331 1/30/2018 12:00:00 AM
223 1 13394 13260 1/29/2018 12:00:00 AM
224 1 13370 13236 1/26/2018 12:00:00 AM
225 1 13356 13224 1/25/2018 12:00:00 AM
226 1 13388 13254 1/24/2018 12:00:00 AM
227 1 13385 13251 1/23/2018 12:00:00 AM
228 1 13401 13267 1/22/2018 12:00:00 AM
229 1 13398 13264 1/19/2018 12:00:00 AM
230 1 13432 13298 1/18/2018 12:00:00 AM
231 1 13390 13256 1/17/2018 12:00:00 AM
232 1 13400 13266 1/16/2018 12:00:00 AM
233 1 13397 13263 1/15/2018 12:00:00 AM
234 1 13429 13295 1/12/2018 12:00:00 AM
235 1 13494 13360 1/11/2018 12:00:00 AM
236 1 13516 13382 1/10/2018 12:00:00 AM
237 1 13495 13361 1/9/2018 12:00:00 AM
238 1 13464 13330 1/8/2018 12:00:00 AM
239 1 13472 13338 1/5/2018 12:00:00 AM
240 1 13541 13407 1/4/2018 12:00:00 AM
124
241 1 13565 13431 1/3/2018 12:00:00 AM

242 1 13610 13474 1/2/2018 12:00:00 AM
Rata rata 14318 14175 2018
14,246.
Nilai Kurs 43
125
LAMPIRAN. 4
KURS TRANSAKSI
Kurs Transaksi USD tahun 2015
N Kurs Kurs
O Nilai Jual Beli Tanggal
1 1 13864 13726 12/31/2015 12:00:00 AM
2 1 13863 13725 12/30/2015 12:00:00 AM
3 1 13726 13590 12/29/2015 12:00:00 AM
4 1 13707 13571 12/28/2015 12:00:00 AM
5 1 13712 13576 12/23/2015 12:00:00 AM
6 1 13683 13547 12/22/2015 12:00:00 AM
7 1 13941 13803 12/21/2015 12:00:00 AM
8 1 14102 13962 12/18/2015 12:00:00 AM
9 1 14098 13958 12/17/2015 12:00:00 AM
10 1 14120 13980 12/16/2015 12:00:00 AM
11 1 14135 13995 12/15/2015 12:00:00 AM
12 1 14146 14006 12/14/2015 12:00:00 AM
13 1 14007 13867 12/11/2015 12:00:00 AM
14 1 14024 13884 12/10/2015 12:00:00 AM
15 1 13922 13784 12/8/2015 12:00:00 AM
16 1 13906 13768 12/7/2015 12:00:00 AM
17 1 13902 13764 12/4/2015 12:00:00 AM
18 1 13914 13776 12/3/2015 12:00:00 AM
19 1 13826 13688 12/2/2015 12:00:00 AM
20 1 13877 13739 12/1/2015 12:00:00 AM
21 1 13909 13771 11/30/2015 12:00:00 AM
22 1 13816 13678 11/27/2015 12:00:00 AM
23 1 13802 13664 11/26/2015 12:00:00 AM
24 1 13741 13605 11/25/2015 12:00:00 AM
25 1 13792 13654 11/24/2015 12:00:00 AM
26 1 13764 13628 11/23/2015 12:00:00 AM
27 1 13808 13670 11/20/2015 12:00:00 AM
28 1 13856 13718 11/19/2015 12:00:00 AM
29 1 13832 13694 11/18/2015 12:00:00 AM
30 1 13780 13642 11/17/2015 12:00:00 AM
31 1 13801 13663 11/16/2015 12:00:00 AM
32 1 13701 13565 11/13/2015 12:00:00 AM
33 1 13643 13507 11/12/2015 12:00:00 AM
34 1 13644 13508 11/11/2015 12:00:00 AM
126
35 1 13687 13551 11/10/2015 12:00:00 AM

36 1 13755 13619 11/9/2015 12:00:00 AM
37 1 13618 13482 11/6/2015 12:00:00 AM
38 1 13671 13535 11/5/2015 12:00:00 AM
39 1 13528 13394 11/4/2015 12:00:00 AM
40 1 13662 13526 11/3/2015 12:00:00 AM
41 1 13750 13614 11/2/2015 12:00:00 AM
42 1 13707 13571 10/30/2015 12:00:00 AM
43 1 13630 13494 10/29/2015 12:00:00 AM
44 1 13698 13562 10/28/2015 12:00:00 AM
45 1 13694 13558 10/27/2015 12:00:00 AM
46 1 13711 13575 10/26/2015 12:00:00 AM
47 1 13558 13424 10/23/2015 12:00:00 AM
48 1 13708 13572 10/22/2015 12:00:00 AM
49 1 13764 13628 10/21/2015 12:00:00 AM
50 1 13702 13566 10/20/2015 12:00:00 AM
51 1 13631 13495 10/19/2015 12:00:00 AM
52 1 13602 13466 10/16/2015 12:00:00 AM
53 1 13354 13222 10/15/2015 12:00:00 AM
54 1 13625 13489 10/13/2015 12:00:00 AM
55 1 13533 13399 10/12/2015 12:00:00 AM
56 1 13589 13453 10/9/2015 12:00:00 AM
57 1 13878 13740 10/8/2015 12:00:00 AM
58 1 14135 13995 10/7/2015 12:00:00 AM
59 1 14454 14310 10/6/2015 12:00:00 AM
60 1 14677 14531 10/5/2015 12:00:00 AM
61 1 14783 14635 10/2/2015 12:00:00 AM
62 1 14727 14581 10/1/2015 12:00:00 AM
63 1 14730 14584 9/30/2015 12:00:00 AM
64 1 14802 14654 9/29/2015 12:00:00 AM
65 1 14769 14623 9/28/2015 12:00:00 AM
66 1 14763 14617 9/25/2015 12:00:00 AM
67 1 14696 14550 9/23/2015 12:00:00 AM
68 1 14558 14414 9/22/2015 12:00:00 AM
69 1 14523 14379 9/21/2015 12:00:00 AM
70 1 14535 14391 9/18/2015 12:00:00 AM
71 1 14524 14380 9/17/2015 12:00:00 AM
72 1 14514 14370 9/16/2015 12:00:00 AM
73 1 14443 14299 9/15/2015 12:00:00 AM
74 1 14394 14250 9/14/2015 12:00:00 AM
75 1 14378 14234 9/11/2015 12:00:00 AM
127
76 1 14394 14250 9/10/2015 12:00:00 AM

77 1 14315 14173 9/9/2015 12:00:00 AM
78 1 14356 14214 9/8/2015 12:00:00 AM
79 1 14305 14163 9/7/2015 12:00:00 AM
80 1 14249 14107 9/4/2015 12:00:00 AM
81 1 14231 14089 9/3/2015 12:00:00 AM
82 1 14198 14056 9/2/2015 12:00:00 AM
83 1 14151 14011 9/1/2015 12:00:00 AM
84 1 14097 13957 8/31/2015 12:00:00 AM
85 1 14081 13941 8/28/2015 12:00:00 AM
86 1 14199 14057 8/27/2015 12:00:00 AM
87 1 14173 14031 8/26/2015 12:00:00 AM
88 1 14137 13997 8/25/2015 12:00:00 AM
89 1 14068 13928 8/24/2015 12:00:00 AM
90 1 13964 13826 8/21/2015 12:00:00 AM
91 1 13907 13769 8/20/2015 12:00:00 AM
92 1 13893 13755 8/19/2015 12:00:00 AM
93 1 13900 13762 8/18/2015 12:00:00 AM
94 1 13832 13694 8/14/2015 12:00:00 AM
95 1 13816 13678 8/13/2015 12:00:00 AM
96 1 13827 13689 8/12/2015 12:00:00 AM
97 1 13609 13473 8/11/2015 12:00:00 AM
98 1 13604 13468 8/10/2015 12:00:00 AM
99 1 13604 13468 8/7/2015 12:00:00 AM
10
0 1 13597 13461 8/6/2015 12:00:00 AM
10
1 1 13585 13449 8/5/2015 12:00:00 AM
10
2 1 13562 13428 8/4/2015 12:00:00 AM
10
3 1 13559 13425 8/3/2015 12:00:00 AM
10
4 1 13548 13414 7/31/2015 12:00:00 AM
10
5 1 13535 13401 7/30/2015 12:00:00 AM
10
6 1 13511 13377 7/29/2015 12:00:00 AM
10
7 1 13527 13393 7/28/2015 12:00:00 AM
10
8 1 13520 13386 7/27/2015 12:00:00 AM
10 1 13515 13381 7/24/2015 12:00:00 AM
128
9
11
0 1 13461 13327 7/23/2015 12:00:00 AM
11
1 1 13435 13301 7/22/2015 12:00:00 AM
11
2 1 13396 13262 7/15/2015 12:00:00 AM
11
3 1 13387 13253 7/14/2015 12:00:00 AM
11
4 1 13376 13242 7/13/2015 12:00:00 AM
11
5 1 13371 13237 7/10/2015 12:00:00 AM
11
6 1 13414 13280 7/9/2015 12:00:00 AM
11
7 1 13413 13279 7/8/2015 12:00:00 AM
11
8 1 13380 13246 7/7/2015 12:00:00 AM
11
9 1 13420 13286 7/6/2015 12:00:00 AM
12
0 1 13383 13249 7/3/2015 12:00:00 AM
12
1 1 13404 13270 7/2/2015 12:00:00 AM
12
2 1 13398 13264 7/1/2015 12:00:00 AM
12
3 1 13399 13265 6/30/2015 12:00:00 AM
12
4 1 13423 13289 6/29/2015 12:00:00 AM
12
5 1 13405 13271 6/26/2015 12:00:00 AM
12
6 1 13390 13256 6/25/2015 12:00:00 AM
12
7 1 13346 13214 6/24/2015 12:00:00 AM
12
8 1 13383 13249 6/23/2015 12:00:00 AM
12
9 1 13385 13251 6/22/2015 12:00:00 AM
13
0 1 13391 13257 6/19/2015 12:00:00 AM
13
1 1 13408 13274 6/18/2015 12:00:00 AM
129
13
2 1 13434 13300 6/17/2015 12:00:00 AM
13
3 1 13400 13266 6/16/2015 12:00:00 AM
13
4 1 13400 13266 6/15/2015 12:00:00 AM
13
5 1 13384 13250 6/12/2015 12:00:00 AM
13
6 1 13358 13226 6/11/2015 12:00:00 AM
13
7 1 13396 13262 6/10/2015 12:00:00 AM
13
8 1 13429 13295 6/9/2015 12:00:00 AM
13
9 1 13427 13293 6/8/2015 12:00:00 AM
14
0 1 13354 13222 6/5/2015 12:00:00 AM
14
1 1 13309 13177 6/4/2015 12:00:00 AM
14
2 1 13262 13130 6/3/2015 12:00:00 AM
14
3 1 13296 13164 6/1/2015 12:00:00 AM
14
4 1 13277 13145 5/29/2015 12:00:00 AM
14
5 1 13271 13139 5/28/2015 12:00:00 AM
14
6 1 13295 13163 5/27/2015 12:00:00 AM
14
7 1 13258 13126 5/26/2015 12:00:00 AM
14
8 1 13252 13120 5/25/2015 12:00:00 AM
14
9 1 13202 13070 5/22/2015 12:00:00 AM
15
0 1 13216 13084 5/21/2015 12:00:00 AM
15
1 1 13235 13103 5/20/2015 12:00:00 AM
15
2 1 13249 13117 5/19/2015 12:00:00 AM
15
3 1 13182 13050 5/18/2015 12:00:00 AM
15 1 13155 13025 5/15/2015 12:00:00 AM
130
4
15
5 1 13254 13122 5/13/2015 12:00:00 AM
15
6 1 13269 13137 5/12/2015 12:00:00 AM
15
7 1 13182 13050 5/11/2015 12:00:00 AM
15
8 1 13243 13111 5/8/2015 12:00:00 AM
15
9 1 13130 13000 5/7/2015 12:00:00 AM
16
0 1 13105 12975 5/6/2015 12:00:00 AM
16
1 1 13058 12928 5/5/2015 12:00:00 AM
16
2 1 13086 12956 5/4/2015 12:00:00 AM
16
3 1 13002 12872 4/30/2015 12:00:00 AM
16
4 1 13029 12899 4/29/2015 12:00:00 AM
16
5 1 13043 12913 4/28/2015 12:00:00 AM
16
6 1 12987 12857 4/27/2015 12:00:00 AM
16
7 1 13006 12876 4/24/2015 12:00:00 AM
16
8 1 13004 12874 4/23/2015 12:00:00 AM
16
9 1 13017 12887 4/22/2015 12:00:00 AM
17
0 1 13007 12877 4/21/2015 12:00:00 AM
17
1 1 12939 12811 4/20/2015 12:00:00 AM
17
2 1 12927 12799 4/17/2015 12:00:00 AM
17
3 1 12902 12774 4/16/2015 12:00:00 AM
17
4 1 13041 12911 4/15/2015 12:00:00 AM
17
5 1 13044 12914 4/14/2015 12:00:00 AM
17
6 1 13010 12880 4/13/2015 12:00:00 AM
131
17
7 1 12975 12845 4/10/2015 12:00:00 AM
17
8 1 13038 12908 4/9/2015 12:00:00 AM
17
9 1 13067 12937 4/8/2015 12:00:00 AM
18
0 1 13047 12917 4/7/2015 12:00:00 AM
18
1 1 13007 12877 4/6/2015 12:00:00 AM
18
2 1 13065 12935 4/2/2015 12:00:00 AM
18
3 1 13108 12978 4/1/2015 12:00:00 AM
18
4 1 13149 13019 3/31/2015 12:00:00 AM
18
5 1 13151 13021 3/30/2015 12:00:00 AM
18
6 1 13129 12999 3/27/2015 12:00:00 AM
18
7 1 13068 12938 3/26/2015 12:00:00 AM
18
8 1 12997 12867 3/25/2015 12:00:00 AM
18
9 1 13037 12907 3/24/2015 12:00:00 AM
19
0 1 13141 13011 3/23/2015 12:00:00 AM
19
1 1 13140 13010 3/20/2015 12:00:00 AM
19
2 1 13073 12943 3/19/2015 12:00:00 AM
19
3 1 13230 13098 3/18/2015 12:00:00 AM
19
4 1 13275 13143 3/17/2015 12:00:00 AM
19
5 1 13303 13171 3/16/2015 12:00:00 AM
19
6 1 13257 13125 3/13/2015 12:00:00 AM
19
7 1 13242 13110 3/12/2015 12:00:00 AM
19
8 1 13230 13098 3/11/2015 12:00:00 AM
19 1 13124 12994 3/10/2015 12:00:00 AM
132
9
20
0 1 13112 12982 3/9/2015 12:00:00 AM
20
1 1 13048 12918 3/6/2015 12:00:00 AM
20
2 1 13087 12957 3/5/2015 12:00:00 AM
20
3 1 13028 12898 3/4/2015 12:00:00 AM
20
4 1 13027 12897 3/3/2015 12:00:00 AM
20
5 1 13058 12928 3/2/2015 12:00:00 AM
20
6 1 12927 12799 2/27/2015 12:00:00 AM
20
7 1 12926 12798 2/26/2015 12:00:00 AM
20
8 1 12951 12823 2/25/2015 12:00:00 AM
20
9 1 12930 12802 2/24/2015 12:00:00 AM
21
0 1 12877 12749 2/23/2015 12:00:00 AM
21
1 1 12913 12785 2/20/2015 12:00:00 AM
21
2 1 12868 12740 2/18/2015 12:00:00 AM
21
3 1 12821 12693 2/17/2015 12:00:00 AM
21
4 1 12806 12678 2/16/2015 12:00:00 AM
21
5 1 12833 12705 2/13/2015 12:00:00 AM
21
6 1 12858 12730 2/12/2015 12:00:00 AM
21
7 1 12764 12636 2/11/2015 12:00:00 AM
21
8 1 12707 12581 2/10/2015 12:00:00 AM
21
9 1 12742 12616 2/9/2015 12:00:00 AM
22
0 1 12676 12550 2/6/2015 12:00:00 AM
22
1 1 12716 12590 2/5/2015 12:00:00 AM
133
22
2 1 12672 12546 2/4/2015 12:00:00 AM
22
3 1 12706 12580 2/3/2015 12:00:00 AM
22
4 1 12764 12636 2/2/2015 12:00:00 AM
22
5 1 12688 12562 1/30/2015 12:00:00 AM
22
6 1 12578 12452 1/29/2015 12:00:00 AM
22
7 1 12560 12436 1/28/2015 12:00:00 AM
22
8 1 12555 12431 1/27/2015 12:00:00 AM
22
9 1 12580 12454 1/26/2015 12:00:00 AM
23
0 1 12506 12382 1/23/2015 12:00:00 AM
23
1 1 12513 12389 1/22/2015 12:00:00 AM
23
2 1 12620 12494 1/21/2015 12:00:00 AM
23
3 1 12722 12596 1/20/2015 12:00:00 AM
23
4 1 12675 12549 1/19/2015 12:00:00 AM
23
5 1 12656 12530 1/16/2015 12:00:00 AM
23
6 1 12680 12554 1/15/2015 12:00:00 AM
23
7 1 12643 12517 1/14/2015 12:00:00 AM
23
8 1 12671 12545 1/13/2015 12:00:00 AM
23
9 1 12631 12505 1/12/2015 12:00:00 AM
24
0 1 12703 12577 1/9/2015 12:00:00 AM
24
1 1 12795 12667 1/8/2015 12:00:00 AM
24
2 1 12796 12668 1/7/2015 12:00:00 AM
24
3 1 12721 12595 1/6/2015 12:00:00 AM
24 1 12652 12526 1/5/2015 12:00:00 AM
134
4
24
5 1 12536 12412 1/2/2015 12:00:00 AM
Rata-rata 13458.93 13325.00 2015
Nilai kurs 13391.97
N Kurs Kurs
O Nilai Jual Beli Tanggal
1 1 13503 13369 12/30/2016 12:00:00 AM
2 1 13540 13406 12/29/2016 12:00:00 AM
3 1 13514 13380 12/28/2016 12:00:00 AM
4 1 13503 13369 12/27/2016 12:00:00 AM
5 1 13537 13403 12/23/2016 12:00:00 AM
6 1 13502 13368 12/22/2016 12:00:00 AM
7 1 13540 13406 12/21/2016 12:00:00 AM
8 1 13460 13326 12/20/2016 12:00:00 AM
9 1 13448 13314 12/19/2016 12:00:00 AM
10 1 13493 13359 12/16/2016 12:00:00 AM
11 1 13434 13300 12/15/2016 12:00:00 AM
12 1 13351 13219 12/14/2016 12:00:00 AM
13 1 13376 13242 12/13/2016 12:00:00 AM
14 1 13404 13270 12/9/2016 12:00:00 AM
15 1 13371 13237 12/8/2016 12:00:00 AM
16 1 13403 13269 12/7/2016 12:00:00 AM
17 1 13472 13338 12/6/2016 12:00:00 AM
18 1 13584 13448 12/5/2016 12:00:00 AM
19 1 13592 13456 12/2/2016 12:00:00 AM
20 1 13650 13514 12/1/2016 12:00:00 AM
21 1 13631 13495 11/30/2016 12:00:00 AM
22 1 13617 13481 11/29/2016 12:00:00 AM
23 1 13534 13400 11/28/2016 12:00:00 AM
24 1 13638 13502 11/25/2016 12:00:00 AM
25 1 13608 13472 11/24/2016 12:00:00 AM
26 1 13540 13406 11/23/2016 12:00:00 AM
27 1 13491 13357 11/22/2016 12:00:00 AM
28 1 13505 13371 11/21/2016 12:00:00 AM
29 1 13475 13341 11/18/2016 12:00:00 AM
30 1 13452 13318 11/17/2016 12:00:00 AM
31 1 13414 13280 11/16/2016 12:00:00 AM
32 1 13405 13271 11/15/2016 12:00:00 AM
135
33 1 13425 13291 11/14/2016 12:00:00 AM

34 1 13417 13283 11/11/2016 12:00:00 AM
35 1 13184 13052 11/10/2016 12:00:00 AM
36 1 13149 13019 11/9/2016 12:00:00 AM
37 1 13155 13025 11/8/2016 12:00:00 AM
38 1 13147 13017 11/7/2016 12:00:00 AM
39 1 13169 13037 11/4/2016 12:00:00 AM
40 1 13115 12985 11/3/2016 12:00:00 AM
41 1 13123 12993 11/2/2016 12:00:00 AM
42 1 13101 12971 11/1/2016 12:00:00 AM
43 1 13116 12986 10/31/2016 12:00:00 AM
44 1 13113 12983 10/28/2016 12:00:00 AM
45 1 13092 12962 10/27/2016 12:00:00 AM
46 1 13062 12932 10/26/2016 12:00:00 AM
47 1 13087 12957 10/25/2016 12:00:00 AM
48 1 13112 12982 10/24/2016 12:00:00 AM
49 1 13085 12955 10/21/2016 12:00:00 AM
50 1 13064 12934 10/20/2016 12:00:00 AM
51 1 13072 12942 10/19/2016 12:00:00 AM
52 1 13109 12979 10/18/2016 12:00:00 AM
53 1 13119 12989 10/17/2016 12:00:00 AM
54 1 13112 12982 10/14/2016 12:00:00 AM
55 1 13093 12963 10/13/2016 12:00:00 AM
56 1 13088 12958 10/12/2016 12:00:00 AM
57 1 13057 12927 10/11/2016 12:00:00 AM
58 1 13034 12904 10/10/2016 12:00:00 AM
59 1 13067 12937 10/7/2016 12:00:00 AM
60 1 13057 12927 10/6/2016 12:00:00 AM
61 1 13060 12930 10/5/2016 12:00:00 AM
62 1 13053 12923 10/4/2016 12:00:00 AM
63 1 13075 12945 10/3/2016 12:00:00 AM
64 1 13063 12933 9/30/2016 12:00:00 AM
65 1 13017 12887 9/29/2016 12:00:00 AM
66 1 12991 12861 9/28/2016 12:00:00 AM
67 1 13092 12962 9/27/2016 12:00:00 AM
68 1 13141 13011 9/26/2016 12:00:00 AM
69 1 13163 13033 9/23/2016 12:00:00 AM
70 1 13163 13033 9/22/2016 12:00:00 AM
71 1 13214 13082 9/21/2016 12:00:00 AM
72 1 13208 13076 9/20/2016 12:00:00 AM
73 1 13230 13098 9/19/2016 12:00:00 AM
136
74 1 13197 13065 9/16/2016 12:00:00 AM

75 1 13256 13124 9/15/2016 12:00:00 AM
76 1 13294 13162 9/14/2016 12:00:00 AM
77 1 13217 13085 9/13/2016 12:00:00 AM
78 1 13154 13024 9/9/2016 12:00:00 AM
79 1 13155 13025 9/8/2016 12:00:00 AM
80 1 13151 13021 9/7/2016 12:00:00 AM
81 1 13228 13096 9/6/2016 12:00:00 AM
82 1 13263 13131 9/5/2016 12:00:00 AM
83 1 13327 13195 9/2/2016 12:00:00 AM
84 1 13335 13203 9/1/2016 12:00:00 AM
85 1 13367 13233 8/31/2016 12:00:00 AM
86 1 13326 13194 8/30/2016 12:00:00 AM
87 1 13341 13209 8/29/2016 12:00:00 AM
88 1 13308 13176 8/26/2016 12:00:00 AM
89 1 13333 13201 8/25/2016 12:00:00 AM
90 1 13318 13186 8/24/2016 12:00:00 AM
91 1 13282 13150 8/23/2016 12:00:00 AM
92 1 13263 13131 8/22/2016 12:00:00 AM
93 1 13185 13053 8/19/2016 12:00:00 AM
94 1 13180 13048 8/18/2016 12:00:00 AM
95 1 13163 13033 8/16/2016 12:00:00 AM
96 1 13187 13055 8/15/2016 12:00:00 AM
97 1 13186 13054 8/12/2016 12:00:00 AM
98 1 13179 13047 8/11/2016 12:00:00 AM
99 1 13189 13057 8/10/2016 12:00:00 AM
10
0 1 13199 13067 8/9/2016 12:00:00 AM
10
1 1 13210 13078 8/8/2016 12:00:00 AM
10
2 1 13191 13059 8/5/2016 12:00:00 AM
10
3 1 13204 13072 8/4/2016 12:00:00 AM
10
4 1 13180 13048 8/3/2016 12:00:00 AM
10
5 1 13144 13014 8/2/2016 12:00:00 AM
10
6 1 13145 13015 8/1/2016 12:00:00 AM
10
7 1 13159 13029 7/29/2016 12:00:00 AM
10 1 13179 13047 7/28/2016 12:00:00 AM
137
8
10
9 1 13196 13064 7/27/2016 12:00:00 AM
11
0 1 13216 13084 7/26/2016 12:00:00 AM
11
1 1 13201 13069 7/25/2016 12:00:00 AM
11
2 1 13168 13036 7/22/2016 12:00:00 AM
11
3 1 13188 13056 7/21/2016 12:00:00 AM
11
4 1 13166 13034 7/20/2016 12:00:00 AM
11
5 1 13151 13021 7/19/2016 12:00:00 AM
11
6 1 13178 13046 7/18/2016 12:00:00 AM
11
7 1 13151 13021 7/15/2016 12:00:00 AM
11
8 1 13153 13023 7/14/2016 12:00:00 AM
11
9 1 13160 13030 7/13/2016 12:00:00 AM
12
0 1 13217 13085 7/12/2016 12:00:00 AM
12
1 1 13178 13046 7/11/2016 12:00:00 AM
12
2 1 13238 13106 7/4/2016 12:00:00 AM
12
3 1 13238 13106 7/1/2016 12:00:00 AM
12
4 1 13246 13114 6/30/2016 12:00:00 AM
12
5 1 13232 13100 6/29/2016 12:00:00 AM
12
6 1 13322 13190 6/28/2016 12:00:00 AM
12
7 1 13562 13428 6/27/2016 12:00:00 AM
12
8 1 13362 13230 6/24/2016 12:00:00 AM
12
9 1 13331 13199 6/23/2016 12:00:00 AM
13
0 1 13364 13232 6/22/2016 12:00:00 AM
138
13
1 1 13352 13220 6/21/2016 12:00:00 AM
13
2 1 13326 13194 6/20/2016 12:00:00 AM
13
3 1 13425 13291 6/17/2016 12:00:00 AM
13
4 1 13394 13260 6/16/2016 12:00:00 AM
13
5 1 13465 13331 6/15/2016 12:00:00 AM
13
6 1 13339 13207 6/14/2016 12:00:00 AM
13
7 1 13408 13274 6/13/2016 12:00:00 AM
13
8 1 13376 13242 6/10/2016 12:00:00 AM
13
9 1 13297 13165 6/9/2016 12:00:00 AM
14
0 1 13307 13175 6/8/2016 12:00:00 AM
14
1 1 13442 13308 6/7/2016 12:00:00 AM
14
2 1 13545 13411 6/6/2016 12:00:00 AM
14
3 1 13680 13544 6/3/2016 12:00:00 AM
14
4 1 13763 13627 6/2/2016 12:00:00 AM
14
5 1 13739 13603 6/1/2016 12:00:00 AM
14
6 1 13683 13547 5/31/2016 12:00:00 AM
14
7 1 13709 13573 5/30/2016 12:00:00 AM
14
8 1 13643 13507 5/27/2016 12:00:00 AM
14
9 1 13683 13547 5/26/2016 12:00:00 AM
15
0 1 13739 13603 5/25/2016 12:00:00 AM
15
1 1 13674 13538 5/24/2016 12:00:00 AM
15
2 1 13675 13539 5/23/2016 12:00:00 AM
15 1 13641 13505 5/20/2016 12:00:00 AM
139
3
15
4 1 13534 13400 5/19/2016 12:00:00 AM
15
5 1 13386 13252 5/18/2016 12:00:00 AM
15
6 1 13344 13212 5/17/2016 12:00:00 AM
15
7 1 13395 13261 5/16/2016 12:00:00 AM
15
8 1 13378 13244 5/13/2016 12:00:00 AM
15
9 1 13365 13233 5/12/2016 12:00:00 AM
16
0 1 13337 13205 5/11/2016 12:00:00 AM
16
1 1 13400 13266 5/10/2016 12:00:00 AM
16
2 1 13350 13218 5/9/2016 12:00:00 AM
16
3 1 13312 13180 5/4/2016 12:00:00 AM
16
4 1 13228 13096 5/3/2016 12:00:00 AM
16
5 1 13258 13126 5/2/2016 12:00:00 AM
16
6 1 13270 13138 4/29/2016 12:00:00 AM
16
7 1 13270 13138 4/28/2016 12:00:00 AM
16
8 1 13239 13107 4/27/2016 12:00:00 AM
16
9 1 13281 13149 4/26/2016 12:00:00 AM
17
0 1 13301 13169 4/25/2016 12:00:00 AM
17
1 1 13235 13103 4/22/2016 12:00:00 AM
17
2 1 13248 13116 4/21/2016 12:00:00 AM
17
3 1 13199 13067 4/20/2016 12:00:00 AM
17
4 1 13216 13084 4/19/2016 12:00:00 AM
17
5 1 13270 13138 4/18/2016 12:00:00 AM
140
17
6 1 13232 13100 4/15/2016 12:00:00 AM
17
7 1 13304 13172 4/14/2016 12:00:00 AM
17
8 1 13161 13031 4/13/2016 12:00:00 AM
17
9 1 13189 13057 4/12/2016 12:00:00 AM
18
0 1 13200 13068 4/11/2016 12:00:00 AM
18
1 1 13235 13103 4/8/2016 12:00:00 AM
18
2 1 13263 13131 4/7/2016 12:00:00 AM
18
3 1 13289 13157 4/6/2016 12:00:00 AM
18
4 1 13283 13151 4/5/2016 12:00:00 AM
18
5 1 13211 13079 4/4/2016 12:00:00 AM
18
6 1 13266 13134 4/1/2016 12:00:00 AM
18
7 1 13342 13210 3/31/2016 12:00:00 AM
18
8 1 13426 13292 3/30/2016 12:00:00 AM
18
9 1 13430 13296 3/29/2016 12:00:00 AM
19
0 1 13390 13256 3/28/2016 12:00:00 AM
19
1 1 13316 13184 3/24/2016 12:00:00 AM
19
2 1 13233 13101 3/23/2016 12:00:00 AM
19
3 1 13241 13109 3/22/2016 12:00:00 AM
19
4 1 13226 13094 3/21/2016 12:00:00 AM
19
5 1 13113 12983 3/18/2016 12:00:00 AM
19
6 1 13232 13100 3/17/2016 12:00:00 AM
19
7 1 13235 13103 3/16/2016 12:00:00 AM
19 1 13152 13022 3/15/2016 12:00:00 AM
141
8
19
9 1 13085 12955 3/14/2016 12:00:00 AM
20
0 1 13152 13022 3/11/2016 12:00:00 AM
20
1 1 13215 13083 3/10/2016 12:00:00 AM
20
2 1 13194 13062 3/8/2016 12:00:00 AM
20
3 1 13094 12964 3/7/2016 12:00:00 AM
20
4 1 13225 13093 3/4/2016 12:00:00 AM
20
5 1 13326 13194 3/3/2016 12:00:00 AM
20
6 1 13381 13247 3/2/2016 12:00:00 AM
20
7 1 13434 13300 3/1/2016 12:00:00 AM
20
8 1 13462 13328 2/29/2016 12:00:00 AM
20
9 1 13467 13333 2/26/2016 12:00:00 AM
21
0 1 13483 13349 2/25/2016 12:00:00 AM
21
1 1 13513 13379 2/24/2016 12:00:00 AM
21
2 1 13464 13330 2/23/2016 12:00:00 AM
21
3 1 13527 13393 2/22/2016 12:00:00 AM
21
4 1 13617 13481 2/19/2016 12:00:00 AM
21
5 1 13546 13412 2/18/2016 12:00:00 AM
21
6 1 13572 13436 2/17/2016 12:00:00 AM
21
7 1 13400 13266 2/16/2016 12:00:00 AM
21
8 1 13543 13409 2/15/2016 12:00:00 AM
21
9 1 13538 13404 2/12/2016 12:00:00 AM
22
0 1 13436 13302 2/11/2016 12:00:00 AM
142
22
1 1 13606 13470 2/10/2016 12:00:00 AM
22
2 1 13757 13621 2/9/2016 12:00:00 AM
22
3 1 13721 13585 2/5/2016 12:00:00 AM
22
4 1 13730 13594 2/4/2016 12:00:00 AM
22
5 1 13826 13688 2/3/2016 12:00:00 AM
22
6 1 13689 13553 2/2/2016 12:00:00 AM
22
7 1 13767 13631 2/1/2016 12:00:00 AM
22
8 1 13915 13777 1/29/2016 12:00:00 AM
22
9 1 13958 13820 1/28/2016 12:00:00 AM
23
0 1 13940 13802 1/27/2016 12:00:00 AM
23
1 1 13974 13834 1/26/2016 12:00:00 AM
23
2 1 13913 13775 1/25/2016 12:00:00 AM
23
3 1 13943 13805 1/22/2016 12:00:00 AM
23
4 1 13968 13830 1/21/2016 12:00:00 AM
23
5 1 13965 13827 1/20/2016 12:00:00 AM
23
6 1 13991 13851 1/19/2016 12:00:00 AM
23
7 1 14001 13861 1/18/2016 12:00:00 AM
23
8 1 13955 13817 1/15/2016 12:00:00 AM
23
9 1 13946 13808 1/14/2016 12:00:00 AM
24
0 1 13930 13792 1/13/2016 12:00:00 AM
24
1 1 13904 13766 1/12/2016 12:00:00 AM
24
2 1 14005 13865 1/11/2016 12:00:00 AM
24 1 13943 13805 1/8/2016 12:00:00 AM
143
3
24
4 1 14016 13876 1/7/2016 12:00:00 AM
24
5 1 13932 13794 1/6/2016 12:00:00 AM
24
6 1 14001 13861 1/5/2016 12:00:00 AM
24
7 1 13967 13829 1/4/2016 12:00:00 AM
Rata-rata 13373.36 13240.34 2016
Nilai kurs 13306.85
144
N Nila Kurs Kurs

O i Jual Beli Tanggal
1 1 13616 13480 12/29/2017 12:00:00 AM
2 1 13628 13492 12/28/2017 12:00:00 AM
3 1 13630 13494 12/27/2017 12:00:00 AM
4 1 13626 13490 12/22/2017 12:00:00 AM
5 1 13613 13477 12/21/2017 12:00:00 AM
6 1 13647 13511 12/20/2017 12:00:00 AM
7 1 13655 13519 12/19/2017 12:00:00 AM
8 1 13652 13516 12/18/2017 12:00:00 AM
9 1 13641 13505 12/15/2017 12:00:00 AM
10 1 13633 13497 12/14/2017 12:00:00 AM
11 1 13657 13521 12/13/2017 12:00:00 AM
12 1 13618 13482 12/12/2017 12:00:00 AM
13 1 13614 13478 12/11/2017 12:00:00 AM
14 1 13624 13488 12/8/2017 12:00:00 AM
15 1 13620 13484 12/7/2017 12:00:00 AM
16 1 13592 13456 12/6/2017 12:00:00 AM
17 1 13583 13447 12/5/2017 12:00:00 AM
18 1 13595 13459 12/4/2017 12:00:00 AM
19 1 13582 13446 11/30/2017 12:00:00 AM
20 1 13583 13447 11/29/2017 12:00:00 AM
21 1 13595 13459 11/28/2017 12:00:00 AM
22 1 13579 13443 11/27/2017 12:00:00 AM
23 1 13574 13438 11/24/2017 12:00:00 AM
24 1 13571 13435 11/23/2017 12:00:00 AM
25 1 13591 13455 11/22/2017 12:00:00 AM
26 1 13612 13476 11/21/2017 12:00:00 AM
27 1 13597 13461 11/20/2017 12:00:00 AM
28 1 13585 13449 11/17/2017 12:00:00 AM
29 1 13606 13470 11/16/2017 12:00:00 AM
30 1 13607 13471 11/15/2017 12:00:00 AM
31 1 13610 13474 11/14/2017 12:00:00 AM
32 1 13623 13487 11/13/2017 12:00:00 AM
33 1 13582 13446 11/10/2017 12:00:00 AM
34 1 13582 13446 11/9/2017 12:00:00 AM
35 1 13592 13456 11/8/2017 12:00:00 AM
36 1 13572 13436 11/7/2017 12:00:00 AM
37 1 13597 13461 11/6/2017 12:00:00 AM
145
38 1 13568 13432 11/3/2017 12:00:00 AM

39 1 13630 13494 11/2/2017 12:00:00 AM
40 1 13660 13524 11/1/2017 12:00:00 AM
41 1 13640 13504 10/31/2017 12:00:00 AM
42 1 13648 13512 10/30/2017 12:00:00 AM
43 1 13698 13562 10/27/2017 12:00:00 AM
44 1 13628 13492 10/26/2017 12:00:00 AM
45 1 13638 13502 10/25/2017 12:00:00 AM
46 1 13597 13461 10/24/2017 12:00:00 AM
47 1 13603 13467 10/23/2017 12:00:00 AM
48 1 13585 13449 10/20/2017 12:00:00 AM
49 1 13589 13453 10/19/2017 12:00:00 AM
50 1 13582 13446 10/18/2017 12:00:00 AM
51 1 13557 13423 10/17/2017 12:00:00 AM
52 1 13550 13416 10/16/2017 12:00:00 AM
53 1 13576 13440 10/13/2017 12:00:00 AM
54 1 13589 13453 10/12/2017 12:00:00 AM
55 1 13577 13441 10/11/2017 12:00:00 AM
56 1 13558 13424 10/10/2017 12:00:00 AM
57 1 13572 13436 10/9/2017 12:00:00 AM
58 1 13552 13418 10/6/2017 12:00:00 AM
59 1 13550 13416 10/5/2017 12:00:00 AM
60 1 13556 13422 10/4/2017 12:00:00 AM
61 1 13650 13514 10/3/2017 12:00:00 AM
62 1 13566 13432 10/2/2017 12:00:00 AM
63 1 13559 13425 9/29/2017 12:00:00 AM
64 1 13531 13397 9/28/2017 12:00:00 AM
65 1 13451 13317 9/27/2017 12:00:00 AM
66 1 13415 13281 9/26/2017 12:00:00 AM
67 1 13372 13238 9/25/2017 12:00:00 AM
68 1 13392 13258 9/22/2017 12:00:00 AM
69 1 13336 13204 9/20/2017 12:00:00 AM
70 1 13324 13192 9/19/2017 12:00:00 AM
71 1 13304 13172 9/18/2017 12:00:00 AM
72 1 13327 13195 9/15/2017 12:00:00 AM
73 1 13305 13173 9/14/2017 12:00:00 AM
74 1 13275 13143 9/13/2017 12:00:00 AM
75 1 13252 13120 9/12/2017 12:00:00 AM
76 1 13220 13088 9/11/2017 12:00:00 AM
77 1 13350 13218 9/8/2017 12:00:00 AM
78 1 13398 13264 9/7/2017 12:00:00 AM
146
79 1 13404 13270 9/6/2017 12:00:00 AM

80 1 13403 13269 9/5/2017 12:00:00 AM
81 1 13412 13278 9/4/2017 12:00:00 AM
82 1 13418 13284 8/31/2017 12:00:00 AM
83 1 13410 13276 8/30/2017 12:00:00 AM
84 1 13415 13281 8/29/2017 12:00:00 AM
85 1 13405 13271 8/28/2017 12:00:00 AM
86 1 13415 13281 8/25/2017 12:00:00 AM
87 1 13421 13287 8/24/2017 12:00:00 AM
88 1 13409 13275 8/23/2017 12:00:00 AM
89 1 13405 13271 8/22/2017 12:00:00 AM
90 1 13422 13288 8/21/2017 12:00:00 AM
91 1 13435 13301 8/18/2017 12:00:00 AM
92 1 13441 13307 8/16/2017 12:00:00 AM
93 1 13411 13277 8/15/2017 12:00:00 AM
94 1 13411 13277 8/14/2017 12:00:00 AM
95 1 13437 13303 8/11/2017 12:00:00 AM
96 1 13405 13271 8/10/2017 12:00:00 AM
97 1 13391 13257 8/9/2017 12:00:00 AM
98 1 13386 13252 8/8/2017 12:00:00 AM
99 1 13386 13252 8/7/2017 12:00:00 AM
10
0 1 13391 13257 8/4/2017 12:00:00 AM
10
1 1 13397 13263 8/3/2017 12:00:00 AM
10
2 1 13398 13264 8/2/2017 12:00:00 AM
10
3 1 13385 13251 8/1/2017 12:00:00 AM
10
4 1 13390 13256 7/31/2017 12:00:00 AM
10
5 1 13393 13259 7/28/2017 12:00:00 AM
10
6 1 13382 13248 7/27/2017 12:00:00 AM
10
7 1 13401 13267 7/26/2017 12:00:00 AM
10
8 1 13387 13253 7/25/2017 12:00:00 AM
10
9 1 13386 13252 7/24/2017 12:00:00 AM
11
0 1 13390 13256 7/21/2017 12:00:00 AM
147
11
1 1 13387 13253 7/20/2017 12:00:00 AM
11
2 1 13371 13237 7/19/2017 12:00:00 AM
11
3 1 13381 13247 7/18/2017 12:00:00 AM
11
4 1 13380 13246 7/17/2017 12:00:00 AM
11
5 1 13414 13280 7/14/2017 12:00:00 AM
11
6 1 13409 13275 7/13/2017 12:00:00 AM
11
7 1 13435 13301 7/12/2017 12:00:00 AM
11
8 1 13454 13320 7/11/2017 12:00:00 AM
11
9 1 13475 13341 7/10/2017 12:00:00 AM
12
0 1 13464 13330 7/7/2017 12:00:00 AM
12
1 1 13431 13297 7/6/2017 12:00:00 AM
12
2 1 13416 13282 7/5/2017 12:00:00 AM
12
3 1 13453 13319 7/4/2017 12:00:00 AM
12
4 1 13392 13258 7/3/2017 12:00:00 AM
12
5 1 13386 13252 6/30/2017 12:00:00 AM
12
6 1 13386 13252 6/22/2017 12:00:00 AM
12
7 1 13368 13234 6/21/2017 12:00:00 AM
12
8 1 13363 13231 6/20/2017 12:00:00 AM
12
9 1 13352 13220 6/19/2017 12:00:00 AM
13
0 1 13364 13232 6/16/2017 12:00:00 AM
13
1 1 13348 13216 6/15/2017 12:00:00 AM
13
2 1 13352 13220 6/14/2017 12:00:00 AM
13 1 13360 13228 6/13/2017 12:00:00 AM
148
3
13
4 1 13358 13226 6/12/2017 12:00:00 AM
13
5 1 13358 13226 6/9/2017 12:00:00 AM
13
6 1 13383 13249 6/8/2017 12:00:00 AM
13
7 1 13374 13240 6/7/2017 12:00:00 AM
13
8 1 13351 13219 6/6/2017 12:00:00 AM
13
9 1 13353 13221 6/5/2017 12:00:00 AM
14
0 1 13378 13244 6/2/2017 12:00:00 AM
14
1 1 13388 13254 5/31/2017 12:00:00 AM
14
2 1 13403 13269 5/30/2017 12:00:00 AM
14
3 1 13379 13245 5/29/2017 12:00:00 AM
14
4 1 13361 13229 5/26/2017 12:00:00 AM
14
5 1 13383 13249 5/24/2017 12:00:00 AM
14
6 1 13362 13230 5/23/2017 12:00:00 AM
14
7 1 13363 13231 5/22/2017 12:00:00 AM
14
8 1 13477 13343 5/19/2017 12:00:00 AM
14
9 1 13410 13276 5/18/2017 12:00:00 AM
15
0 1 13373 13239 5/17/2017 12:00:00 AM
15
1 1 13364 13232 5/16/2017 12:00:00 AM
15
2 1 13386 13252 5/15/2017 12:00:00 AM
15
3 1 13407 13273 5/12/2017 12:00:00 AM
15
4 1 13422 13288 5/10/2017 12:00:00 AM
15
5 1 13384 13250 5/9/2017 12:00:00 AM
149
15
6 1 13391 13257 5/8/2017 12:00:00 AM
15
7 1 13406 13272 5/5/2017 12:00:00 AM
15
8 1 13397 13263 5/4/2017 12:00:00 AM
15
9 1 13363 13231 5/3/2017 12:00:00 AM
16
0 1 13383 13249 5/2/2017 12:00:00 AM
16
1 1 13394 13260 4/28/2017 12:00:00 AM
16
2 1 13365 13233 4/27/2017 12:00:00 AM
16
3 1 13344 13212 4/26/2017 12:00:00 AM
16
4 1 13362 13230 4/25/2017 12:00:00 AM
16
5 1 13387 13253 4/21/2017 12:00:00 AM
16
6 1 13395 13261 4/20/2017 12:00:00 AM
16
7 1 13365 13233 4/19/2017 12:00:00 AM
16
8 1 13365 13233 4/18/2017 12:00:00 AM
16
9 1 13321 13189 4/17/2017 12:00:00 AM
17
0 1 13330 13198 4/13/2017 12:00:00 AM
17
1 1 13364 13232 4/12/2017 12:00:00 AM
17
2 1 13348 13216 4/11/2017 12:00:00 AM
17
3 1 13390 13256 4/10/2017 12:00:00 AM
17
4 1 13408 13274 4/7/2017 12:00:00 AM
17
5 1 13394 13260 4/6/2017 12:00:00 AM
17
6 1 13396 13262 4/5/2017 12:00:00 AM
17
7 1 13393 13259 4/4/2017 12:00:00 AM
17 1 13391 13257 4/3/2017 12:00:00 AM
150
8
17
9 1 13388 13254 3/31/2017 12:00:00 AM
18
0 1 13383 13249 3/30/2017 12:00:00 AM
18
1 1 13390 13256 3/29/2017 12:00:00 AM
18
2 1 13381 13247 3/27/2017 12:00:00 AM
18
3 1 13396 13262 3/24/2017 12:00:00 AM
18
4 1 13399 13265 3/23/2017 12:00:00 AM
18
5 1 13402 13268 3/22/2017 12:00:00 AM
18
6 1 13375 13241 3/21/2017 12:00:00 AM
18
7 1 13396 13262 3/20/2017 12:00:00 AM
18
8 1 13409 13275 3/17/2017 12:00:00 AM
18
9 1 13403 13269 3/16/2017 12:00:00 AM
19
0 1 13442 13308 3/15/2017 12:00:00 AM
19
1 1 13427 13293 3/14/2017 12:00:00 AM
19
2 1 13431 13297 3/13/2017 12:00:00 AM
19
3 1 13460 13326 3/10/2017 12:00:00 AM
19
4 1 13440 13306 3/9/2017 12:00:00 AM
19
5 1 13407 13273 3/8/2017 12:00:00 AM
19
6 1 13417 13283 3/7/2017 12:00:00 AM
19
7 1 13431 13297 3/6/2017 12:00:00 AM
19
8 1 13442 13308 3/3/2017 12:00:00 AM
19
9 1 13428 13294 3/2/2017 12:00:00 AM
20
0 1 13428 13294 3/1/2017 12:00:00 AM
151
20
1 1 13414 13280 2/28/2017 12:00:00 AM
20
2 1 13406 13272 2/27/2017 12:00:00 AM
20
3 1 13403 13269 2/24/2017 12:00:00 AM
20
4 1 13427 13293 2/23/2017 12:00:00 AM
20
5 1 13423 13289 2/22/2017 12:00:00 AM
20
6 1 13437 13303 2/21/2017 12:00:00 AM
20
7 1 13419 13285 2/20/2017 12:00:00 AM
20
8 1 13395 13261 2/17/2017 12:00:00 AM
20
9 1 13396 13262 2/16/2017 12:00:00 AM
21
0 1 13397 13263 2/14/2017 12:00:00 AM
21
1 1 13397 13263 2/13/2017 12:00:00 AM
21
2 1 13385 13251 2/10/2017 12:00:00 AM
21
3 1 13375 13241 2/9/2017 12:00:00 AM
21
4 1 13404 13270 2/8/2017 12:00:00 AM
21
5 1 13389 13255 2/7/2017 12:00:00 AM
21
6 1 13396 13262 2/6/2017 12:00:00 AM
21
7 1 13429 13295 2/3/2017 12:00:00 AM
21
8 1 13441 13307 2/2/2017 12:00:00 AM
21
9 1 13416 13282 2/1/2017 12:00:00 AM
22
0 1 13410 13276 1/31/2017 12:00:00 AM
22
1 1 13402 13268 1/30/2017 12:00:00 AM
22
2 1 13426 13292 1/27/2017 12:00:00 AM
22 1 13392 13258 1/26/2017 12:00:00 AM
152
3
22
4 1 13407 13273 1/25/2017 12:00:00 AM
22
5 1 13397 13263 1/24/2017 12:00:00 AM
22
6 1 13439 13305 1/23/2017 12:00:00 AM
22
7 1 13449 13315 1/20/2017 12:00:00 AM
22
8 1 13443 13309 1/19/2017 12:00:00 AM
22
9 1 13395 13261 1/18/2017 12:00:00 AM
23
0 1 13448 13314 1/17/2017 12:00:00 AM
23
1 1 13421 13287 1/16/2017 12:00:00 AM
23
2 1 13375 13241 1/13/2017 12:00:00 AM
23
3 1 13354 13222 1/12/2017 12:00:00 AM
23
4 1 13394 13260 1/11/2017 12:00:00 AM
23
5 1 13387 13253 1/10/2017 12:00:00 AM
23
6 1 13452 13318 1/9/2017 12:00:00 AM
23
7 1 13414 13280 1/6/2017 12:00:00 AM
23
8 1 13437 13303 1/5/2017 12:00:00 AM
23
9 1 13545 13411 1/4/2017 12:00:00 AM
24
0 1 13552 13418 1/3/2017 12:00:00 AM
Rata-rata 13450.54 13316.36 2017
Nilai kurs 13383.45
153
N Nila Kurs Kurs

O i Jual Beli Tanggal
1 1 14340.35 14197.66 12/31/2021 12:00:00 AM
2 1 14336.33 14193.68 12/30/2021 12:00:00 AM
3 1 14308.19 14165.82 12/29/2021 12:00:00 AM
4 1 14296.13 14153.88 12/28/2021 12:00:00 AM
5 1 14290.1 14147.91 12/27/2021 12:00:00 AM
6 1 14322.26 14179.75 12/24/2021 12:00:00 AM
7 1 14335.32 14192.68 12/23/2021 12:00:00 AM
8 1 14420.75 14277.26 12/22/2021 12:00:00 AM
9 1 14455.92 14312.08 12/21/2021 12:00:00 AM
10 1 14414.72 14271.29 12/20/2021 12:00:00 AM
11 1 14414.72 14271.29 12/17/2021 12:00:00 AM
12 1 14408.69 14265.32 12/16/2021 12:00:00 AM
13 1 14419.74 14276.26 12/15/2021 12:00:00 AM
14 1 14417.73 14274.27 12/14/2021 12:00:00 AM
15 1 14449.89 14306.11 12/13/2021 12:00:00 AM
16 1 14422.76 14279.25 12/10/2021 12:00:00 AM
17 1 14419.74 14276.26 12/9/2021 12:00:00 AM
18 1 14480.04 14335.96 12/8/2021 12:00:00 AM
19 1 14513.21 14368.8 12/7/2021 12:00:00 AM
20 1 14480.04 14335.96 12/6/2021 12:00:00 AM
21 1 14449.89 14306.11 12/3/2021 12:00:00 AM
22 1 14424.77 14281.24 12/2/2021 12:00:00 AM
23 1 14391.6 14248.4 12/1/2021 12:00:00 AM
24 1 14411.7 14268.3 11/30/2021 12:00:00 AM
25 1 14351.4 14208.6 11/29/2021 12:00:00 AM
26 1 14351.4 14208.6 11/26/2021 12:00:00 AM
27 1 14343.36 14200.64 11/25/2021 12:00:00 AM
28 1 14343.36 14200.64 11/24/2021 12:00:00 AM
29 1 14326.28 14183.73 11/23/2021 12:00:00 AM
30 1 14308.19 14165.82 11/22/2021 12:00:00 AM
31 1 14302.16 14159.85 11/19/2021 12:00:00 AM
32 1 14330.3 14187.71 11/18/2021 12:00:00 AM
33 1 14282.06 14139.95 11/17/2021 12:00:00 AM
34 1 14277.03 14134.97 11/16/2021 12:00:00 AM
35 1 14314.22 14171.79 11/15/2021 12:00:00 AM
36 1 14359.44 14216.56 11/12/2021 12:00:00 AM
37 1 14324.27 14181.74 11/11/2021 12:00:00 AM
154
38 1 14304.17 14161.84 11/10/2021 12:00:00 AM

39 1 14339.34 14196.66 11/9/2021 12:00:00 AM
40 1 14445.87 14302.13 11/8/2021 12:00:00 AM
41 1 14398.64 14255.37 11/5/2021 12:00:00 AM
42 1 14372.51 14229.5 11/4/2021 12:00:00 AM
43 1 14332.31 14189.7 11/3/2021 12:00:00 AM
44 1 14306.18 14163.83 11/2/2021 12:00:00 AM
45 1 14241.86 14100.15 11/1/2021 12:00:00 AM
46 1 14270 14128.01 10/29/2021 12:00:00 AM
47 1 14254.92 14113.08 10/28/2021 12:00:00 AM
48 1 14235.83 14094.18 10/27/2021 12:00:00 AM
49 1 14253.92 14112.09 10/26/2021 12:00:00 AM
50 1 14232.81 14091.19 10/25/2021 12:00:00 AM
51 1 14203.67 14062.34 10/22/2021 12:00:00 AM
52 1 14150.4 14009.6 10/21/2021 12:00:00 AM
53 1 14166.48 14025.52 10/19/2021 12:00:00 AM
54 1 14154.42 14013.58 10/18/2021 12:00:00 AM
55 1 14225.78 14084.23 10/15/2021 12:00:00 AM
56 1 14292.11 14149.9 10/14/2021 12:00:00 AM
57 1 14288.09 14145.92 10/13/2021 12:00:00 AM
58 1 14281.05 14138.95 10/12/2021 12:00:00 AM
59 1 14296.13 14153.88 10/11/2021 12:00:00 AM
60 1 14309.19 14166.81 10/8/2021 12:00:00 AM
61 1 14316.23 14173.78 10/7/2021 12:00:00 AM
62 1 14331.3 14188.7 10/6/2021 12:00:00 AM
63 1 14347.38 14204.62 10/5/2021 12:00:00 AM
64 1 14386.58 14243.43 10/4/2021 12:00:00 AM
65 1 14392.61 14249.4 10/1/2021 12:00:00 AM
66 1 14378.54 14235.47 9/30/2021 12:00:00 AM
67 1 14340.35 14197.66 9/29/2021 12:00:00 AM
68 1 14329.29 14186.71 9/28/2021 12:00:00 AM
69 1 14321.25 14178.75 9/27/2021 12:00:00 AM
70 1 14327.28 14184.72 9/24/2021 12:00:00 AM
71 1 14320.25 14177.76 9/23/2021 12:00:00 AM
72 1 14315.22 14172.78 9/22/2021 12:00:00 AM
73 1 14322.26 14179.75 9/21/2021 12:00:00 AM
74 1 14304.17 14161.84 9/20/2021 12:00:00 AM
75 1 14309.19 14166.81 9/17/2021 12:00:00 AM
76 1 14323.26 14180.74 9/16/2021 12:00:00 AM
77 1 14328.29 14185.72 9/15/2021 12:00:00 AM
78 1 14331.3 14188.7 9/14/2021 12:00:00 AM
155
79 1 14296.13 14153.88 9/13/2021 12:00:00 AM

80 1 14343.36 14200.64 9/10/2021 12:00:00 AM
81 1 14337.33 14194.67 9/9/2021 12:00:00 AM
82 1 14265.98 14124.03 9/8/2021 12:00:00 AM
83 1 14310.2 14167.81 9/7/2021 12:00:00 AM
84 1 14332.31 14189.7 9/6/2021 12:00:00 AM
85 1 14352.41 14209.6 9/3/2021 12:00:00 AM
86 1 14355.42 14212.58 9/2/2021 12:00:00 AM
87 1 14377.53 14234.47 9/1/2021 12:00:00 AM
88 1 14445.87 14302.13 8/31/2021 12:00:00 AM
89 1 14503.16 14358.85 8/30/2021 12:00:00 AM
90 1 14495.12 14350.89 8/27/2021 12:00:00 AM
91 1 14480.04 14335.96 8/26/2021 12:00:00 AM
92 1 14462.96 14319.05 8/25/2021 12:00:00 AM
93 1 14487.08 14342.93 8/24/2021 12:00:00 AM
94 1 14536.32 14391.68 8/23/2021 12:00:00 AM
95 1 14486.07 14341.93 8/20/2021 12:00:00 AM
96 1 14455.92 14312.08 8/19/2021 12:00:00 AM
97 1 14454.92 14311.09 8/18/2021 12:00:00 AM
98 1 14459.94 14316.06 8/16/2021 12:00:00 AM
99 1 14460.95 14317.06 8/13/2021 12:00:00 AM
10
0 1 14468.99 14325.02 8/12/2021 12:00:00 AM
10
1 1 14449.89 14306.11 8/10/2021 12:00:00 AM
10
2 1 14440.85 14297.16 8/9/2021 12:00:00 AM
10
3 1 14413.71 14270.29 8/6/2021 12:00:00 AM
10
4 1 14395.62 14252.38 8/5/2021 12:00:00 AM
10
5 1 14433.81 14290.19 8/4/2021 12:00:00 AM
10
6 1 14528.28 14383.72 8/3/2021 12:00:00 AM
10
7 1 14534.31 14389.69 8/2/2021 12:00:00 AM
10
8 1 14563.46 14418.55 7/30/2021 12:00:00 AM
10
9 1 14570.49 14425.51 7/29/2021 12:00:00 AM
11
0 1 14561.45 14416.56 7/28/2021 12:00:00 AM
156
11
1 1 14566.47 14421.53 7/27/2021 12:00:00 AM
11
2 1 14573.51 14428.5 7/26/2021 12:00:00 AM
11
3 1 14580.54 14435.46 7/23/2021 12:00:00 AM
11
4 1 14626.77 14481.23 7/22/2021 12:00:00 AM
11
5 1 14596.62 14451.38 7/21/2021 12:00:00 AM
11
6 1 14589.59 14444.42 7/19/2021 12:00:00 AM
11
7 1 14575.52 14430.49 7/16/2021 12:00:00 AM
11
8 1 14565.47 14420.54 7/15/2021 12:00:00 AM
11
9 1 14558.43 14413.57 7/14/2021 12:00:00 AM
12
0 1 14558.43 14413.57 7/13/2021 12:00:00 AM
12
1 1 14620.74 14475.26 7/12/2021 12:00:00 AM
12
2 1 14620.74 14475.26 7/9/2021 12:00:00 AM
12
3 1 14572.5 14427.5 7/8/2021 12:00:00 AM
12
4 1 14540.34 14395.66 7/7/2021 12:00:00 AM
12
5 1 14554.41 14409.59 7/6/2021 12:00:00 AM
12
6 1 14636.82 14491.18 7/5/2021 12:00:00 AM
12
7 1 14611.7 14466.31 7/2/2021 12:00:00 AM
12
8 1 14614.71 14469.29 7/1/2021 12:00:00 AM
12
9 1 14568.48 14423.52 6/30/2021 12:00:00 AM
13
0 1 14544.36 14399.64 6/29/2021 12:00:00 AM
13
1 1 14519.24 14374.77 6/28/2021 12:00:00 AM
13
2 1 14534.31 14389.69 6/25/2021 12:00:00 AM
13 1 14526.27 14381.73 6/24/2021 12:00:00 AM
157
3
13
4 1 14493.11 14348.9 6/23/2021 12:00:00 AM
13
5 1 14525.27 14380.74 6/22/2021 12:00:00 AM
13
6 1 14475.02 14330.99 6/21/2021 12:00:00 AM
13
7 1 14449.89 14306.11 6/18/2021 12:00:00 AM
13
8 1 14328.29 14185.72 6/17/2021 12:00:00 AM
13
9 1 14315.22 14172.78 6/16/2021 12:00:00 AM
14
0 1 14293.11 14150.89 6/15/2021 12:00:00 AM
14
1 1 14277.03 14134.97 6/14/2021 12:00:00 AM
14
2 1 14311.2 14168.8 6/11/2021 12:00:00 AM
14
3 1 14333.31 14190.69 6/10/2021 12:00:00 AM
14
4 1 14333.31 14190.69 6/9/2021 12:00:00 AM
14
5 1 14342.36 14199.65 6/8/2021 12:00:00 AM
14
6 1 14387.58 14244.42 6/7/2021 12:00:00 AM
14
7 1 14368.49 14225.52 6/4/2021 12:00:00 AM
14
8 1 14347.38 14204.62 6/3/2021 12:00:00 AM
14
9 1 14363.46 14220.54 6/2/2021 12:00:00 AM
15
0 1 14381.55 14238.45 6/1/2021 12:00:00 AM
15
1 1 14381.55 14238.45 5/31/2021 12:00:00 AM
15
2 1 14383.56 14240.44 5/28/2021 12:00:00 AM
15
3 1 14406.68 14263.33 5/27/2021 12:00:00 AM
15
4 1 14433.81 14290.19 5/26/2021 12:00:00 AM
15
5 1 14433.81 14290.19 5/25/2021 12:00:00 AM
158
15
6 1 14446.88 14303.13 5/24/2021 12:00:00 AM
15
7 1 14467.98 14324.02 5/21/2021 12:00:00 AM
15
8 1 14384.57 14241.44 5/20/2021 12:00:00 AM
15
9 1 14371.5 14228.5 5/19/2021 12:00:00 AM
16
0 1 14355.42 14212.58 5/18/2021 12:00:00 AM
16
1 1 14274.02 14131.99 5/17/2021 12:00:00 AM
16
2 1 14268.99 14127.01 5/14/2021 12:00:00 AM
16
3 1 14268.99 14127.01 5/13/2021 12:00:00 AM
16
4 1 14268.99 14127.01 5/12/2021 12:00:00 AM
16
5 1 14268.99 14127.01 5/11/2021 12:00:00 AM
16
6 1 14360.45 14217.56 5/10/2021 12:00:00 AM
16
7 1 14435.82 14292.18 5/7/2021 12:00:00 AM
16
8 1 14511.2 14366.81 5/6/2021 12:00:00 AM
16
9 1 14503.16 14358.85 5/5/2021 12:00:00 AM
17
0 1 14539.34 14394.67 5/4/2021 12:00:00 AM
17
1 1 14525.27 14380.74 5/3/2021 12:00:00 AM
17
2 1 14540.34 14395.66 4/30/2021 12:00:00 AM
17
3 1 14582.55 14437.45 4/29/2021 12:00:00 AM
17
4 1 14569.49 14424.52 4/28/2021 12:00:00 AM
17
5 1 14561.45 14416.56 4/27/2021 12:00:00 AM
17
6 1 14620.74 14475.26 4/26/2021 12:00:00 AM
17
7 1 14602.65 14457.35 4/23/2021 12:00:00 AM
17 1 14621.75 14476.26 4/22/2021 12:00:00 AM
159
8
17
9 1 14580.54 14435.46 4/21/2021 12:00:00 AM
18
0 1 14640.84 14495.16 4/20/2021 12:00:00 AM
18
1 1 14664.96 14519.04 4/19/2021 12:00:00 AM
18
2 1 14719.23 14572.77 4/16/2021 12:00:00 AM
18
3 1 14706.17 14559.84 4/15/2021 12:00:00 AM
18
4 1 14721.24 14574.76 4/14/2021 12:00:00 AM
18
5 1 14704.16 14557.85 4/13/2021 12:00:00 AM
18
6 1 14652.9 14507.1 4/12/2021 12:00:00 AM
18
7 1 14652.9 14507.1 4/9/2021 12:00:00 AM
18
8 1 14585.57 14440.44 4/8/2021 12:00:00 AM
18
9 1 14591.6 14446.41 4/7/2021 12:00:00 AM
19
0 1 14605.67 14460.34 4/6/2021 12:00:00 AM
19
1 1 14656.92 14511.08 4/5/2021 12:00:00 AM
19
2 1 14649.89 14504.12 4/2/2021 12:00:00 AM
19
3 1 14649.89 14504.12 4/1/2021 12:00:00 AM
19
4 1 14644.86 14499.14 3/31/2021 12:00:00 AM
19
5 1 14553.41 14408.6 3/30/2021 12:00:00 AM
19
6 1 14506.17 14361.83 3/29/2021 12:00:00 AM
19
7 1 14518.23 14373.77 3/26/2021 12:00:00 AM
19
8 1 14536.32 14391.68 3/25/2021 12:00:00 AM
19
9 1 14527.28 14382.73 3/24/2021 12:00:00 AM
20
0 1 14493.11 14348.9 3/23/2021 12:00:00 AM
160
20
1 1 14528.28 14383.72 3/22/2021 12:00:00 AM
20
2 1 14548.38 14403.62 3/19/2021 12:00:00 AM
20
3 1 14484.06 14339.94 3/18/2021 12:00:00 AM
20
4 1 14531.3 14386.71 3/17/2021 12:00:00 AM
20
5 1 14496.12 14351.88 3/16/2021 12:00:00 AM
20
6 1 14490.09 14345.91 3/15/2021 12:00:00 AM
20
7 1 14442.86 14299.15 3/12/2021 12:00:00 AM
20
8 1 14493.11 14348.9 3/11/2021 12:00:00 AM
20
9 1 14493.11 14348.9 3/10/2021 12:00:00 AM
21
0 1 14540.34 14395.66 3/9/2021 12:00:00 AM
21
1 1 14461.95 14318.05 3/8/2021 12:00:00 AM
21
2 1 14442.86 14299.15 3/5/2021 12:00:00 AM
21
3 1 14370.5 14227.51 3/4/2021 12:00:00 AM
21
4 1 14405.67 14262.33 3/3/2021 12:00:00 AM
21
5 1 14378.54 14235.47 3/2/2021 12:00:00 AM
21
6 1 14371.5 14228.5 3/1/2021 12:00:00 AM
21
7 1 14300.15 14157.86 2/26/2021 12:00:00 AM
21
8 1 14174.52 14033.48 2/25/2021 12:00:00 AM
21
9 1 14159.45 14018.56 2/24/2021 12:00:00 AM
22
0 1 14196.63 14055.37 2/23/2021 12:00:00 AM
22
1 1 14168.49 14027.51 2/22/2021 12:00:00 AM
22
2 1 14155.43 14014.58 2/19/2021 12:00:00 AM
22 1 14129.3 13988.71 2/18/2021 12:00:00 AM
161
3
22
4 1 14089.1 13948.91 2/17/2021 12:00:00 AM
22
5 1 13944.38 13805.63 2/16/2021 12:00:00 AM
22
6 1 14015.73 13876.27 2/15/2021 12:00:00 AM
22
7 1 14081.06 13940.95 2/12/2021 12:00:00 AM
22
8 1 14081.06 13940.95 2/11/2021 12:00:00 AM
22
9 1 14058.95 13919.06 2/10/2021 12:00:00 AM
23
0 1 14070 13930 2/9/2021 12:00:00 AM
23
1 1 14070 13930 2/8/2021 12:00:00 AM
23
2 1 14132.31 13991.69 2/5/2021 12:00:00 AM
23
3 1 14106.18 13965.82 2/4/2021 12:00:00 AM
23
4 1 14087.09 13946.92 2/3/2021 12:00:00 AM
23
5 1 14114.22 13973.78 2/2/2021 12:00:00 AM
23
6 1 14112.21 13971.79 2/1/2021 12:00:00 AM
23
7 1 14154.42 14013.58 1/29/2021 12:00:00 AM
23
8 1 14189.6 14048.41 1/28/2021 12:00:00 AM
23
9 1 14161.46 14020.55 1/27/2021 12:00:00 AM
24
0 1 14156.43 14015.57 1/26/2021 12:00:00 AM
24
1 1 14152.41 14011.59 1/25/2021 12:00:00 AM
24
2 1 14124.27 13983.73 1/22/2021 12:00:00 AM
24
3 1 14109.2 13968.81 1/21/2021 12:00:00 AM
24
4 1 14135.33 13994.68 1/20/2021 12:00:00 AM
24
5 1 14156.43 14015.57 1/19/2021 12:00:00 AM
162
24
6 1 14150.4 14009.6 1/18/2021 12:00:00 AM
24
7 1 14138.34 13997.66 1/15/2021 12:00:00 AM
24
8 1 14189.6 14048.41 1/14/2021 12:00:00 AM
24
9 1 14179.55 14038.46 1/13/2021 12:00:00 AM
25
0 1 14302.16 14159.85 1/12/2021 12:00:00 AM
25
1 1 14225.78 14084.23 1/11/2021 12:00:00 AM
25
2 1 14128.29 13987.71 1/8/2021 12:00:00 AM
25
3 1 14007.69 13868.31 1/7/2021 12:00:00 AM
25
4 1 13995.63 13856.37 1/6/2021 12:00:00 AM
25
5 1 14014.73 13875.28 1/5/2021 12:00:00 AM
25
6 1 13972.52 13833.49 1/4/2021 12:00:00 AM
Rata-rata 14383.86 14240.74 2021
Nilai kurs 14312.30
163
Nilai
No Tahun Kurs
1 2015 13391.97
2 2016 13306.85
3 2017 13383.45
14,246.4
4 2018 3
14,146.3
5 2019 3
14,572.2
6 2020 6
7 2021 14312.30
164
LAMPIRAN. 5
IHK
Tahun Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Rata Rata
2015 118.71 118.28 118.48 118.91 119.5 120.14 121.26 121.73 121.67 121.57 121.82 122.99 120.42
2016 123.62 123.51 123.75 123.19 123.48 124.29 125.15 125.13 125.41 125.59 126.18 126.71 124.67
2017 127.94 128.24 128.22 128.33 128.83 129.72 130 129.91 130.08 130.09 130.35 131.28 129.42
2018 132.10 132.32 132.58 132.71 132.99 133.77 134.14 134.07 133.83 134.20 134.56 135.39 133.56
2019 135.83 135.72 135.87 136.47 137.40 138.16 138.59 138.75 138.37 138.40 138.60 139.07 137.60
2020 104.33 104.62 104.72 104.8 104.87 105.06 104.95 104.9 104.85 104.92 105.21 105.68 104.91
2021 105.95 106.06 106.15 106.29 106.63 106.46 106.54 106.57 106.53 106.66 107.05 107.66 106.55
165
LAMPIRAN. 6
VOSKALITAS SAHAM
X1
Tahu Volatilitas Harga Saham
Kode
n Harga
Harga Saham (Hi- (Hi + Volatilitas
Saham
Terendah (Li)
Tertinggi (Hi)
Li) Li)/2 Saham
AALI 2015 14800 27400 12600 21100 0.59716

AALI 2016 13775 19550 5775 16663 0.34659
AALI 2017 12700 17200 4500 14950 0.30100
10,10 15,17
AALI 2018 0 5 5075 12638 0.40158
9,50 14,67
AALI 2019 0 5 5175 12088 0.42813
4,29 14,10
AALI 2020 0 0 9810 9195 1.06688
AALI 2021 7375 13075 5700 10225 0.55746
ACES 2015 500 855 355 678 0.52399
ACES 2016 730 1040 310 885 0.35028
ACES 2017 720 1425 705 1073 0.65734
1,31 1,53
ACES 2018 0 5 225 1423 0.15817
1,49 1,85
ACES 2019 5 0 355 1673 0.21226
1,27 1,77
ACES 2020 0 5 505 1523 0.33169
ACES 2021 1235 1570 335 1403 0.23886
ADES 2015 910 1595 685 1253 0.54691
ADES 2016 980 1575 595 1278 0.46575
ADES 2017 875 1275 400 1075 0.37209
88 1,09
ADES 2018 0 5 215 988 0.21772
88 1,27
ADES 2019 0 5 395 1078 0.36659
57 1,68
ADES 2020 0 0 1110 1125 0.98667
ADES 2021 1400 3400 2000 2400 0.83333
ADHI 2015 1533 3376 1843 2455 0.75087
ADHI 2016 1875 2820 945 2348 0.40256
ADHI 2017 1865 2400 535 2133 0.25088
1,10 2,51
ADHI 2018 0 0 1410 1805 0.78116
1,11 1,73
ADHI 2019 3 3 620 1423 0.43570
36 1,67
ADHI 2020 2 0 1308 1016 1.28740
ADHI 2021 660 2040 1380 1350 1.02222
166
ADMG 2015 72 167 95 120 0.79498

ADMG 2016 85 248 163 167 0.97898
ADMG 2017 125 306 181 216 0.83991
23
ADMG 2018 6 438 202 337 0.59941
17
ADMG 2019 5 372 197 274 0.72029
7
ADMG 2020 0 270 200 170 1.17647
ADMG 2021 140 284 144 212 0.67925
ADRO 2015 463 1040 577 752 0.76780
ADRO 2016 1660 1705 45 1683 0.02675
ADRO 2017 1410 1965 555 1688 0.32889
1,21 2,56
ADRO 2018 5 0 1345 1888 0.71258
97 1,58
ADRO 2019 5 3 608 1279 0.47537
64 1,57
ADRO 2020 5 0 925 1108 0.83521
ADRO 2021 1205 2310 1105 1758 0.62873
AISA 2015 1185 2300 1115 1743 0.63989
AISA 2016 860 2340 1480 1600 0.92500
AISA 2017 374 2470 2096 1422 1.47398
AISA 2018 168 740 572 454 1.25991
AISA 2019 168 168 0 168 0.00000
AISA 2020 168 472 304 320 0.95000
AISA 2021 189 420 231 305 0.75862
AKPI 2015 590 1000 410 795 0.51572
AKPI 2016 600 1150 550 875 0.62857
AKPI 2017 615 870 255 743 0.34343
60 1,22
AKPI 2018 0 0 620 910 0.68132
35
AKPI 2019 0 795 445 573 0.77729
25
AKPI 2020 6 600 344 428 0.80374
AKPI 2021 0 0 0 0 0.00000
AKRA 2015 6975 7175 200 7075 0.02827
AKRA 2016 5575 7100 1525 6338 0.24063
AKRA 2017 5925 8025 2100 6975 0.30108
3,22 6,57
AKRA 2018 0 5 3355 4898 0.68504
3,22 5,87
AKRA 2019 0 5 2655 4548 0.58384
1,40 3,99
AKRA 2020 5 0 2585 2698 0.95829
AKRA 2021 281 798 517 540 0.95829
167
ALDO 2015 635 745 110 690 0.15942

ALDO 2016 600 715 115 658 0.17490
ALDO 2017 600 600 0 600 0.00000
52
ALDO 2018 5 845 320 685 0.46715
25 2,52
ALDO 2019 6 0 2264 1388 1.63112
34
ALDO 2020 2 500 158 421 0.37530
ALDO 2021 408 1230 822 819 1.00366
ALKA 2015 421 735 314 578 0.54325
ALKA 2016 109 750 641 430 1.49243
ALKA 2017 91 630 539 361 1.49515
25
ALKA 2018 2 780 528 516 1.02326
29
ALKA 2019 8 500 202 399 0.50627
22
ALKA 2020 4 450 226 337 0.67062
ALKA 2021 214 334 120 274 0.43796
AMIN 2015 112 150 38 131 0.29008
AMIN 2016 103 298 195 201 0.97257
AMIN 2017 210 482 272 346 0.78613
21
AMIN 2018 0 482 272 346 0.78613
27
AMIN 2019 2 488 216 380 0.56842
21
AMIN 2020 4 416 202 315 0.64127
AMIN 2021 171 350 179 261 0.68714
ANJT 2015 980 1610 630 1295 0.48649
ANJT 2016 1610 2000 390 1805 0.21607
ANJT 2017 1060 1990 930 1525 0.60984
83 1,44
ANJT 2018 0 0 610 1135 0.53744
72 1,19
ANJT 2019 5 0 465 958 0.48564
49 1,00
ANJT 2020 2 0 508 746 0.68097
ANJT 2021 585 1240 655 913 0.71781
ANTM 2015 287 937 650 612 1.06209
ANTM 2016 294 985 691 640 1.08053
ANTM 2017 605 920 315 763 0.41311
59
ANTM 2018 5 995 400 795 0.50314
67 1,17
ANTM 2019 0 0 500 920 0.54348
168
34 2,00
ANTM 2020 8 0 1652 1174 1.40716
ANTM 2021 2170 3190 1020 2680 0.38060
APEX 2015 3000 3300 300 3150 0.09524
APEX 2016 1700 3300 1600 2500 0.64000
APEX 2017 1700 1800 100 1750 0.05714
APEX 2018 1140 2640 1500 1890 0.79365
APEX 2019 312 1745 1433 1029 1.39329
APEX 2020 89 585 496 337 1.47181
APEX 2021 356 1350 994 853 1.16530
APII 2015 187 430 243 309 0.78768
APII 2016 190 440 250 315 0.79365
APII 2017 180 394 214 287 0.74564
15
APII 2018 1 320 169 236 0.71762
15
APII 2019 2 248 96 200 0.48000
14
APII 2020 2 330 188 236 0.79661
APII 2021 152 290 138 221 0.62443
APLI 2015 57 90 33 74 0.44898
APLI 2016 52 167 115 110 1.05023
APLI 2017 55 163 108 109 0.99083
5
APLI 2018 5 126 71 91 0.78453
7
APLI 2019 0 180 110 125 0.88000
14
APLI 2020 2 330 188 236 0.79661
APLI 2021 175 222 47 199 0.23678
APLN 2015 248 481 233 365 0.63923
APLN 2016 200 339 139 270 0.51577
APLN 2017 183 310 127 247 0.51521
APLN 2018 131 250 119 191 0.62467
APLN 2019 151 284 133 218 0.61149
APLN 2020 75 222 147 149 0.98990
APLN 2021 120 226 106 173 0.61272
ARII 2015 368 485 117 427 0.27433
ARII 2016 350 550 200 450 0.44444
ARII 2017 274 1120 846 697 1.21377
80 1,45
ARII 2018 0 0 650 1125 0.57778
48 1,00
ARII 2019 0 0 520 740 0.70270
39
ARII 2020 0 740 350 565 0.61947
ARII 2021 161 438 277 300 0.92487
169
ARNA 2015 396 1020 624 708 0.88136

ARNA 2016 452 685 233 569 0.40985
ARNA 2017 334 545 211 440 0.48009
31
ARNA 2018 0 430 120 370 0.32432
40
ARNA 2019 8 575 167 492 0.33978
32
ARNA 2020 6 720 394 523 0.75335
ARNA 2021 625 875 250 750 0.33333
ASGR 2015 1555 2250 695 1903 0.36531
ASGR 2016 1900 2240 340 2070 0.16425
ASGR 2017 1250 1980 730 1615 0.45201
1,24 1,87
ASGR 2018 0 5 635 1558 0.40770
91 1,46
ASGR 2019 5 5 550 1190 0.46218
60 1,08
ASGR 2020 5 0 475 843 0.56380
ASGR 2021 675 760 85 718 0.11847
ASRI 2015 307 700 393 504 0.78054
ASRI 2016 317 585 268 451 0.59424
ASRI 2017 302 416 114 359 0.31755
26
ASRI 2018 0 420 160 340 0.47059
23
ASRI 2019 0 376 146 303 0.48185
8
ASRI 2020 7 304 217 196 1.10997
ASRI 2021 148 286 138 217 0.63594
AUTO 2015 1300 4125 2825 2713 1.04147
AUTO 2016 1510 2450 940 1980 0.47475
AUTO 2017 2000 2900 900 2450 0.36735
1,33 2,13
AUTO 2018 0 0 800 1730 0.46243
1,10 1,76
AUTO 2019 0 5 665 1433 0.46422
62 1,32
AUTO 2020 0 5 705 973 0.72494
AUTO 2021 970 1400 430 1185 0.36287
BALI 2015 635 2900 2265 1768 1.28147
BALI 2016 820 1050 230 935 0.24599
BALI 2017 1030 1530 500 1280 0.39063
BALI 2018 1415 1705 290 1560 0.18590
BALI 2019 775 1785 1010 1280 0.78906
BALI 2020 590 1110 520 850 0.61176
BALI 2021 535 1160 625 848 0.73746
170
BAPA 2015 50 55 5 53 0.09524

BAPA 2016 50 53 3 52 0.05825
BAPA 2017 50 142 92 96 0.95833
9
BAPA 2018 5 140 45 118 0.38298
6
BAPA 2019 7 104 37 86 0.43275
5
BAPA 2020 0 75 25 63 0.40000
BAPA 2021 50 88 38 69 0.55072
BAYU 2015 715 1250 535 983 0.54453
BAYU 2016 770 1400 630 1085 0.58065
BAYU 2017 650 1400 750 1025 0.73171
1,10 2,80
BAYU 2018 0 0 1700 1950 0.87179
80 2,50
BAYU 2019 0 0 1700 1650 1.03030
90 1,37
BAYU 2020 0 5 475 1138 0.41758
BAYU 2021 900 1500 600 1200 0.50000
BBRM 2015 50 203 153 127 1.20949
BBRM 2016 50 78 28 64 0.43750
BBRM 2017 50 53 3 52 0.05825
BBRM 2018 50 116 66 83 0.79518
BBRM 2019 50 53 3 52 0.05825
BBRM 2020 50 50 0 50 0.00000
BBRM 2021 68 85 17 77 0.22222
BCIP 2015 700 865 165 783 0.21086
BCIP 2016 106 1405 1299 756 1.71939
BCIP 2017 68 193 125 131 0.95785
8
BCIP 2018 1 171 90 126 0.71429
5
BCIP 2019 4 88 34 71 0.47887
5
BCIP 2020 0 86 36 68 0.52941
BCIP 2021 0 0 0 0 0.00000
BIKA 2015 1860 1910 50 1885 0.02653
BIKA 2016 424 2050 1626 1237 1.31447
BIKA 2017 254 500 246 377 0.65252
BIKA 2018 161 362 201 262 0.76864
BIKA 2019 145 280 135 213 0.63529
BIKA 2020 129 234 105 182 0.57851
BIKA 2021 136 446 310 291 1.06529
BIPP 2015 63 110 47 87 0.54335
BIPP 2016 78 120 42 99 0.42424
171
BIPP 2017 70 78 8 74 0.10811

6
BIPP 2018 7 100 33 84 0.39521
5
BIPP 2019 0 93 43 72 0.60140
5
BIPP 2020 0 80 30 65 0.46154
BIPP 2021 50 72 22 61 0.36066
BIRD 2015 5050 12500 7450 8775 0.84900
BIRD 2016 2600 7300 4700 4950 0.94949
BIRD 2017 2620 4150 1530 3385 0.45199
2,23 3,96
BIRD 2018 0 0 1730 3095 0.55897
1,96 3,53
BIRD 2019 0 0 1570 2745 0.57195
75 2,75
BIRD 2020 0 0 2000 1750 1.14286
BIRD 2021 1060 1700 640 1380 0.46377
BISI 2015 780 1690 910 1235 0.73684
BISI 2016 1250 2010 760 1630 0.46626
BISI 2017 1460 1935 475 1698 0.27982
1,35 1,97
BISI 2018 0 5 625 1663 0.37594
1,04 1,63
BISI 2019 0 5 595 1338 0.44486
59 1,11
BISI 2020 0 5 525 853 0.61584
BISI 2021 950 1270 320 1110 0.28829
BKDP 2015 71 123 52 97 0.53608
BKDP 2016 57 110 53 84 0.63473
BKDP 2017 59 109 50 84 0.59524
5
BKDP 2018 2 142 90 97 0.92784
5
BKDP 2019 2 65 13 59 0.22222
5
BKDP 2020 0 60 10 55 0.18182
BKDP 2021 50 60 10 55 0.18182
BKSL 2015 52 152 100 102 0.98039
BKSL 2016 53 121 68 87 0.78161
BKSL 2017 125 165 40 145 0.27586
9
BKSL 2018 4 238 144 166 0.86747
6
BKSL 2019 5 156 91 111 0.82353
5
BKSL 2020 0 87 37 69 0.54015
172
BKSL 2021 50 89 39 70 0.56115

BLTZ 2015 2150 4800 2650 3475 0.76259
BLTZ 2016 4150 9100 4950 6625 0.74717
BLTZ 2017 7000 11900 4900 9450 0.51852
4,00 10,00
BLTZ 2018 0 0 6000 7000 0.85714
3,00 5,00
BLTZ 2019 0 0 2000 4000 0.50000
2,90 4,94
BLTZ 2020 0 0 2040 3920 0.52041
BLTZ 2021 2250 4700 2450 3475 0.70504
BMSR 2015 118 183 65 151 0.43189
BMSR 2016 81 350 269 216 1.24826
BMSR 2017 60 278 218 169 1.28994
10
BMSR 2018 7 252 145 180 0.80780
9
BMSR 2019 4 130 36 112 0.32143
5
BMSR 2020 1 85 34 68 0.50000
BMSR 2021 1780 2370 590 2075 0.28434
BMTR 2015 660 2050 1390 1355 1.02583
BMTR 2016 725 1260 535 993 0.53904
BMTR 2017 505 710 205 608 0.33745
24
BMTR 2018 2 755 513 499 1.02909
31
BMTR 2019 6 498 182 407 0.44717
16
BMTR 2020 0 376 216 268 0.80597
BMTR 2021 240 290 50 265 0.18868
BRAM 2015 2800 6125 3325 4463 0.74510
BRAM 2016 4000 12400 8400 8200 1.02439
BRAM 2017 4050 21600 17550 12825 1.36842
5,05 7,90
BRAM 2018 0 0 2850 6475 0.44015
6,10 18,00
BRAM 2019 0 0 11900 12050 0.98755
3,41 10,80
BRAM 2020 0 0 7390 7105 1.04011
BRAM 2021 4550 13750 9200 9150 1.00546
BRMS 2015 50 315 265 183 1.45205
BRMS 2016 50 109 59 80 0.74214
BRMS 2017 50 156 106 103 1.02913
5
BRMS 2018 0 102 52 76 0.68421
BRMS 2019 5 60 10 55 0.18182
173
0
5
BRMS 2020 0 96 46 73 0.63014
BRMS 2021 69 132 63 101 0.62687
BRNA 2015 600 730 130 665 0.19549
BRNA 2016 810 1100 290 955 0.30366
BRNA 2017 1110 1240 130 1175 0.11064
1,12 1,86
BRNA 2018 0 0 740 1490 0.49664
90 1,22
BRNA 2019 0 5 325 1063 0.30588
89 1,45
BRNA 2020 5 0 555 1173 0.47335
BRNA 2021 975 1550 575 1263 0.45545
BRPT 2015 120 286 166 203 0.81773
BRPT 2016 124 1680 1556 902 1.72506
BRPT 2017 732 2450 1718 1591 1.07982
32
BRPT 2018 0 540 220 430 0.51163
46 1,51
BRPT 2019 0 0 1050 985 1.06599
45 1,46
BRPT 2020 6 5 1009 961 1.05049
BRPT 2021 805 1190 385 998 0.38596
BSDE 2015 1235 2230 995 1733 0.57431
BSDE 2016 1550 2380 830 1965 0.42239
BSDE 2017 1560 1920 360 1740 0.20690
BSDE 2018 930 1965 1035 1448 0.71503
BSDE 2019 1120 1580 460 1350 0.34074
BSDE 2020 585 1340 755 963 0.78442
BSDE 2021 885 1360 475 1123 0.42316
BSSR 2015 1000 1590 590 1295 0.45560
BSSR 2016 980 1410 430 1195 0.35983
BSSR 2017 1250 2800 1550 2025 0.76543
2,05 2,98
BSSR 2018 0 0 930 2515 0.36978
1,19 2,50
BSSR 2019 5 0 1305 1848 0.70636
1,12 2,31
BSSR 2020 5 0 1185 1718 0.68996
BSSR 2021 1405 4120 2715 2763 0.98281
BTON 2015 415 595 180 505 0.35644
BTON 2016 115 700 585 408 1.43558
BTON 2017 105 156 51 131 0.39080
11
BTON 2018 0 386 276 248 1.11290
BTON 2019 18 304 123 243 0.50722
174
1
9
BTON 2020 8 350 252 224 1.12500
BTON 2021 276 550 274 413 0.66344
BUDI 2015 59 112 53 86 0.61988
BUDI 2016 59 116 57 88 0.65143
BUDI 2017 85 115 30 100 0.30000
9
BUDI 2018 2 183 91 138 0.66182
9
BUDI 2019 4 119 25 107 0.23474
9
BUDI 2020 4 108 14 101 0.13861
BUDI 2021 92 266 174 179 0.97207
BUKK 2015 605 1320 715 963 0.74286
BUKK 2016 431 900 469 666 0.70473
BUKK 2017 710 1550 840 1130 0.74336
1,30 1,90
BUKK 2018 0 0 600 1600 0.37500
1,32 2,06
BUKK 2019 0 0 740 1690 0.43787
65 1,47
BUKK 2020 5 0 815 1063 0.76706
BUKK 2021 810 1575 765 1193 0.64151
CASS 2015 1100 1250 150 1175 0.12766
CASS 2016 865 1130 265 998 0.26566
CASS 2017 650 945 295 798 0.36991
54
CASS 2018 5 800 255 673 0.37918
60
CASS 2019 0 880 280 740 0.37838
16
CASS 2020 5 640 475 403 1.18012
CASS 2021 254 645 391 450 0.86986
CEKA 2015 520 1700 1180 1110 1.06306
CEKA 2016 580 1700 1120 1140 0.98246
CEKA 2017 1390 2400 1010 1895 0.53298
90 1,49
CEKA 2018 0 0 590 1195 0.49372
99 1,84
CEKA 2019 0 0 850 1415 0.60071
95 2,15
CEKA 2020 5 0 1195 1553 0.76973
CEKA 2021 1710 2160 450 1935 0.23256
CINT 2015 327 390 63 359 0.17573
CINT 2016 328 340 12 334 0.03593
CINT 2017 268 344 76 306 0.24837
175
26
CINT 2018 8 344 76 306 0.24837
21
CINT 2019 6 340 124 278 0.44604
22
CINT 2020 0 302 82 261 0.31418
CINT 2021 179 370 191 275 0.69581
CITA 2015 940 940 0 940 0.00000
CITA 2016 860 900 40 880 0.04545
CITA 2017 710 1060 350 885 0.39548
50 1,87
CITA 2018 0 5 1375 1188 1.15789
1,35 2,45
CITA 2019 0 0 1100 1900 0.57895
1,60 3,00
CITA 2020 0 0 1400 2300 0.60870
CITA 2021 2500 4100 1600 3300 0.48485
CLPI 2015 491 885 394 688 0.57267
CLPI 2016 565 1200 635 883 0.71955
CLPI 2017 845 1200 355 1023 0.34719
64
CLPI 2018 0 985 345 813 0.42462
63
CLPI 2019 5 885 250 760 0.32895
43
CLPI 2020 4 800 366 617 0.59319
CLPI 2021 725 1285 560 1005 0.55721
CMNP 2015 1450 3500 2050 2475 0.82828
CMNP 2016 1480 2435 955 1958 0.48787
CMNP 2017 1290 2090 800 1690 0.47337
1,20 1,69
CMNP 2018 0 5 495 1448 0.34197
1,19 2,43
CMNP 2019 5 0 1235 1813 0.68138
87 2,37
CMNP 2020 5 0 1495 1623 0.92142
CMNP 2021 1230 2090 860 1660 0.51807
CPIN 2015 1400 3695 2295 2548 0.90088
CPIN 2016 2615 3890 1275 3253 0.39201
CPIN 2017 2660 3730 1070 3195 0.33490
3,17 7,22
CPIN 2018 0 5 4055 5198 0.78018
4,28 8,60
CPIN 2019 0 0 4320 6440 0.67081
3,83 7,37
CPIN 2020 0 5 3545 5603 0.63275
CPIN 2021 5700 7750 2050 6725 0.30483
176
CSAP 2015 314 615 301 465 0.64801

CSAP 2016 360 545 185 453 0.40884
CSAP 2017 446 540 94 493 0.19067
40
CSAP 2018 8 750 342 579 0.59067
42
CSAP 2019 0 670 250 545 0.45872
29
CSAP 2020 8 350 52 324 0.16049
CSAP 2021 326 600 274 463 0.59179
CTRA 2015 735 1585 850 1160 0.73276
CTRA 2016 1170 1745 575 1458 0.39451
CTRA 2017 990 1450 460 1220 0.37705
73 1,43
CTRA 2018 0 0 700 1080 0.64815
87 1,33
CTRA 2019 0 5 465 1103 0.42177
39 1,08
CTRA 2020 4 5 691 740 0.93442
CTRA 2021 815 1350 535 1083 0.49423
DEWA 2015 50 50 0 50 0.00000
DEWA 2016 50 50 0 50 0.00000
DEWA 2017 50 105 55 78 0.70968
5
DEWA 2018 0 65 15 58 0.26087
5
DEWA 2019 0 50 0 50 0.00000
5
DEWA 2020 0 50 0 50 0.00000
DEWA 2021 50 74 24 62 0.38710
DGIK 2015 60 162 102 111 0.91892
DGIK 2016 50 86 36 68 0.52941
DGIK 2017 50 160 110 105 1.04762
5
DGIK 2018 0 82 32 66 0.48485
5
DGIK 2019 0 50 0 50 0.00000
5
DGIK 2020 0 50 0 50 0.00000
DGIK 2021 50 234 184 142 1.29577
DILD 2015 457 710 253 584 0.43359
DILD 2016 444 665 221 555 0.39856
DILD 2017 348 510 162 429 0.37762
27
DILD 2018 4 384 110 329 0.33435
26
DILD 2019 0 438 178 349 0.51003
177
13
DILD 2020 8 330 192 234 0.82051
DILD 2021 145 294 149 220 0.67882
DKFT 2015 397 397 0 397 0.00000
DKFT 2016 187 398 211 293 0.72137
DKFT 2017 338 530 192 434 0.44240
29
DKFT 2018 0 394 104 342 0.30409
11
DKFT 2019 9 338 219 229 0.95842
6
DKFT 2020 5 294 229 180 1.27577
DKFT 2021 121 214 93 168 0.55522
DMAS 2015 145 280 135 213 0.63529
DMAS 2016 194 296 102 245 0.41633
DMAS 2017 163 266 103 215 0.48019
11
DMAS 2018 7 208 91 163 0.56000
15
DMAS 2019 5 336 181 246 0.73727
12
DMAS 2020 0 298 178 209 0.85167
DMAS 2021 173 256 83 215 0.38695
DPNS 2015 294 424 130 359 0.36212
DPNS 2016 300 468 168 384 0.43750
DPNS 2017 302 430 128 366 0.34973
30
DPNS 2018 2 422 120 362 0.33149
25
DPNS 2019 2 332 80 292 0.27397
19
DPNS 2020 4 326 132 260 0.50769
DPNS 2021 270 430 160 350 0.45714
DSFI 2015 75 225 150 150 1.00000
DSFI 2016 78 242 164 160 1.02500
DSFI 2017 102 198 96 150 0.64000
9
DSFI 2018 0 185 95 138 0.69091
9
DSFI 2019 0 150 60 120 0.50000
5
DSFI 2020 3 110 57 82 0.69939
DSFI 2021 60 124 64 92 0.69565
DSSA 2015 12000 13100 1100 12550 0.08765
DSSA 2016 5375 12100 6725 8738 0.76967
DSSA 2017 5550 14200 8650 9875 0.87595
DSSA 2018 10,00 35,00 25000 22500 1.11111
178
0 0
12,15 20,00
DSSA 2019 0 0 7850 16075 0.48834
12,77 22,50
DSSA 2020 5 0 9725 17638 0.55138
DSSA 2021 9100 55500 46400 32300 1.43653
DUTI 2015 4700 6500 1800 5600 0.32143
DUTI 2016 5800 6500 700 6150 0.11382
DUTI 2017 5200 5800 600 5500 0.10909
DUTI 2018 3100 4400 1300 3750 0.34667
DUTI 2019 3450 8275 4825 5863 0.82303
DUTI 2020 3200 4550 1350 3875 0.34839
DUTI 2021 3220 3839 619 3530 0.17538
DVLA 2015 1165 2160 995 1663 0.59850
DVLA 2016 1160 1800 640 1480 0.43243
DVLA 2017 1650 2260 610 1955 0.31202
1,85 2,15
DVLA 2018 0 0 300 2000 0.15000
1,94 2,70
DVLA 2019 0 0 760 2320 0.32759
2,05 2,52
DVLA 2020 0 0 470 2285 0.20569
DVLA 2021 2250 3000 750 2625 0.28571
EKAD 2015 340 595 255 468 0.54545
EKAD 2016 384 690 306 537 0.56983
EKAD 2017 575 835 260 705 0.36879
62
EKAD 2018 0 970 350 795 0.44025
79 1,20
EKAD 2019 0 0 410 995 0.41206
64 1,38
EKAD 2020 0 0 740 1010 0.73267
EKAD 2021 1135 1795 660 1465 0.45051
ELSA 2015 234 670 436 452 0.96460
ELSA 2016 174 600 426 387 1.10078
ELSA 2017 228 462 234 345 0.67826
30
ELSA 2018 2 530 228 416 0.54808
27
ELSA 2019 2 410 138 341 0.40469
12
ELSA 2020 4 392 268 258 1.03876
ELSA 2021 240 350 110 295 0.37288
EMTK 2015 6400 12750 6350 9575 0.66319
EMTK 2016 8000 11000 3000 9500 0.31579
EMTK 2017 8200 12000 3800 10100 0.37624
EMTK 2018 8,00 10,45 2450 9225 0.26558
179
0 0
4,40 8,90
EMTK 2019 0 0 4500 6650 0.67669
3,97 14,90
EMTK 2020 0 0 10930 9435 1.15845
EMTK 2021 1650 16800 15150 9225 1.64228
ENRG 2015 440 1140 700 790 0.88608
ENRG 2016 660 765 105 713 0.14737
ENRG 2017 72 656 584 364 1.60440
ENRG 2018 50 284 234 167 1.40120
ENRG 2019 610 745 135 678 0.19926
ENRG 2020 575 625 50 600 0.08333
ENRG 2021 438 1200 762 819 0.93040
EPMT 2015 1900 3395 1495 2648 0.56468
EPMT 2016 2500 2920 420 2710 0.15498
EPMT 2017 2250 3050 800 2650 0.30189
1,60 2,99
EPMT 2018 0 0 1390 2295 0.60566
1,82 2,48
EPMT 2019 5 0 655 2153 0.30430
1,71 2,35
EPMT 2020 0 0 640 2030 0.31527
EPMT 2021 2100 2750 650 2425 0.26804
ERAA 2015 369 1250 881 810 1.08833
ERAA 2016 491 930 439 711 0.61787
ERAA 2017 565 910 345 738 0.46780
68 3,40
ERAA 2018 0 0 2720 2040 1.33333
96 2,59
ERAA 2019 5 0 1625 1778 0.91421
80 2,25
ERAA 2020 5 0 1445 1528 0.94599
ERAA 2021 484 3030 2546 1757 1.44906
EXCL 2015 2240 5225 2985 3733 0.79973
EXCL 2016 2040 4148 2108 3094 0.68132
EXCL 2017 2280 4020 1740 3150 0.55238
2,84 4,02
EXCL 2018 0 0 1180 3430 0.34402
1,95 3,73
EXCL 2019 5 0 1775 2843 0.62445
1,41 3,36
EXCL 2020 0 0 1950 2385 0.81761
EXCL 2021 1980 3230 1250 2605 0.47985
FAST 2015 1070 2020 950 1545 0.61489
FAST 2016 880 1600 720 1240 0.58065
FAST 2017 1250 1750 500 1500 0.33333
FAST 2018 1,40 1,94 545 1673 0.32586
180
0 5
1,50 2,91
FAST 2019 0 0 1410 2205 0.63946
88 2,60
FAST 2020 0 0 1720 1740 0.98851
FAST 2021 900 1080 180 990 0.18182
FISH 2015 1500 1830 330 1665 0.19820
FISH 2016 1240 4000 2760 2620 1.05344
FISH 2017 2100 5000 2900 3550 0.81690
1,50 5,15
FISH 2018 0 0 3650 3325 1.09774
2,44 4,03
FISH 2019 0 0 1590 3235 0.49150
2,00 3,39
FISH 2020 0 0 1390 2695 0.51577
FISH 2021 2620 16850 14230 9735 1.46174
FMII 2015 383 800 417 592 0.70499
FMII 2016 313 805 492 559 0.88014
FMII 2017 444 600 156 522 0.29885
50
FMII 2018 5 760 255 633 0.40316
42
FMII 2019 2 795 373 609 0.61298
33
FMII 2020 4 800 466 567 0.82187
FMII 2021 372 892 520 632 0.82278
FPNI 2015 73 101 28 87 0.32184
FPNI 2016 87 246 159 167 0.95495
FPNI 2017 116 700 584 408 1.43137
12
FPNI 2018 7 256 129 192 0.67363
10
FPNI 2019 6 185 79 146 0.54296
5
FPNI 2020 2 406 354 229 1.54585
FPNI 2021 206 505 299 356 0.84107
GDST 2015 53 74 21 64 0.33071
GDST 2016 56 172 116 114 1.01754
GDST 2017 79 136 57 108 0.53023
8
GDST 2018 0 284 204 182 1.12088
5
GDST 2019 5 119 64 87 0.73563
5
GDST 2020 0 147 97 99 0.98477
GDST 2021 84 143 59 114 0.51982
GEMA 2015 254 395 141 325 0.43451
181
GEMA 2016 290 450 160 370 0.43243

GEMA 2017 400 970 570 685 0.83212
24 1,40
GEMA 2018 0 5 1165 823 1.41641
27
GEMA 2019 6 380 104 328 0.31707
26
GEMA 2020 2 372 110 317 0.34700
GEMA 2021 310 440 130 375 0.34667
GEMS 2015 1250 2000 750 1625 0.46154
GEMS 2016 1300 2700 1400 2000 0.70000
GEMS 2017 2100 3050 950 2575 0.36893
2,55 2,55
GEMS 2018 0 0 0 2550 0.00000
2,55 2,55
GEMS 2019 0 0 0 2550 0.00000
2,55 2,55
GEMS 2020 0 0 0 2550 0.00000
GEMS 2021 2550 8800 6250 5675 1.10132
GJTL 2015 445 1,530 1085 988 1.09873
GJTL 2016 481 1,690 1209 1086 1.11377
GJTL 2017 670 1,265 595 968 0.61499
59
GJTL 2018 0 950 360 770 0.46753
58
GJTL 2019 0 820 240 700 0.34286
24
GJTL 2020 4 680 436 462 0.94372
GJTL 2021 244 955 711 600 1.18599
GMTD 2015 6000 9500 3500 7750 0.45161
GMTD 2016 5800 7800 2000 6800 0.29412
GMTD 2017 5200 10,250 5050 7725 0.65372
9,00 19,20
GMTD 2018 0 0 10200 14100 0.72340
12,22 20,00
GMTD 2019 5 0 7775 16113 0.48254
14,00 19,10
GMTD 2020 0 0 5100 16550 0.30816
GMTD 2021 16725 17950 1225 17338 0.07066
GOLD 2015 234 320 86 277 0.31047
GOLD 2016 445 605 160 525 0.30476
GOLD 2017 364 750 386 557 0.69300
GOLD 2018 312 695 383 504 0.76068
GOLD 2019 220 590 370 405 0.91358
GOLD 2020 149 290 141 220 0.64237
GOLD 2021 149 290 141 220 0.64237
GPRA 2015 179 300 121 240 0.50522
182
GPRA 2016 171 238 67 205 0.32763

GPRA 2017 149 220 71 185 0.38482
8
GPRA 2018 0 127 47 104 0.45411
6
GPRA 2019 7 112 45 90 0.50279
5
GPRA 2020 0 94 44 72 0.61111
GPRA 2021 61 112 51 87 0.58960
GWSA 2015 82 186 104 134 0.77612
GWSA 2016 81 194 113 138 0.82182
GWSA 2017 116 170 54 143 0.37762
12
GWSA 2018 0 188 68 154 0.44156
12
GWSA 2019 9 230 101 180 0.56267
6
GWSA 2020 9 169 100 119 0.84034
GWSA 2021 103 250 147 177 0.83286
GZCO 2015 62 136 74 99 0.74747
GZCO 2016 60 99 39 80 0.49057
GZCO 2017 55 131 76 93 0.81720
GZCO 2018 50 82 32 66 0.48485
GZCO 2019 50 60 10 55 0.18182
GZCO 2020 50 54 4 52 0.07692
GZCO 2021 50 54 4 52 0.07692
HERO 2015 1,000 2,380 1380 1690 0.81657
HERO 2016 960 1,400 440 1180 0.37288
HERO 2017 880 1,600 720 1240 0.58065
71 1,10
HERO 2018 0 0 390 905 0.43094
67 1,01
HERO 2019 0 0 340 840 0.40476
69 1,01
HERO 2020 0 9 329 855 0.38502
HERO 2021 780 1970 1190 1375 0.86545
HEXA 2015 1,230 2,700 1470 1965 0.74809
HEXA 2016 1,860 4,110 2250 2985 0.75377
HEXA 2017 3,000 4,040 1040 3520 0.29545
2,69 3,61
HEXA 2018 0 0 920 3150 0.29206
1,89 3,80
HEXA 2019 0 0 1910 2845 0.67135
2,20 4,14
HEXA 2020 0 0 1940 3170 0.61199
HEXA 2021 2200 4140 1940 3170 0.61199
HRUM 2015 650 1,780 1130 1215 0.93004
183
HRUM 2016 585 2,700 2115 1643 1.28767

HRUM 2017 1970 2880 910 2425 0.37526
1,36 3,59
HRUM 2018 5 0 2225 2478 0.89808
1,19 1,88
HRUM 2019 5 0 685 1538 0.44553
1,06 3,41
HRUM 2020 5 0 2345 2238 1.04804
HRUM 2021 2890 7325 4435 5108 0.86833
IBST 2015 3000 3640 640 3320 0.19277
IBST 2016 1700 3000 1300 2350 0.55319
IBST 2017 1,450 9,400 7950 5425 1.46544
5,60 9,90
IBST 2018 0 0 4300 7750 0.55484
6,52 9,80
IBST 2019 5 0 3275 8163 0.40123
5,10 9,20
IBST 2020 0 0 4100 7150 0.57343
IBST 2021 3420 10775 7355 7098 1.03628
ICBP 2015 10,900 16,050 5150 13475 0.38219
ICBP 2016 7,550 18,025 10475 12788 0.81916
ICBP 2017 7,975 9,225 1250 8600 0.14535
7,90 10,82
ICBP 2018 0 5 2925 9363 0.31242
8,95 12,55
ICBP 2019 0 0 3600 10750 0.33488
7,75 11,90
ICBP 2020 0 0 4150 9825 0.42239
ICBP 2021 7625 9900 2275 8763 0.25963
ICON 2015 440 605 165 523 0.31579
ICON 2016 137 605 468 371 1.26146
ICON 2017 90 600 510 345 1.47826
6
ICON 2018 5 139 74 102 0.72549
5
ICON 2019 4 132 78 93 0.83871
5
ICON 2020 1 312 261 182 1.43802
ICON 2021 76 163 87 120 0.72803
IGAR 2015 205 350 145 278 0.52252
IGAR 2016 205 815 610 510 1.19608
IGAR 2017 374 520 146 447 0.32662
35
IGAR 2018 0 430 80 390 0.20513
32
IGAR 2019 2 420 98 371 0.26415
IGAR 2020 18 360 172 274 0.62774
184
8
IGAR 2021 320 515 195 418 0.46707
IKAI 2015 81 122 41 102 0.40394
IKAI 2016 42 325 283 184 1.54223
IKAI 2017 70 79 9 75 0.12081
4
IKAI 2018 2 325 283 184 1.54223
6
IKAI 2019 9 228 159 149 1.07071
5
IKAI 2020 0 77 27 64 0.42520
IKAI 2021 50 50 0 50 0.00000
IKBI 2015 1,035 1,090 55 1063 0.05176
IKBI 2016 262 1,910 1648 1086 1.51750
IKBI 2017 290 525 235 408 0.57669
22
IKBI 2018 8 362 134 295 0.45424
19
IKBI 2019 6 360 164 278 0.58993
18
IKBI 2020 6 282 96 234 0.41026
IKBI 2021 222 266 44 244 0.18033
IMPC 2015 5,100 9,550 4450 7325 0.60751
IMPC 2016 945 9,625 8680 5285 1.64238
IMPC 2017 915 1,095 180 1005 0.17910
94 1,09
IMPC 2018 5 0 145 1018 0.14251
82 1,06
IMPC 2019 0 0 240 940 0.25532
1,02 1,40
IMPC 2020 0 0 380 1210 0.31405
IMPC 2021 1325 2820 1495 2073 0.72135
INAF 2015 120 374 254 247 1.02834
INAF 2016 149 5,500 5351 2825 1.89449
INAF 2017 1,950 4,980 3030 3465 0.87446
2,75 6,50
INAF 2018 0 0 3750 4625 0.81081
33 6,50
INAF 2019 4 0 6166 3417 1.80451
2,99 6,55
INAF 2020 0 0 3560 4770 0.74633
INAF 2021 2093 4833 2740 3463 0.79122
INCI 2015 220 375 155 298 0.52101
INCI 2016 278 326 48 302 0.15894
INCI 2017 294 448 154 371 0.41509
40
INCI 2018 0 750 350 575 0.60870
185
36
INCI 2019 2 645 283 504 0.56207
32 1,00
INCI 2020 0 0 680 660 1.03030
INCI 2021 550 1130 580 840 0.69048
INCO 2015 1190 3695 2505 2443 1.02559
INCO 2016 1370 3630 2260 2500 0.90400
INCO 2017 1835 3340 1505 2588 0.58164
2,74 4,72
INCO 2018 0 0 1980 3730 0.53083
2,41 4,32
INCO 2019 0 0 1910 3365 0.56761
1,34 5,90
INCO 2020 0 0 4560 3620 1.25967
INCO 2021 4110 7100 2990 5605 0.53345
INDF 2015 4,560 7,725 3165 6143 0.51526
INDF 2016 5,175 9,200 4025 7188 0.56000
INDF 2017 7,275 9,000 1725 8138 0.21198
5,50 8,12
INDF 2018 0 5 2625 6813 0.38532
5,85 8,05
INDF 2019 0 0 2200 6950 0.31655
5,00 8,30
INDF 2020 0 0 3300 6650 0.49624
INDF 2021 5750 7075 1325 6413 0.20663
INDR 2015 605 1160 555 883 0.62890
INDR 2016 600 1275 675 938 0.72000
INDR 2017 660 1430 770 1045 0.73684
1,20 10,60
INDR 2018 0 0 9400 5900 1.59322
2,31 7,70
INDR 2019 0 0 5390 5005 1.07692
1,25 3,30
INDR 2020 5 0 2045 2278 0.89791
INDR 2021 2550 5775 3225 4163 0.77477
INDS 2015 325 1600 1275 963 1.32468
INDS 2016 327 1315 988 821 1.20341
INDS 2017 800 1680 880 1240 0.70968
1,25 2,60
INDS 2018 5 0 1345 1928 0.69780
2,00 2,85
INDS 2019 0 0 850 2425 0.35052
1,21 2,42
INDS 2020 0 0 1210 1815 0.66667
INDS 2021 1755 2400 645 2078 0.31047
INDX 2015 120 570 450 345 1.30435
INDX 2016 83 229 146 156 0.93590
186
INDX 2017 73 176 103 125 0.82731

INDX 2018 66 189 123 128 0.96471
INDX 2019 51 93 42 72 0.58333
INDX 2020 50 67 17 59 0.29060
INDX 2021 50 178 128 114 1.12281
INKP 2015 720 1,200 480 960 0.50000
INKP 2016 845 1,205 360 1025 0.35122
INKP 2017 955 6,000 5045 3478 1.45075
5,35 20,70
INKP 2018 0 0 15350 13025 1.17850
5,32 13,70
INKP 2019 5 0 8375 9513 0.88042
3,02 11,27
INKP 2020 0 5 8255 7148 1.15495
INKP 2021 6200 15550 9350 10875 0.85977
INTP 2015 16,300 24,850 8550 20575 0.41555
INTP 2016 14,300 21,900 7600 18100 0.41989
INTP 2017 14,600 23,950 9350 19275 0.48508
12,50 23,40
INTP 2018 0 0 10900 17950 0.60724
17,00 22,87
INTP 2019 0 5 5875 19938 0.29467
8,65 19,35
INTP 2020 0 0 10700 14000 0.76429
INTP 2021 8800 15975 7175 12388 0.57921
IPOL 2015 64 155 91 110 0.83105
IPOL 2016 65 149 84 107 0.78505
IPOL 2017 102 185 83 144 0.57840
8 14
IPOL 2018 5 8 63 117 0.54077
8 10
IPOL 2019 9 9 20 99 0.20202
5 14
IPOL 2020 0 8 98 99 0.98990
IPOL 2021 152 196 44 174 0.25287
ISAT 2015 3,500 5,800 2300 4650 0.49462
ISAT 2016 4800 7075 2275 5938 0.38316
ISAT 2017 4660 7500 2840 6080 0.46711
1,67 6,60
ISAT 2018 5 0 4925 4138 1.19033
1,64 3,95
ISAT 2019 5 0 2305 2798 0.82395
1,20 6,47
ISAT 2020 0 5 5275 3838 1.37459
ISAT 2021 4770 8300 3530 6535 0.54017
ISSP 2015 110 251 141 181 0.78116
ISSP 2016 156 284 128 220 0.58182
ISSP 2017 114 270 156 192 0.81250
187
ISSP 2018 65 172 107 119 0.90295

ISSP 2019 83 117 34 100 0.34000
ISSP 2020 84 204 120 144 0.83333
ISSP 2021 153 510 357 332 1.07692
ITMA 2015 695 695 0 695 0.00000
ITMA 2016 695 2070 1375 1383 0.99458
ITMA 2017 545 1840 1295 1193 1.08595
53 97
ITMA 2018 0 5 445 753 0.59136
21 1,05
ITMA 2019 0 0 840 630 1.33333
23 63
ITMA 2020 4 5 401 435 0.92290
ITMA 2021 486 775 289 631 0.45837
ITMG 2015 5525 18425 12900 11975 1.07724
ITMG 2016 4730 17650 12920 11190 1.15460
ITMG 2017 14325 23000 8675 18663 0.46484
ITMG 2018 19,800 31,700 11900 25750 0.46214
ITMG 2019 10,100 23,975 13875 17038 0.81438
ITMG 2020 5,650 15,700 10050 10675 0.94145
ITMG 2021 11425 27750 16325 19588 0.83344
JECC 2015 1350 2950 1600 2150 0.74419
JECC 2016 1600 3500 1900 2550 0.74510
JECC 2017 3,000 7,500 4500 5250 0.85714
JECC 2018 4,700 6,900 2200 5800 0.37931
JECC 2019 4,400 6,875 2475 5638 0.43902
JECC 2020 4,810 7,000 2190 5905 0.37087
JECC 2021 4710 10000 5290 7355 0.71924
JIHD 2015 505 1,170 665 838 0.79403
JIHD 2016 470 635 165 553 0.29864
JIHD 2017 438 645 207 542 0.38227
JIHD 2018 394 400 6 397 0.01511
JIHD 2019 438 670 232 554 0.41877
JIHD 2020 394 700 306 547 0.55941
JIHD 2021 408 520 112 464 0.24138
JKON 2015 745 1070 325 908 0.35813
JKON 2016 575 855 280 715 0.39161
JKON 2017 540 620 80 580 0.13793
JKON 2018 364 660 296 512 0.57813
JKON 2019 314 550 236 432 0.54630
JKON 2020 334 505 171 420 0.40763
JKON 2021 121 398 277 260 1.06744
JPFA 2015 296 965 669 631 1.06106
JPFA 2016 560 1975 1415 1268 1.11637
JPFA 2017 1,040 1,950 910 1495 0.60870
JPFA 2018 1,300 2,440 1140 1870 0.60963
188
JPFA 2019 1,280 3,100 1820 2190 0.83105

JPFA 2020 760 1,730 970 1245 0.77912
JPFA 2021 1290 2270 980 1780 0.55056
JSPT 2015 750 935 185 843 0.21958
JSPT 2016 935 2560 1625 1748 0.92990
JSPT 2017 2,500 3,300 800 2900 0.27586
JSPT 2018 970 2,500 1530 1735 0.88184
JSPT 2019 810 1,335 525 1073 0.48951
JSPT 2020 690 1,135 445 913 0.48767
JSPT 2021 745 960 215 853 0.25220
KAEF 2015 590 1475 885 1033 0.85714
KAEF 2016 835 3400 2565 2118 1.21133
KAEF 2017 1,635 3,400 1765 2518 0.70109
KAEF 2018 1,660 3,000 1340 2330 0.57511
KAEF 2019 995 3,620 2625 2308 1.13759
KAEF 2020 540 5,450 4910 2995 1.63940
KAEF 2021 2190 3700 1510 2945 0.51273
KBLV 2015 1700 2995 1295 2348 0.55165
KBLV 2016 860 2900 2040 1880 1.08511
KBLV 2017 400 1540 1140 970 1.17526
KBLV 2018 280 725 445 503 0.88557
KBLV 2019 340 700 360 520 0.69231
KBLV 2020 240 535 295 388 0.76129
KBLV 2021 346 1675 1329 1011 1.31519
KDSI 2015 170 485 315 328 0.96183
KDSI 2016 175 390 215 283 0.76106
KDSI 2017 322 600 278 461 0.60304
KDSI 2018 565 1,170 605 868 0.69741
KDSI 2019 895 1,610 715 1253 0.57086
KDSI 2020 600 1,390 790 995 0.79397
KDSI 2021 730 1195 465 963 0.48312
KIAS 2015 72 150 78 111 0.70270
KIAS 2016 69 108 39 89 0.44068
KIAS 2017 0 124 124 62 2.00000
KIAS 2018 53 178 125 116 1.08225
KIAS 2019 50 178 128 114 1.12281
KIAS 2020 50 72 22 61 0.36066
KIAS 2021 50 103 53 77 0.69281
KICI 2015 206 284 78 245 0.31837
KICI 2016 124 280 156 202 0.77228
KICI 2017 110 260 150 185 0.81081
KICI 2018 160 326 166 243 0.68313
KICI 2019 191 418 227 305 0.74548
KICI 2020 146 308 162 227 0.71366
KICI 2021 176 394 218 285 0.76491
189
KIJA 2015 156 368 212 262 0.80916

KIJA 2016 244 340 96 292 0.32877
KIJA 2017 274 328 54 301 0.17940
KIJA 2018 202 300 98 251 0.39044
KIJA 2019 236 328 92 282 0.32624
KIJA 2020 122 216 94 169 0.55621
KIJA 2021 142 224 82 183 0.44809
KINO 2015 3600 4300 700 3950 0.17722
KINO 2016 2250 7175 4925 4713 1.04509
KINO 2017 1640 3430 1790 2535 0.70611
KINO 2018 1,490 3,020 1530 2255 0.67849
KINO 2019 2,250 4,370 2120 3310 0.64048
KINO 2020 1,945 3,660 1715 2803 0.61195
KINO 2021 1990 2850 860 2420 0.35537
KKGI 2015 370 1055 685 713 0.96140
KKGI 2016 0 1795 1795 898 2.00000
KKGI 2017 294 2650 2356 1472 1.60054
KKGI 2018 178 410 232 294 0.78912
KKGI 2019 300 484 184 392 0.46939
KKGI 2020 141 400 259 271 0.95749
KKGI 2021 230 448 218 339 0.64307
KLBF 2015 1135 1915 780 1525 0.51148
KLBF 2016 1250 1815 565 1533 0.36868
KLBF 2017 1450 1775 325 1613 0.20155
KLBF 2018 1,155 1,785 630 1470 0.42857
KLBF 2019 1,260 1,690 430 1475 0.29153
KLBF 2020 865 1,665 800 1265 0.63241
KLBF 2021 1240 1760 520 1500 0.34667
KOIN 2015 230 470 240 350 0.68571
KOIN 2016 220 440 220 330 0.66667
KOIN 2017 210 390 180 300 0.60000
KOIN 2018 230 298 68 264 0.25758
KOIN 2019 92 372 280 232 1.20690
KOIN 2020 97 171 74 134 0.55224
KOIN 2021 97 340 243 219 1.11213
KOPI 2015 440 1,140 700 790 0.88608
KOPI 2016 660 765 105 713 0.14737
KOPI 2017 600 780 180 690 0.26087
KOPI 2018 680 780 100 730 0.13699
KOPI 2019 610 745 135 678 0.19926
KOPI 2020 406 625 219 516 0.42483
KOPI 2021 438 1200 762 819 0.93040
KPIG 2015 1125 1,535 410 1330 0.30827
KPIG 2016 995 1,565 570 1280 0.44531
KPIG 2017 1000 1565 565 1283 0.44055
190
KPIG 2018 124 1,495 1371 810 1.69364

KPIG 2019 116 192 76 154 0.49351
KPIG 2020 94 145 51 120 0.42678
KPIG 2021 99 234 135 167 0.81081
KREN 2015 96 522 426 309 1.37864
KREN 2016 349 515 166 432 0.38426
KREN 2017 390 610 220 500 0.44000
KREN 2018 505 790 285 648 0.44015
KREN 2019 480 685 205 583 0.35193
KREN 2020 68 505 437 287 1.52531
KREN 2021 68 197 129 133 0.97358
LINK 2015 3045 6575 3530 4810 0.73389
LINK 2016 2,875 5,600 2725 4238 0.64307
LINK 2017 4,620 6,000 1380 5310 0.25989
LINK 2018 4,020 6,000 1980 5010 0.39521
LINK 2019 3,820 4,910 1090 4365 0.24971
LINK 2020 1,775 4,000 2225 2888 0.77056
LINK 2021 2360 4800 2440 3580 0.68156
LION 2015 815 10500 9685 5658 1.71189
LION 2016 740 1100 360 920 0.39130
LION 2017 650 1280 630 965 0.65285
LION 2018 520 770 250 645 0.38760
LION 2019 450 710 260 580 0.44828
LION 2020 206 510 304 358 0.84916
LION 2021 314 498 184 406 0.45320
LMPI 2015 100 217 117 159 0.73817
LMPI 2016 96 246 150 171 0.87719
LMPI 2017 133 264 131 199 0.65995
LMPI 2018 127 220 93 174 0.53602
LMPI 2019 87 186 99 137 0.72527
LMPI 2020 75 95 20 85 0.23529
LMPI 2021 82 254 172 168 1.02381
LMSH 2015 455 8925 8470 4690 1.80597
LMSH 2016 460 625 165 543 0.30415
LMSH 2017 470 945 475 708 0.67138
LMSH 2018 500 890 390 695 0.56115
LMSH 2019 310 650 340 480 0.70833
LMSH 2020 157 510 353 334 1.05847
LMSH 2021 308 1750 1442 1029 1.40136
LPIN 2015 4750 7675 2925 6213 0.47082
LPIN 2016 4050 6175 2125 5113 0.41565
LPIN 2017 795 6400 5605 3598 1.55803
LPIN 2018 675 1,405 730 1040 0.70192
LPIN 2019 240 1,600 1360 920 1.47826
LPIN 2020 138 298 160 218 0.73394
191
LPIN 2021 230 1400 1170 815 1.43558

LPPF 2015 14125 20225 6100 17175 0.35517
LPPF 2016 13325 22575 9250 17950 0.51532
LPPF 2017 8600 15950 7350 12275 0.59878
LPPF 2018 4,260 11,975 7715 8118 0.95042
LPPF 2019 2,940 7,325 4385 5133 0.85436
LPPF 2020 785 1,615 830 1200 0.69167
LPPF 2021 1030 4790 3760 2910 1.29210
LRNA 2015 114 130 16 122 0.13115
LRNA 2016 100 232 132 166 0.79518
LRNA 2017 85 102 17 94 0.18182
LRNA 2018 80 130 50 105 0.47619
LRNA 2019 99 204 105 152 0.69307
LRNA 2020 109 254 145 182 0.79890
LRNA 2021 160 246 86 203 0.42365
LSIP 2015 910 2070 1160 1490 0.77852
LSIP 2016 1210 1905 695 1558 0.44623
LSIP 2017 1220 1780 560 1500 0.37333
LSIP 2018 905 1,510 605 1208 0.50104
LSIP 2019 1,000 1,520 520 1260 0.41270
LSIP 2020 498 1,480 982 989 0.99292
LSIP 2021 965 1560 595 1263 0.47129
LTLS 2015 420 920 500 670 0.74627
LTLS 2016 310 530 220 420 0.52381
LTLS 2017 346 565 219 456 0.48079
LTLS 2018 480 760 280 620 0.45161
LTLS 2019 550 735 185 643 0.28794
LTLS 2020 318 630 312 474 0.65823
LTLS 2021 464 750 286 607 0.47117
MAIN 2015 1,100 2,215 1115 1658 0.67270
MAIN 2016 1,225 1,825 600 1525 0.39344
MAIN 2017 880 1,410 530 1145 0.46288
MAIN 2018 620 1,565 945 1093 0.86499
MAIN 2019 1000 1920 920 1460 0.63014
MAIN 2020 384 1080 696 732 0.95082
MAIN 2021 630 965 335 798 0.42006
MAPI 2015 2900 5550 2650 4225 0.62722
MAPI 2016 4140 5400 1260 4770 0.26415
MAPI 2017 5675 7000 1325 6338 0.20907
MAPI 2018 785 7775 6990 4280 1.63318
MAPI 2019 790 1150 360 970 0.37113
MAPI 2020 444 1090 646 767 0.84224
MAPI 2021 620 900 280 760 0.36842
MASA 2015 207 420 213 314 0.67943
MASA 2016 170 370 200 270 0.74074
192
MASA 2017 196 358 162 277 0.58484

MASA 2018 260 780 520 520 1.00000
MASA 2019 360 840 480 600 0.80000
MASA 2020 348 1,325 977 837 1.16796
MASA 2021 960 7300 6340 4130 1.53511
MBAP 2015 1125 1,315 190 1220 0.15574
MBAP 2016 1,120 2,100 980 1610 0.60870
MBAP 2017 1800 4400 2600 3100 0.83871
MBAP 2018 2,790 4,140 1350 3465 0.38961
MBAP 2019 2,790 4,140 1350 3465 0.38961
MBAP 2020 1,300 3,330 2030 2315 0.87689
MBAP 2021 2630 3993 1363 3312 0.41160
MBSS 2015 260 1040 780 650 1.20000
MBSS 2016 215 436 221 326 0.67896
MBSS 2017 314 865 551 590 0.93469
MBSS 2018 450 955 505 703 0.71886
MBSS 2019 482 725 243 604 0.40265
MBSS 2020 224 585 361 405 0.89246
MBSS 2021 410 1110 700 760 0.92105
MBTO 2015 127 215 88 171 0.51462
MBTO 2016 115 214 99 165 0.60182
MBTO 2017 110 200 90 155 0.58065
MBTO 2018 110 170 60 140 0.42857
MBTO 2019 82 157 75 120 0.62762
MBTO 2020 84 220 136 152 0.89474
MBTO 2021 87 220 133 154 0.86645
MDLN 2015 321 600 279 461 0.60586
MDLN 2016 310 481 171 396 0.43236
MDLN 2017 250 370 120 310 0.38710
MDLN 2018 202 380 178 291 0.61168
MDLN 2019 202 380 178 291 0.61168
MDLN 2020 50 214 164 132 1.24242
MDLN 2021 51 91 40 71 0.56338
MERK 2015 119 154 35 137 0.25641
MERK 2016 6475 10250 3775 8363 0.45142
MERK 2017 8350 9600 1250 8975 0.13928
MERK 2018 3,800 8,750 4950 6275 0.78884
MERK 2019 2,670 4,700 2030 3685 0.55088
MERK 2020 1,170 4,450 3280 2810 1.16726
MERK 2021 2820 4080 1260 3450 0.36522
META 2015 69 218 149 144 1.03833
META 2016 116 132 16 124 0.12903
META 2017 120 246 126 183 0.68852
META 2018 176 253 77 215 0.35897
META 2019 170 234 64 202 0.31683
193
META 2020 82 254 172 168 1.02381

META 2021 89 192 103 141 0.73310
MICE 2015 254 409 155 332 0.46757
MICE 2016 325 396 71 361 0.19695
MICE 2017 330 520 190 425 0.44706
MICE 2018 326 478 152 402 0.37811
MICE 2019 326 450 124 388 0.31959
MICE 2020 272 360 88 316 0.27848
MICE 2021 272 488 216 380 0.56842
MIDI 2015 555 840 285 698 0.40860
MIDI 2016 645 820 175 733 0.23891
MIDI 2017 730 1,125 395 928 0.42588
MIDI 2018 820 1,125 305 973 0.31362
MIDI 2019 950 1,205 255 1078 0.23666
MIDI 2020 1,150 1,990 840 1570 0.53503
MIDI 2021 1630 2900 1270 2265 0.56071
MIKA 2015 1,900 3,230 1330 2565 0.51852
MIKA 2016 2,015 2,980 965 2498 0.38639
MIKA 2017 1700 2700 1000 2200 0.45455
MIKA 2018 1,370 2,300 930 1835 0.50681
MIKA 2019 1,480 3,030 1550 2255 0.68736
MIKA 2020 1,570 3,080 1510 2325 0.64946
MIKA 2021 2210 2980 770 2595 0.29672
MIRA 2015 50 68 18 59 0.30508
MIRA 2016 50 54 4 52 0.07692
MIRA 2017 50 70 20 60 0.33333
MIRA 2018 50 78 28 64 0.43750
MIRA 2019 50 51 1 51 0.01980
MIRA 2020 50 50 0 50 0.00000
MIRA 2021 50 59 9 55 0.16514
MITI 2015 102 196 94 149 0.63087
MITI 2016 52 124 72 88 0.81818
MITI 2017 50 88 38 69 0.55072
MITI 2018 50 128 78 89 0.87640
MITI 2019 50 65 15 58 0.26087
MITI 2020 0 0 0 0 0.00000
MITI 2021 114 567 453 341 1.33040
MKNT 2015 370 510 140 440 0.31818
MKNT 2016 310 635 325 473 0.68783
MKNT 2017 230 1,500 1270 865 1.46821
MKNT 2018 172 380 208 276 0.75362
MKNT 2019 50 200 150 125 1.20000
MKNT 2020 50 51 1 51 0.01980
MKNT 2021 50 50 0 50 0.00000
MKPI 2015 13000 17000 4000 15000 0.26667
194
MKPI 2016 16800 25750 8950 21275 0.42068

MKPI 2017 24000 36550 12550 30275 0.41453
MKPI 2018 18,000 36,500 18500 27250 0.67890
MKPI 2019 12,000 22,500 10500 17250 0.60870
MKPI 2020 12,400 28,000 15600 20200 0.77228
MKPI 2021 24925 29000 4075 26963 0.15114
MLIA 2015 411 625 214 518 0.41313
MLIA 2016 411 700 289 556 0.52025
MLIA 2017 412 810 398 611 0.65139
MLIA 2018 535 1,210 675 873 0.77364
MLIA 2019 700 1,630 930 1165 0.79828
MLIA 2020 348 760 412 554 0.74368
MLIA 2021 545 2680 2135 1613 1.32403
MLPL 2015 227 1025 798 626 1.27476
MLPL 2016 187 540 353 364 0.97111
MLPL 2017 135 406 271 271 1.00185
MLPL 2018 68 197 129 133 0.97358
MLPL 2019 62 170 108 116 0.93103
MLPL 2020 50 88 38 69 0.55072
MLPL 2021 57 810 753 434 1.73702
MLPT 2015 990 1,700 710 1345 0.52788
MLPT 2016 900 1,800 900 1350 0.66667
MLPT 2017 400 1,800 1400 1100 1.27273
MLPT 2018 480 1,000 520 740 0.70270
MLPT 2019 408 1,485 1077 947 1.13788
MLPT 2020 276 1,450 1174 863 1.36037
MLPT 2021 705 5750 5045 3228 1.56313
MMLP 2015 800 945 145 873 0.16619
MMLP 2016 615 810 195 713 0.27368
MMLP 2017 515 695 180 605 0.29752
MMLP 2018 430 600 170 515 0.33010
MMLP 2019 188 525 337 357 0.94530
MMLP 2020 106 320 214 213 1.00469
MMLP 2021 280 830 550 555 0.99099
MPMX 2015 378 940 562 659 0.85281
MPMX 2016 424 865 441 645 0.68425
MPMX 2017 770 1,140 370 955 0.38743
MPMX 2018 745 1,250 505 998 0.50627
MPMX 2019 570 1,500 930 1035 0.89855
MPMX 2020 316 715 399 516 0.77401
MPMX 2021 486 1245 759 866 0.87695
MPPA 2015 1530 4500 2970 3015 0.98507
MPPA 2016 1275 1910 635 1593 0.39874
MPPA 2017 372 1510 1138 941 1.20935
MPPA 2018 140 525 385 333 1.15789
195
MPPA 2019 126 398 272 262 1.03817

MPPA 2020 73 158 85 116 0.73593
MPPA 2021 85 1275 1190 680 1.75000
MRAT 2015 180 356 176 268 0.65672
MRAT 2016 187 254 67 221 0.30385
MRAT 2017 159 280 121 220 0.55125
MRAT 2018 110 216 106 163 0.65031
MRAT 2019 128 210 82 169 0.48521
MRAT 2020 107 180 73 144 0.50871
MRAT 2021 107 180 73 144 0.50871
MSKY 2015 1095 1825 730 1460 0.50000
MSKY 2016 482 1395 913 939 0.97283
MSKY 2017 920 1,100 180 1010 0.17822
MSKY 2018 620 925 305 773 0.39482
MSKY 2019 735 1,560 825 1148 0.71895
MSKY 2020 640 1,800 1160 1220 0.95082
MSKY 2021 302 810 508 556 0.91367
MTDL 2015 551 735 184 643 0.28616
MTDL 2016 605 750 145 678 0.21402
MTDL 2017 570 700 130 635 0.20472
MTDL 2018 600 940 340 770 0.44156
MTDL 2019 775 2,040 1265 1408 0.89876
MTDL 2020 865 1,920 1055 1393 0.75763
MTDL 2021 1400 4130 2730 2765 0.98734
MTLA 2015 194 475 281 335 0.84006
MTLA 2016 180 366 186 273 0.68132
MTLA 2017 260 398 138 329 0.41945
MTLA 2018 356 456 100 406 0.24631
MTLA 2019 388 590 202 489 0.41309
MTLA 2020 310 575 265 443 0.59887
MTLA 2021 310 545 235 428 0.54971
MTSM 2015 169 700 531 435 1.22209
MTSM 2016 209 500 291 355 0.82087
MTSM 2017 220 520 300 370 0.81081
MTSM 2018 125 360 235 243 0.96907
MTSM 2019 137 274 137 206 0.66667
MTSM 2020 122 270 148 196 0.75510
MTSM 2021 122 446 324 284 1.14085
MYOH 2015 423 560 137 492 0.27874
MYOH 2016 426 830 404 628 0.64331
MYOH 2017 610 940 330 775 0.42581
MYOH 2018 695 1,100 405 898 0.45125
MYOH 2019 1,100 1,470 370 1285 0.28794
MYOH 2020 910 1,340 430 1125 0.38222
MYOH 2021 1200 1925 725 1563 0.46400
196
MYOR 2015 20650 31000 10350 25825 0.40077

MYOR 2016 1400 41975 40575 21688 1.87089
MYOR 2017 1645 2000 355 1823 0.19479
MYOR 2018 2,090 3,230 1140 2660 0.42857
MYOR 2019 1,950 2,750 800 2350 0.34043
MYOR 2020 1,360 2,940 1580 2150 0.73488
MYOR 2021 1995 2940 945 2468 0.38298
NELY 2015 121 163 42 142 0.29577
NELY 2016 72 160 88 116 0.75862
NELY 2017 73 200 127 137 0.93040
NELY 2018 105 184 79 145 0.54671
NELY 2019 125 180 55 153 0.36066
NELY 2020 106 170 64 138 0.46377
NELY 2021 135 515 380 325 1.16923
NIKL 2015 53 129 76 91 0.83516
NIKL 2016 61 1261 1200 661 1.81543
NIKL 2017 1,685 6,700 5015 4193 1.19618
NIKL 2018 1,705 5,050 3345 3378 0.99038
NIKL 2019 298 3,600 3302 1949 1.69420
NIKL 2020 240 1,995 1755 1118 1.57047
NIKL 2021 925 2060 1135 1493 0.76047
NRCA 2015 560 1,610 1050 1085 0.96774
NRCA 2016 318 695 377 507 0.74432
NRCA 2017 326 510 184 418 0.44019
NRCA 2018 344 510 166 427 0.38876
NRCA 2019 356 452 96 404 0.23762
NRCA 2020 226 420 194 323 0.60062
NRCA 2021 280 420 140 350 0.40000
OMRE 2015 300 340 40 320 0.12500
OMRE 2016 160 300 140 230 0.60870
OMRE 2017 163 880 717 522 1.37488
OMRE 2018 900 1,900 1000 1400 0.71429
OMRE 2019 550 1,825 1275 1188 1.07368
OMRE 2020 294 1,155 861 725 1.18841
OMRE 2021 306 1665 1359 986 1.37900
PALM 2015 425 675 250 550 0.45455
PALM 2016 320 550 230 435 0.52874
PALM 2017 302 480 178 391 0.45524
PALM 2018 200 400 200 300 0.66667
PALM 2019 200 330 130 265 0.49057
PALM 2020 161 396 235 279 0.84381
PALM 2021 296 1140 844 718 1.17549
PGAS 2015 2150 6050 3900 4100 0.95122
PGAS 2016 2170 3520 1350 2845 0.47452
PGAS 2017 1,365 3,050 1685 2208 0.76331
197
PGAS 2018 1,505 2,860 1355 2183 0.62085

PGAS 2019 1,775 2,720 945 2248 0.42047
PGAS 2020 605 2200 1595 1403 1.13725
PGAS 2021 960 1640 680 1300 0.52308
PGLI 2015 58 112 54 85 0.63529
PGLI 2016 50 72 22 61 0.36066
PGLI 2017 50 186 136 118 1.15254
PGLI 2018 112 296 184 204 0.90196
PGLI 2019 102 480 378 291 1.29897
PGLI 2020 150 344 194 247 0.78543
PGLI 2021 164 470 306 317 0.96530
PJAA 2015 1,615 2,875 1260 2245 0.56125
PJAA 2016 1675 2560 885 2118 0.41795
PJAA 2017 1,310 2,100 790 1705 0.46334
PJAA 2018 990 1,730 740 1360 0.54412
PJAA 2019 930 1,600 670 1265 0.52964
PJAA 2020 388 995 607 692 0.87780
PJAA 2021 482 635 153 559 0.27395
PKPK 2015 50 93 43 72 0.60140
PKPK 2016 50 65 15 58 0.26087
PKPK 2017 50 104 54 77 0.70130
PKPK 2018 63 316 253 190 1.33509
PKPK 2019 53 136 83 95 0.87831
PKPK 2020 50 92 42 71 0.59155
PKPK 2021 50 258 208 154 1.35065
PLIN 2015 2,200 4,400 2200 3300 0.66667
PLIN 2016 2,850 4,850 2000 3850 0.51948
PLIN 2017 3,490 5,100 1610 4295 0.37485
PLIN 2018 2,880 4,000 1120 3440 0.32558
PLIN 2019 2,720 5,450 2730 4085 0.66830
PLIN 2020 2,050 3,500 1450 2775 0.52252
PLIN 2021 0 2550 2550 1275 2.00000
PNBS 2015 180 299 119 240 0.49687
PNBS 2016 117 268 151 193 0.78442
PNBS 2017 61 153 92 107 0.85981
PNBS 2018 61 142 81 102 0.79803
PNBS 2019 50 66 16 58 0.27586
PNBS 2020 50 82 32 66 0.48485
PNBS 2021 77 151 74 114 0.64912
PPRO 2015 127 250 123 189 0.65252
PPRO 2016 55 346 291 201 1.45137
PPRO 2017 188 294 106 241 0.43983
PPRO 2018 107 172 65 140 0.46595
PPRO 2019 65 71 6 68 0.08824
PPRO 2020 50 128 78 89 0.87640
198
PPRO 2021 57 114 57 86 0.66667

PSAB 2015 230 1390 1160 810 1.43210
PSAB 2016 520 1645 1125 1083 1.03926
PSAB 2017 153 316 163 235 0.69510
PSAB 2018 147 312 165 230 0.71895
PSAB 2019 177 360 183 269 0.68156
PSAB 2020 177 360 183 269 0.68156
PSAB 2021 129 284 155 207 0.75061
PSKT 2015 620 1075 455 848 0.53687
PSKT 2016 610 995 385 803 0.47975
PSKT 2017 50 950 900 500 1.80000
PSKT 2018 50 60 10 55 0.18182
PSKT 2019 50 50 0 50 0.00000
PSKT 2020 50 50 0 50 0.00000
PSKT 2021 50 50 0 50 0.00000
PTBA 2015 4035 12525 8490 8280 1.02536
PTBA 2016 4150 13775 9625 8963 1.07392
PTBA 2017 9225 13850 4625 11538 0.40087
PTBA 2018 2,440 4,890 2450 3665 0.66849
PTBA 2019 2,150 4,470 2320 3310 0.70091
PTBA 2020 1,485 3,170 1685 2328 0.72395
PTBA 2021 2000 3040 1040 2520 0.41270
PTPP 2015 3095 4175 1080 3635 0.29711
PTPP 2016 3300 4850 1550 4075 0.38037
PTPP 2017 2250 3590 1340 2920 0.45890
PTPP 2018 1,330 3,150 1820 2240 0.81250
PTPP 2019 1,340 2,550 1210 1945 0.62211
PTPP 2020 486 1,865 1379 1176 1.17312
PTPP 2021 486 3810 3324 2148 1.54749
PTRO 2015 271 945 674 608 1.10855
PTRO 2016 275 955 680 615 1.10569
PTRO 2017 690 2000 1310 1345 0.97398
PTRO 2018 1,375 2,560 1185 1968 0.60229
PTRO 2019 1,300 2,080 780 1690 0.46154
PTRO 2020 860 2,200 1340 1530 0.87582
PTRO 2021 1670 2930 1260 2300 0.54783
PTSN 2015 54 100 46 77 0.59740
PTSN 2016 52 100 48 76 0.63158
PTSN 2017 60 268 208 164 1.26829
PTSN 2018 184 2,180 1996 1182 1.68866
PTSN 2019 202 747 545 475 1.14858
PTSN 2020 130 290 160 210 0.76190
PTSN 2021 181 350 169 266 0.63653
PTSP 2015 5700 8500 2800 7100 0.39437
PTSP 2016 7300 9000 1700 8150 0.20859
199
PTSP 2017 7000 7275 275 7138 0.03853

PTSP 2018 6,875 7,450 575 7163 0.08028
PTSP 2019 4,550 7,300 2750 5925 0.46414
PTSP 2020 3,250 5,300 2050 4275 0.47953
PTSP 2021 2470 8375 5905 5423 1.08898
PWON 2015 313 565 252 439 0.57403
PWON 2016 418 765 347 592 0.58664
PWON 2017 540 725 185 633 0.29249
PWON 2018 432 725 293 579 0.50648
PWON 2019 550 815 265 683 0.38828
PWON 2020 266 610 344 438 0.78539
PWON 2021 400 615 215 508 0.42365
RAJA 2015 695 1880 1185 1288 0.92039
RAJA 2016 138 935 797 537 1.48555
RAJA 2017 181 390 209 286 0.73205
RAJA 2018 270 830 560 550 1.01818
RAJA 2019 162 428 266 295 0.90169
RAJA 2020 69 274 205 172 1.19534
RAJA 2021 181 308 127 245 0.51943
RALS 2015 510 865 355 688 0.51636
RALS 2016 555 1370 815 963 0.84675
RALS 2017 835 1370 535 1103 0.48526
RALS 2018 1030 1555 525 1293 0.40619
RALS 2019 925 1875 950 1400 0.67857
RALS 2020 404 1300 896 852 1.05164
RALS 2021 580 945 365 763 0.47869
RANC 2015 260 449 189 355 0.53315
RANC 2016 270 665 395 468 0.84492
RANC 2017 274 600 326 437 0.74600
RANC 2018 254 392 138 323 0.42724
RANC 2019 300 438 138 369 0.37398
RANC 2020 270 446 176 358 0.49162
RANC 2021 406 2700 2294 1553 1.47714
RBMS 2015 50 111 61 81 0.75776
RBMS 2016 51 112 61 82 0.74847
RBMS 2017 90 356 266 223 1.19283
RBMS 2018 89 494 405 292 1.38937
RBMS 2019 56 125 69 91 0.76243
RBMS 2020 50 97 47 74 0.63946
RBMS 2021 50 107 57 79 0.72611
RDTX 2015 5225 6100 875 5663 0.15453
RDTX 2016 4500 10000 5500 7250 0.75862
RDTX 2017 5925 12950 7025 9438 0.74437
RDTX 2018 4910 7000 2090 5955 0.35097
RDTX 2019 5000 9000 4000 7000 0.57143
200
RDTX 2020 3720 6325 2605 5023 0.51867

RDTX 2021 4900 8250 3350 6575 0.50951
RIGS 2015 135 275 140 205 0.68293
RIGS 2016 122 196 74 159 0.46541
RIGS 2017 151 288 137 220 0.62415
RIGS 2018 151 306 155 229 0.67834
RIGS 2019 128 540 412 334 1.23353
RIGS 2020 152 348 196 250 0.78400
RIGS 2021 199 310 111 255 0.43615
RODA 2015 353 465 112 409 0.27384
RODA 2016 370 595 225 483 0.46632
RODA 2017 112 525 413 319 1.29670
RODA 2018 136 750 614 443 1.38600
RODA 2019 50 910 860 480 1.79167
RODA 2020 50 55 5 53 0.09524
RODA 2021 50 124 74 87 0.85057
ROTI 2015 1020 1420 400 1220 0.32787
ROTI 2016 1170 1770 600 1470 0.40816
ROTI 2017 1145 1750 605 1448 0.41796
ROTI 2018 905 1,315 410 1110 0.36937
ROTI 2019 1,165 1,395 230 1280 0.17969
ROTI 2020 1,070 1,400 330 1235 0.26721
ROTI 2021 1260 1400 140 1330 0.10526
SAME 2015 2390 3250 860 2820 0.30496
SAME 2016 2475 3030 555 2753 0.20163
SAME 2017 386 690 304 538 0.56506
SAME 2018 480 610 130 545 0.23853
SAME 2019 230 585 355 408 0.87117
SAME 2020 60 324 264 192 1.37500
SAME 2021 264 815 551 540 1.02132
SCCO 2015 3000 4015 1015 3508 0.28938
SCCO 2016 3380 7275 3895 5328 0.73111
SCCO 2017 6500 11000 4500 8750 0.51429
SCCO 2018 8,475 10,500 2025 9488 0.21344
SCCO 2019 8,425 9,600 1175 9013 0.13037
SCCO 2020 8,100 10,625 2525 9363 0.26969
SCCO 2021 9350 11600 2250 10475 0.21480
SCMA 2015 2645 4040 1395 3343 0.41735
SCMA 2016 2130 3550 1420 2840 0.50000
SCMA 2017 1935 3180 1245 2558 0.48680
SCMA 2018 1,490 2,980 1490 2235 0.66667
SCMA 2019 1,080 2,030 950 1555 0.61093
SCMA 2020 600 2,450 1850 1525 1.21311
SCMA 2021 277 510 233 394 0.59212
SDPC 2015 63 89 26 76 0.34211
201
SDPC 2016 64 107 43 86 0.50292

SDPC 2017 82 158 76 120 0.63333
SDPC 2018 85 119 34 102 0.33333
SDPC 2019 70 119 49 95 0.51852
SDPC 2020 62 190 128 126 1.01587
SDPC 2021 99 214 115 157 0.73482
SGRO 2015 1050 2100 1050 1575 0.66667
SGRO 2016 1670 2180 510 1925 0.26494
SGRO 2017 1880 2600 720 2240 0.32143
SGRO 2018 2150 2580 430 2365 0.18182
SGRO 2019 2000 2570 570 2285 0.24945
SGRO 2020 1240 2530 1290 1885 0.68435
SGRO 2021 1395 2510 1115 1953 0.57106
SHID 2015 268 545 277 407 0.68143
SHID 2016 510 900 390 705 0.55319
SHID 2017 870 1550 680 1210 0.56198
SHID 2018 1,150 4,300 3150 2725 1.15596
SHID 2019 2,260 5,650 3390 3955 0.85714
SHID 2020 2,270 4,620 2350 3445 0.68215
SHID 2021 720 2780 2060 1750 1.17714
SIDO 2015 420 625 205 523 0.39234
SIDO 2016 500 555 55 528 0.10427
SIDO 2017 436 585 149 511 0.29187
SIDO 2018 535 975 440 755 0.58278
SIDO 2019 750 1,355 605 1053 0.57482
SIDO 2020 453 860 407 657 0.61995
SIDO 2021 449 935 486 692 0.70231
SILO 2015 8600 17100 8500 12850 0.66148
SILO 2016 7225 11750 4525 9488 0.47694
SILO 2017 8725 14425 5700 11575 0.49244
SILO 2018 2,290 9,550 7260 5920 1.22635
SILO 2019 3,160 8,350 5190 5755 0.90182
SILO 2020 4,210 6,950 2740 5580 0.49104
SILO 2021 4520 11300 6780 7910 0.85714
SIMP 2015 325 770 445 548 0.81279
SIMP 2016 284 555 271 420 0.64601
SIMP 2017 458 690 232 574 0.40418
SIMP 2018 442 650 208 546 0.38095
SIMP 2019 308 540 232 424 0.54717
SIMP 2020 169 448 279 309 0.90438
SIMP 2021 370 595 225 483 0.46632
SIPD 2015 50 945 895 498 1.79899
SIPD 2016 590 1020 430 805 0.53416
SIPD 2017 605 975 370 790 0.46835
SIPD 2018 765 1,210 445 988 0.45063
202
SIPD 2019 650 1,250 600 950 0.63158

SIPD 2020 738 1,383 645 1061 0.60820
SIPD 2021 1150 2000 850 1575 0.53968
SKBM 2015 840 1050 210 945 0.22222
SKBM 2016 459 945 486 702 0.69231
SKBM 2017 478 875 397 677 0.58684
SKBM 2018 334 750 416 542 0.76753
SKBM 2019 300 725 425 513 0.82927
SKBM 2020 210 470 260 340 0.76471
SKBM 2021 276 735 459 506 0.90801
SKLT 2015 300 390 90 345 0.26087
SKLT 2016 290 370 80 330 0.24242
SKLT 2017 308 1100 792 704 1.12500
SKLT 2018 900 1,500 600 1200 0.50000
SKLT 2019 1,500 1,610 110 1555 0.07074
SKLT 2020 1,065 1,980 915 1523 0.60099
SKLT 2021 1065 1980 915 1523 0.60099
SMBR 2015 242 402 160 322 0.49689
SMBR 2016 283 2980 2697 1632 1.65308
SMBR 2017 1755 3800 2045 2778 0.73627
SMBR 2018 1,700 4,250 2550 2975 0.85714
SMBR 2019 380 1,775 1395 1078 1.29466
SMBR 2020 152 1,370 1218 761 1.60053
SMBR 2021 545 1285 740 915 0.80874
SMCB 2015 1145 1470 325 1308 0.24857
SMCB 2016 865 1385 520 1125 0.46222
SMCB 2017 771 938 167 855 0.19544
SMCB 2018 500 2,100 1600 1300 1.23077
SMCB 2019 1,100 2,080 980 1590 0.61635
SMCB 2020 545 1,600 1055 1073 0.98368
SMCB 2021 1265 1970 705 1618 0.43586
SMDM 2015 83 163 80 123 0.65041
SMDM 2016 75 118 43 97 0.44560
SMDM 2017 77 160 83 119 0.70042
SMDM 2018 93 197 104 145 0.71724
SMDM 2019 97 210 113 154 0.73616
SMDM 2020 75 105 30 90 0.33333
SMDM 2021 99 196 97 148 0.65763
SMDR 2015 4100 14850 10750 9475 1.13456
SMDR 2016 4,000 7,150 3150 5575 0.56502
SMDR 2017 250 545 295 398 0.74214
SMDR 2018 284 580 296 432 0.68519
SMDR 2019 210 394 184 302 0.60927
SMDR 2020 113 334 221 224 0.98881
SMDR 2021 230 1206 976 718 1.35933
203
SMGR 2015 7,200 16,225 9025 11713 0.77054

SMGR 2016 8,050 11,600 3550 9825 0.36132
SMGR 2017 8,575 11,100 2525 9838 0.25667
SMGR 2018 6,725 12,025 5300 9375 0.56533
SMGR 2019 10,475 14,300 3825 12388 0.30878
SMGR 2020 5,875 13,050 7175 9463 0.75826
SMGR 2021 7250 12650 5400 9950 0.54271
SMMT 2015 149 2,065 1916 1107 1.73080
SMMT 2016 51 320 269 186 1.45013
SMMT 2017 116 230 114 173 0.65896
SMMT 2018 131 238 107 185 0.57995
SMMT 2019 104 230 126 167 0.75449
SMMT 2020 66 160 94 113 0.83186
SMMT 2021 91 252 161 172 0.93878
SMRA 2015 950 2000 1050 1475 0.71186
SMRA 2016 1290 1970 680 1630 0.41718
SMRA 2017 825 1460 635 1143 0.55580
SMRA 2018 550 1,230 680 890 0.76404
SMRA 2019 785 1,360 575 1073 0.53613
SMRA 2020 350 1,045 695 698 0.99642
SMRA 2021 99 196 97 148 0.65763
SMSM 2015 1,075 1,350 275 1213 0.22680
SMSM 2016 1,018 1,225 207 1122 0.18457
SMSM 2017 830 1,350 520 1090 0.47706
SMSM 2018 1,170 1,625 455 1398 0.32558
SMSM 2019 1,250 1,825 575 1538 0.37398
SMSM 2020 990 1,535 545 1263 0.43168
SMSM 2021 1165 1640 475 1403 0.33868
SOCI 2015 388 680 292 534 0.54682
SOCI 2016 334 535 201 435 0.46260
SOCI 2017 230 422 192 326 0.58896
SOCI 2018 121 300 179 211 0.85036
SOCI 2019 129 262 133 196 0.68031
SOCI 2020 62 322 260 192 1.35417
SOCI 2021 169 306 137 238 0.57684
SPMA 2015 95 209 114 152 0.75000
SPMA 2016 85 256 171 171 1.00293
SPMA 2017 175 262 87 219 0.39817
SPMA 2018 204 360 156 282 0.55319
SPMA 2019 240 368 128 304 0.42105
SPMA 2020 204 340 136 272 0.50000
SPMA 2021 276 805 529 541 0.97872
SSIA 2015 545 1,355 810 950 0.85263
SSIA 2016 530 765 235 648 0.36293
SSIA 2017 436 800 364 618 0.58900
204
SSIA 2018 430 630 200 530 0.37736

SSIA 2019 466 855 389 661 0.58895
SSIA 2020 274 715 441 495 0.89181
SSIA 2021 414 595 181 505 0.35877
SSTM 2015 50 124 74 87 0.85057
SSTM 2016 50 360 310 205 1.51220
SSTM 2017 334 600 266 467 0.56959
SSTM 2018 302 650 348 476 0.73109
SSTM 2019 260 630 370 445 0.83146
SSTM 2020 346 720 374 533 0.70169
SSTM 2021 368 950 582 659 0.88316
STTP 2015 2880 3060 180 2970 0.06061
STTP 2016 3,100 4,490 1390 3795 0.36627
STTP 2017 3190 4420 1230 3805 0.32326
STTP 2018 3,750 4,600 850 4175 0.20359
STTP 2019 3100 4510 1410 3805 0.37057
STTP 2020 3,520 13,750 10230 8635 1.18471
STTP 2021 6525 10200 3675 8363 0.43946
TBMS 2015 6000 11025 5025 8513 0.59031
TBMS 2016 650 10500 9850 5575 1.76682
TBMS 2017 680 1490 810 1085 0.74654
TBMS 2018 750 1,400 650 1075 0.60465
TBMS 2019 750 1,150 400 950 0.42105
TBMS 2020 550 970 420 760 0.55263
TBMS 2021 900 2000 1100 1450 0.75862
TCID 2015 16,000 20,000 4000 18000 0.22222
TCID 2016 12250 17850 5600 15050 0.37209
TCID 2017 12,900 19,500 6600 16200 0.40741
TCID 2018 15,000 18,900 3900 16950 0.23009
TCID 2019 11,000 17,200 6200 14100 0.43972
TCID 2020 6,100 11,000 4900 8550 0.57310
TCID 2021 5350 7200 1850 6275 0.29482
TFCO 2015 550 1045 495 798 0.62069
TFCO 2016 600 1100 500 850 0.58824
TFCO 2017 800 1050 250 925 0.27027
TFCO 2018 380 905 525 643 0.81712
TFCO 2019 332 895 563 614 0.91769
TFCO 2020 210 745 535 478 1.12042
TFCO 2021 400 985 585 693 0.84477
TGKA 2015 2355 4650 2295 3503 0.65525
TGKA 2016 2130 4975 2845 3553 0.80084
TGKA 2017 1800 4300 2500 3050 0.81967
TGKA 2018 2,040 3,400 1360 2720 0.50000
TGKA 2019 2,700 4,900 2200 3800 0.57895
TGKA 2020 2,700 10,200 7500 6450 1.16279
205
TGKA 2021 6875 9900 3025 8388 0.36066

TINS 2015 457 1,230 773 844 0.91642
TINS 2016 462 1,360 898 911 0.98573
TINS 2017 730 1015 285 873 0.32665
TINS 2018 605 1,240 635 923 0.68835
TINS 2019 700 1,645 945 1173 0.80597
TINS 2020 328 1,645 1317 987 1.33502
TINS 2021 1385 1625 240 1505 0.15947
TKIM 2015 475 870 395 673 0.58736
TKIM 2016 665 885 220 775 0.28387
TKIM 2017 730 3900 3170 2315 1.36933
TKIM 2018 2,920 18,450 15530 10685 1.45344
TKIM 2019 5,575 13,950 8375 9763 0.85787
TKIM 2020 3,750 11,500 7750 7625 1.01639
TKIM 2021 7025 17250 10225 12138 0.84243
TLKM 2015 2,485 3,170 685 2828 0.24226
TLKM 2016 3,045 4,570 1525 3808 0.40053
TLKM 2017 3,780 4,840 1060 4310 0.24594
TLKM 2018 3,250 4,460 1210 3855 0.31388
TLKM 2019 3,480 4,500 1020 3990 0.25564
TLKM 2020 2,450 4,030 1580 3240 0.48765
TLKM 2021 3000 4250 1250 3625 0.34483
TMPO 2015 60 133 73 97 0.75648
TMPO 2016 65 240 175 153 1.14754
TMPO 2017 65 240 175 153 1.14754
TMPO 2018 59 134 75 97 0.77720
TMPO 2019 121 228 107 175 0.61318
TMPO 2020 102 188 86 145 0.59310
TMPO 2021 123 195 72 159 0.45283
TOTL 2015 570 1,210 640 890 0.71910
TOTL 2016 550 910 360 730 0.49315
TOTL 2017 680 810 130 745 0.17450
TOTL 2018 538 720 182 629 0.28935
TOTL 2019 425 617 192 521 0.36852
TOTL 2020 287 388 101 338 0.29926
TOTL 2021 303 369 66 336 0.19643
TOTO 2015 3,550 7,300 3750 5425 0.69124
TOTO 2016 492 7,150 6658 3821 1.74248
TOTO 2017 388 498 110 443 0.24831
TOTO 2018 264 414 150 339 0.44248
TOTO 2019 280 450 170 365 0.46575
TOTO 2020 184 300 116 242 0.47934
TOTO 2021 198 252 54 225 0.24000
TPIA 2015 2900 4050 1150 3475 0.33094
TPIA 2016 3400 20875 17475 12138 1.43975
206
TPIA 2017 4044 6000 1956 5022 0.38949

TPIA 2018 4,300 6,675 2375 5488 0.43280
TPIA 2019 4,680 10,600 5920 7640 0.77487
TPIA 2020 5,025 10,475 5450 7750 0.70323
TPIA 2021 6800 11350 4550 9075 0.50138
TPMA 2015 190 520 330 355 0.92958
TPMA 2016 110 350 240 230 1.04348
TPMA 2017 156 322 166 239 0.69456
TPMA 2018 165 372 207 269 0.77095
TPMA 2019 220 340 120 280 0.42857
TPMA 2020 210 450 240 330 0.72727
TPMA 2021 336 1200 864 768 1.12500
TRIS 2015 295 364 69 330 0.20941
TRIS 2016 242 320 78 281 0.27758
TRIS 2017 246 338 92 292 0.31507
TRIS 2018 210 320 110 265 0.41509
TRIS 2019 178 346 168 262 0.64122
TRIS 2020 163 302 139 233 0.59785
TRIS 2021 100 304 204 202 1.00990
TRST 2015 195 385 190 290 0.65517
TRST 2016 246 340 94 293 0.32082
TRST 2017 294 420 126 357 0.35294
TRST 2018 360 430 70 395 0.17722
TRST 2019 360 448 88 404 0.21782
TRST 2020 328 430 102 379 0.26913
TRST 2021 328 640 312 484 0.64463
TSPC 2015 1,520 2,850 1330 2185 0.60870
TSPC 2016 1,685 2,380 695 2033 0.34194
TSPC 2017 1,660 2,100 440 1880 0.23404
TSPC 2018 1,345 1,900 555 1623 0.34206
TSPC 2019 1,305 1,990 685 1648 0.41578
TSPC 2020 905 2,150 1245 1528 0.81506
TSPC 2021 328 640 312 484 0.64463
ULTJ 2015 3500 4300 800 3900 0.20513
ULTJ 2016 3480 4650 1170 4065 0.28782
ULTJ 2017 1215 5350 4135 3283 1.25971
ULTJ 2018 1,110 1,600 490 1355 0.36162
ULTJ 2019 1,180 1,795 615 1488 0.41345
ULTJ 2020 1,165 2,020 855 1593 0.53689
ULTJ 2021 1495 1725 230 1610 0.14286
UNIC 2015 1,350 1,755 405 1553 0.26087
UNIC 2016 1,220 2,450 1230 1835 0.67030
UNIC 2017 1,755 6,750 4995 4253 1.17460
UNIC 2018 3,200 4,170 970 3685 0.26323
UNIC 2019 3,680 5,800 2120 4740 0.44726
207
UNIC 2020 2,600 5,400 2800 4000 0.70000

UNIC 2021 4040 12975 8935 8508 1.05025
UNTR 2015 13925 24000 10075 18963 0.53131
UNTR 2016 12500 23975 11475 18238 0.62920
UNTR 2017 20575 37250 16675 28913 0.57674
UNTR 2018 27,000 40,500 13500 33750 0.40000
UNTR 2019 19,650 29,525 9875 24588 0.40163
UNTR 2020 12,000 28,475 16475 20238 0.81408
UNTR 2021 18525 27700 9175 23113 0.39697
UNVR 2015 32100 46000 13900 39050 0.35595
UNVR 2016 35300 47800 12500 41550 0.30084
UNVR 2017 38800 55975 17175 47388 0.36244
UNVR 2018 38,900 58,100 19200 48500 0.39588
UNVR 2019 40,350 50,525 10175 45438 0.22393
UNVR 2020 5,275 8,800 3525 7038 0.50089
UNVR 2021 3800 8000 4200 5900 0.71186
VOKS 2015 660 1,000 340 830 0.40964
VOKS 2016 850 1,465 615 1158 0.53132
VOKS 2017 212 1,850 1638 1031 1.58875
VOKS 2018 136 300 164 218 0.75229
VOKS 2019 240 402 162 321 0.50467
VOKS 2020 186 400 214 293 0.73038
VOKS 2021 168 264 96 216 0.44444
WIKA 2015 2,278 3,533 1255 2906 0.43194
WIKA 2016 2260 3056 796 2658 0.29947
WIKA 2017 1505 2570 1065 2038 0.52270
WIKA 2018 1,100 2,120 1020 1610 0.63354
WIKA 2019 1,645 2,490 845 2068 0.40871
WIKA 2020 825 2,090 1265 1458 0.86792
WIKA 2021 850 2360 1510 1605 0.94081
WINS 2015 129 845 716 487 1.47023
WINS 2016 97 268 171 183 0.93699
WINS 2017 214 398 184 306 0.60131
WINS 2018 204 430 226 317 0.71293
WINS 2019 119 246 127 183 0.69589
WINS 2020 60 141 81 101 0.80597
WINS 2021 91 234 143 163 0.88000
WTON 2015 770 1440 670 1105 0.60633
WTON 2016 825 1075 250 950 0.26316
WTON 2017 498 805 307 652 0.47122
WTON 2018 298 645 347 472 0.73595
WTON 2019 372 680 308 526 0.58555
WTON 2020 184 456 272 320 0.85000
WTON 2021 218 525 307 372 0.82638
YPAS 2015 400 850 450 625 0.72000
208
YPAS 2016 525 1150 625 838 0.74627

YPAS 2017 675 1935 1260 1305 0.96552
YPAS 2018 426 1,170 744 798 0.93233
YPAS 2019 284 800 516 542 0.95203
YPAS 2020 133 760 627 447 1.40426
YPAS 2021 330 1055 725 693 1.04693
209
DATA SIAP OLAH
X1 X2 X3
Kode Tahun Y
Volatilitas Harga
IHK
Saham Minyak
692,063.3
AALI 2015 0.59716 120.42 13391.97
9
574,856.1
AALI 2016 0.34659 124.67 13306.85
0
710,728.1 13383.4
AALI 2017 0.30100 129.42
1 5
991,872.3 14,246.4
AALI 2018 0.40158 133.56
4 3
882,801.9 14,146.3
AALI 2019 0.42813 137.60
5 3
604,056.5 14,572.2
AALI 2020 1.06688 104.91
8 6
993,560.0
AALI 2021 0.55746 106.55 14312.30
2
692,063.3
ACES 2015 0.52399 120.42 13391.97
9
574,856.1
ACES 2016 0.35028 124.67 13306.85
0
710,728.1 13383.4
ACES 2017 0.65734 129.42
1 5
991,872.3 14,246.4
ACES 2018 0.15817 133.56
4 3
882,801.9 14,146.3
ACES 2019 0.21226 137.60
5 3
604,056.5 14,572.2
ACES 2020 0.33169 104.91
8 6
993,560.0
ACES 2021 0.23886 106.55 14312.30
2
692,063.3
ADES 2015 0.54691 120.42 13391.97
9
574,856.1
ADES 2016 0.46575 124.67 13306.85
0
710,728.1 13383.4
ADES 2017 0.37209 129.42
1 5
991,872.3 14,246.4
ADES 2018 0.21772 133.56
4 3
882,801.9 14,146.3
ADES 2019 0.36659 137.60
5 3
ADES 2020 0.98667 604,056.5 104.91 14,572.2
210
8 6
993,560.0
ADES 2021 0.83333 106.55 14312.30
2
692,063.3
ADHI 2015 0.75087 120.42 13391.97
9
574,856.1
ADHI 2016 0.40256 124.67 13306.85
0
710,728.1 13383.4
ADHI 2017 0.25088 129.42
1 5
991,872.3 14,246.4
ADHI 2018 0.78116 133.56
4 3
882,801.9 14,146.3
ADHI 2019 0.43570 137.60
5 3
604,056.5 14,572.2
ADHI 2020 1.28740 104.91
8 6
993,560.0
ADHI 2021 1.02222 106.55 14312.30
2
692,063.3
ADMG 2015 0.79498 120.42 13391.97
9
574,856.1
ADMG 2016 0.97898 124.67 13306.85
0
710,728.1 13383.4
ADMG 2017 0.83991 129.42
1 5
991,872.3 14,246.4
ADMG 2018 0.59941 133.56
4 3
882,801.9 14,146.3
ADMG 2019 0.72029 137.60
5 3
604,056.5 14,572.2
ADMG 2020 1.17647 104.91
8 6
993,560.0
ADMG 2021 0.67925 106.55 14312.30
2
692,063.3
ADRO 2015 0.76780 120.42 13391.97
9
574,856.1
ADRO 2016 0.02675 124.67 13306.85
0
710,728.1 13383.4
ADRO 2017 0.32889 129.42
1 5
991,872.3 14,246.4
ADRO 2018 0.71258 133.56
4 3
882,801.9 14,146.3
ADRO 2019 0.47537 137.60
5 3
604,056.5 14,572.2
ADRO 2020 0.83521 104.91
8 6
993,560.0
ADRO 2021 0.62873 106.55 14312.30
2
211
692,063.3
AISA 2015 0.63989 120.42 13391.97
9
574,856.1
AISA 2016 0.92500 124.67 13306.85
0
710,728.1 13383.4
AISA 2017 1.47398 129.42
1 5
991,872.3 14,246.4
AISA 2018 1.25991 133.56
4 3
882,801.9 14,146.3
AISA 2019 0.00000 137.60
5 3
604,056.5 14,572.2
AISA 2020 0.95000 104.91
8 6
993,560.0
AISA 2021 0.75862 106.55 14312.30
2
692,063.3
AKPI 2015 0.51572 120.42 13391.97
9
574,856.1
AKPI 2016 0.62857 124.67 13306.85
0
710,728.1 13383.4
AKPI 2017 0.34343 129.42
1 5
991,872.3 14,246.4
AKPI 2018 0.68132 133.56
4 3
882,801.9 14,146.3
AKPI 2019 0.77729 137.60
5 3
604,056.5 14,572.2
AKPI 2020 0.80374 104.91
8 6
993,560.0
AKPI 2021 0.00000 106.55 14312.30
2
692,063.3
AKRA 2015 0.02827 120.42 13391.97
9
574,856.1
AKRA 2016 0.24063 124.67 13306.85
0
710,728.1 13383.4
AKRA 2017 0.30108 129.42
1 5
991,872.3 14,246.4
AKRA 2018 0.68504 133.56
4 3
882,801.9 14,146.3
AKRA 2019 0.58384 137.60
5 3
604,056.5 14,572.2
AKRA 2020 0.95829 104.91
8 6
993,560.0
AKRA 2021 0.95829 106.55 14312.30
2
692,063.3
ALDO 2015 0.15942 120.42 13391.97
9
ALDO 2016 0.17490 574,856.1 124.67 13306.85
212
0
710,728.1 13383.4
ALDO 2017 0.00000 129.42
1 5
991,872.3 14,246.4
ALDO 2018 0.46715 133.56
4 3
882,801.9 14,146.3
ALDO 2019 1.63112 137.60
5 3
604,056.5 14,572.2
ALDO 2020 0.37530 104.91
8 6
993,560.0
ALDO 2021 1.00366 106.55 14312.30
2
692,063.3
ALKA 2015 0.54325 120.42 13391.97
9
574,856.1
ALKA 2016 1.49243 124.67 13306.85
0
710,728.1 13383.4
ALKA 2017 1.49515 129.42
1 5
991,872.3 14,246.4
ALKA 2018 1.02326 133.56
4 3
882,801.9 14,146.3
ALKA 2019 0.50627 137.60
5 3
604,056.5 14,572.2
ALKA 2020 0.67062 104.91
8 6
993,560.0
ALKA 2021 0.43796 106.55 14312.30
2
692,063.3
AMIN 2015 0.29008 120.42 13391.97
9
574,856.1
AMIN 2016 0.97257 124.67 13306.85
0
710,728.1 13383.4
AMIN 2017 0.78613 129.42
1 5
991,872.3 14,246.4
AMIN 2018 0.78613 133.56
4 3
882,801.9 14,146.3
AMIN 2019 0.56842 137.60
5 3
604,056.5 14,572.2
AMIN 2020 0.64127 104.91
8 6
993,560.0
AMIN 2021 0.68714 106.55 14312.30
2
692,063.3
ANJT 2015 0.48649 120.42 13391.97
9
574,856.1
ANJT 2016 0.21607 124.67 13306.85
0
710,728.1 13383.4
ANJT 2017 0.60984 129.42
1 5
213
991,872.3 14,246.4
ANJT 2018 0.53744 133.56
4 3
882,801.9 14,146.3
ANJT 2019 0.48564 137.60
5 3
604,056.5 14,572.2
ANJT 2020 0.68097 104.91
8 6
993,560.0
ANJT 2021 0.71781 106.55 14312.30
2
692,063.3
ANTM 2015 1.06209 120.42 13391.97
9
574,856.1
ANTM 2016 1.08053 124.67 13306.85
0
710,728.1 13383.4
ANTM 2017 0.41311 129.42
1 5
991,872.3 14,246.4
ANTM 2018 0.50314 133.56
4 3
882,801.9 14,146.3
ANTM 2019 0.54348 137.60
5 3
604,056.5 14,572.2
ANTM 2020 1.40716 104.91
8 6
993,560.0
ANTM 2021 0.38060 106.55 14312.30
2
692,063.3
APEX 2015 0.09524 120.42 13391.97
9
574,856.1
APEX 2016 0.64000 124.67 13306.85
0
710,728.1 13383.4
APEX 2017 0.05714 129.42
1 5
991,872.3 14,246.4
APEX 2018 0.79365 133.56
4 3
882,801.9 14,146.3
APEX 2019 1.39329 137.60
5 3
604,056.5 14,572.2
APEX 2020 1.47181 104.91
8 6
993,560.0
APEX 2021 1.16530 106.55 14312.30
2
692,063.3
APII 2015 0.78768 120.42 13391.97
9
574,856.1
APII 2016 0.79365 124.67 13306.85
0
710,728.1 13383.4
APII 2017 0.74564 129.42
1 5
991,872.3 14,246.4
APII 2018 0.71762 133.56
4 3
APII 2019 0.48000 882,801.9 137.60 14,146.3
214
5 3
604,056.5 14,572.2
APII 2020 0.79661 104.91
8 6
993,560.0
APII 2021 0.62443 106.55 14312.30
2
692,063.3
APLI 2015 0.44898 120.42 13391.97
9
574,856.1
APLI 2016 1.05023 124.67 13306.85
0
710,728.1 13383.4
APLI 2017 0.99083 129.42
1 5
991,872.3 14,246.4
APLI 2018 0.78453 133.56
4 3
882,801.9 14,146.3
APLI 2019 0.88000 137.60
5 3
604,056.5 14,572.2
APLI 2020 0.79661 104.91
8 6
993,560.0
APLI 2021 0.23678 106.55 14312.30
2
692,063.3
APLN 2015 0.63923 120.42 13391.97
9
574,856.1
APLN 2016 0.51577 124.67 13306.85
0
710,728.1 13383.4
APLN 2017 0.51521 129.42
1 5
991,872.3 14,246.4
APLN 2018 0.62467 133.56
4 3
882,801.9 14,146.3
APLN 2019 0.61149 137.60
5 3
604,056.5 14,572.2
APLN 2020 0.98990 104.91
8 6
993,560.0
APLN 2021 0.61272 106.55 14312.30
2
692,063.3
ARII 2015 0.27433 120.42 13391.97
9
574,856.1
ARII 2016 0.44444 124.67 13306.85
0
710,728.1 13383.4
ARII 2017 1.21377 129.42
1 5
991,872.3 14,246.4
ARII 2018 0.57778 133.56
4 3
882,801.9 14,146.3
ARII 2019 0.70270 137.60
5 3
604,056.5 14,572.2
ARII 2020 0.61947 104.91
8 6
215
993,560.0
ARII 2021 0.92487 106.55 14312.30
2
692,063.3
ARNA 2015 0.88136 120.42 13391.97
9
574,856.1
ARNA 2016 0.40985 124.67 13306.85
0
710,728.1 13383.4
ARNA 2017 0.48009 129.42
1 5
991,872.3 14,246.4
ARNA 2018 0.32432 133.56
4 3
882,801.9 14,146.3
ARNA 2019 0.33978 137.60
5 3
604,056.5 14,572.2
ARNA 2020 0.75335 104.91
8 6
993,560.0
ARNA 2021 0.33333 106.55 14312.30
2
692,063.3
ASGR 2015 0.36531 120.42 13391.97
9
574,856.1
ASGR 2016 0.16425 124.67 13306.85
0
710,728.1 13383.4
ASGR 2017 0.45201 129.42
1 5
991,872.3 14,246.4
ASGR 2018 0.40770 133.56
4 3
882,801.9 14,146.3
ASGR 2019 0.46218 137.60
5 3
604,056.5 14,572.2
ASGR 2020 0.56380 104.91
8 6
993,560.0
ASGR 2021 0.11847 106.55 14312.30
2
692,063.3
ASRI 2015 0.78054 120.42 13391.97
9
574,856.1
ASRI 2016 0.59424 124.67 13306.85
0
710,728.1 13383.4
ASRI 2017 0.31755 129.42
1 5
991,872.3 14,246.4
ASRI 2018 0.47059 133.56
4 3
882,801.9 14,146.3
ASRI 2019 0.48185 137.60
5 3
604,056.5 14,572.2
ASRI 2020 1.10997 104.91
8 6
993,560.0
ASRI 2021 0.63594 106.55 14312.30
2
AUTO 2015 1.04147 692,063.3 120.42 13391.97
216
9
574,856.1
AUTO 2016 0.47475 124.67 13306.85
0
710,728.1 13383.4
AUTO 2017 0.36735 129.42
1 5
991,872.3 14,246.4
AUTO 2018 0.46243 133.56
4 3
882,801.9 14,146.3
AUTO 2019 0.46422 137.60
5 3
604,056.5 14,572.2
AUTO 2020 0.72494 104.91
8 6
993,560.0
AUTO 2021 0.36287 106.55 14312.30
2
692,063.3
BALI 2015 1.28147 120.42 13391.97
9
574,856.1
BALI 2016 0.24599 124.67 13306.85
0
710,728.1 13383.4
BALI 2017 0.39063 129.42
1 5
991,872.3 14,246.4
BALI 2018 0.18590 133.56
4 3
882,801.9 14,146.3
BALI 2019 0.78906 137.60
5 3
604,056.5 14,572.2
BALI 2020 0.61176 104.91
8 6
993,560.0
BALI 2021 0.73746 106.55 14312.30
2
692,063.3
BAPA 2015 0.09524 120.42 13391.97
9
574,856.1
BAPA 2016 0.05825 124.67 13306.85
0
710,728.1 13383.4
BAPA 2017 0.95833 129.42
1 5
991,872.3 14,246.4
BAPA 2018 0.38298 133.56
4 3
882,801.9 14,146.3
BAPA 2019 0.43275 137.60
5 3
604,056.5 14,572.2
BAPA 2020 0.40000 104.91
8 6
993,560.0
BAPA 2021 0.55072 106.55 14312.30
2
692,063.3
BAYU 2015 0.54453 120.42 13391.97
9
574,856.1
BAYU 2016 0.58065 124.67 13306.85
0
217
710,728.1 13383.4
BAYU 2017 0.73171 129.42
1 5
991,872.3 14,246.4
BAYU 2018 0.87179 133.56
4 3
882,801.9 14,146.3
BAYU 2019 1.03030 137.60
5 3
604,056.5 14,572.2
BAYU 2020 0.41758 104.91
8 6
993,560.0
BAYU 2021 0.50000 106.55 14312.30
2
692,063.3
BBRM 2015 1.20949 120.42 13391.97
9
574,856.1
BBRM 2016 0.43750 124.67 13306.85
0
710,728.1 13383.4
BBRM 2017 0.05825 129.42
1 5
991,872.3 14,246.4
BBRM 2018 0.79518 133.56
4 3
882,801.9 14,146.3
BBRM 2019 0.05825 137.60
5 3
604,056.5 14,572.2
BBRM 2020 0.00000 104.91
8 6
993,560.0
BBRM 2021 0.22222 106.55 14312.30
2
692,063.3
BCIP 2015 0.21086 120.42 13391.97
9
574,856.1
BCIP 2016 1.71939 124.67 13306.85
0
710,728.1 13383.4
BCIP 2017 0.95785 129.42
1 5
991,872.3 14,246.4
BCIP 2018 0.71429 133.56
4 3
882,801.9 14,146.3
BCIP 2019 0.47887 137.60
5 3
604,056.5 14,572.2
BCIP 2020 0.52941 104.91
8 6
993,560.0
BCIP 2021 0.00000 106.55 14312.30
2
692,063.3
BIKA 2015 0.02653 120.42 13391.97
9
574,856.1
BIKA 2016 1.31447 124.67 13306.85
0
710,728.1 13383.4
BIKA 2017 0.65252 129.42
1 5
BIKA 2018 0.76864 991,872.3 133.56 14,246.4
218
4 3
882,801.9 14,146.3
BIKA 2019 0.63529 137.60
5 3
604,056.5 14,572.2
BIKA 2020 0.57851 104.91
8 6
993,560.0
BIKA 2021 1.06529 106.55 14312.30
2
692,063.3
BIPP 2015 0.54335 120.42 13391.97
9
574,856.1
BIPP 2016 0.42424 124.67 13306.85
0
710,728.1 13383.4
BIPP 2017 0.10811 129.42
1 5
991,872.3 14,246.4
BIPP 2018 0.39521 133.56
4 3
882,801.9 14,146.3
BIPP 2019 0.60140 137.60
5 3
604,056.5 14,572.2
BIPP 2020 0.46154 104.91
8 6
993,560.0
BIPP 2021 0.36066 106.55 14312.30
2
692,063.3
BIRD 2015 0.84900 120.42 13391.97
9
574,856.1
BIRD 2016 0.94949 124.67 13306.85
0
710,728.1 13383.4
BIRD 2017 0.45199 129.42
1 5
991,872.3 14,246.4
BIRD 2018 0.55897 133.56
4 3
882,801.9 14,146.3
BIRD 2019 0.57195 137.60
5 3
604,056.5 14,572.2
BIRD 2020 1.14286 104.91
8 6
993,560.0
BIRD 2021 0.46377 106.55 14312.30
2
692,063.3
BISI 2015 0.73684 120.42 13391.97
9
574,856.1
BISI 2016 0.46626 124.67 13306.85
0
710,728.1 13383.4
BISI 2017 0.27982 129.42
1 5
991,872.3 14,246.4
BISI 2018 0.37594 133.56
4 3
882,801.9 14,146.3
BISI 2019 0.44486 137.60
5 3
219
604,056.5 14,572.2
BISI 2020 0.61584 104.91
8 6
993,560.0
BISI 2021 0.28829 106.55 14312.30
2
692,063.3
BKDP 2015 0.53608 120.42 13391.97
9
574,856.1
BKDP 2016 0.63473 124.67 13306.85
0
710,728.1 13383.4
BKDP 2017 0.59524 129.42
1 5
991,872.3 14,246.4
BKDP 2018 0.92784 133.56
4 3
882,801.9 14,146.3
BKDP 2019 0.22222 137.60
5 3
604,056.5 14,572.2
BKDP 2020 0.18182 104.91
8 6
993,560.0
BKDP 2021 0.18182 106.55 14312.30
2
692,063.3
BKSL 2015 0.98039 120.42 13391.97
9
574,856.1
BKSL 2016 0.78161 124.67 13306.85
0
710,728.1 13383.4
BKSL 2017 0.27586 129.42
1 5
991,872.3 14,246.4
BKSL 2018 0.86747 133.56
4 3
882,801.9 14,146.3
BKSL 2019 0.82353 137.60
5 3
604,056.5 14,572.2
BKSL 2020 0.54015 104.91
8 6
993,560.0
BKSL 2021 0.56115 106.55 14312.30
2
692,063.3
BLTZ 2015 0.76259 120.42 13391.97
9
574,856.1
BLTZ 2016 0.74717 124.67 13306.85
0
710,728.1 13383.4
BLTZ 2017 0.51852 129.42
1 5
991,872.3 14,246.4
BLTZ 2018 0.85714 133.56
4 3
882,801.9 14,146.3
BLTZ 2019 0.50000 137.60
5 3
604,056.5 14,572.2
BLTZ 2020 0.52041 104.91
8 6
BLTZ 2021 0.70504 993,560.0 106.55 14312.30
220
2
692,063.3
BMSR 2015 0.43189 120.42 13391.97
9
574,856.1
BMSR 2016 1.24826 124.67 13306.85
0
710,728.1 13383.4
BMSR 2017 1.28994 129.42
1 5
991,872.3 14,246.4
BMSR 2018 0.80780 133.56
4 3
882,801.9 14,146.3
BMSR 2019 0.32143 137.60
5 3
604,056.5 14,572.2
BMSR 2020 0.50000 104.91
8 6
993,560.0
BMSR 2021 0.28434 106.55 14312.30
2
692,063.3
BMTR 2015 1.02583 120.42 13391.97
9
574,856.1
BMTR 2016 0.53904 124.67 13306.85
0
710,728.1 13383.4
BMTR 2017 0.33745 129.42
1 5
991,872.3 14,246.4
BMTR 2018 1.02909 133.56
4 3
882,801.9 14,146.3
BMTR 2019 0.44717 137.60
5 3
604,056.5 14,572.2
BMTR 2020 0.80597 104.91
8 6
993,560.0
BMTR 2021 0.18868 106.55 14312.30
2
692,063.3
BRAM 2015 0.74510 120.42 13391.97
9
574,856.1
BRAM 2016 1.02439 124.67 13306.85
0
710,728.1 13383.4
BRAM 2017 1.36842 129.42
1 5
991,872.3 14,246.4
BRAM 2018 0.44015 133.56
4 3
882,801.9 14,146.3
BRAM 2019 0.98755 137.60
5 3
604,056.5 14,572.2
BRAM 2020 1.04011 104.91
8 6
993,560.0
BRAM 2021 1.00546 106.55 14312.30
2
692,063.3
BRMS 2015 1.45205 120.42 13391.97
9
221
574,856.1
BRMS 2016 0.74214 124.67 13306.85
0
710,728.1 13383.4
BRMS 2017 1.02913 129.42
1 5
991,872.3 14,246.4
BRMS 2018 0.68421 133.56
4 3
882,801.9 14,146.3
BRMS 2019 0.18182 137.60
5 3
604,056.5 14,572.2
BRMS 2020 0.63014 104.91
8 6
993,560.0
BRMS 2021 0.62687 106.55 14312.30
2
692,063.3
BRNA 2015 0.19549 120.42 13391.97
9
574,856.1
BRNA 2016 0.30366 124.67 13306.85
0
710,728.1 13383.4
BRNA 2017 0.11064 129.42
1 5
991,872.3 14,246.4
BRNA 2018 0.49664 133.56
4 3
882,801.9 14,146.3
BRNA 2019 0.30588 137.60
5 3
604,056.5 14,572.2
BRNA 2020 0.47335 104.91
8 6
993,560.0
BRNA 2021 0.45545 106.55 14312.30
2
692,063.3
BRPT 2015 0.81773 120.42 13391.97
9
574,856.1
BRPT 2016 1.72506 124.67 13306.85
0
710,728.1 13383.4
BRPT 2017 1.07982 129.42
1 5
991,872.3 14,246.4
BRPT 2018 0.51163 133.56
4 3
882,801.9 14,146.3
BRPT 2019 1.06599 137.60
5 3
604,056.5 14,572.2
BRPT 2020 1.05049 104.91
8 6
993,560.0
BRPT 2021 0.38596 106.55 14312.30
2
692,063.3
BSDE 2015 0.57431 120.42 13391.97
9
574,856.1
BSDE 2016 0.42239 124.67 13306.85
0
BSDE 2017 0.20690 710,728.1 129.42 13383.4
222
1 5
991,872.3 14,246.4
BSDE 2018 0.71503 133.56
4 3
882,801.9 14,146.3
BSDE 2019 0.34074 137.60
5 3
604,056.5 14,572.2
BSDE 2020 0.78442 104.91
8 6
993,560.0
BSDE 2021 0.42316 106.55 14312.30
2
692,063.3
BSSR 2015 0.45560 120.42 13391.97
9
574,856.1
BSSR 2016 0.35983 124.67 13306.85
0
710,728.1 13383.4
BSSR 2017 0.76543 129.42
1 5
991,872.3 14,246.4
BSSR 2018 0.36978 133.56
4 3
882,801.9 14,146.3
BSSR 2019 0.70636 137.60
5 3
604,056.5 14,572.2
BSSR 2020 0.68996 104.91
8 6
993,560.0
BSSR 2021 0.98281 106.55 14312.30
2
692,063.3
BTON 2015 0.35644 120.42 13391.97
9
574,856.1
BTON 2016 1.43558 124.67 13306.85
0
710,728.1 13383.4
BTON 2017 0.39080 129.42
1 5
991,872.3 14,246.4
BTON 2018 1.11290 133.56
4 3
882,801.9 14,146.3
BTON 2019 0.50722 137.60
5 3
604,056.5 14,572.2
BTON 2020 1.12500 104.91
8 6
993,560.0
BTON 2021 0.66344 106.55 14312.30
2
692,063.3
BUDI 2015 0.61988 120.42 13391.97
9
574,856.1
BUDI 2016 0.65143 124.67 13306.85
0
710,728.1 13383.4
BUDI 2017 0.30000 129.42
1 5
991,872.3 14,246.4
BUDI 2018 0.66182 133.56
4 3
223
882,801.9 14,146.3
BUDI 2019 0.23474 137.60
5 3
604,056.5 14,572.2
BUDI 2020 0.13861 104.91
8 6
993,560.0
BUDI 2021 0.97207 106.55 14312.30
2
692,063.3
BUKK 2015 0.74286 120.42 13391.97
9
574,856.1
BUKK 2016 0.70473 124.67 13306.85
0
710,728.1 13383.4
BUKK 2017 0.74336 129.42
1 5
991,872.3 14,246.4
BUKK 2018 0.37500 133.56
4 3
882,801.9 14,146.3
BUKK 2019 0.43787 137.60
5 3
604,056.5 14,572.2
BUKK 2020 0.76706 104.91
8 6
993,560.0
BUKK 2021 0.64151 106.55 14312.30
2
692,063.3
CASS 2015 0.12766 120.42 13391.97
9
574,856.1
CASS 2016 0.26566 124.67 13306.85
0
710,728.1 13383.4
CASS 2017 0.36991 129.42
1 5
991,872.3 14,246.4
CASS 2018 0.37918 133.56
4 3
882,801.9 14,146.3
CASS 2019 0.37838 137.60
5 3
604,056.5 14,572.2
CASS 2020 1.18012 104.91
8 6
993,560.0
CASS 2021 0.86986 106.55 14312.30
2
692,063.3
CEKA 2015 1.06306 120.42 13391.97
9
574,856.1
CEKA 2016 0.98246 124.67 13306.85
0
710,728.1 13383.4
CEKA 2017 0.53298 129.42
1 5
991,872.3 14,246.4
CEKA 2018 0.49372 133.56
4 3
882,801.9 14,146.3
CEKA 2019 0.60071 137.60
5 3
CEKA 2020 0.76973 604,056.5 104.91 14,572.2
224
8 6
993,560.0
CEKA 2021 0.23256 106.55 14312.30
2
692,063.3
CINT 2015 0.17573 120.42 13391.97
9
574,856.1
CINT 2016 0.03593 124.67 13306.85
0
710,728.1 13383.4
CINT 2017 0.24837 129.42
1 5
991,872.3 14,246.4
CINT 2018 0.24837 133.56
4 3
882,801.9 14,146.3
CINT 2019 0.44604 137.60
5 3
604,056.5 14,572.2
CINT 2020 0.31418 104.91
8 6
993,560.0
CINT 2021 0.69581 106.55 14312.30
2
692,063.3
CITA 2015 0.00000 120.42 13391.97
9
574,856.1
CITA 2016 0.04545 124.67 13306.85
0
710,728.1 13383.4
CITA 2017 0.39548 129.42
1 5
991,872.3 14,246.4
CITA 2018 1.15789 133.56
4 3
882,801.9 14,146.3
CITA 2019 0.57895 137.60
5 3
604,056.5 14,572.2
CITA 2020 0.60870 104.91
8 6
993,560.0
CITA 2021 0.48485 106.55 14312.30
2
692,063.3
CLPI 2015 0.57267 120.42 13391.97
9
574,856.1
CLPI 2016 0.71955 124.67 13306.85
0
710,728.1 13383.4
CLPI 2017 0.34719 129.42
1 5
991,872.3 14,246.4
CLPI 2018 0.42462 133.56
4 3
882,801.9 14,146.3
CLPI 2019 0.32895 137.60
5 3
604,056.5 14,572.2
CLPI 2020 0.59319 104.91
8 6
993,560.0
CLPI 2021 0.55721 106.55 14312.30
2
225
692,063.3
CMNP 2015 0.82828 120.42 13391.97
9
574,856.1
CMNP 2016 0.48787 124.67 13306.85
0
710,728.1 13383.4
CMNP 2017 0.47337 129.42
1 5
991,872.3 14,246.4
CMNP 2018 0.34197 133.56
4 3
882,801.9 14,146.3
CMNP 2019 0.68138 137.60
5 3
604,056.5 14,572.2
CMNP 2020 0.92142 104.91
8 6
993,560.0
CMNP 2021 0.51807 106.55 14312.30
2
692,063.3
CPIN 2015 0.90088 120.42 13391.97
9
574,856.1
CPIN 2016 0.39201 124.67 13306.85
0
710,728.1 13383.4
CPIN 2017 0.33490 129.42
1 5
991,872.3 14,246.4
CPIN 2018 0.78018 133.56
4 3
882,801.9 14,146.3
CPIN 2019 0.67081 137.60
5 3
604,056.5 14,572.2
CPIN 2020 0.63275 104.91
8 6
993,560.0
CPIN 2021 0.30483 106.55 14312.30
2
692,063.3
CSAP 2015 0.64801 120.42 13391.97
9
574,856.1
CSAP 2016 0.40884 124.67 13306.85
0
710,728.1 13383.4
CSAP 2017 0.19067 129.42
1 5
991,872.3 14,246.4
CSAP 2018 0.59067 133.56
4 3
882,801.9 14,146.3
CSAP 2019 0.45872 137.60
5 3
604,056.5 14,572.2
CSAP 2020 0.16049 104.91
8 6
993,560.0
CSAP 2021 0.59179 106.55 14312.30
2
692,063.3
CTRA 2015 0.73276 120.42 13391.97
9
CTRA 2016 0.39451 574,856.1 124.67 13306.85
226
0
710,728.1 13383.4
CTRA 2017 0.37705 129.42
1 5
991,872.3 14,246.4
CTRA 2018 0.64815 133.56
4 3
882,801.9 14,146.3
CTRA 2019 0.42177 137.60
5 3
604,056.5 14,572.2
CTRA 2020 0.93442 104.91
8 6
993,560.0
CTRA 2021 0.49423 106.55 14312.30
2
692,063.3
DEWA 2015 0.00000 120.42 13391.97
9
574,856.1
DEWA 2016 0.00000 124.67 13306.85
0
710,728.1 13383.4
DEWA 2017 0.70968 129.42
1 5
991,872.3 14,246.4
DEWA 2018 0.26087 133.56
4 3
882,801.9 14,146.3
DEWA 2019 0.00000 137.60
5 3
604,056.5 14,572.2
DEWA 2020 0.00000 104.91
8 6
993,560.0
DEWA 2021 0.38710 106.55 14312.30
2
692,063.3
DGIK 2015 0.91892 120.42 13391.97
9
574,856.1
DGIK 2016 0.52941 124.67 13306.85
0
710,728.1 13383.4
DGIK 2017 1.04762 129.42
1 5
991,872.3 14,246.4
DGIK 2018 0.48485 133.56
4 3
882,801.9 14,146.3
DGIK 2019 0.00000 137.60
5 3
604,056.5 14,572.2
DGIK 2020 0.00000 104.91
8 6
993,560.0
DGIK 2021 1.29577 106.55 14312.30
2
692,063.3
DILD 2015 0.43359 120.42 13391.97
9
574,856.1
DILD 2016 0.39856 124.67 13306.85
0
710,728.1 13383.4
DILD 2017 0.37762 129.42
1 5
227
991,872.3 14,246.4
DILD 2018 0.33435 133.56
4 3
882,801.9 14,146.3
DILD 2019 0.51003 137.60
5 3
604,056.5 14,572.2
DILD 2020 0.82051 104.91
8 6
993,560.0
DILD 2021 0.67882 106.55 14312.30
2
692,063.3
DKFT 2015 0.00000 120.42 13391.97
9
574,856.1
DKFT 2016 0.72137 124.67 13306.85
0
710,728.1 13383.4
DKFT 2017 0.44240 129.42
1 5
991,872.3 14,246.4
DKFT 2018 0.30409 133.56
4 3
882,801.9 14,146.3
DKFT 2019 0.95842 137.60
5 3
604,056.5 14,572.2
DKFT 2020 1.27577 104.91
8 6
993,560.0
DKFT 2021 0.55522 106.55 14312.30
2
692,063.3
DMAS 2015 0.63529 120.42 13391.97
9
574,856.1
DMAS 2016 0.41633 124.67 13306.85
0
710,728.1 13383.4
DMAS 2017 0.48019 129.42
1 5
991,872.3 14,246.4
DMAS 2018 0.56000 133.56
4 3
882,801.9 14,146.3
DMAS 2019 0.73727 137.60
5 3
604,056.5 14,572.2
DMAS 2020 0.85167 104.91
8 6
993,560.0
DMAS 2021 0.38695 106.55 14312.30
2
692,063.3
DPNS 2015 0.36212 120.42 13391.97
9
574,856.1
DPNS 2016 0.43750 124.67 13306.85
0
710,728.1 13383.4
DPNS 2017 0.34973 129.42
1 5
991,872.3 14,246.4
DPNS 2018 0.33149 133.56
4 3
DPNS 2019 0.27397 882,801.9 137.60 14,146.3
228
5 3
604,056.5 14,572.2
DPNS 2020 0.50769 104.91
8 6
993,560.0
DPNS 2021 0.45714 106.55 14312.30
2
692,063.3
DSFI 2015 1.00000 120.42 13391.97
9
574,856.1
DSFI 2016 1.02500 124.67 13306.85
0
710,728.1 13383.4
DSFI 2017 0.64000 129.42
1 5
991,872.3 14,246.4
DSFI 2018 0.69091 133.56
4 3
882,801.9 14,146.3
DSFI 2019 0.50000 137.60
5 3
604,056.5 14,572.2
DSFI 2020 0.69939 104.91
8 6
993,560.0
DSFI 2021 0.69565 106.55 14312.30
2
692,063.3
DSSA 2015 0.08765 120.42 13391.97
9
574,856.1
DSSA 2016 0.76967 124.67 13306.85
0
710,728.1 13383.4
DSSA 2017 0.87595 129.42
1 5
991,872.3 14,246.4
DSSA 2018 1.11111 133.56
4 3
882,801.9 14,146.3
DSSA 2019 0.48834 137.60
5 3
604,056.5 14,572.2
DSSA 2020 0.55138 104.91
8 6
993,560.0
DSSA 2021 1.43653 106.55 14312.30
2
692,063.3
DUTI 2015 0.32143 120.42 13391.97
9
574,856.1
DUTI 2016 0.11382 124.67 13306.85
0
710,728.1 13383.4
DUTI 2017 0.10909 129.42
1 5
991,872.3 14,246.4
DUTI 2018 0.34667 133.56
4 3
882,801.9 14,146.3
DUTI 2019 0.82303 137.60
5 3
604,056.5 14,572.2
DUTI 2020 0.34839 104.91
8 6
229
993,560.0
DUTI 2021 0.17538 106.55 14312.30
2
692,063.3
DVLA 2015 0.59850 120.42 13391.97
9
574,856.1
DVLA 2016 0.43243 124.67 13306.85
0
710,728.1 13383.4
DVLA 2017 0.31202 129.42
1 5
991,872.3 14,246.4
DVLA 2018 0.15000 133.56
4 3
882,801.9 14,146.3
DVLA 2019 0.32759 137.60
5 3
604,056.5 14,572.2
DVLA 2020 0.20569 104.91
8 6
993,560.0
DVLA 2021 0.28571 106.55 14312.30
2
692,063.3
EKAD 2015 0.54545 120.42 13391.97
9
574,856.1
EKAD 2016 0.56983 124.67 13306.85
0
710,728.1 13383.4
EKAD 2017 0.36879 129.42
1 5
991,872.3 14,246.4
EKAD 2018 0.44025 133.56
4 3
882,801.9 14,146.3
EKAD 2019 0.41206 137.60
5 3
604,056.5 14,572.2
EKAD 2020 0.73267 104.91
8 6
993,560.0
EKAD 2021 0.45051 106.55 14312.30
2
692,063.3
ELSA 2015 0.96460 120.42 13391.97
9
574,856.1
ELSA 2016 1.10078 124.67 13306.85
0
710,728.1 13383.4
ELSA 2017 0.67826 129.42
1 5
991,872.3 14,246.4
ELSA 2018 0.54808 133.56
4 3
882,801.9 14,146.3
ELSA 2019 0.40469 137.60
5 3
604,056.5 14,572.2
ELSA 2020 1.03876 104.91
8 6
993,560.0
ELSA 2021 0.37288 106.55 14312.30
2
EMTK 2015 0.66319 692,063.3 120.42 13391.97
230
9
574,856.1
EMTK 2016 0.31579 124.67 13306.85
0
710,728.1 13383.4
EMTK 2017 0.37624 129.42
1 5
991,872.3 14,246.4
EMTK 2018 0.26558 133.56
4 3
882,801.9 14,146.3
EMTK 2019 0.67669 137.60
5 3
604,056.5 14,572.2
EMTK 2020 1.15845 104.91
8 6
993,560.0
EMTK 2021 1.64228 106.55 14312.30
2
692,063.3
ENRG 2015 0.88608 120.42 13391.97
9
574,856.1
ENRG 2016 0.14737 124.67 13306.85
0
710,728.1 13383.4
ENRG 2017 1.60440 129.42
1 5
991,872.3 14,246.4
ENRG 2018 1.40120 133.56
4 3
882,801.9 14,146.3
ENRG 2019 0.19926 137.60
5 3
604,056.5 14,572.2
ENRG 2020 0.08333 104.91
8 6
993,560.0
ENRG 2021 0.93040 106.55 14312.30
2
692,063.3
EPMT 2015 0.56468 120.42 13391.97
9
574,856.1
EPMT 2016 0.15498 124.67 13306.85
0
710,728.1 13383.4
EPMT 2017 0.30189 129.42
1 5
991,872.3 14,246.4
EPMT 2018 0.60566 133.56
4 3
882,801.9 14,146.3
EPMT 2019 0.30430 137.60
5 3
604,056.5 14,572.2
EPMT 2020 0.31527 104.91
8 6
993,560.0
EPMT 2021 0.26804 106.55 14312.30
2
692,063.3
ERAA 2015 1.08833 120.42 13391.97
9
574,856.1
ERAA 2016 0.61787 124.67 13306.85
0
231
710,728.1 13383.4
ERAA 2017 0.46780 129.42
1 5
991,872.3 14,246.4
ERAA 2018 1.33333 133.56
4 3
882,801.9 14,146.3
ERAA 2019 0.91421 137.60
5 3
604,056.5 14,572.2
ERAA 2020 0.94599 104.91
8 6
993,560.0
ERAA 2021 1.44906 106.55 14312.30
2
692,063.3
EXCL 2015 0.79973 120.42 13391.97
9
574,856.1
EXCL 2016 0.68132 124.67 13306.85
0
710,728.1 13383.4
EXCL 2017 0.55238 129.42
1 5
991,872.3 14,246.4
EXCL 2018 0.34402 133.56
4 3
882,801.9 14,146.3
EXCL 2019 0.62445 137.60
5 3
604,056.5 14,572.2
EXCL 2020 0.81761 104.91
8 6
993,560.0
EXCL 2021 0.47985 106.55 14312.30
2
692,063.3
FAST 2015 0.61489 120.42 13391.97
9
574,856.1
FAST 2016 0.58065 124.67 13306.85
0
710,728.1 13383.4
FAST 2017 0.33333 129.42
1 5
991,872.3 14,246.4
FAST 2018 0.32586 133.56
4 3
882,801.9 14,146.3
FAST 2019 0.63946 137.60
5 3
604,056.5 14,572.2
FAST 2020 0.98851 104.91
8 6
993,560.0
FAST 2021 0.18182 106.55 14312.30
2
692,063.3
FISH 2015 0.19820 120.42 13391.97
9
574,856.1
FISH 2016 1.05344 124.67 13306.85
0
710,728.1 13383.4
FISH 2017 0.81690 129.42
1 5
FISH 2018 1.09774 991,872.3 133.56 14,246.4
232
4 3
882,801.9 14,146.3
FISH 2019 0.49150 137.60
5 3
604,056.5 14,572.2
FISH 2020 0.51577 104.91
8 6
993,560.0
FISH 2021 1.46174 106.55 14312.30
2
692,063.3
FMII 2015 0.70499 120.42 13391.97
9
574,856.1
FMII 2016 0.88014 124.67 13306.85
0
710,728.1 13383.4
FMII 2017 0.29885 129.42
1 5
991,872.3 14,246.4
FMII 2018 0.40316 133.56
4 3
882,801.9 14,146.3
FMII 2019 0.61298 137.60
5 3
604,056.5 14,572.2
FMII 2020 0.82187 104.91
8 6
993,560.0
FMII 2021 0.82278 106.55 14312.30
2
692,063.3
FPNI 2015 0.32184 120.42 13391.97
9
574,856.1
FPNI 2016 0.95495 124.67 13306.85
0
710,728.1 13383.4
FPNI 2017 1.43137 129.42
1 5
991,872.3 14,246.4
FPNI 2018 0.67363 133.56
4 3
882,801.9 14,146.3
FPNI 2019 0.54296 137.60
5 3
604,056.5 14,572.2
FPNI 2020 1.54585 104.91
8 6
993,560.0
FPNI 2021 0.84107 106.55 14312.30
2
692,063.3
GDST 2015 0.33071 120.42 13391.97
9
574,856.1
GDST 2016 1.01754 124.67 13306.85
0
710,728.1 13383.4
GDST 2017 0.53023 129.42
1 5
991,872.3 14,246.4
GDST 2018 1.12088 133.56
4 3
882,801.9 14,146.3
GDST 2019 0.73563 137.60
5 3
233
604,056.5 14,572.2
GDST 2020 0.98477 104.91
8 6
993,560.0
GDST 2021 0.51982 106.55 14312.30
2
692,063.3
GEMA 2015 0.43451 120.42 13391.97
9
574,856.1
GEMA 2016 0.43243 124.67 13306.85
0
710,728.1 13383.4
GEMA 2017 0.83212 129.42
1 5
991,872.3 14,246.4
GEMA 2018 1.41641 133.56
4 3
882,801.9 14,146.3
GEMA 2019 0.31707 137.60
5 3
604,056.5 14,572.2
GEMA 2020 0.34700 104.91
8 6
993,560.0
GEMA 2021 0.34667 106.55 14312.30
2
692,063.3
GEMS 2015 0.46154 120.42 13391.97
9
574,856.1
GEMS 2016 0.70000 124.67 13306.85
0
710,728.1 13383.4
GEMS 2017 0.36893 129.42
1 5
991,872.3 14,246.4
GEMS 2018 0.00000 133.56
4 3
882,801.9 14,146.3
GEMS 2019 0.00000 137.60
5 3
604,056.5 14,572.2
GEMS 2020 0.00000 104.91
8 6
993,560.0
GEMS 2021 1.10132 106.55 14312.30
2
692,063.3
GJTL 2015 1.09873 120.42 13391.97
9
574,856.1
GJTL 2016 1.11377 124.67 13306.85
0
710,728.1 13383.4
GJTL 2017 0.61499 129.42
1 5
991,872.3 14,246.4
GJTL 2018 0.46753 133.56
4 3
882,801.9 14,146.3
GJTL 2019 0.34286 137.60
5 3
604,056.5 14,572.2
GJTL 2020 0.94372 104.91
8 6
GJTL 2021 1.18599 993,560.0 106.55 14312.30
234
2
692,063.3
GMTD 2015 0.45161 120.42 13391.97
9
574,856.1
GMTD 2016 0.29412 124.67 13306.85
0
710,728.1 13383.4
GMTD 2017 0.65372 129.42
1 5
991,872.3 14,246.4
GMTD 2018 0.72340 133.56
4 3
882,801.9 14,146.3
GMTD 2019 0.48254 137.60
5 3
604,056.5 14,572.2
GMTD 2020 0.30816 104.91
8 6
993,560.0
GMTD 2021 0.07066 106.55 14312.30
2
692,063.3
GOLD 2015 0.31047 120.42 13391.97
9
574,856.1
GOLD 2016 0.30476 124.67 13306.85
0
710,728.1 13383.4
GOLD 2017 0.69300 129.42
1 5
991,872.3 14,246.4
GOLD 2018 0.76068 133.56
4 3
882,801.9 14,146.3
GOLD 2019 0.91358 137.60
5 3
604,056.5 14,572.2
GOLD 2020 0.64237 104.91
8 6
993,560.0
GOLD 2021 0.64237 106.55 14312.30
2
692,063.3
GPRA 2015 0.50522 120.42 13391.97
9
574,856.1
GPRA 2016 0.32763 124.67 13306.85
0
710,728.1 13383.4
GPRA 2017 0.38482 129.42
1 5
991,872.3 14,246.4
GPRA 2018 0.45411 133.56
4 3
882,801.9 14,146.3
GPRA 2019 0.50279 137.60
5 3
604,056.5 14,572.2
GPRA 2020 0.61111 104.91
8 6
993,560.0
GPRA 2021 0.58960 106.55 14312.30
2
692,063.3
GWSA 2015 0.77612 120.42 13391.97
9
235
574,856.1
GWSA 2016 0.82182 124.67 13306.85
0
710,728.1 13383.4
GWSA 2017 0.37762 129.42
1 5
991,872.3 14,246.4
GWSA 2018 0.44156 133.56
4 3
882,801.9 14,146.3
GWSA 2019 0.56267 137.60
5 3
604,056.5 14,572.2
GWSA 2020 0.84034 104.91
8 6
993,560.0
GWSA 2021 0.83286 106.55 14312.30
2
692,063.3
GZCO 2015 0.74747 120.42 13391.97
9
574,856.1
GZCO 2016 0.49057 124.67 13306.85
0
710,728.1 13383.4
GZCO 2017 0.81720 129.42
1 5
991,872.3 14,246.4
GZCO 2018 0.48485 133.56
4 3
882,801.9 14,146.3
GZCO 2019 0.18182 137.60
5 3
604,056.5 14,572.2
GZCO 2020 0.07692 104.91
8 6
993,560.0
GZCO 2021 0.07692 106.55 14312.30
2
692,063.3
HERO 2015 0.81657 120.42 13391.97
9
574,856.1
HERO 2016 0.37288 124.67 13306.85
0
710,728.1 13383.4
HERO 2017 0.58065 129.42
1 5
991,872.3 14,246.4
HERO 2018 0.43094 133.56
4 3
882,801.9 14,146.3
HERO 2019 0.40476 137.60
5 3
604,056.5 14,572.2
HERO 2020 0.38502 104.91
8 6
993,560.0
HERO 2021 0.86545 106.55 14312.30
2
692,063.3
HEXA 2015 0.74809 120.42 13391.97
9
574,856.1
HEXA 2016 0.75377 124.67 13306.85
0
HEXA 2017 0.29545 710,728.1 129.42 13383.4
236
1 5
991,872.3 14,246.4
HEXA 2018 0.29206 133.56
4 3
882,801.9 14,146.3
HEXA 2019 0.67135 137.60
5 3
604,056.5 14,572.2
HEXA 2020 0.61199 104.91
8 6
993,560.0
HEXA 2021 0.61199 106.55 14312.30
2
692,063.3
HRUM 2015 0.93004 120.42 13391.97
9
574,856.1
HRUM 2016 1.28767 124.67 13306.85
0
710,728.1 13383.4
HRUM 2017 0.37526 129.42
1 5
991,872.3 14,246.4
HRUM 2018 0.89808 133.56
4 3
882,801.9 14,146.3
HRUM 2019 0.44553 137.60
5 3
604,056.5 14,572.2
HRUM 2020 1.04804 104.91
8 6
993,560.0
HRUM 2021 0.86833 106.55 14312.30
2
692,063.3
IBST 2015 0.19277 120.42 13391.97
9
574,856.1
IBST 2016 0.55319 124.67 13306.85
0
710,728.1 13383.4
IBST 2017 1.46544 129.42
1 5
991,872.3 14,246.4
IBST 2018 0.55484 133.56
4 3
882,801.9 14,146.3
IBST 2019 0.40123 137.60
5 3
604,056.5 14,572.2
IBST 2020 0.57343 104.91
8 6
993,560.0
IBST 2021 1.03628 106.55 14312.30
2
692,063.3
ICBP 2015 0.38219 120.42 13391.97
9
574,856.1
ICBP 2016 0.81916 124.67 13306.85
0
710,728.1 13383.4
ICBP 2017 0.14535 129.42
1 5
991,872.3 14,246.4
ICBP 2018 0.31242 133.56
4 3
237
882,801.9 14,146.3
ICBP 2019 0.33488 137.60
5 3
604,056.5 14,572.2
ICBP 2020 0.42239 104.91
8 6
993,560.0
ICBP 2021 0.25963 106.55 14312.30
2
692,063.3
ICON 2015 0.31579 120.42 13391.97
9
574,856.1
ICON 2016 1.26146 124.67 13306.85
0
710,728.1 13383.4
ICON 2017 1.47826 129.42
1 5
991,872.3 14,246.4
ICON 2018 0.72549 133.56
4 3
882,801.9 14,146.3
ICON 2019 0.83871 137.60
5 3
604,056.5 14,572.2
ICON 2020 1.43802 104.91
8 6
993,560.0
ICON 2021 0.72803 106.55 14312.30
2
692,063.3
IGAR 2015 0.52252 120.42 13391.97
9
574,856.1
IGAR 2016 1.19608 124.67 13306.85
0
710,728.1 13383.4
IGAR 2017 0.32662 129.42
1 5
991,872.3 14,246.4
IGAR 2018 0.20513 133.56
4 3
882,801.9 14,146.3
IGAR 2019 0.26415 137.60
5 3
604,056.5 14,572.2
IGAR 2020 0.62774 104.91
8 6
993,560.0
IGAR 2021 0.46707 106.55 14312.30
2
692,063.3
IKAI 2015 0.40394 120.42 13391.97
9
574,856.1
IKAI 2016 1.54223 124.67 13306.85
0
710,728.1 13383.4
IKAI 2017 0.12081 129.42
1 5
991,872.3 14,246.4
IKAI 2018 1.54223 133.56
4 3
882,801.9 14,146.3
IKAI 2019 1.07071 137.60
5 3
IKAI 2020 0.42520 604,056.5 104.91 14,572.2
238
8 6
993,560.0
IKAI 2021 0.00000 106.55 14312.30
2
692,063.3
IKBI 2015 0.05176 120.42 13391.97
9
574,856.1
IKBI 2016 1.51750 124.67 13306.85
0
710,728.1 13383.4
IKBI 2017 0.57669 129.42
1 5
991,872.3 14,246.4
IKBI 2018 0.45424 133.56
4 3
882,801.9 14,146.3
IKBI 2019 0.58993 137.60
5 3
604,056.5 14,572.2
IKBI 2020 0.41026 104.91
8 6
993,560.0
IKBI 2021 0.18033 106.55 14312.30
2
692,063.3
IMPC 2015 0.60751 120.42 13391.97
9
574,856.1
IMPC 2016 1.64238 124.67 13306.85
0
710,728.1 13383.4
IMPC 2017 0.17910 129.42
1 5
991,872.3 14,246.4
IMPC 2018 0.14251 133.56
4 3
882,801.9 14,146.3
IMPC 2019 0.25532 137.60
5 3
604,056.5 14,572.2
IMPC 2020 0.31405 104.91
8 6
993,560.0
IMPC 2021 0.72135 106.55 14312.30
2
692,063.3
INAF 2015 1.02834 120.42 13391.97
9
574,856.1
INAF 2016 1.89449 124.67 13306.85
0
710,728.1 13383.4
INAF 2017 0.87446 129.42
1 5
991,872.3 14,246.4
INAF 2018 0.81081 133.56
4 3
882,801.9 14,146.3
INAF 2019 1.80451 137.60
5 3
604,056.5 14,572.2
INAF 2020 0.74633 104.91
8 6
993,560.0
INAF 2021 0.79122 106.55 14312.30
2
239
692,063.3
INCI 2015 0.52101 120.42 13391.97
9
574,856.1
INCI 2016 0.15894 124.67 13306.85
0
710,728.1 13383.4
INCI 2017 0.41509 129.42
1 5
991,872.3 14,246.4
INCI 2018 0.60870 133.56
4 3
882,801.9 14,146.3
INCI 2019 0.56207 137.60
5 3
604,056.5 14,572.2
INCI 2020 1.03030 104.91
8 6
993,560.0
INCI 2021 0.69048 106.55 14312.30
2
692,063.3
INCO 2015 1.02559 120.42 13391.97
9
574,856.1
INCO 2016 0.90400 124.67 13306.85
0
710,728.1 13383.4
INCO 2017 0.58164 129.42
1 5
991,872.3 14,246.4
INCO 2018 0.53083 133.56
4 3
882,801.9 14,146.3
INCO 2019 0.56761 137.60
5 3
604,056.5 14,572.2
INCO 2020 1.25967 104.91
8 6
993,560.0
INCO 2021 0.53345 106.55 14312.30
2
692,063.3
INDF 2015 0.51526 120.42 13391.97
9
574,856.1
INDF 2016 0.56000 124.67 13306.85
0
710,728.1 13383.4
INDF 2017 0.21198 129.42
1 5
991,872.3 14,246.4
INDF 2018 0.38532 133.56
4 3
882,801.9 14,146.3
INDF 2019 0.31655 137.60
5 3
604,056.5 14,572.2
INDF 2020 0.49624 104.91
8 6
993,560.0
INDF 2021 0.20663 106.55 14312.30
2
692,063.3
INDR 2015 0.62890 120.42 13391.97
9
INDR 2016 0.72000 574,856.1 124.67 13306.85
240
0
710,728.1 13383.4
INDR 2017 0.73684 129.42
1 5
991,872.3 14,246.4
INDR 2018 1.59322 133.56
4 3
882,801.9 14,146.3
INDR 2019 1.07692 137.60
5 3
604,056.5 14,572.2
INDR 2020 0.89791 104.91
8 6
993,560.0
INDR 2021 0.77477 106.55 14312.30
2
692,063.3
INDS 2015 1.32468 120.42 13391.97
9
574,856.1
INDS 2016 1.20341 124.67 13306.85
0
710,728.1 13383.4
INDS 2017 0.70968 129.42
1 5
991,872.3 14,246.4
INDS 2018 0.69780 133.56
4 3
882,801.9 14,146.3
INDS 2019 0.35052 137.60
5 3
604,056.5 14,572.2
INDS 2020 0.66667 104.91
8 6
993,560.0
INDS 2021 0.31047 106.55 14312.30
2
692,063.3
INDX 2015 1.30435 120.42 13391.97
9
574,856.1
INDX 2016 0.93590 124.67 13306.85
0
710,728.1 13383.4
INDX 2017 0.82731 129.42
1 5
991,872.3 14,246.4
INDX 2018 0.96471 133.56
4 3
882,801.9 14,146.3
INDX 2019 0.58333 137.60
5 3
604,056.5 14,572.2
INDX 2020 0.29060 104.91
8 6
993,560.0
INDX 2021 1.12281 106.55 14312.30
2
692,063.3
INKP 2015 0.50000 120.42 13391.97
9
574,856.1
INKP 2016 0.35122 124.67 13306.85
0
710,728.1 13383.4
INKP 2017 1.45075 129.42
1 5
241
991,872.3 14,246.4
INKP 2018 1.17850 133.56
4 3
882,801.9 14,146.3
INKP 2019 0.88042 137.60
5 3
604,056.5 14,572.2
INKP 2020 1.15495 104.91
8 6
993,560.0
INKP 2021 0.85977 106.55 14312.30
2
692,063.3
INTP 2015 0.41555 120.42 13391.97
9
574,856.1
INTP 2016 0.41989 124.67 13306.85
0
710,728.1 13383.4
INTP 2017 0.48508 129.42
1 5
991,872.3 14,246.4
INTP 2018 0.60724 133.56
4 3
882,801.9 14,146.3
INTP 2019 0.29467 137.60
5 3
604,056.5 14,572.2
INTP 2020 0.76429 104.91
8 6
993,560.0
INTP 2021 0.57921 106.55 14312.30
2
692,063.3
IPOL 2015 0.83105 120.42 13391.97
9
574,856.1
IPOL 2016 0.78505 124.67 13306.85
0
710,728.1 13383.4
IPOL 2017 0.57840 129.42
1 5
991,872.3 14,246.4
IPOL 2018 0.54077 133.56
4 3
882,801.9 14,146.3
IPOL 2019 0.20202 137.60
5 3
604,056.5 14,572.2
IPOL 2020 0.98990 104.91
8 6
993,560.0
IPOL 2021 0.25287 106.55 14312.30
2
692,063.3
ISAT 2015 0.49462 120.42 13391.97
9
574,856.1
ISAT 2016 0.38316 124.67 13306.85
0
710,728.1 13383.4
ISAT 2017 0.46711 129.42
1 5
991,872.3 14,246.4
ISAT 2018 1.19033 133.56
4 3
ISAT 2019 0.82395 882,801.9 137.60 14,146.3
242
5 3
604,056.5 14,572.2
ISAT 2020 1.37459 104.91
8 6
993,560.0
ISAT 2021 0.54017 106.55 14312.30
2
692,063.3
ISSP 2015 0.78116 120.42 13391.97
9
574,856.1
ISSP 2016 0.58182 124.67 13306.85
0
710,728.1 13383.4
ISSP 2017 0.81250 129.42
1 5
991,872.3 14,246.4
ISSP 2018 0.90295 133.56
4 3
882,801.9 14,146.3
ISSP 2019 0.34000 137.60
5 3
604,056.5 14,572.2
ISSP 2020 0.83333 104.91
8 6
993,560.0
ISSP 2021 1.07692 106.55 14312.30
2
692,063.3
ITMA 2015 0.00000 120.42 13391.97
9
574,856.1
ITMA 2016 0.99458 124.67 13306.85
0
710,728.1 13383.4
ITMA 2017 1.08595 129.42
1 5
991,872.3 14,246.4
ITMA 2018 0.59136 133.56
4 3
882,801.9 14,146.3
ITMA 2019 1.33333 137.60
5 3
604,056.5 14,572.2
ITMA 2020 0.92290 104.91
8 6
993,560.0
ITMA 2021 0.45837 106.55 14312.30
2
692,063.3
ITMG 2015 1.07724 120.42 13391.97
9
574,856.1
ITMG 2016 1.15460 124.67 13306.85
0
710,728.1 13383.4
ITMG 2017 0.46484 129.42
1 5
991,872.3 14,246.4
ITMG 2018 0.46214 133.56
4 3
882,801.9 14,146.3
ITMG 2019 0.81438 137.60
5 3
604,056.5 14,572.2
ITMG 2020 0.94145 104.91
8 6
243
993,560.0
ITMG 2021 0.83344 106.55 14312.30
2
692,063.3
JECC 2015 0.74419 120.42 13391.97
9
574,856.1
JECC 2016 0.74510 124.67 13306.85
0
710,728.1 13383.4
JECC 2017 0.85714 129.42
1 5
991,872.3 14,246.4
JECC 2018 0.37931 133.56
4 3
882,801.9 14,146.3
JECC 2019 0.43902 137.60
5 3
604,056.5 14,572.2
JECC 2020 0.37087 104.91
8 6
993,560.0
JECC 2021 0.71924 106.55 14312.30
2
692,063.3
JIHD 2015 0.79403 120.42 13391.97
9
574,856.1
JIHD 2016 0.29864 124.67 13306.85
0
710,728.1 13383.4
JIHD 2017 0.38227 129.42
1 5
991,872.3 14,246.4
JIHD 2018 0.01511 133.56
4 3
882,801.9 14,146.3
JIHD 2019 0.41877 137.60
5 3
604,056.5 14,572.2
JIHD 2020 0.55941 104.91
8 6
993,560.0
JIHD 2021 0.24138 106.55 14312.30
2
692,063.3
JKON 2015 0.35813 120.42 13391.97
9
574,856.1
JKON 2016 0.39161 124.67 13306.85
0
710,728.1 13383.4
JKON 2017 0.13793 129.42
1 5
991,872.3 14,246.4
JKON 2018 0.57813 133.56
4 3
882,801.9 14,146.3
JKON 2019 0.54630 137.60
5 3
604,056.5 14,572.2
JKON 2020 0.40763 104.91
8 6
993,560.0
JKON 2021 1.06744 106.55 14312.30
2
JPFA 2015 1.06106 692,063.3 120.42 13391.97
244
9
574,856.1
JPFA 2016 1.11637 124.67 13306.85
0
710,728.1 13383.4
JPFA 2017 0.60870 129.42
1 5
991,872.3 14,246.4
JPFA 2018 0.60963 133.56
4 3
882,801.9 14,146.3
JPFA 2019 0.83105 137.60
5 3
604,056.5 14,572.2
JPFA 2020 0.77912 104.91
8 6
993,560.0
JPFA 2021 0.55056 106.55 14312.30
2
692,063.3
JSPT 2015 0.21958 120.42 13391.97
9
574,856.1
JSPT 2016 0.92990 124.67 13306.85
0
710,728.1 13383.4
JSPT 2017 0.27586 129.42
1 5
991,872.3 14,246.4
JSPT 2018 0.88184 133.56
4 3
882,801.9 14,146.3
JSPT 2019 0.48951 137.60
5 3
604,056.5 14,572.2
JSPT 2020 0.48767 104.91
8 6
993,560.0
JSPT 2021 0.25220 106.55 14312.30
2
692,063.3
KAEF 2015 0.85714 120.42 13391.97
9
574,856.1
KAEF 2016 1.21133 124.67 13306.85
0
710,728.1 13383.4
KAEF 2017 0.70109 129.42
1 5
991,872.3 14,246.4
KAEF 2018 0.57511 133.56
4 3
882,801.9 14,146.3
KAEF 2019 1.13759 137.60
5 3
604,056.5 14,572.2
KAEF 2020 1.63940 104.91
8 6
993,560.0
KAEF 2021 0.51273 106.55 14312.30
2
692,063.3
KBLV 2015 0.55165 120.42 13391.97
9
574,856.1
KBLV 2016 1.08511 124.67 13306.85
0
245
710,728.1 13383.4
KBLV 2017 1.17526 129.42
1 5
991,872.3 14,246.4
KBLV 2018 0.88557 133.56
4 3
882,801.9 14,146.3
KBLV 2019 0.69231 137.60
5 3
604,056.5 14,572.2
KBLV 2020 0.76129 104.91
8 6
993,560.0
KBLV 2021 1.31519 106.55 14312.30
2
692,063.3
KDSI 2015 0.96183 120.42 13391.97
9
574,856.1
KDSI 2016 0.76106 124.67 13306.85
0
710,728.1 13383.4
KDSI 2017 0.60304 129.42
1 5
991,872.3 14,246.4
KDSI 2018 0.69741 133.56
4 3
882,801.9 14,146.3
KDSI 2019 0.57086 137.60
5 3
604,056.5 14,572.2
KDSI 2020 0.79397 104.91
8 6
993,560.0
KDSI 2021 0.48312 106.55 14312.30
2
692,063.3
KIAS 2015 0.70270 120.42 13391.97
9
574,856.1
KIAS 2016 0.44068 124.67 13306.85
0
710,728.1 13383.4
KIAS 2017 2.00000 129.42
1 5
991,872.3 14,246.4
KIAS 2018 1.08225 133.56
4 3
882,801.9 14,146.3
KIAS 2019 1.12281 137.60
5 3
604,056.5 14,572.2
KIAS 2020 0.36066 104.91
8 6
993,560.0
KIAS 2021 0.69281 106.55 14312.30
2
692,063.3
KICI 2015 0.31837 120.42 13391.97
9
574,856.1
KICI 2016 0.77228 124.67 13306.85
0
710,728.1 13383.4
KICI 2017 0.81081 129.42
1 5
KICI 2018 0.68313 991,872.3 133.56 14,246.4
246
4 3
882,801.9 14,146.3
KICI 2019 0.74548 137.60
5 3
604,056.5 14,572.2
KICI 2020 0.71366 104.91
8 6
993,560.0
KICI 2021 0.76491 106.55 14312.30
2
692,063.3
KIJA 2015 0.80916 120.42 13391.97
9
574,856.1
KIJA 2016 0.32877 124.67 13306.85
0
710,728.1 13383.4
KIJA 2017 0.17940 129.42
1 5
991,872.3 14,246.4
KIJA 2018 0.39044 133.56
4 3
882,801.9 14,146.3
KIJA 2019 0.32624 137.60
5 3
604,056.5 14,572.2
KIJA 2020 0.55621 104.91
8 6
993,560.0
KIJA 2021 0.44809 106.55 14312.30
2
692,063.3
KINO 2015 0.17722 120.42 13391.97
9
574,856.1
KINO 2016 1.04509 124.67 13306.85
0
710,728.1 13383.4
KINO 2017 0.70611 129.42
1 5
991,872.3 14,246.4
KINO 2018 0.67849 133.56
4 3
882,801.9 14,146.3
KINO 2019 0.64048 137.60
5 3
604,056.5 14,572.2
KINO 2020 0.61195 104.91
8 6
993,560.0
KINO 2021 0.35537 106.55 14312.30
2
692,063.3
KKGI 2015 0.96140 120.42 13391.97
9
574,856.1
KKGI 2016 2.00000 124.67 13306.85
0
710,728.1 13383.4
KKGI 2017 1.60054 129.42
1 5
991,872.3 14,246.4
KKGI 2018 0.78912 133.56
4 3
882,801.9 14,146.3
KKGI 2019 0.46939 137.60
5 3
247
604,056.5 14,572.2
KKGI 2020 0.95749 104.91
8 6
993,560.0
KKGI 2021 0.64307 106.55 14312.30
2
692,063.3
KLBF 2015 0.51148 120.42 13391.97
9
574,856.1
KLBF 2016 0.36868 124.67 13306.85
0
710,728.1 13383.4
KLBF 2017 0.20155 129.42
1 5
991,872.3 14,246.4
KLBF 2018 0.42857 133.56
4 3
882,801.9 14,146.3
KLBF 2019 0.29153 137.60
5 3
604,056.5 14,572.2
KLBF 2020 0.63241 104.91
8 6
993,560.0
KLBF 2021 0.34667 106.55 14312.30
2
692,063.3
KOIN 2015 0.68571 120.42 13391.97
9
574,856.1
KOIN 2016 0.66667 124.67 13306.85
0
710,728.1 13383.4
KOIN 2017 0.60000 129.42
1 5
991,872.3 14,246.4
KOIN 2018 0.25758 133.56
4 3
882,801.9 14,146.3
KOIN 2019 1.20690 137.60
5 3
604,056.5 14,572.2
KOIN 2020 0.55224 104.91
8 6
993,560.0
KOIN 2021 1.11213 106.55 14312.30
2
692,063.3
KOPI 2015 0.88608 120.42 13391.97
9
574,856.1
KOPI 2016 0.14737 124.67 13306.85
0
710,728.1 13383.4
KOPI 2017 0.26087 129.42
1 5
991,872.3 14,246.4
KOPI 2018 0.13699 133.56
4 3
882,801.9 14,146.3
KOPI 2019 0.19926 137.60
5 3
604,056.5 14,572.2
KOPI 2020 0.42483 104.91
8 6
KOPI 2021 0.93040 993,560.0 106.55 14312.30
248
2
692,063.3
KPIG 2015 0.30827 120.42 13391.97
9
574,856.1
KPIG 2016 0.44531 124.67 13306.85
0
710,728.1 13383.4
KPIG 2017 0.44055 129.42
1 5
991,872.3 14,246.4
KPIG 2018 1.69364 133.56
4 3
882,801.9 14,146.3
KPIG 2019 0.49351 137.60
5 3
604,056.5 14,572.2
KPIG 2020 0.42678 104.91
8 6
993,560.0
KPIG 2021 0.81081 106.55 14312.30
2
692,063.3
KREN 2015 1.37864 120.42 13391.97
9
574,856.1
KREN 2016 0.38426 124.67 13306.85
0
710,728.1 13383.4
KREN 2017 0.44000 129.42
1 5
991,872.3 14,246.4
KREN 2018 0.44015 133.56
4 3
882,801.9 14,146.3
KREN 2019 0.35193 137.60
5 3
604,056.5 14,572.2
KREN 2020 1.52531 104.91
8 6
993,560.0
KREN 2021 0.97358 106.55 14312.30
2
692,063.3
LINK 2015 0.73389 120.42 13391.97
9
574,856.1
LINK 2016 0.64307 124.67 13306.85
0
710,728.1 13383.4
LINK 2017 0.25989 129.42
1 5
991,872.3 14,246.4
LINK 2018 0.39521 133.56
4 3
882,801.9 14,146.3
LINK 2019 0.24971 137.60
5 3
604,056.5 14,572.2
LINK 2020 0.77056 104.91
8 6
993,560.0
LINK 2021 0.68156 106.55 14312.30
2
692,063.3
LION 2015 1.71189 120.42 13391.97
9
249
574,856.1
LION 2016 0.39130 124.67 13306.85
0
710,728.1 13383.4
LION 2017 0.65285 129.42
1 5
991,872.3 14,246.4
LION 2018 0.38760 133.56
4 3
882,801.9 14,146.3
LION 2019 0.44828 137.60
5 3
604,056.5 14,572.2
LION 2020 0.84916 104.91
8 6
993,560.0
LION 2021 0.45320 106.55 14312.30
2
692,063.3
LMPI 2015 0.73817 120.42 13391.97
9
574,856.1
LMPI 2016 0.87719 124.67 13306.85
0
710,728.1 13383.4
LMPI 2017 0.65995 129.42
1 5
991,872.3 14,246.4
LMPI 2018 0.53602 133.56
4 3
882,801.9 14,146.3
LMPI 2019 0.72527 137.60
5 3
604,056.5 14,572.2
LMPI 2020 0.23529 104.91
8 6
993,560.0
LMPI 2021 1.02381 106.55 14312.30
2
692,063.3
LMSH 2015 1.80597 120.42 13391.97
9
574,856.1
LMSH 2016 0.30415 124.67 13306.85
0
710,728.1 13383.4
LMSH 2017 0.67138 129.42
1 5
991,872.3 14,246.4
LMSH 2018 0.56115 133.56
4 3
882,801.9 14,146.3
LMSH 2019 0.70833 137.60
5 3
604,056.5 14,572.2
LMSH 2020 1.05847 104.91
8 6
993,560.0
LMSH 2021 1.40136 106.55 14312.30
2
692,063.3
LPIN 2015 0.47082 120.42 13391.97
9
574,856.1
LPIN 2016 0.41565 124.67 13306.85
0
LPIN 2017 1.55803 710,728.1 129.42 13383.4
250
1 5
991,872.3 14,246.4
LPIN 2018 0.70192 133.56
4 3
882,801.9 14,146.3
LPIN 2019 1.47826 137.60
5 3
604,056.5 14,572.2
LPIN 2020 0.73394 104.91
8 6
993,560.0
LPIN 2021 1.43558 106.55 14312.30
2
692,063.3
LPPF 2015 0.35517 120.42 13391.97
9
574,856.1
LPPF 2016 0.51532 124.67 13306.85
0
710,728.1 13383.4
LPPF 2017 0.59878 129.42
1 5
991,872.3 14,246.4
LPPF 2018 0.95042 133.56
4 3
882,801.9 14,146.3
LPPF 2019 0.85436 137.60
5 3
604,056.5 14,572.2
LPPF 2020 0.69167 104.91
8 6
993,560.0
LPPF 2021 1.29210 106.55 14312.30
2
692,063.3
LRNA 2015 0.13115 120.42 13391.97
9
574,856.1
LRNA 2016 0.79518 124.67 13306.85
0
710,728.1 13383.4
LRNA 2017 0.18182 129.42
1 5
991,872.3 14,246.4
LRNA 2018 0.47619 133.56
4 3
882,801.9 14,146.3
LRNA 2019 0.69307 137.60
5 3
604,056.5 14,572.2
LRNA 2020 0.79890 104.91
8 6
993,560.0
LRNA 2021 0.42365 106.55 14312.30
2
692,063.3
LSIP 2015 0.77852 120.42 13391.97
9
574,856.1
LSIP 2016 0.44623 124.67 13306.85
0
710,728.1 13383.4
LSIP 2017 0.37333 129.42
1 5
991,872.3 14,246.4
LSIP 2018 0.50104 133.56
4 3
251
882,801.9 14,146.3
LSIP 2019 0.41270 137.60
5 3
604,056.5 14,572.2
LSIP 2020 0.99292 104.91
8 6
993,560.0
LSIP 2021 0.47129 106.55 14312.30
2
692,063.3
LTLS 2015 0.74627 120.42 13391.97
9
574,856.1
LTLS 2016 0.52381 124.67 13306.85
0
710,728.1 13383.4
LTLS 2017 0.48079 129.42
1 5
991,872.3 14,246.4
LTLS 2018 0.45161 133.56
4 3
882,801.9 14,146.3
LTLS 2019 0.28794 137.60
5 3
604,056.5 14,572.2
LTLS 2020 0.65823 104.91
8 6
993,560.0
LTLS 2021 0.47117 106.55 14312.30
2
692,063.3
MAIN 2015 0.67270 120.42 13391.97
9
574,856.1
MAIN 2016 0.39344 124.67 13306.85
0
710,728.1 13383.4
MAIN 2017 0.46288 129.42
1 5
991,872.3 14,246.4
MAIN 2018 0.86499 133.56
4 3
882,801.9 14,146.3
MAIN 2019 0.63014 137.60
5 3
604,056.5 14,572.2
MAIN 2020 0.95082 104.91
8 6
993,560.0
MAIN 2021 0.42006 106.55 14312.30
2
692,063.3
MAPI 2015 0.62722 120.42 13391.97
9
574,856.1
MAPI 2016 0.26415 124.67 13306.85
0
710,728.1 13383.4
MAPI 2017 0.20907 129.42
1 5
991,872.3 14,246.4
MAPI 2018 1.63318 133.56
4 3
882,801.9 14,146.3
MAPI 2019 0.37113 137.60
5 3
MAPI 2020 0.84224 604,056.5 104.91 14,572.2
252
8 6
993,560.0
MAPI 2021 0.36842 106.55 14312.30
2
692,063.3
MASA 2015 0.67943 120.42 13391.97
9
574,856.1
MASA 2016 0.74074 124.67 13306.85
0
710,728.1 13383.4
MASA 2017 0.58484 129.42
1 5
991,872.3 14,246.4
MASA 2018 1.00000 133.56
4 3
882,801.9 14,146.3
MASA 2019 0.80000 137.60
5 3
604,056.5 14,572.2
MASA 2020 1.16796 104.91
8 6
993,560.0
MASA 2021 1.53511 106.55 14312.30
2
692,063.3
MBAP 2015 0.15574 120.42 13391.97
9
574,856.1
MBAP 2016 0.60870 124.67 13306.85
0
710,728.1 13383.4
MBAP 2017 0.83871 129.42
1 5
991,872.3 14,246.4
MBAP 2018 0.38961 133.56
4 3
882,801.9 14,146.3
MBAP 2019 0.38961 137.60
5 3
604,056.5 14,572.2
MBAP 2020 0.87689 104.91
8 6
993,560.0
MBAP 2021 0.41160 106.55 14312.30
2
692,063.3
MBSS 2015 1.20000 120.42 13391.97
9
574,856.1
MBSS 2016 0.67896 124.67 13306.85
0
710,728.1 13383.4
MBSS 2017 0.93469 129.42
1 5
991,872.3 14,246.4
MBSS 2018 0.71886 133.56
4 3
882,801.9 14,146.3
MBSS 2019 0.40265 137.60
5 3
604,056.5 14,572.2
MBSS 2020 0.89246 104.91
8 6
993,560.0
MBSS 2021 0.92105 106.55 14312.30
2
253
692,063.3
MBTO 2015 0.51462 120.42 13391.97
9
574,856.1
MBTO 2016 0.60182 124.67 13306.85
0
710,728.1 13383.4
MBTO 2017 0.58065 129.42
1 5
991,872.3 14,246.4
MBTO 2018 0.42857 133.56
4 3
882,801.9 14,146.3
MBTO 2019 0.62762 137.60
5 3
604,056.5 14,572.2
MBTO 2020 0.89474 104.91
8 6
993,560.0
MBTO 2021 0.86645 106.55 14312.30
2
692,063.3
MDLN 2015 0.60586 120.42 13391.97
9
574,856.1
MDLN 2016 0.43236 124.67 13306.85
0
710,728.1 13383.4
MDLN 2017 0.38710 129.42
1 5
991,872.3 14,246.4
MDLN 2018 0.61168 133.56
4 3
882,801.9 14,146.3
MDLN 2019 0.61168 137.60
5 3
604,056.5 14,572.2
MDLN 2020 1.24242 104.91
8 6
993,560.0
MDLN 2021 0.56338 106.55 14312.30
2
692,063.3
MERK 2015 0.25641 120.42 13391.97
9
574,856.1
MERK 2016 0.45142 124.67 13306.85
0
710,728.1 13383.4
MERK 2017 0.13928 129.42
1 5
991,872.3 14,246.4
MERK 2018 0.78884 133.56
4 3
882,801.9 14,146.3
MERK 2019 0.55088 137.60
5 3
604,056.5 14,572.2
MERK 2020 1.16726 104.91
8 6
993,560.0
MERK 2021 0.36522 106.55 14312.30
2
692,063.3
META 2015 1.03833 120.42 13391.97
9
META 2016 0.12903 574,856.1 124.67 13306.85
254
0
710,728.1 13383.4
META 2017 0.68852 129.42
1 5
991,872.3 14,246.4
META 2018 0.35897 133.56
4 3
882,801.9 14,146.3
META 2019 0.31683 137.60
5 3
604,056.5 14,572.2
META 2020 1.02381 104.91
8 6
993,560.0
META 2021 0.73310 106.55 14312.30
2
692,063.3
MICE 2015 0.46757 120.42 13391.97
9
574,856.1
MICE 2016 0.19695 124.67 13306.85
0
710,728.1 13383.4
MICE 2017 0.44706 129.42
1 5
991,872.3 14,246.4
MICE 2018 0.37811 133.56
4 3
882,801.9 14,146.3
MICE 2019 0.31959 137.60
5 3
604,056.5 14,572.2
MICE 2020 0.27848 104.91
8 6
993,560.0
MICE 2021 0.56842 106.55 14312.30
2
692,063.3
MIDI 2015 0.40860 120.42 13391.97
9
574,856.1
MIDI 2016 0.23891 124.67 13306.85
0
710,728.1 13383.4
MIDI 2017 0.42588 129.42
1 5
991,872.3 14,246.4
MIDI 2018 0.31362 133.56
4 3
882,801.9 14,146.3
MIDI 2019 0.23666 137.60
5 3
604,056.5 14,572.2
MIDI 2020 0.53503 104.91
8 6
993,560.0
MIDI 2021 0.56071 106.55 14312.30
2
692,063.3
MIKA 2015 0.51852 120.42 13391.97
9
574,856.1
MIKA 2016 0.38639 124.67 13306.85
0
710,728.1 13383.4
MIKA 2017 0.45455 129.42
1 5
255
991,872.3 14,246.4
MIKA 2018 0.50681 133.56
4 3
882,801.9 14,146.3
MIKA 2019 0.68736 137.60
5 3
604,056.5 14,572.2
MIKA 2020 0.64946 104.91
8 6
993,560.0
MIKA 2021 0.29672 106.55 14312.30
2
692,063.3
MIRA 2015 0.30508 120.42 13391.97
9
574,856.1
MIRA 2016 0.07692 124.67 13306.85
0
710,728.1 13383.4
MIRA 2017 0.33333 129.42
1 5
991,872.3 14,246.4
MIRA 2018 0.43750 133.56
4 3
882,801.9 14,146.3
MIRA 2019 0.01980 137.60
5 3
604,056.5 14,572.2
MIRA 2020 0.00000 104.91
8 6
993,560.0
MIRA 2021 0.16514 106.55 14312.30
2
692,063.3
MITI 2015 0.63087 120.42 13391.97
9
574,856.1
MITI 2016 0.81818 124.67 13306.85
0
710,728.1 13383.4
MITI 2017 0.55072 129.42
1 5
991,872.3 14,246.4
MITI 2018 0.87640 133.56
4 3
882,801.9 14,146.3
MITI 2019 0.26087 137.60
5 3
604,056.5 14,572.2
MITI 2020 0.00000 104.91
8 6
993,560.0
MITI 2021 1.33040 106.55 14312.30
2
692,063.3
MKNT 2015 0.31818 120.42 13391.97
9
574,856.1
MKNT 2016 0.68783 124.67 13306.85
0
710,728.1 13383.4
MKNT 2017 1.46821 129.42
1 5
991,872.3 14,246.4
MKNT 2018 0.75362 133.56
4 3
MKNT 2019 1.20000 882,801.9 137.60 14,146.3
256
5 3
604,056.5 14,572.2
MKNT 2020 0.01980 104.91
8 6
993,560.0
MKNT 2021 0.00000 106.55 14312.30
2
692,063.3
MKPI 2015 0.26667 120.42 13391.97
9
574,856.1
MKPI 2016 0.42068 124.67 13306.85
0
710,728.1 13383.4
MKPI 2017 0.41453 129.42
1 5
991,872.3 14,246.4
MKPI 2018 0.67890 133.56
4 3
882,801.9 14,146.3
MKPI 2019 0.60870 137.60
5 3
604,056.5 14,572.2
MKPI 2020 0.77228 104.91
8 6
993,560.0
MKPI 2021 0.15114 106.55 14312.30
2
692,063.3
MLIA 2015 0.41313 120.42 13391.97
9
574,856.1
MLIA 2016 0.52025 124.67 13306.85
0
710,728.1 13383.4
MLIA 2017 0.65139 129.42
1 5
991,872.3 14,246.4
MLIA 2018 0.77364 133.56
4 3
882,801.9 14,146.3
MLIA 2019 0.79828 137.60
5 3
604,056.5 14,572.2
MLIA 2020 0.74368 104.91
8 6
993,560.0
MLIA 2021 1.32403 106.55 14312.30
2
692,063.3
MLPL 2015 1.27476 120.42 13391.97
9
574,856.1
MLPL 2016 0.97111 124.67 13306.85
0
710,728.1 13383.4
MLPL 2017 1.00185 129.42
1 5
991,872.3 14,246.4
MLPL 2018 0.97358 133.56
4 3
882,801.9 14,146.3
MLPL 2019 0.93103 137.60
5 3
604,056.5 14,572.2
MLPL 2020 0.55072 104.91
8 6
257
993,560.0
MLPL 2021 1.73702 106.55 14312.30
2
692,063.3
MLPT 2015 0.52788 120.42 13391.97
9
574,856.1
MLPT 2016 0.66667 124.67 13306.85
0
710,728.1 13383.4
MLPT 2017 1.27273 129.42
1 5
991,872.3 14,246.4
MLPT 2018 0.70270 133.56
4 3
882,801.9 14,146.3
MLPT 2019 1.13788 137.60
5 3
604,056.5 14,572.2
MLPT 2020 1.36037 104.91
8 6
993,560.0
MLPT 2021 1.56313 106.55 14312.30
2
692,063.3
MMLP 2015 0.16619 120.42 13391.97
9
574,856.1
MMLP 2016 0.27368 124.67 13306.85
0
710,728.1 13383.4
MMLP 2017 0.29752 129.42
1 5
991,872.3 14,246.4
MMLP 2018 0.33010 133.56
4 3
882,801.9 14,146.3
MMLP 2019 0.94530 137.60
5 3
604,056.5 14,572.2
MMLP 2020 1.00469 104.91
8 6
993,560.0
MMLP 2021 0.99099 106.55 14312.30
2
692,063.3
MPMX 2015 0.85281 120.42 13391.97
9
574,856.1
MPMX 2016 0.68425 124.67 13306.85
0
710,728.1 13383.4
MPMX 2017 0.38743 129.42
1 5
991,872.3 14,246.4
MPMX 2018 0.50627 133.56
4 3
882,801.9 14,146.3
MPMX 2019 0.89855 137.60
5 3
604,056.5 14,572.2
MPMX 2020 0.77401 104.91
8 6
993,560.0
MPMX 2021 0.87695 106.55 14312.30
2
MPPA 2015 0.98507 692,063.3 120.42 13391.97
258
9
574,856.1
MPPA 2016 0.39874 124.67 13306.85
0
710,728.1 13383.4
MPPA 2017 1.20935 129.42
1 5
991,872.3 14,246.4
MPPA 2018 1.15789 133.56
4 3
882,801.9 14,146.3
MPPA 2019 1.03817 137.60
5 3
604,056.5 14,572.2
MPPA 2020 0.73593 104.91
8 6
993,560.0
MPPA 2021 1.75000 106.55 14312.30
2
692,063.3
MRAT 2015 0.65672 120.42 13391.97
9
574,856.1
MRAT 2016 0.30385 124.67 13306.85
0
710,728.1 13383.4
MRAT 2017 0.55125 129.42
1 5
991,872.3 14,246.4
MRAT 2018 0.65031 133.56
4 3
882,801.9 14,146.3
MRAT 2019 0.48521 137.60
5 3
604,056.5 14,572.2
MRAT 2020 0.50871 104.91
8 6
993,560.0
MRAT 2021 0.50871 106.55 14312.30
2
692,063.3
MSKY 2015 0.50000 120.42 13391.97
9
574,856.1
MSKY 2016 0.97283 124.67 13306.85
0
710,728.1 13383.4
MSKY 2017 0.17822 129.42
1 5
991,872.3 14,246.4
MSKY 2018 0.39482 133.56
4 3
882,801.9 14,146.3
MSKY 2019 0.71895 137.60
5 3
604,056.5 14,572.2
MSKY 2020 0.95082 104.91
8 6
993,560.0
MSKY 2021 0.91367 106.55 14312.30
2
692,063.3
MTDL 2015 0.28616 120.42 13391.97
9
574,856.1
MTDL 2016 0.21402 124.67 13306.85
0
259
710,728.1 13383.4
MTDL 2017 0.20472 129.42
1 5
991,872.3 14,246.4
MTDL 2018 0.44156 133.56
4 3
882,801.9 14,146.3
MTDL 2019 0.89876 137.60
5 3
604,056.5 14,572.2
MTDL 2020 0.75763 104.91
8 6
993,560.0
MTDL 2021 0.98734 106.55 14312.30
2
692,063.3
MTLA 2015 0.84006 120.42 13391.97
9
574,856.1
MTLA 2016 0.68132 124.67 13306.85
0
710,728.1 13383.4
MTLA 2017 0.41945 129.42
1 5
991,872.3 14,246.4
MTLA 2018 0.24631 133.56
4 3
882,801.9 14,146.3
MTLA 2019 0.41309 137.60
5 3
604,056.5 14,572.2
MTLA 2020 0.59887 104.91
8 6
993,560.0
MTLA 2021 0.54971 106.55 14312.30
2
692,063.3
MTSM 2015 1.22209 120.42 13391.97
9
574,856.1
MTSM 2016 0.82087 124.67 13306.85
0
710,728.1 13383.4
MTSM 2017 0.81081 129.42
1 5
991,872.3 14,246.4
MTSM 2018 0.96907 133.56
4 3
882,801.9 14,146.3
MTSM 2019 0.66667 137.60
5 3
604,056.5 14,572.2
MTSM 2020 0.75510 104.91
8 6
993,560.0
MTSM 2021 1.14085 106.55 14312.30
2
692,063.3
MYOH 2015 0.27874 120.42 13391.97
9
574,856.1
MYOH 2016 0.64331 124.67 13306.85
0
710,728.1 13383.4
MYOH 2017 0.42581 129.42
1 5
MYOH 2018 0.45125 991,872.3 133.56 14,246.4
260
4 3
882,801.9 14,146.3
MYOH 2019 0.28794 137.60
5 3
604,056.5 14,572.2
MYOH 2020 0.38222 104.91
8 6
993,560.0
MYOH 2021 0.46400 106.55 14312.30
2
692,063.3
MYOR 2015 0.40077 120.42 13391.97
9
574,856.1
MYOR 2016 1.87089 124.67 13306.85
0
710,728.1 13383.4
MYOR 2017 0.19479 129.42
1 5
991,872.3 14,246.4
MYOR 2018 0.42857 133.56
4 3
882,801.9 14,146.3
MYOR 2019 0.34043 137.60
5 3
604,056.5 14,572.2
MYOR 2020 0.73488 104.91
8 6
993,560.0
MYOR 2021 0.38298 106.55 14312.30
2
692,063.3
NELY 2015 0.29577 120.42 13391.97
9
574,856.1
NELY 2016 0.75862 124.67 13306.85
0
710,728.1 13383.4
NELY 2017 0.93040 129.42
1 5
991,872.3 14,246.4
NELY 2018 0.54671 133.56
4 3
882,801.9 14,146.3
NELY 2019 0.36066 137.60
5 3
604,056.5 14,572.2
NELY 2020 0.46377 104.91
8 6
993,560.0
NELY 2021 1.16923 106.55 14312.30
2
692,063.3
NIKL 2015 0.83516 120.42 13391.97
9
574,856.1
NIKL 2016 1.81543 124.67 13306.85
0
710,728.1 13383.4
NIKL 2017 1.19618 129.42
1 5
991,872.3 14,246.4
NIKL 2018 0.99038 133.56
4 3
882,801.9 14,146.3
NIKL 2019 1.69420 137.60
5 3
261
604,056.5 14,572.2
NIKL 2020 1.57047 104.91
8 6
993,560.0
NIKL 2021 0.76047 106.55 14312.30
2
692,063.3
NRCA 2015 0.96774 120.42 13391.97
9
574,856.1
NRCA 2016 0.74432 124.67 13306.85
0
710,728.1 13383.4
NRCA 2017 0.44019 129.42
1 5
991,872.3 14,246.4
NRCA 2018 0.38876 133.56
4 3
882,801.9 14,146.3
NRCA 2019 0.23762 137.60
5 3
604,056.5 14,572.2
NRCA 2020 0.60062 104.91
8 6
993,560.0
NRCA 2021 0.40000 106.55 14312.30
2
692,063.3
OMRE 2015 0.12500 120.42 13391.97
9
574,856.1
OMRE 2016 0.60870 124.67 13306.85
0
710,728.1 13383.4
OMRE 2017 1.37488 129.42
1 5
991,872.3 14,246.4
OMRE 2018 0.71429 133.56
4 3
882,801.9 14,146.3
OMRE 2019 1.07368 137.60
5 3
604,056.5 14,572.2
OMRE 2020 1.18841 104.91
8 6
993,560.0
OMRE 2021 1.37900 106.55 14312.30
2
692,063.3
PALM 2015 0.45455 120.42 13391.97
9
574,856.1
PALM 2016 0.52874 124.67 13306.85
0
710,728.1 13383.4
PALM 2017 0.45524 129.42
1 5
991,872.3 14,246.4
PALM 2018 0.66667 133.56
4 3
882,801.9 14,146.3
PALM 2019 0.49057 137.60
5 3
604,056.5 14,572.2
PALM 2020 0.84381 104.91
8 6
PALM 2021 1.17549 993,560.0 106.55 14312.30
262
2
692,063.3
PGAS 2015 0.95122 120.42 13391.97
9
574,856.1
PGAS 2016 0.47452 124.67 13306.85
0
710,728.1 13383.4
PGAS 2017 0.76331 129.42
1 5
991,872.3 14,246.4
PGAS 2018 0.62085 133.56
4 3
882,801.9 14,146.3
PGAS 2019 0.42047 137.60
5 3
604,056.5 14,572.2
PGAS 2020 1.13725 104.91
8 6
993,560.0
PGAS 2021 0.52308 106.55 14312.30
2
692,063.3
PGLI 2015 0.63529 120.42 13391.97
9
574,856.1
PGLI 2016 0.36066 124.67 13306.85
0
710,728.1 13383.4
PGLI 2017 1.15254 129.42
1 5
991,872.3 14,246.4
PGLI 2018 0.90196 133.56
4 3
882,801.9 14,146.3
PGLI 2019 1.29897 137.60
5 3
604,056.5 14,572.2
PGLI 2020 0.78543 104.91
8 6
993,560.0
PGLI 2021 0.96530 106.55 14312.30
2
692,063.3
PJAA 2015 0.56125 120.42 13391.97
9
574,856.1
PJAA 2016 0.41795 124.67 13306.85
0
710,728.1 13383.4
PJAA 2017 0.46334 129.42
1 5
991,872.3 14,246.4
PJAA 2018 0.54412 133.56
4 3
882,801.9 14,146.3
PJAA 2019 0.52964 137.60
5 3
604,056.5 14,572.2
PJAA 2020 0.87780 104.91
8 6
993,560.0
PJAA 2021 0.27395 106.55 14312.30
2
692,063.3
PKPK 2015 0.60140 120.42 13391.97
9
263
574,856.1
PKPK 2016 0.26087 124.67 13306.85
0
710,728.1 13383.4
PKPK 2017 0.70130 129.42
1 5
991,872.3 14,246.4
PKPK 2018 1.33509 133.56
4 3
882,801.9 14,146.3
PKPK 2019 0.87831 137.60
5 3
604,056.5 14,572.2
PKPK 2020 0.59155 104.91
8 6
993,560.0
PKPK 2021 1.35065 106.55 14312.30
2
692,063.3
PLIN 2015 0.66667 120.42 13391.97
9
574,856.1
PLIN 2016 0.51948 124.67 13306.85
0
710,728.1 13383.4
PLIN 2017 0.37485 129.42
1 5
991,872.3 14,246.4
PLIN 2018 0.32558 133.56
4 3
882,801.9 14,146.3
PLIN 2019 0.66830 137.60
5 3
604,056.5 14,572.2
PLIN 2020 0.52252 104.91
8 6
993,560.0
PLIN 2021 2.00000 106.55 14312.30
2
692,063.3
PNBS 2015 0.49687 120.42 13391.97
9
574,856.1
PNBS 2016 0.78442 124.67 13306.85
0
710,728.1 13383.4
PNBS 2017 0.85981 129.42
1 5
991,872.3 14,246.4
PNBS 2018 0.79803 133.56
4 3
882,801.9 14,146.3
PNBS 2019 0.27586 137.60
5 3
604,056.5 14,572.2
PNBS 2020 0.48485 104.91
8 6
993,560.0
PNBS 2021 0.64912 106.55 14312.30
2
692,063.3
PPRO 2015 0.65252 120.42 13391.97
9
574,856.1
PPRO 2016 1.45137 124.67 13306.85
0
PPRO 2017 0.43983 710,728.1 129.42 13383.4
264
1 5
991,872.3 14,246.4
PPRO 2018 0.46595 133.56
4 3
882,801.9 14,146.3
PPRO 2019 0.08824 137.60
5 3
604,056.5 14,572.2
PPRO 2020 0.87640 104.91
8 6
993,560.0
PPRO 2021 0.66667 106.55 14312.30
2
692,063.3
PSAB 2015 1.43210 120.42 13391.97
9
574,856.1
PSAB 2016 1.03926 124.67 13306.85
0
710,728.1 13383.4
PSAB 2017 0.69510 129.42
1 5
991,872.3 14,246.4
PSAB 2018 0.71895 133.56
4 3
882,801.9 14,146.3
PSAB 2019 0.68156 137.60
5 3
604,056.5 14,572.2
PSAB 2020 0.68156 104.91
8 6
993,560.0
PSAB 2021 0.75061 106.55 14312.30
2
692,063.3
PSKT 2015 0.53687 120.42 13391.97
9
574,856.1
PSKT 2016 0.47975 124.67 13306.85
0
710,728.1 13383.4
PSKT 2017 1.80000 129.42
1 5
991,872.3 14,246.4
PSKT 2018 0.18182 133.56
4 3
882,801.9 14,146.3
PSKT 2019 0.00000 137.60
5 3
604,056.5 14,572.2
PSKT 2020 0.00000 104.91
8 6
993,560.0
PSKT 2021 0.00000 106.55 14312.30
2
692,063.3
PTBA 2015 1.02536 120.42 13391.97
9
574,856.1
PTBA 2016 1.07392 124.67 13306.85
0
710,728.1 13383.4
PTBA 2017 0.40087 129.42
1 5
991,872.3 14,246.4
PTBA 2018 0.66849 133.56
4 3
265
882,801.9 14,146.3
PTBA 2019 0.70091 137.60
5 3
604,056.5 14,572.2
PTBA 2020 0.72395 104.91
8 6
993,560.0
PTBA 2021 0.41270 106.55 14312.30
2
692,063.3
PTPP 2015 0.29711 120.42 13391.97
9
574,856.1
PTPP 2016 0.38037 124.67 13306.85
0
710,728.1 13383.4
PTPP 2017 0.45890 129.42
1 5
991,872.3 14,246.4
PTPP 2018 0.81250 133.56
4 3
882,801.9 14,146.3
PTPP 2019 0.62211 137.60
5 3
604,056.5 14,572.2
PTPP 2020 1.17312 104.91
8 6
993,560.0
PTPP 2021 1.54749 106.55 14312.30
2
692,063.3
PTRO 2015 1.10855 120.42 13391.97
9
574,856.1
PTRO 2016 1.10569 124.67 13306.85
0
710,728.1 13383.4
PTRO 2017 0.97398 129.42
1 5
991,872.3 14,246.4
PTRO 2018 0.60229 133.56
4 3
882,801.9 14,146.3
PTRO 2019 0.46154 137.60
5 3
604,056.5 14,572.2
PTRO 2020 0.87582 104.91
8 6
993,560.0
PTRO 2021 0.54783 106.55 14312.30
2
692,063.3
PTSN 2015 0.59740 120.42 13391.97
9
574,856.1
PTSN 2016 0.63158 124.67 13306.85
0
710,728.1 13383.4
PTSN 2017 1.26829 129.42
1 5
991,872.3 14,246.4
PTSN 2018 1.68866 133.56
4 3
882,801.9 14,146.3
PTSN 2019 1.14858 137.60
5 3
PTSN 2020 0.76190 604,056.5 104.91 14,572.2
266
8 6
993,560.0
PTSN 2021 0.63653 106.55 14312.30
2
692,063.3
PTSP 2015 0.39437 120.42 13391.97
9
574,856.1
PTSP 2016 0.20859 124.67 13306.85
0
710,728.1 13383.4
PTSP 2017 0.03853 129.42
1 5
991,872.3 14,246.4
PTSP 2018 0.08028 133.56
4 3
882,801.9 14,146.3
PTSP 2019 0.46414 137.60
5 3
604,056.5 14,572.2
PTSP 2020 0.47953 104.91
8 6
993,560.0
PTSP 2021 1.08898 106.55 14312.30
2
692,063.3
PWON 2015 0.57403 120.42 13391.97
9
574,856.1
PWON 2016 0.58664 124.67 13306.85
0
710,728.1 13383.4
PWON 2017 0.29249 129.42
1 5
991,872.3 14,246.4
PWON 2018 0.50648 133.56
4 3
882,801.9 14,146.3
PWON 2019 0.38828 137.60
5 3
604,056.5 14,572.2
PWON 2020 0.78539 104.91
8 6
993,560.0
PWON 2021 0.42365 106.55 14312.30
2
692,063.3
RAJA 2015 0.92039 120.42 13391.97
9
574,856.1
RAJA 2016 1.48555 124.67 13306.85
0
710,728.1 13383.4
RAJA 2017 0.73205 129.42
1 5
991,872.3 14,246.4
RAJA 2018 1.01818 133.56
4 3
882,801.9 14,146.3
RAJA 2019 0.90169 137.60
5 3
604,056.5 14,572.2
RAJA 2020 1.19534 104.91
8 6
993,560.0
RAJA 2021 0.51943 106.55 14312.30
2
267
692,063.3
RALS 2015 0.51636 120.42 13391.97
9
574,856.1
RALS 2016 0.84675 124.67 13306.85
0
710,728.1 13383.4
RALS 2017 0.48526 129.42
1 5
991,872.3 14,246.4
RALS 2018 0.40619 133.56
4 3
882,801.9 14,146.3
RALS 2019 0.67857 137.60
5 3
604,056.5 14,572.2
RALS 2020 1.05164 104.91
8 6
993,560.0
RALS 2021 0.47869 106.55 14312.30
2
692,063.3
RANC 2015 0.53315 120.42 13391.97
9
574,856.1
RANC 2016 0.84492 124.67 13306.85
0
710,728.1 13383.4
RANC 2017 0.74600 129.42
1 5
991,872.3 14,246.4
RANC 2018 0.42724 133.56
4 3
882,801.9 14,146.3
RANC 2019 0.37398 137.60
5 3
604,056.5 14,572.2
RANC 2020 0.49162 104.91
8 6
993,560.0
RANC 2021 1.47714 106.55 14312.30
2
692,063.3
RBMS 2015 0.75776 120.42 13391.97
9
574,856.1
RBMS 2016 0.74847 124.67 13306.85
0
710,728.1 13383.4
RBMS 2017 1.19283 129.42
1 5
991,872.3 14,246.4
RBMS 2018 1.38937 133.56
4 3
882,801.9 14,146.3
RBMS 2019 0.76243 137.60
5 3
604,056.5 14,572.2
RBMS 2020 0.63946 104.91
8 6
993,560.0
RBMS 2021 0.72611 106.55 14312.30
2
692,063.3
RDTX 2015 0.15453 120.42 13391.97
9
RDTX 2016 0.75862 574,856.1 124.67 13306.85
268
0
710,728.1 13383.4
RDTX 2017 0.74437 129.42
1 5
991,872.3 14,246.4
RDTX 2018 0.35097 133.56
4 3
882,801.9 14,146.3
RDTX 2019 0.57143 137.60
5 3
604,056.5 14,572.2
RDTX 2020 0.51867 104.91
8 6
993,560.0
RDTX 2021 0.50951 106.55 14312.30
2
692,063.3
RIGS 2015 0.68293 120.42 13391.97
9
574,856.1
RIGS 2016 0.46541 124.67 13306.85
0
710,728.1 13383.4
RIGS 2017 0.62415 129.42
1 5
991,872.3 14,246.4
RIGS 2018 0.67834 133.56
4 3
882,801.9 14,146.3
RIGS 2019 1.23353 137.60
5 3
604,056.5 14,572.2
RIGS 2020 0.78400 104.91
8 6
993,560.0
RIGS 2021 0.43615 106.55 14312.30
2
692,063.3
RODA 2015 0.27384 120.42 13391.97
9
574,856.1
RODA 2016 0.46632 124.67 13306.85
0
710,728.1 13383.4
RODA 2017 1.29670 129.42
1 5
991,872.3 14,246.4
RODA 2018 1.38600 133.56
4 3
882,801.9 14,146.3
RODA 2019 1.79167 137.60
5 3
604,056.5 14,572.2
RODA 2020 0.09524 104.91
8 6
993,560.0
RODA 2021 0.85057 106.55 14312.30
2
692,063.3
ROTI 2015 0.32787 120.42 13391.97
9
574,856.1
ROTI 2016 0.40816 124.67 13306.85
0
710,728.1 13383.4
ROTI 2017 0.41796 129.42
1 5
269
991,872.3 14,246.4
ROTI 2018 0.36937 133.56
4 3
882,801.9 14,146.3
ROTI 2019 0.17969 137.60
5 3
604,056.5 14,572.2
ROTI 2020 0.26721 104.91
8 6
993,560.0
ROTI 2021 0.10526 106.55 14312.30
2
692,063.3
SAME 2015 0.30496 120.42 13391.97
9
574,856.1
SAME 2016 0.20163 124.67 13306.85
0
710,728.1 13383.4
SAME 2017 0.56506 129.42
1 5
991,872.3 14,246.4
SAME 2018 0.23853 133.56
4 3
882,801.9 14,146.3
SAME 2019 0.87117 137.60
5 3
604,056.5 14,572.2
SAME 2020 1.37500 104.91
8 6
993,560.0
SAME 2021 1.02132 106.55 14312.30
2
692,063.3
SCCO 2015 0.28938 120.42 13391.97
9
574,856.1
SCCO 2016 0.73111 124.67 13306.85
0
710,728.1 13383.4
SCCO 2017 0.51429 129.42
1 5
991,872.3 14,246.4
SCCO 2018 0.21344 133.56
4 3
882,801.9 14,146.3
SCCO 2019 0.13037 137.60
5 3
604,056.5 14,572.2
SCCO 2020 0.26969 104.91
8 6
993,560.0
SCCO 2021 0.21480 106.55 14312.30
2
692,063.3
SCMA 2015 0.41735 120.42 13391.97
9
574,856.1
SCMA 2016 0.50000 124.67 13306.85
0
710,728.1 13383.4
SCMA 2017 0.48680 129.42
1 5
991,872.3 14,246.4
SCMA 2018 0.66667 133.56
4 3
SCMA 2019 0.61093 882,801.9 137.60 14,146.3
270
5 3
604,056.5 14,572.2
SCMA 2020 1.21311 104.91
8 6
993,560.0
SCMA 2021 0.59212 106.55 14312.30
2
692,063.3
SDPC 2015 0.34211 120.42 13391.97
9
574,856.1
SDPC 2016 0.50292 124.67 13306.85
0
710,728.1 13383.4
SDPC 2017 0.63333 129.42
1 5
991,872.3 14,246.4
SDPC 2018 0.33333 133.56
4 3
882,801.9 14,146.3
SDPC 2019 0.51852 137.60
5 3
604,056.5 14,572.2
SDPC 2020 1.01587 104.91
8 6
993,560.0
SDPC 2021 0.73482 106.55 14312.30
2
692,063.3
SGRO 2015 0.66667 120.42 13391.97
9
574,856.1
SGRO 2016 0.26494 124.67 13306.85
0
710,728.1 13383.4
SGRO 2017 0.32143 129.42
1 5
991,872.3 14,246.4
SGRO 2018 0.18182 133.56
4 3
882,801.9 14,146.3
SGRO 2019 0.24945 137.60
5 3
604,056.5 14,572.2
SGRO 2020 0.68435 104.91
8 6
993,560.0
SGRO 2021 0.57106 106.55 14312.30
2
692,063.3
SHID 2015 0.68143 120.42 13391.97
9
574,856.1
SHID 2016 0.55319 124.67 13306.85
0
710,728.1 13383.4
SHID 2017 0.56198 129.42
1 5
991,872.3 14,246.4
SHID 2018 1.15596 133.56
4 3
882,801.9 14,146.3
SHID 2019 0.85714 137.60
5 3
604,056.5 14,572.2
SHID 2020 0.68215 104.91
8 6
271
993,560.0
SHID 2021 1.17714 106.55 14312.30
2
692,063.3
SIDO 2015 0.39234 120.42 13391.97
9
574,856.1
SIDO 2016 0.10427 124.67 13306.85
0
710,728.1 13383.4
SIDO 2017 0.29187 129.42
1 5
991,872.3 14,246.4
SIDO 2018 0.58278 133.56
4 3
882,801.9 14,146.3
SIDO 2019 0.57482 137.60
5 3
604,056.5 14,572.2
SIDO 2020 0.61995 104.91
8 6
993,560.0
SIDO 2021 0.70231 106.55 14312.30
2
692,063.3
SILO 2015 0.66148 120.42 13391.97
9
574,856.1
SILO 2016 0.47694 124.67 13306.85
0
710,728.1 13383.4
SILO 2017 0.49244 129.42
1 5
991,872.3 14,246.4
SILO 2018 1.22635 133.56
4 3
882,801.9 14,146.3
SILO 2019 0.90182 137.60
5 3
604,056.5 14,572.2
SILO 2020 0.49104 104.91
8 6
993,560.0
SILO 2021 0.85714 106.55 14312.30
2
692,063.3
SIMP 2015 0.81279 120.42 13391.97
9
574,856.1
SIMP 2016 0.64601 124.67 13306.85
0
710,728.1 13383.4
SIMP 2017 0.40418 129.42
1 5
991,872.3 14,246.4
SIMP 2018 0.38095 133.56
4 3
882,801.9 14,146.3
SIMP 2019 0.54717 137.60
5 3
604,056.5 14,572.2
SIMP 2020 0.90438 104.91
8 6
993,560.0
SIMP 2021 0.46632 106.55 14312.30
2
SIPD 2015 1.79899 692,063.3 120.42 13391.97
272
9
574,856.1
SIPD 2016 0.53416 124.67 13306.85
0
710,728.1 13383.4
SIPD 2017 0.46835 129.42
1 5
991,872.3 14,246.4
SIPD 2018 0.45063 133.56
4 3
882,801.9 14,146.3
SIPD 2019 0.63158 137.60
5 3
604,056.5 14,572.2
SIPD 2020 0.60820 104.91
8 6
993,560.0
SIPD 2021 0.53968 106.55 14312.30
2
692,063.3
SKBM 2015 0.22222 120.42 13391.97
9
574,856.1
SKBM 2016 0.69231 124.67 13306.85
0
710,728.1 13383.4
SKBM 2017 0.58684 129.42
1 5
991,872.3 14,246.4
SKBM 2018 0.76753 133.56
4 3
882,801.9 14,146.3
SKBM 2019 0.82927 137.60
5 3
604,056.5 14,572.2
SKBM 2020 0.76471 104.91
8 6
993,560.0
SKBM 2021 0.90801 106.55 14312.30
2
692,063.3
SKLT 2015 0.26087 120.42 13391.97
9
574,856.1
SKLT 2016 0.24242 124.67 13306.85
0
710,728.1 13383.4
SKLT 2017 1.12500 129.42
1 5
991,872.3 14,246.4
SKLT 2018 0.50000 133.56
4 3
882,801.9 14,146.3
SKLT 2019 0.07074 137.60
5 3
604,056.5 14,572.2
SKLT 2020 0.60099 104.91
8 6
993,560.0
SKLT 2021 0.60099 106.55 14312.30
2
692,063.3
SMBR 2015 0.49689 120.42 13391.97
9
574,856.1
SMBR 2016 1.65308 124.67 13306.85
0
273
710,728.1 13383.4
SMBR 2017 0.73627 129.42
1 5
991,872.3 14,246.4
SMBR 2018 0.85714 133.56
4 3
882,801.9 14,146.3
SMBR 2019 1.29466 137.60
5 3
604,056.5 14,572.2
SMBR 2020 1.60053 104.91
8 6
993,560.0
SMBR 2021 0.80874 106.55 14312.30
2
692,063.3
SMCB 2015 0.24857 120.42 13391.97
9
574,856.1
SMCB 2016 0.46222 124.67 13306.85
0
710,728.1 13383.4
SMCB 2017 0.19544 129.42
1 5
991,872.3 14,246.4
SMCB 2018 1.23077 133.56
4 3
882,801.9 14,146.3
SMCB 2019 0.61635 137.60
5 3
604,056.5 14,572.2
SMCB 2020 0.98368 104.91
8 6
993,560.0
SMCB 2021 0.43586 106.55 14312.30
2
692,063.3
SMDM 2015 0.65041 120.42 13391.97
9
574,856.1
SMDM 2016 0.44560 124.67 13306.85
0
710,728.1 13383.4
SMDM 2017 0.70042 129.42
1 5
991,872.3 14,246.4
SMDM 2018 0.71724 133.56
4 3
882,801.9 14,146.3
SMDM 2019 0.73616 137.60
5 3
604,056.5 14,572.2
SMDM 2020 0.33333 104.91
8 6
993,560.0
SMDM 2021 0.65763 106.55 14312.30
2
692,063.3
SMDR 2015 1.13456 120.42 13391.97
9
574,856.1
SMDR 2016 0.56502 124.67 13306.85
0
710,728.1 13383.4
SMDR 2017 0.74214 129.42
1 5
SMDR 2018 0.68519 991,872.3 133.56 14,246.4
274
4 3
882,801.9 14,146.3
SMDR 2019 0.60927 137.60
5 3
604,056.5 14,572.2
SMDR 2020 0.98881 104.91
8 6
993,560.0
SMDR 2021 1.35933 106.55 14312.30
2
692,063.3
SMGR 2015 0.77054 120.42 13391.97
9
574,856.1
SMGR 2016 0.36132 124.67 13306.85
0
710,728.1 13383.4
SMGR 2017 0.25667 129.42
1 5
991,872.3 14,246.4
SMGR 2018 0.56533 133.56
4 3
882,801.9 14,146.3
SMGR 2019 0.30878 137.60
5 3
604,056.5 14,572.2
SMGR 2020 0.75826 104.91
8 6
993,560.0
SMGR 2021 0.54271 106.55 14312.30
2
692,063.3
SMMT 2015 1.73080 120.42 13391.97
9
574,856.1
SMMT 2016 1.45013 124.67 13306.85
0
710,728.1 13383.4
SMMT 2017 0.65896 129.42
1 5
991,872.3 14,246.4
SMMT 2018 0.57995 133.56
4 3
882,801.9 14,146.3
SMMT 2019 0.75449 137.60
5 3
604,056.5 14,572.2
SMMT 2020 0.83186 104.91
8 6
993,560.0
SMMT 2021 0.93878 106.55 14312.30
2
692,063.3
SMRA 2015 0.71186 120.42 13391.97
9
574,856.1
SMRA 2016 0.41718 124.67 13306.85
0
710,728.1 13383.4
SMRA 2017 0.55580 129.42
1 5
991,872.3 14,246.4
SMRA 2018 0.76404 133.56
4 3
882,801.9 14,146.3
SMRA 2019 0.53613 137.60
5 3
275
604,056.5 14,572.2
SMRA 2020 0.99642 104.91
8 6
993,560.0
SMRA 2021 0.65763 106.55 14312.30
2
692,063.3
SMSM 2015 0.22680 120.42 13391.97
9
574,856.1
SMSM 2016 0.18457 124.67 13306.85
0
710,728.1 13383.4
SMSM 2017 0.47706 129.42
1 5
991,872.3 14,246.4
SMSM 2018 0.32558 133.56
4 3
882,801.9 14,146.3
SMSM 2019 0.37398 137.60
5 3
604,056.5 14,572.2
SMSM 2020 0.43168 104.91
8 6
993,560.0
SMSM 2021 0.33868 106.55 14312.30
2
692,063.3
SOCI 2015 0.54682 120.42 13391.97
9
574,856.1
SOCI 2016 0.46260 124.67 13306.85
0
710,728.1 13383.4
SOCI 2017 0.58896 129.42
1 5
991,872.3 14,246.4
SOCI 2018 0.85036 133.56
4 3
882,801.9 14,146.3
SOCI 2019 0.68031 137.60
5 3
604,056.5 14,572.2
SOCI 2020 1.35417 104.91
8 6
993,560.0
SOCI 2021 0.57684 106.55 14312.30
2
692,063.3
SPMA 2015 0.75000 120.42 13391.97
9
574,856.1
SPMA 2016 1.00293 124.67 13306.85
0
710,728.1 13383.4
SPMA 2017 0.39817 129.42
1 5
991,872.3 14,246.4
SPMA 2018 0.55319 133.56
4 3
882,801.9 14,146.3
SPMA 2019 0.42105 137.60
5 3
604,056.5 14,572.2
SPMA 2020 0.50000 104.91
8 6
SPMA 2021 0.97872 993,560.0 106.55 14312.30
276
2
692,063.3
SSIA 2015 0.85263 120.42 13391.97
9
574,856.1
SSIA 2016 0.36293 124.67 13306.85
0
710,728.1 13383.4
SSIA 2017 0.58900 129.42
1 5
991,872.3 14,246.4
SSIA 2018 0.37736 133.56
4 3
882,801.9 14,146.3
SSIA 2019 0.58895 137.60
5 3
604,056.5 14,572.2
SSIA 2020 0.89181 104.91
8 6
993,560.0
SSIA 2021 0.35877 106.55 14312.30
2
692,063.3
SSTM 2015 0.85057 120.42 13391.97
9
574,856.1
SSTM 2016 1.51220 124.67 13306.85
0
710,728.1 13383.4
SSTM 2017 0.56959 129.42
1 5
991,872.3 14,246.4
SSTM 2018 0.73109 133.56
4 3
882,801.9 14,146.3
SSTM 2019 0.83146 137.60
5 3
604,056.5 14,572.2
SSTM 2020 0.70169 104.91
8 6
993,560.0
SSTM 2021 0.88316 106.55 14312.30
2
692,063.3
STTP 2015 0.06061 120.42 13391.97
9
574,856.1
STTP 2016 0.36627 124.67 13306.85
0
710,728.1 13383.4
STTP 2017 0.32326 129.42
1 5
991,872.3 14,246.4
STTP 2018 0.20359 133.56
4 3
882,801.9 14,146.3
STTP 2019 0.37057 137.60
5 3
604,056.5 14,572.2
STTP 2020 1.18471 104.91
8 6
993,560.0
STTP 2021 0.43946 106.55 14312.30
2
692,063.3
TBMS 2015 0.59031 120.42 13391.97
9
277
574,856.1
TBMS 2016 1.76682 124.67 13306.85
0
710,728.1 13383.4
TBMS 2017 0.74654 129.42
1 5
991,872.3 14,246.4
TBMS 2018 0.60465 133.56
4 3
882,801.9 14,146.3
TBMS 2019 0.42105 137.60
5 3
604,056.5 14,572.2
TBMS 2020 0.55263 104.91
8 6
993,560.0
TBMS 2021 0.75862 106.55 14312.30
2
692,063.3
TCID 2015 0.22222 120.42 13391.97
9
574,856.1
TCID 2016 0.37209 124.67 13306.85
0
710,728.1 13383.4
TCID 2017 0.40741 129.42
1 5
991,872.3 14,246.4
TCID 2018 0.23009 133.56
4 3
882,801.9 14,146.3
TCID 2019 0.43972 137.60
5 3
604,056.5 14,572.2
TCID 2020 0.57310 104.91
8 6
993,560.0
TCID 2021 0.29482 106.55 14312.30
2
692,063.3
TFCO 2015 0.62069 120.42 13391.97
9
574,856.1
TFCO 2016 0.58824 124.67 13306.85
0
710,728.1 13383.4
TFCO 2017 0.27027 129.42
1 5
991,872.3 14,246.4
TFCO 2018 0.81712 133.56
4 3
882,801.9 14,146.3
TFCO 2019 0.91769 137.60
5 3
604,056.5 14,572.2
TFCO 2020 1.12042 104.91
8 6
993,560.0
TFCO 2021 0.84477 106.55 14312.30
2
692,063.3
TGKA 2015 0.65525 120.42 13391.97
9
574,856.1
TGKA 2016 0.80084 124.67 13306.85
0
TGKA 2017 0.81967 710,728.1 129.42 13383.4
278
1 5
991,872.3 14,246.4
TGKA 2018 0.50000 133.56
4 3
882,801.9 14,146.3
TGKA 2019 0.57895 137.60
5 3
604,056.5 14,572.2
TGKA 2020 1.16279 104.91
8 6
993,560.0
TGKA 2021 0.36066 106.55 14312.30
2
692,063.3
TINS 2015 0.91642 120.42 13391.97
9
574,856.1
TINS 2016 0.98573 124.67 13306.85
0
710,728.1 13383.4
TINS 2017 0.32665 129.42
1 5
991,872.3 14,246.4
TINS 2018 0.68835 133.56
4 3
882,801.9 14,146.3
TINS 2019 0.80597 137.60
5 3
604,056.5 14,572.2
TINS 2020 1.33502 104.91
8 6
993,560.0
TINS 2021 0.15947 106.55 14312.30
2
692,063.3
TKIM 2015 0.58736 120.42 13391.97
9
574,856.1
TKIM 2016 0.28387 124.67 13306.85
0
710,728.1 13383.4
TKIM 2017 1.36933 129.42
1 5
991,872.3 14,246.4
TKIM 2018 1.45344 133.56
4 3
882,801.9 14,146.3
TKIM 2019 0.85787 137.60
5 3
604,056.5 14,572.2
TKIM 2020 1.01639 104.91
8 6
993,560.0
TKIM 2021 0.84243 106.55 14312.30
2
692,063.3
TLKM 2015 0.24226 120.42 13391.97
9
574,856.1
TLKM 2016 0.40053 124.67 13306.85
0
710,728.1 13383.4
TLKM 2017 0.24594 129.42
1 5
991,872.3 14,246.4
TLKM 2018 0.31388 133.56
4 3
279
882,801.9 14,146.3
TLKM 2019 0.25564 137.60
5 3
604,056.5 14,572.2
TLKM 2020 0.48765 104.91
8 6
993,560.0
TLKM 2021 0.34483 106.55 14312.30
2
692,063.3
TMPO 2015 0.75648 120.42 13391.97
9
574,856.1
TMPO 2016 1.14754 124.67 13306.85
0
710,728.1 13383.4
TMPO 2017 1.14754 129.42
1 5
991,872.3 14,246.4
TMPO 2018 0.77720 133.56
4 3
882,801.9 14,146.3
TMPO 2019 0.61318 137.60
5 3
604,056.5 14,572.2
TMPO 2020 0.59310 104.91
8 6
993,560.0
TMPO 2021 0.45283 106.55 14312.30
2
692,063.3
TOTL 2015 0.71910 120.42 13391.97
9
574,856.1
TOTL 2016 0.49315 124.67 13306.85
0
710,728.1 13383.4
TOTL 2017 0.17450 129.42
1 5
991,872.3 14,246.4
TOTL 2018 0.28935 133.56
4 3
882,801.9 14,146.3
TOTL 2019 0.36852 137.60
5 3
604,056.5 14,572.2
TOTL 2020 0.29926 104.91
8 6
993,560.0
TOTL 2021 0.19643 106.55 14312.30
2
692,063.3
TOTO 2015 0.69124 120.42 13391.97
9
574,856.1
TOTO 2016 1.74248 124.67 13306.85
0
710,728.1 13383.4
TOTO 2017 0.24831 129.42
1 5
991,872.3 14,246.4
TOTO 2018 0.44248 133.56
4 3
882,801.9 14,146.3
TOTO 2019 0.46575 137.60
5 3
TOTO 2020 0.47934 604,056.5 104.91 14,572.2
280
8 6
993,560.0
TOTO 2021 0.24000 106.55 14312.30
2
692,063.3
TPIA 2015 0.33094 120.42 13391.97
9
574,856.1
TPIA 2016 1.43975 124.67 13306.85
0
710,728.1 13383.4
TPIA 2017 0.38949 129.42
1 5
991,872.3 14,246.4
TPIA 2018 0.43280 133.56
4 3
882,801.9 14,146.3
TPIA 2019 0.77487 137.60
5 3
604,056.5 14,572.2
TPIA 2020 0.70323 104.91
8 6
993,560.0
TPIA 2021 0.50138 106.55 14312.30
2
692,063.3
TPMA 2015 0.92958 120.42 13391.97
9
574,856.1
TPMA 2016 1.04348 124.67 13306.85
0
710,728.1 13383.4
TPMA 2017 0.69456 129.42
1 5
991,872.3 14,246.4
TPMA 2018 0.77095 133.56
4 3
882,801.9 14,146.3
TPMA 2019 0.42857 137.60
5 3
604,056.5 14,572.2
TPMA 2020 0.72727 104.91
8 6
993,560.0
TPMA 2021 1.12500 106.55 14312.30
2
692,063.3
TRIS 2015 0.20941 120.42 13391.97
9
574,856.1
TRIS 2016 0.27758 124.67 13306.85
0
710,728.1 13383.4
TRIS 2017 0.31507 129.42
1 5
991,872.3 14,246.4
TRIS 2018 0.41509 133.56
4 3
882,801.9 14,146.3
TRIS 2019 0.64122 137.60
5 3
604,056.5 14,572.2
TRIS 2020 0.59785 104.91
8 6
993,560.0
TRIS 2021 1.00990 106.55 14312.30
2
281
692,063.3
TRST 2015 0.65517 120.42 13391.97
9
574,856.1
TRST 2016 0.32082 124.67 13306.85
0
710,728.1 13383.4
TRST 2017 0.35294 129.42
1 5
991,872.3 14,246.4
TRST 2018 0.17722 133.56
4 3
882,801.9 14,146.3
TRST 2019 0.21782 137.60
5 3
604,056.5 14,572.2
TRST 2020 0.26913 104.91
8 6
993,560.0
TRST 2021 0.64463 106.55 14312.30
2
692,063.3
TSPC 2015 0.60870 120.42 13391.97
9
574,856.1
TSPC 2016 0.34194 124.67 13306.85
0
710,728.1 13383.4
TSPC 2017 0.23404 129.42
1 5
991,872.3 14,246.4
TSPC 2018 0.34206 133.56
4 3
882,801.9 14,146.3
TSPC 2019 0.41578 137.60
5 3
604,056.5 14,572.2
TSPC 2020 0.81506 104.91
8 6
993,560.0
TSPC 2021 0.64463 106.55 14312.30
2
692,063.3
ULTJ 2015 0.20513 120.42 13391.97
9
574,856.1
ULTJ 2016 0.28782 124.67 13306.85
0
710,728.1 13383.4
ULTJ 2017 1.25971 129.42
1 5
991,872.3 14,246.4
ULTJ 2018 0.36162 133.56
4 3
882,801.9 14,146.3
ULTJ 2019 0.41345 137.60
5 3
604,056.5 14,572.2
ULTJ 2020 0.53689 104.91
8 6
993,560.0
ULTJ 2021 0.14286 106.55 14312.30
2
692,063.3
UNIC 2015 0.26087 120.42 13391.97
9
UNIC 2016 0.67030 574,856.1 124.67 13306.85
282
0
710,728.1 13383.4
UNIC 2017 1.17460 129.42
1 5
991,872.3 14,246.4
UNIC 2018 0.26323 133.56
4 3
882,801.9 14,146.3
UNIC 2019 0.44726 137.60
5 3
604,056.5 14,572.2
UNIC 2020 0.70000 104.91
8 6
993,560.0
UNIC 2021 1.05025 106.55 14312.30
2
692,063.3
UNTR 2015 0.53131 120.42 13391.97
9
574,856.1
UNTR 2016 0.62920 124.67 13306.85
0
710,728.1 13383.4
UNTR 2017 0.57674 129.42
1 5
991,872.3 14,246.4
UNTR 2018 0.40000 133.56
4 3
882,801.9 14,146.3
UNTR 2019 0.40163 137.60
5 3
604,056.5 14,572.2
UNTR 2020 0.81408 104.91
8 6
993,560.0
UNTR 2021 0.39697 106.55 14312.30
2
692,063.3
UNVR 2015 0.35595 120.42 13391.97
9
574,856.1
UNVR 2016 0.30084 124.67 13306.85
0
710,728.1 13383.4
UNVR 2017 0.36244 129.42
1 5
991,872.3 14,246.4
UNVR 2018 0.39588 133.56
4 3
882,801.9 14,146.3
UNVR 2019 0.22393 137.60
5 3
604,056.5 14,572.2
UNVR 2020 0.50089 104.91
8 6
993,560.0
UNVR 2021 0.71186 106.55 14312.30
2
692,063.3
VOKS 2015 0.40964 120.42 13391.97
9
574,856.1
VOKS 2016 0.53132 124.67 13306.85
0
710,728.1 13383.4
VOKS 2017 1.58875 129.42
1 5
283
991,872.3 14,246.4
VOKS 2018 0.75229 133.56
4 3
882,801.9 14,146.3
VOKS 2019 0.50467 137.60
5 3
604,056.5 14,572.2
VOKS 2020 0.73038 104.91
8 6
993,560.0
VOKS 2021 0.44444 106.55 14312.30
2
692,063.3
WIKA 2015 0.43194 120.42 13391.97
9
574,856.1
WIKA 2016 0.29947 124.67 13306.85
0
710,728.1 13383.4
WIKA 2017 0.52270 129.42
1 5
991,872.3 14,246.4
WIKA 2018 0.63354 133.56
4 3
882,801.9 14,146.3
WIKA 2019 0.40871 137.60
5 3
604,056.5 14,572.2
WIKA 2020 0.86792 104.91
8 6
993,560.0
WIKA 2021 0.94081 106.55 14312.30
2
692,063.3
WINS 2015 1.47023 120.42 13391.97
9
574,856.1
WINS 2016 0.93699 124.67 13306.85
0
710,728.1 13383.4
WINS 2017 0.60131 129.42
1 5
991,872.3 14,246.4
WINS 2018 0.71293 133.56
4 3
882,801.9 14,146.3
WINS 2019 0.69589 137.60
5 3
604,056.5 14,572.2
WINS 2020 0.80597 104.91
8 6
993,560.0
WINS 2021 0.88000 106.55 14312.30
2
692,063.3
WTON 2015 0.60633 120.42 13391.97
9
574,856.1
WTON 2016 0.26316 124.67 13306.85
0
710,728.1 13383.4
WTON 2017 0.47122 129.42
1 5
991,872.3 14,246.4
WTON 2018 0.73595 133.56
4 3
WTON 2019 0.58555 882,801.9 137.60 14,146.3
284
5 3
604,056.5 14,572.2
WTON 2020 0.85000 104.91
8 6
993,560.0
WTON 2021 0.82638 106.55 14312.30
2
692,063.3
YPAS 2015 0.72000 120.42 13391.97
9
574,856.1
YPAS 2016 0.74627 124.67 13306.85
0
710,728.1 13383.4
YPAS 2017 0.96552 129.42
1 5
991,872.3 14,246.4
YPAS 2018 0.93233 133.56
4 3
882,801.9 14,146.3
YPAS 2019 0.95203 137.60
5 3
604,056.5 14,572.2
YPAS 2020 1.40426 104.91
8 6
993,560.0
YPAS 2021 1.04693 106.55 14312.30
2
LAMPIRAN 7
OUTPUT REGRESI DATA PANEL SEBELUM COVID
Analisis Deskriptif
NILAI_TUKAR_Y VOLATILITAS_X1 HARGA_MINYAK_X2 IHK_X3

Mean 13695.01 0.618900 770464.4 129.1325
Median 13391.97 0.557382 710728.1 129.4158
Maximum 14246.43 2.000000 991872.3 137.6025
Minimum 13306.85 0.000000 574856.1 120.4217
Std. Dev. 411.8329 0.352528 148128.1 6.121264
Skewness 0.410113 1.059460 0.252103 -0.048730
Kurtosis 1.215273 4.301875 1.696404 1.667197
Jarque-Bera 194.5086 311.8119 98.49323 90.03719

Probability 0.000000 0.000000 0.000000 0.000000
Sum 16570959 748.8689 9.32E+08 156250.3

Sum Sq. Dev. 2.05E+08 150.2493 2.65E+13 45301.08
Observations 1210 1210 1210 1210
CEM
Dependent Variable: NILAI_TUKAR_Y
Method: Panel Least Squares
Date: 08/20/22 Time: 11:19
Sample: 2015 2019
Periods included: 5
Cross-sections included: 242
Total panel (balanced) observations: 1210
Variable Coefficient Std. Error t-Statistic Prob.
C 9840.560 79.62275 123.5898 0.0000

VOLATILITAS_X1 6.385659 8.294546 0.769862 0.4415
HARGA_MINYAK_X2 0.002111 3.07E-05 68.79104 0.0000
IHK_X3 17.22441 0.742624 23.19398 0.0000
R-squared 0.939312 Mean dependent var 13695.01

Adjusted R-squared 0.939161 S.D. dependent var 411.8329
S.E. of regression 101.5811 Akaike info criterion 12.08289
Sum squared resid 12444365 Schwarz criterion 12.09975
Log likelihood -7306.149 Hannan-Quinn criter. 12.08924
F-statistic 6222.020 Durbin-Watson stat 3.300791
Prob(F-statistic) 0.000000
FEM
286

Date: 08/20/22 Time: 11:23
Sample: 2015 2019
Periods included: 5
C 9837.737 89.18649 110.3052 0.0000

VOLATILITAS_X1 9.625372 11.38294 0.845596 0.3980
HARGA_MINYAK_X2 0.002111 3.43E-05 61.54450 0.0000
IHK_X3 17.23011 0.830171 20.75490 0.0000
Effects Specification
Cross-section fixed (dummy variables)

S.E. of regression 113.5451 Akaike info criterion 12.48099
Sum squared resid 12441262 Schwarz criterion 13.51330
Log likelihood -7305.998 Hannan-Quinn criter. 12.86970
REM

Method: Panel EGLS (Cross-section random effects)
Date: 08/20/22 Time: 11:22
Sample: 2015 2019
Periods included: 5
Swamy and Arora estimator of component variances
C 9840.560 89.00062 110.5673 0.0000

VOLATILITAS_X1 6.385659 9.271467 0.688743 0.4911
HARGA_MINYAK_X2 0.002111 3.43E-05 61.54262 0.0000
IHK_X3 17.22441 0.830090 20.75006 0.0000
S.D. Rho
Cross-section random 0.000000 0.0000

Idiosyncratic random 113.5451 1.0000
Weighted Statistics
287

S.E. of regression 101.5811 Sum squared resid 12444365
Unweighted Statistics

Sum squared resid 12444365 Durbin-Watson stat 3.300791
Uji Chow
Redundant Fixed Effects Tests

Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 0.000999 (241,965) 1.0000

Cross-section Chi-square 0.301731 241 1.0000
Uji Hausman
Correlated Random Effects - Hausman Test

Equation: Untitled
Test cross-section random effects
Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.240667 3 0.9708
Uji Lagrange
Null (no rand. effect) Cross-section Period Both

Alternative One-sided One-sided
Breusch-Pagan 10.68347 6093.145 6103.828

(0.0011) (0.0000) (0.0000)
Honda -3.268558 78.05860 52.88454
(0.9995) (0.0000) (0.0000)
King-Wu -3.268558 78.05860 77.51042
(0.9995) (0.0000) (0.0000)
SLM -3.266606 8.15E+13 --
(0.9995) (0.0000) --
GHM -- -- 6093.145
288
-- -- (0.0000)
289
OUTPUT REGRESI DATA PANEL SESUDAH COVID
Analisis Deskriptif
NILAI_TUKAR_Y VOLATILITAS_X1 HARGA_MINYAK_X2 IHK_X3

Mean 14442.28 0.702748 798808.3 105.7275
Median 14442.28 0.679030 798808.3 105.7275
Maximum 14572.26 2.000000 993560.0 106.5458
Minimum 14312.30 0.000000 604056.6 104.9092
Std. Dev. 130.1130 0.357232 194953.2 0.819180
Skewness 0.000000 0.451662 0.000000 0.000000
Kurtosis 1.000000 3.146982 1.000000 1.000000
Jarque-Bera 80.66667 16.89155 80.66667 80.66667

Probability 0.000000 0.000215 0.000000 0.000000
Sum 6990064. 340.1302 3.87E+08 51172.11

Sum Sq. Dev. 8176899. 61.63792 1.84E+13 324.1200
Observations 484 484 484 484
CEM

Date: 08/20/22 Time: 11:35
Sample: 2020 2021
Periods included: 2
C 14975.41 5.71E-06 2.62E+09 0.0000

VOLATILITAS_X1 1.42E-08 1.59E-08 0.892415 0.3726
HARGA_MINYAK_X2 -0.000667 2.37E-13 -2.82E+09 0.0000
IHK_X3 -1.22E-06 5.58E-08 -21.90890 0.0000

S.E. of regression 1.24E-07 Akaike info criterion -28.95236
Sum squared resid 7.44E-12 Schwarz criterion -28.91780
Log likelihood 7010.472 Hannan-Quinn criter. -28.93878
F-statistic 1.76E+20 Durbin-Watson stat 1.990733
290
FEM

Date: 08/20/22 Time: 11:35
Sample: 2020 2021
Periods included: 2
C 14975.41 2.87E-06 5.22E+09 0.0000

VOLATILITAS_X1 -1.41E-08 8.77E-09 -1.613845 0.1079
HARGA_MINYAK_X2 -0.000667 1.19E-13 -5.62E+09 0.0000
IHK_X3 4.33E-07 2.80E-08 15.45865 0.0000
Cross-section fixed (dummy variables)

S.E. of regression 4.41E-08 Akaike info criterion -30.72873
Sum squared resid 4.65E-13 Schwarz criterion -28.61177
Log likelihood 7681.353 Hannan-Quinn criter. -29.89689
REM

Method: Panel EGLS (Cross-section random effects)
Date: 08/20/22 Time: 11:36
Sample: 2020 2021
Periods included: 2
Swamy and Arora estimator of component variances
C 14975.41 2.83E-06 5.28E+09 0.0000

VOLATILITAS_X1 -1.10E-09 8.62E-09 -0.127324 0.8987
HARGA_MINYAK_X2 -0.000667 1.17E-13 -5.69E+09 0.0000
IHK_X3 3.96E-08 2.77E-08 1.431829 0.1528
S.D. Rho
Cross-section random 1.98E-07 0.9529

Idiosyncratic random 4.41E-08 0.0471
291
Weighted Statistics

S.E. of regression 2.88E-09 Sum squared resid 3.99E-15
Unweighted Statistics

Sum squared resid 7.84E-15 Durbin-Watson stat 1.978128
Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 14.869934 (241,239) 0.0000

Cross-section Chi-square 1341.762568 241 0.0000
Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.000000 3 1.0000
Uji Lagrange
Null (no rand. effect) Cross-section Period Both

Alternative One-sided One-sided
Breusch-Pagan 10.68347 6093.145 6103.828

(0.0011) (0.0000) (0.0000)
Honda -3.268558 78.05860 52.88454
(0.9995) (0.0000) (0.0000)
King-Wu -3.268558 78.05860 77.51042
(0.9995) (0.0000) (0.0000)
SLM -3.266606 8.15E+13 --
(0.9995) (0.0000) --
GHM -- -- 6093.145
-- -- (0.0000)

Revisi Mila 25 Agustus

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Revisi Mila 25 Agustus

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGARUH VOLATILITAS SAHAM BURSA EFEK INDONESIA,

HARGA MINYAK DUNIA DAN INDEKS HARGA BARANG DAN JASA

PRODI MAGISTER EKONOMI SYARIAH

PRODI MAGISTER EKONOMI SYARIAH

Saya yang bertanda tangan di bawah ini:

Nama : Mila Alim Bahri

Jurusan/Program Studi : Magister Ekonomi Syariah

Menyatakan bahwa Tesis yang berjudul “Pengaruh Volatilitas Saham Bursa

Demikian surat pernyataan ini saya buat agar dapat dimaklumi.

Yogyakarta, 25 Agustus 2022

Mila Alim Bachri

Nama : Mila Alim Bahri

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada

“Pengaruh Volatilitas Saham Bursa Efek Indonesia, Harga Minyak Dunia

Dibuat di: Yogyakarta

(Mila Alim Bahri)

ِ ‫فَِإ َّن َم َع ْال ُعس‬

Pertama terimakasih pada Allah SWT yang telah memberikan kemudahan

Tesis ini dipersembahkan untuk:

Transliterasi kata-kata Arab yang dipakai dalam penyusunan tesis ini

berpedoman pada Surat Keputusan Bersama Menteri Agama dan Menteri

Pendidikan dan Kebudayaan Republik Indonesia Nomor: 158/1987 dan

‫ا‬ Alif Tidak dilambangkan Tidak dilambangkan

‫مـتع ّددةـ‬ Ditulis Muta‘addidah

‫ع ّدة‬ Ditulis ‘iddah

kecuali dikehendaki kata aslinya.

‫حكمة‬ Ditulis Ḥikmah

‫علّـة‬ ditulis ‘illah

‫كرامة األولياء‬ ditulis karᾱmah al-auliyᾱ’

D. Vokal Pendek dan Penerapannya

‫ـــــــــَــــــــــ‬ Fatḥah ditulis A

‫ـــــــــِــــــــــ‬ Kasrah ditulis i

‫ــــــــــُـــــــــ‬ Ḍammah ditulis u

‫ف َعل‬ Fatḥah ditulis fa‘ala

‫ُذكر‬ Kasrah ditulis żukira

‫يَذهب‬ Ḍammah ditulis yażhabu

1. fatḥah + alif ditulis Ᾱ

‫جاهلـيّة‬ ditulis jᾱhiliyyah

2. fatḥah + yā’ mati ditulis ᾱ

‫تَـنسى‬ ditulis tansᾱ

3. Kasrah + yā’ mati ditulis ī

‫كريـم‬ ditulis karīm

4. Ḍammah + wāwu mati ditulis ū

‫فروض‬ ditulis furūḍ

1. fatḥah + yā’ mati Ditulis Ai

‫بـينكم‬ ditulis bainakum

2. fatḥah + wāwu mati ditulis au

‫قول‬ ditulis qaul

G. Vokal Pendek yang Berurutan dalam Satu Kata Dipisahkan dengan

‫أ أ نـتم‬ ditulis a’antum

‫اُع ّدت‬ ditulis u‘iddat

‫لئن شكرتـم‬ ditulis la’in syakartum

1. Bila diikuti huruf Qamariyyah maka ditulis dengan menggunakan huruf

‫القرأن‬ ditulis al-Qur’ᾱn

‫القياس‬ ditulis al-Qiyᾱs

2. Bila diikuti huruf Syamsiyyah ditulis sesuai dengan huruf pertama

‫السّماء‬ Ditulis as-Samᾱ

‫ال ّشمس‬ Ditulis asy-Syams

I. Penulisan Kata-kata dalam Rangkaian Kalimat

Ditulis menurut penulisannya

‫ذوى الفروض‬ Ditulis żɑwi al-furūḍ

‫أهل السّـنّة‬ Ditulis ahl as-sunnah

Yogyakarta, 08 Agustus 2022

(Mila Alim Bahri)