analsis perbandingan metode stochastic oscillator...
TRANSCRIPT
ANALSIS PERBANDINGAN METODE STOCHASTIC
OSCILLATOR DAN MOVING AVERAGE CONVERGENCE
DIVERGENCE DALAM MENENTUKAN SINYAL JUAL DAN
SINYAL MEMBELI
(STUDI KASUS PADA SAHAM YANG TERGABUNG DI
INDEKS DOW JONES INDUSTRIAL AVERAGE (DJIA)
PERIODE 2015-2017)
Skripsi
Diajukan kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Ekonomi
Oleh:
Alfi Ubaidillah
NIM.11150810000060
PROGRAM STUDI MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2019 M/1440 H
ii
iii
iv
v
DAFTAR RIWAYAT HIDUP
I. IDENTITAS PRIBADI
1. Nama : Alfi Ubaidillah
2. Tempat/Tanggal Lahir : Bogor, 29 April 1997
3. Jenis Kelamin : Laki-Laki
4. Agama : Islam
5. Alamat : Jl. Abdul Wahab No.97 rt01/05
Kec.Sawangan Kota Depok
6. Nama Ayah : Agus Susanto
7. Nama Ibu : Siti Rumyati
8. No. Handphone : 085773891694
9. Email : [email protected]
II. PENDIDIKAN FORMAL
1. SDN Duren Seribu 03 : Tahun 2003 - 2009
2. SMP Negeri 14 Depok : Tahun 2009 - 2012
3. SMA Negeri 1 Parung : Tahun 2012 - 2015
4. Universitas Islam Negeri Syarif Hidayatullah : Tahun 2015 – 2019
III. PENGALAMAN ORGANISASI
1. Panitia Yout Economic Summit UIN Syarif Hidayatullah Jakarta 2017
2. Anggota Ikatan Remaja Masjid Al-Mukhlasien (IRMA) 2015-2019
vi
ABSTRACT
This study aims to analyze the comparison of the Stochastic Oscillator method
with Moving Average Convergence Divergence (MACD) in determining sell
signals and buying signals. Buy and sell signals are obtained from the
intersection of the MACD line and Stochastic Oscillaotr line with standard
format. The concept in this study is to compare the results obtained from both
methods in providing buying signals and sell signals. This study uses a sample
of companies incorporated in the Dow Jones Industrial Average index using
weekly data for the period 2015-2017. This sample collection technique uses
Purpose Sampling, based on predetermined criteria, obtained 29 companies that
can be sampled. The data analysis technique used is comparative analysis. The
results showed that the buying signal and the sell signal from the two methods
were significantly different
Keywords: Technical Analysis, Stochastic Oscillaotor and Moving Average
Convergence Divergence, buy signals and stock sell signals.
vii
ABSTRAK
Penelitian ini bertujuan untuk menganalisis perbandingan metode Stochastic
Oscillator dengan Moving Average Convergence Divergence (MACD) dalam
menentukan sinyal menjual maupun sinyal membeli. Sinyal membeli dan menjual
didapatkan dari perpotongan garis MACD maupun Stochastic Oscillator dengan
format standar. Konsep pada penelitian ini adalah untuk membandingkan hasil
yang didapatkan dari kedua metode tersebut dalam memberikan sinyal membeli
maupun sinyal menjual. Penelitian ini menggunakan sampel yaitu perusahaan
yang tergabung dalam indeks Dow Jones Industrial Average dengan
menggunakan data mingguan selama periode 2015-2017. Teknik pengumpulan
sample ini menggunnakan Purpose Sampling, berdasarkan kriteria-kriteria yang
telah ditentukan, diperoleh 29 perusahaan yang dapat dijadikan sampel. Teknik
analisis data yang digunakan yaitu analisis komparatif. Hasil penelitian
menunjukann bahwa sinyal membeli maupun sinyal menjual dari kedua metode
tersebut siginifikan berbeda
Kata kunci: Analisis Teknikal, Indikator Stochastic Oscillaotor dan Moving
Average Convergence Divergence, sinyal beli dan sinyal jual saham.
viii
KATA PENGANTAR
Assalamualaikum Wr. Wb.
Bissmilahirahmanirrahim
Alhamdulillahirabbil’alamin, segala puji bagi Allah Subhanallahu
wata’ala atas berkat rahmat dan karunia-Nya, penulis dapat menyelesaikan skripsi
ini. Shalawat beserta salam semoga senantiasa sampai kepada Nabi Muhammad
Shallallahu ’alaihi wasallam, kepada keluarganya, para sahabatnya, dan juga
kepada ummatnya.
Penulisan skripsi ini ditujukan untuk memenuhi salah satu syarat
memperoleh gelar Strata Satu Sarjana Ekonomi Jurusan Manajemen Universitas
Islam Syarif Hidayatullah Jakarta. Judul penelitian ini adalah “Analisis
Perbandingan Metode Stochastic Oscillator dan Moving Average
Convergence Divergence Dalam Menentukan Sinyal Jual dan Sinyal Membeli
(Studi Kasus Pada Saham yang Tergabung di Indeks Dow jones Industrial
Average (DJIA) Periode 2015-2017).
Penulis menyadari bahwa penulisan skripsi ini tidak dapat terselesaikan
tanpa dukungan dari berbagai pihak. Oleh karena itu, penulis ingin menyampaikan
ucapan terima kasih kepada semua pihak yang telah membantu dalam penyusunan
skripsi ini terutama kepada:
1. Kedua orang tua, Ibu Siti Rumyati dan Bapak Agus Susanto yang selalu
memberikan kasih sayang, dukuran moral maupun materil, nasihat,
motivasi, dan doa yang tidak pernah putus untuk keberhasilan dan
kebahagiaan penulis. Juga kakak penulis Dias Herdiansyah, Firsi Firdaus
ix
dan Yeni Fitriani yang juga memberikan dukuran moral maupun materil
serta memberikan semangat kepada penulis.
2. Ibu Prof. Dr. Hj. Amany Burhanudin Umar Lubis, Lc., MA. selaku Rektor
UIN Syarif Hidayatullah Jakarta.
3. Bapak Dr. Amilin, SE., M.Si., Ak., CA., BKP., QIA. selaku Dekan
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
4. Ibu Murdiayh Hayati, M.M. selaku Ketua Jurusan Manajemen dan Ibu
Amalia, SE.,MSM selaku Sekretaris Jurusan Manajemen Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang telah
mengesahkan secara resmi judul penelitian sebagai bahan skripsi dan telah
membantu memberikan izin kepada penulis sehingga penulisan skripsi
berjalan dengan lancar.
5. Ibu Dr. Pudji Astuty, SE., MM. selaku dosen Pembimbing Skripsi,
terimakasih telah berkenan meluangkan waktu dan tenaga untuk
membimbing peneliti, memberikan motivasi, ilmu, arahan, dan saran yang
membangun kepada penulis baik selama masa perkuliahan maupun saat
masa bimbingan skripsi.
6. Bapak Deni Pandu Nugraha. M.Sc. selaku dosen Pembimbing Akademik
yang telah bersedia memberikan ilmu, arahan serta saran selama masa
perkuliahan ini.
7. Seluruh Bapak/Ibu dosen dan staff karyawan Fakultas Ekonomi dan Bisnis
Universitas Islam Negeri Syarif Hidayatullah Jakarta yang telah
memberikan ilmu dan wawasan yang sangat bermanfaat.
x
8. Temen terdekat penulis yaitu Rama, Dhanu, Fikri, Didik, Rehan, Adam,
Sulthan, Ipul dan Fahmi yang selalu bersedia mendengarkan keluh kesah
penulis, dan memberikan semangat selama penulisan skripsi ini.
9. Teman-teman Motivasiqueh yang selama masa perkuliahan selalu
memberikan semangat dan mengingatkan untuk terus berjuang, dan belajar
yaitu Diana Maulidia, Shahara Putri Gusevi, Siti Mega Murdiana dan
Yunita Anggraini
10. Seluruh teman di jurusan manajemen angkatan 2015 yang telah berjuang
bersama selama 4 tahun di UIN Jakarta.
11. Selururh teman IRMA yang telah memberikan semangat dan doa untuk
kelancaran dalam penulisan skripsi ini
12. Pihak-pihak yang tidak bisa disebutkan satu persatu yang telah banyak
membantu dan memberikan masukan bagi penulis
Akhir kata, penulis menyadari bahwa tiada yang sempurna, tak terkecuali
skripsi ini. Oleh karena itu penulis mengharapkan kepada pembaca agar berkenan
memberikan saran dan koreksi pada skrisi ini agar dapat diperbaiki untuk penulis
berikutnya.
Wassalamu’alaikum Wr. Wb
Jakarta, 1 Juni 2019
Alfi Ubaidillah
xi
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI ................................................................. ii
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF .................................. iii
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH .......................... iv
DAFTAR RIWAYAT HIDUP ........................................................................... v
ABSTRACT ........................................................................................................... vi
ABSTRAK ........................................................................................................... vii
KATA PENGANTAR ........................................................................................ viii
DAFTAR ISI ......................................................................................................... xi
DAFTAR GAMBAR .......................................................................................... xiv
DAFTAR TABEL ............................................................................................... xv
DAFTAR LAMPIRAN ....................................................................................... xvi
BAB I PENDAHULAN ....................................................................................... 1
1.1.Latar Belakang .......................................................................................... 1
1.2.Rumusan Masalah ..................................................................................... 11
1.3.Tujuan Penelitian ...................................................................................... 12
1.4.Manfaat Peneitian...................................................................................... 12
1.5.Batasan Penelitian ..................................................................................... 13
BAB II TINJAUAN PUSTAKA ......................................................................... 14
2.1.Landasan Teori .......................................................................................... 14
2.1.2. Investasi......................................................................................... 14
2.1.3. Tujuan Investasi ............................................................................ 15
2.1.4. Pasar Modal ................................................................................... 17
xii
2.1.5. Indeks Harga Saham ..................................................................... 27
2.1.6. Analisis Harga Saham ................................................................... 31
2.1.7. Kondisi Bearish dan Bullish ......................................................... 35
2.1.8. Stochastic Oscillator ..................................................................... 35
2.1.9. Moving Average Convergence Divergence ................................... 37
2.1.10. Sinyal Membeli dan Sinyal Menjual ............................................. 40
2.1.11. Abnormal Return ........................................................................... 44
2.2. Penelitian Terdahulu .................................................................................. 45
2.3. Kerangka Berfikir ....................................................................................... 54
2.4. Hipotesis ..................................................................................................... 55
BAB III METODE PENELITIAN .................................................................... 56
3.1. Jenis Penelitian........................................................................................ 56
3.2. Lokasi Penelitian ..................................................................................... 57
3.3. Populasi dan Sampel ............................................................................... 58
3.4. Data dan Sumber Data ............................................................................ 60
3.5. Variabel Penelitian .................................................................................. 60
3.6. Metode Pengumpulan Data ..................................................................... 60
3.7. Analisis Data ........................................................................................... 61
3.7.1. Input Data.................................................................................... 61
3.7.2. Menentukan Indikator Analisis Teknikal.................................... 61
3.7.3. Penggunaan Stochastic Oscillatro .............................................. 62
3.7.4. Penggunaan MACD ..................................................................... 63
3.8.Analisis Komparatif ................................................................................. 64
xiii
BAB IV ANALISIS DAN PEMBAHASAN ...................................................... 65
4.1. Jumlah Sinyal Jual dan Beli ..................................................................... 65
4.2. Besarnya Keakurasian dari Masing-masing Metode ............................... 65
4.3. Besarnya Perbedaan True dan False Signal ............................................. 67
4.4. Metode yang Lebih Unggul Dalam Memberikan Sinyal ......................... 74
BAB V PENUTUP ............................................................................................... 76
5.1.Kesimpulan ............................................................................................. 76
5.2.Saran ....................................................................................................... 77
5.3.Implikasi ................................................................................................. 77
DAFTAR PUSTAKA .......................................................................................... 78
xiv
DAFTAR GAMBAR
Gambar. 1.1 Perkembangan Kinerja Indeks Pasar DJIA .............................. 10
Gambar. 2.1 Hubungan Return dengan Risiko ............................................... 26
Gambar 2.2 Death Cross Stochastic Oscillator ............................................... 36
Gambar. 2.3 Golden Cross Stochastic Oscillator ............................................. 37
Gambar. 2.3 Sinyal Jual dan Beli ...................................................................... 40
Gambar. 2.4 Kerangka Berfikir ........................................................................ 54
Gambar. 4.1 Grafik yang Dihasilkan dari True dan False Signal Masing-
masing Metode ............................................................................. 74
xv
DAFTAR TABEL
Tabel 4.1 Perbedaan True dan False Signal Stochastic Oscillator .................. 70
Tabel 4.2 Perbedaan True dan False Signal MACD ........................................ 73
xvi
DAFTAR LAMPIRAN
Lampiran 1: Out[ut Harga Open dan Close Saham Stochastic Oscillator
dan Moving Average Convergence Divergence ....................... 82
Lampiran 2: Output SPSS Uji Statistik Deskripsi, Normalitas dan Uji
Hipotesis ..................................................................................108
1
BAB I
PENDAHULUAN
1.1.Latar Belakang
Dewasa ini berinvestasi di dunia saham sudah mulai dilirik dan
diminati oleh kebanyakan investor di Indonesia mulai dari wirausahawan,
profesional, bahkan meluas sampai ke kalangan pelajar maupun mahasiwa.
Dari yang hanya sekedar mencari keuntungan sampai ada yang benar-benar
menjadi pekerjaan utamanya. Hal tersebut sangatlah wajar, mengingat
berinvestasi di pasar saham ini dapat mendapatkan return atau keuntungan
yang menjanjikan, bahkan dengan rentang waktu yang relatif lebih singkat.
Hal tersebut dapat terjadi jika para investor mau terus mempelajari lebih
dalam dibidang investasi.
Dikutip dari berita Indonesia.go.id (Rabu 15 April 2019) menyatakan
bahwa Badan Koordinasi Penanaman Modal (BKPM) mencatat pertumbuhan
realisasi investasi selama empat tahun terakhir menunjukkan tren yang cukup
positif. Tercatat selama kurun waktu 2015-2018, realisasi investasi mencapai
Rp2.572,30 triliun melampaui target dalam rencana strategis lembaga itu
sebesar Rp2.558,10 triliun. Data tersebut menunjukan bahwa berinvestasi pada
saat ini memang sudah mulai dilirik dan diminati oleh kalangan orang
banyak.
Dalam dunia investasi hal menarik yang perlu diperhatikan adalah
lahirnya aneka ragam cara menganalisis, dari yang hanya menggunakan
metode sederhana sampai menggunakan metode yang kompleks, hal tersebut
2
merupakan cara yang digunakan trader atau investor dalam menganalisis
suatu harga saham yang tentunya memiliki keunggulan dan kekurangannya
masing-masing jadi tidak ada satupun yang dapat dianggap metode paling
benar dan unggul yang dapat diterapkan pada semua situasi. Hal tersebutlah
yang membuat cara trading yang dilakukan oleh investor berbeda-beda dalam
dunia investasi, karena banyak dipengaruhi oleh cara analisis yang
digunakannya.
Para trader merupakan orang yang beraktivitas dalam perdagangan
saham, ketika berinvestasi mereka menggunakan metode atau model yang
mereka yakini cukup akurat dan dapat dipertanggungjawabkan hasilnya,
dengan tujuan dapat mengungguli pasar. Bagi kebanyak investor atau trader
yang terpenting adalah bagaimana memanfaatkan informasi tren perubahan
harga saham dengan tujuan untuk mendapatkan keuntungan dalam waktu
sangat singkat, bukan untuk berinvestasi jangka panjang. Olek karena itu para
investor ini berlomba-lomba dalam mencari metode yang mereka anggap
paling benar dan unggul. Dari metode yang investor pilih, yang terpenting
adalah bagaimana metode tersebut dapat memberikan informasi tren
perubahan harga saham dalam waktu yang sangat singkat, sehingga investor
dapat mendapatkan keuntungan yang lebih optimal.
Investasi merupakan penempatan sejumlah dana pada saat ini dengan
harapan untuk memperoleh keuntungan di masa mendatang. Umumnya
investasi dibedakan mejadi dua, yaitu investasi pada financial assets dan
investasi pada real assets. Investasi pada financial assets dilakukan di Pasar
3
Uang, dan lainnya atau di Pasar Modal, misalnya berupa saham, obligasi,
waran, opsi dan lain-lain. Sedangkan investasi pada real assets diwujudkan
dalam bentuk pembelian asset produktif, pendirian pabrik, pembukaan
pertambangan, pembukaan perkebunan dan lainnya.
Untuk melakukan investasi di Pasar Modal diperlukan pengetahuan
yang cukup, pengalaman, serta naluri bisnis untuk menganalisis efek-efek
mana yang akan dibeli, mana yang akan dijual dan mana yang akan tetap
dimiliki. Mereka yang ingin berkecimpung dalam jual beli saham harus
meninggalkan budaya ikut-ikutan, gambling dan sebagainya yang tidak
rasional. Sebagai investor harus rasional dalam menghadapi pasar jual beli
saham. Selain itu, investor harus mempunyai ketajaman perkiraan masa depan
perusahaan yang sahamnya akan dibeli atau dijual (Halim, 2015: 13).
Berinvestasi di Pasar Modal pada hakikatnya seperti kegiatan yang
terjadi pasar tradisional yang selama ini kita telah kenal, dimana adanya
pedagang maupun pembeli untuk melakuan kegiatan transaksi, hanya saja
tempat maupun instrumen yang diperdagangkan tentunya berbeda. Pasar
Modal memiliki peran besar bagi perekonomian suatu negara, karena pasar
modal menjalankan dua fungsi sekaligus yaitu, fungsi ekonomi dan fungsi
keuangan. Fungsi ekonomi dalam hal ini pasar modal menyediakan fasilitas
atau wahana yang mempertemukan dua kepentingan, yaitu pihak yang
memiliki kelebihan dana (investor) dan pihkan yang memerlukan dana (issuer)
jangka panjang. Sedangkan dalam fungsi keuangan, dalam hal ini Pasar Modal
memberikan kemungkinan dan kesempatan memperoleh return atau capital
4
gain atau interst bagi investor sesuai dengan karakteristik investasi yang
dipilih. Keberadaan Pasar Modal diharapkan dapat meningkatkan aktivitas
peekonomian, karena pasar modal merupakan alternatif pendanaan bagi
perusahaan sehingga perusahaan dapat beroperasi dengan skala besar, pada
gilirannya akan meningkatkan profitabilitas (kemampuan labaan) perusahaan
dan kemakmuran masyarakat luas.
Dalam kegiatan Pasar Modal ada yang disebut dengan Emiten dan
Perusahaan Publik. Emiten merupakan pihak yang melakukan kegiatan
penawaran umum (public offering). Istilah Emiten mengacu pada kegiatan
yang dilakukan perusahaan yang menjual sebagian sahamnya kepada
masyarakat investor melalui penawaran umum di pasar perdana. Saham yang
telah dijual tersebut akan diperdagangkan kembali antara investor melalui
Bursa Efek di Pasar Sekunder. Sedangkan Perusahaan Publik (Public
Company) merupakan perseroan yang sahamnya telah dimiliki sekurangnya
300 pemegang saham dan memiliki modal disetor sekurangnya Rp 3 Milyar.
Selama suatu perusahaan memenuhi kedua kriteria tersebut, selama itu pula
perusahaan wajib memenuhi ketentuan-ketentuan dibidang pasar modal yang
mengatur perusahaan publik, khususnya yang berkaitan dengan prinsip
keterbukaan (Halim, 2015: 2).
Dalam perputaran roda perekonmian, sumber-sumber pembiayaan
merupakan tulang punggung pengembangan usaha (bisnis). Untuk itu,
dibutuhkan solusi sumber dana yang memiliki risiko rendah serta tawaran
pilihan-pilihan insturmen yang memiliki jangka waktu panjang. Pasar Modal
5
muncul sebagai suatu alternatif solusi pembiayaan jangka panjang, sehingga
oleh perusahaan pengguna dana dapat leluasa memanfaatkan dana tersebut
dalam rangka kepentingan investasi (Hadi, 2013: 9).
Berinvestasai di Pasar Modal memerlukan pertimbangan-pertimbangan
yang sangat matang, karena hal tersebut dapat mempengaruhi tingkat
keuntungan atau return dan juga risiko yang akan di dapat oleh seorang
investor. Return yang diterima oleh investor dapat berupa dividen yang
dibagikan setiap periode oleh emiten ataupun selisih antara harga jual dan
harga beli yang disebut dengan capital gain. Investor selalu dihadapkan
dengan pilihan untuk memutuskan menjual atau membeli saham. Keputusan
tersebut harus dibuat dengan hati-hati agar tidak menimbulkan kerugian bagi
investor atau berdampak pada penuruna return yang akan diterima. Selain
berhati-hati investor juga harus cepat dan tanggap dalam membaca situasi
pasar, agar keuntungan yang diperoleh menjadi optimal. Oleh karena itu
dibutuhkan analisis yang tepat yang menjadi dasar dalam pengambilan
keputusan.
Dalam berinvestasi di Pasar Modal, banyak variabel yang dapat
mempengaruhi harga saham suatu perusahaan, baik itu yang datangnya dari
lingkungan eksternal maupun dari lingkungan internal perusahaan itu sendiri.
Sebagaimana kita ketahui bahwa harga saham dapat dipengaruhi oleh
beberapa variabel fudamental serta variabel teknikal sebagai indikator nilai
perusahaan, dimana variabel tersebut akan membentuk kekuatan pasar yang
nantinya akan berpengaruh terhadap transaksi suatu saham.
6
Untuk melakukan penilaian saham ada dua analisis yang dapat
dilakukan, yaitu fudamental analysis dan technical analysis. Untuk
menentukan harga saham yang tepat bagi sebuah perusahaan, terlebih dahulu
harus memproyeksikan dividen dan earning yang diharapkan dari sebuah
perusahaan. Inilah inti dari analisis fudamental, yaitu menentukan sebuah nilai
perusahaan seperti earning yang diharapkan
Selain analisis fudamental, investor dapat melakukan penilaian saham
dengan menggunakan analisis teknikal. Analisis teknikal dalam berinvestasi
merupakan salah satu hal yang penting, investasi sendiri dapat diartikan
sebagai komitmen atas sejumlah dana atau sumber daya lainnya yang
dilakukan pada saat ini, dengan tujuan memperoleh keuntungan dimasa yang
akan datang (Tandelilin, 2010:2). Analisis teknikal biasanya mencari pola
yang terjadi berkali-kali pada harga saham. (Bodie, dkk. 2009).
Analisis teknikal memiliki filosofi bahwa analis dapat mengetahui
pola-pola pergerakan harga saham di masa lalu. Melalui observasi, pola-pola
tersebut digunakan untuk mengetahui pergerakan harga saham saat ini atau
dimasa yang akan datang. Umumnya analisis teknikal banyak digunakan oleh
investor yang ingin mengambil keuntungan jangka pendek (Harwaningrum.
2016: 139).
Analisis teknikal merupakan analisis terhadap data historis harga
saham. Melalui data historis yang dimiliki diharapkan dapat memprediksi arah
pergerakan harga saham selanjutnya, pendekatan ini menggunakan data pasar
yang dipublikasikan seperti: harga saham, volume penjulan, indeks harga
7
saham gabungan dan individual, serta faktor-faktor lain yang bersifat teknis
(Samsuar. 2017: 119). Dalam analisis teknikal terdapat dua tren pergerakan
harga saham yaitu, up trend dan dow trend. Up trend adalah pergerakan harga
saham yang cenderung terus naik dari waktu ke waktu, sedangkan dow trend
adalah pergerakan harga saham yang cenderung mengalami penurunan dari
waktu ke waktu. Para analis teknikal berprinsip bahwa harga pasar suatu
saham ditentukan oleh kekuatan permintaan dan penawaran saham tersebut di
pasar modal. Pembentukan harga saham di pasar modal ditentukan oleh
banyaknya permintaan dan penawaran atas saham tersebut. Seperti kita
ketahui bahwa asumsi dasar dalam analisis teknikal adalah bahwa harga
sangat ditentukan oleh keseimbangan antara supply dan demand. Jika jumlah
permintaan suatu saham lebih banyak daripada penawarannya maka harga
saham akan cenderung mengalami kenaikan harga, dan begitu juga sebalikya,
jika jumlah penawaran suatu saham lebih banyak daripada permintaan maka
harga saham akan cenderung mengalami penururan harga.
Pergerakan harga saham dimasa datang dapat dianalisis dengan
melihat pergerakan harga saham di masa lalu. Pergerakan harga saham selain
dipengaruhi oleh volume harga saham masa lalu juga dipengaruhi oleh
banyaknya lembar saham yang diperdagangkan di pasar modal pada waktu
tertentu. Hasil penelitian yang dilakukan (Sandrasari. 2010: 66) menyatakan
bahwa volume perdagangan berpengaruh positif dan signifikan terhadap
volatilitas (kecepatan pergerakan) harga saham. Ekspektasi dan opini trader
akan tercermin dalam volume perdagangan yang dapat menggerakkan harga.
8
Semakin banyak jumlah lot saham yang berhasil diperjualbelikan dalam satu
hari maka pergerakan harga saham juga akan semakin fluktuatif.
Dalam analisis teknikal sendiri, banyak sekali metode yang dapat
digunakan untuk menganalisis harga saham seperti, Moving Average,
Stochastic Oscillator, Moving Average Convergence Divergece (MACD),
Relative Strength Index (RSI), Momentum, Williams% R dan masih banyak
lagi. Tetapi dalam penelitian ini hanya menguji dua indikator saja yaitu,
Stochastic Oscillator dan Moving Average Convergence Divergence (MACD).
Stochastic Oscillator merupakan sebuah indikator yang dikembangkan
oleh George C. Lane pada akhir tahun 1950, dengan tujuan untuk mengukur
tingkat kejenuhan pasar yang memiliki sinyal beli dan jual. Analisis stochastic
oscillator terdiri dari dua buah garis, yaitu garis %K dan garis %D. Garis %K
menggambarkan posisi relatif, serta harga closing terhadap range harga
tertinggi dan terendah dalam periode pengamatan. Sedangkan garis %D
merupakan trigger line yang merupakan rata-rata pergerakan sederhana
(simple moving average) dari garis %K yang menandakan bahwa garis %D
adalah garis yang dibuat untuk mengidentifikasi arah pergerakan dari garis
%K (Hartanto, dkk. 2014: 999). sedangkan menurut Wira (2012:75)
“Stochastic Oscillator adalah indikator yang menunjukan lokasi harga
penutupan harga terakhir dibanding dengan range harga terendah/tertinggi
selama periode waktu tertentu”.
Moving Average Convergence Divergence atau yang biasa disebut
dengan MACD merupakan suatu indikator dari analisis teknikal yang
9
diciptakan oleh Gerald Appel pada tahun 1960an. MACD menggunakan dua
buah Exponential Moving Average (EMA) untuk mengindikasikan kondisi
overbought atau oversold yang berfluktuatif diatas dan dibawah garis nol (zero
line). Alasan memilih indikator Stochastic Oscillator dengan Moving Average
Convergence Divergence atau MACD selain dikarenakan populer dikalangan
trader analisis teknikal, penggunaan metode ini juga lebih mudah dalam
membaca grafik yang dihasilkannya, sehingga orang awam yang baru
mencoba dalam berinvestasi sangat cocok untuk memulainya.
Dalam penelitian ini hanya meneliti perusahaan yang terdaftar dalam
indeks Dow Jones Industrial Average. Dow Jones Industrial Average
merupakan salah satu indeks tertua yang ada di Amerika Serikat. Di awali
karena belum adanya indeks di bursa saham pada masa itu, Dow Jones lahir
sebagai salah satu indeks yang bertujuan agar investor tahu apakah pasar
sedang dalam keadaan naik atau turun, Dow Jones Industrial Average (DJIA)
atau yang lebih dikenal dengan Indeks Dow Jones adalah salah satu indeks
pasar saham yang didirikan oleh editor The Wall Street Journal dan pendiri
Dow Jones & Company, Charles Dow. Dow membuat indeks ini sebagai suatu
cara untuk mengukur performa komponen industri di pasar saham Amerika .
Saat ini DJIA merupakan indeks pasar Amerika tertua yang masih berjalan
dimana indeks ini terdiri dari 30 perusahaan besar di Amerika yang sudah go
public, dimana 30 perusahaan tersebut terdapat pada lampiran 1.
10
Gambar 1.1 perkembangan kinerja indeks pasar DJIA
Sumber:https://www.macrotrends.net/1358/dow-jones-industrial-average-last-
10-years
Grafik tersebut menggambarkan kinerja indeks pasar Dow Jones
Industrial Average (DJIA) selama sepuluh tahun terakhir. Setiap titik grafik
pasar saham diwakili oleh harga penutupan harian untuk DJIA. Dari grafik
diatas, dapat disimpulkan bahwa indeks Dow Jones selalu mengalami
fluktuasi perkembangan yang positif dari tahun 2009 samapi dengan tahun
2018. Dengan alasan yang sudah dijelaskan menarik minat saya untuk
melakukan penelitian yang berjudul “Analisis Perbandingan Metode
Stochastic Oscillator dan Moving Average Convergence Divergence Dalam
Menentukan Sinyal Jual dan Beli Pada Persuahaan Yang Tergabung Di
Indeks Dow Jones Industrial Average Periode 2015-2017”.
11
1.2.Rumusan Masalah
Harga saham selalu bergerak secara acak, baik dalam jangka pendek,
menengah maupun jangka panjang. Pergerakan harga tersebut akan
menciptakan pola-pola harga dan para teknikalis percaya pola-pola harga yang
terbentuk dimasa lalu mungkin akan terulang kembali dimasa mendatang.
Oleh karena itu rumusan masalah dalam penelitian ini yaitu:
1. Seberapa banyak sinyal jual dan beli yang dapat dihasilkan dari metode
Stochastic Oscillator dan Moving Average Convergence Divergence
(MACD) dalam pergerakan harga saham di Index Dow Jones Industrial
Average
2. Seberapa besar Keakurasian metode Stochastic Oscillator dan Moving
Average Convergence Divergence (MACD) dalam pergerakan harga
saham di Index Dow Jones Industrial Average
3. Berapa besar perbedaan true dan false signal yang dihasilkan dari metode
Stochastic Oscillator dan Moving Average Convergence Divergence
(MACD) dalam pergerakan harga saham di Index Dow Jones Industrial
Average.
4. Metode manakah yang lebih baik dalam memberikan sinyal pada
pergerakan harga saham di indeks Dow jones Industrial Average
12
1.3.Tujuan Penelitian
1. Menjelaskan seberapa banyak sinyal jual dan beli yang dapat dihasilkan
dari metode Stochastic Oscillator dan Moving Average Convergence
Divergence (MACD) dalam pergerakan harga saham di Index Dow Jones
Industrial Average.
2. Menjelaskan Seberapa besar Keakurasian metode Stochastic Oscillator
dan Moving Average Convergence Divergence (MACD) dalam pergerakan
harga saham di Index Dow Jones Industrial Average.
3. Menjelaskan seberapa besar perbedaan true dan false signal yang
dihasilkan dari metode Stochastic Oscillator dan Moving Average
Convergence Divergence (MACD) dalam pergerakan harga saham di Index
Dow Jones Industrial Average.
4. Menjelaskan Metode manakah yang lebih baik dalam memberikan sinyal
pada pergerakan harga saham di indeks Dow Jones Industrial Average.
1.4.Manfaat Penelitian
1. Bagi Penulis
Hasil penelitian ini dapat dijadikan acuan dan referensi bagi penulis
maupun mereka yang ingin berinvestasi pada pasar modal, dimana saja,
dan kapan saja, maka analisis teknikal dapat dijadikan salah satu panduan,
sehingga diharapkan memberikan waktu yang tepat dalam memutuskan
untuk menjual atau membeli saham untuk mendapat keuntungan yang
optimal. Selain itu juga penelitian ini diharapkan dapat menambah
13
keilmuan dan meningkatkan pengetahuan tentang analisis teknikal bagi
siapa saja khususnya penulis yang hendak berinvestasi.
2. Bagi Akademis
Penelitian ini diharapkan mampu memberikan sumbangsih pemikiran
dan pengetahuan bagi akademis mengenai analisis perbandingan metode
Stochastic Oscillator dan MACD dalam menentukan sinyal jual dan beli.
Selain itu juga Penelitian ini diharapkan menjadi kontribusi positif bagi
siapa saja agar dapat mengetahui lebih lanjut mengenai analisis teknikal
dan memahami cara kerja metode analisis teknikal dalam memprediksi
pergerakan harga saham guna mendapatkan profit optimal
1.5.Batasan Penelitian
Batasan penelitian diperlukan oleh penulis untuk menjaga agar penelitian
yang dilakukan tidak menyimpang dari arahnya. Dalam penyusunan laporan
skripsi ini, permasalahn dibatasi pada perushaan yang datanya dapat diakses
melalui aplikasi chartnexus serta harga penutuan mingguan saham perushaan
yang terdaftar pada indeks Dow Jones Industrial Average periode 2015-2017.
14
BAB II
TINJAUAN PUSTAKA
2.1. Landasan Teori
2.1.1. Investasi
Investasi dapat diartikan sebagai komitmen untuk menanamkan
sejumlah dana pada saat ini dengan tujuan memperoleh keuntungan di
masa datang. Dengan kata lain, investasi merupakan komitmen untuk
mengorbankan konsumsi sekarang dengan tujuan memperbesar
konsumsi di masa datang. Pada umumnya investasi dapat dibedakan
menjadi dua macam, yaitu investasi pada aset riil (real assets) dan
investasi pada aset finansial (financial assets). Investasi pada asset riil
antara lain dapat berupa tanah, emas, mesin, sedangkan investasi pada
asset fi nansiil antara lain dapat berupa saham, obligasi (Herlianto.
2013: 1-2).
Ada 2 cara dalam berinvestasi pada aset finansial (financial assets):
a. Investasi Secara Langsung, artinya: dengan memiliki surat berharga
(saham) tersebut pemilik dapat menentukan jalannya kebijaksanaan
yang juga berpengaruh pada investasi surat berharga yang
dimilikinya.
b. Investasi Secara Tidak Langsung, artinya: pengelolaan surat berharga
diwakilkan oleh suatu badan atau lembaga yang mengolah investasi
para pemegang surat berharganya, untuk sedapat mungkin
menghasilkan keuntungan yang memuaskan para pemegang surat
15
berharganya. Kepemilikan aset secara tidak langsung dilakukan
melalui lembaga-lembaga keuangan yang terdaftar, yang bertindak
sebagai perantara. Contohnya membeli Reksadana.
2.1.2. Tujuan Investasi
Tujuan orang melakukan investasi pada dasarnya adalah untuk
mengembangkan dana yang dimiliki atau mengharapkan keuntungan di
masa depan. Secara umum tujuan investasi memang mencari untung,
tetapi bagi perusahaan tertentu kemungkinan ada tujuan utama yang
lain selain untuk mencari untung. Pada umumnya tujuan investasi
adalah sebagai berikut:
a. Untuk memperoleh pendapatan yang tetap dalam setiap periode,
antara lain seperti bunga, royalti, deviden, atau uang sewa dan lain-
lainnya.
b. Untuk membentuk suatu dana khusus, misalnya dana untuk
kepentingan ekspansi, kepentingan sosial.
c. Untuk mengontrol atau mengendalikan perusahaan lain, melalui
kepemilikan sebagian ekuitas perusahaan tersebut.
d. Untuk menjamin tersedianya bahan baku dan mendapatkan pasar
untuk produk yang dihasilkan.
e. Untuk mengurangi persaingan di antara perusahaan-perusahaan
yang sejenis.
f. Untuk menjaga hubungan antar perusahaan.
16
Secara lebih khusus ada beberapa alasan mengapa seseorang
melakukan investasi, antara lain adalah:
a. Untuk mendapatkan kehidupan yang lebih layak di masa datang.
Orang yang bijaksana akan berpikir bagaimana meningkatkan taraf
hidupnya dari waktu ke waktu untuk mempertahankan tingkat
pendapatannya sekarang agar tidak berkurang di masa yang datang.
b. Untuk mengurangi tekanan inflasi, dimana dengan melakukan
investasi seseorang dapat menghindarkan diri dari risiko penurunan
nilai kekayaan atau hak miliknya akibat adanya pengaruh inflasi.
Contoh: Jika suku bunga bank 5% per-tahun dan angka inflasi 10%
per-tahun, maka secara jumlah uang kita akan bertambah karena
suku bunga Tetapi secara nilai atau daya beli uang, uang kita
mengalami penurunan yang secara kasar adalah turun sekitar 5%.
Oleh karena itu, untuk mengantisipasinya kita harus melakukan
investasi dengan tingkat suku bunga lebih dari 10% atau minimal
sama dengan tingkat inflasi.
c. Dorongan untuk menghemat pajak, dimana beberapa negara
mendorong tumbuhnya investasi di masyarakat melalui pemberian
fasilitas perpajakan kepada masyarakat yang melakukan investasi
pada bidang-bidang tertentu.
Disamping hal-hal tersebut diatas, tujuan investasi juga terkait
dengan jangka waktu investasi Investasi jangka pendek bisa memilih
deposito, karena deposito dapat memberikan kepastian hasil dalam
17
jangka waktu yang relatif pendek. Sedangkan jika ingin mempersiapkan
dana pensiun, maka kita dapat melakukan investasi pada instrumen
investasi jangan panjang. Untuk investasi jangka panjang bisa
dilakukan dengan membeli saham atau obligasi. Disisi yang lain jangka
waktu investasi juga berkaitan dengan risiko investasi. Jika ingin
berinvestasi pada deposito (jangka pendek), maka kita akan
mendapatkan hasil yang pasti pada saat jatuh tempo dengan risiko yang
relatif kecil, dan mendapatkan keuntungan yang juga kecil. Sedangkan
jika ingin investasi di saham (jangka panjang), maka keuntungan atau
kerugian bisa terjadi jika hanya melihat pada jangka waktu yang relatif
pendek. Sedangkan jika kita lakukan dalam jangka waktu yang rekatif
panjang, maka hal ini dapat menekan fl uktuasi yang muncul pada
jangka pendek (Herlianto. 2013: 2-3).
2.1.3. Pasar Modal
Istilah pasar biasanya digunakan istilah bursa, exchange dan
market. Sementara untuk istilah modal sering digunakan istilah efek,
securities, dan stock. Pasar modal menurut Undang-Undang No. 8
tahun 1995 tentang pasar modal pasal 1 ayat (12) adalah kegiatan yang
bersangkutan dengan penawaran umum dan perdagangan efek,
perusahaan publik yang berkaitan dengan efek yang diterbitkannya,
serta lembaga dan profesi yang berkaitan dengan efek yang
diterbitkannya, serta lembaga dan profesi yang berkaitan dengan efek.
Sedangkan yang dimaksud dengan efek pada pasal 1 ayat (5) adalah
18
surat berhara, yaitu surat pengakuan utang, surat berharga komersial,
saham, obligasi, tanda bukti utang, unit penyertaan kontrak investasi
kolektif, kontrak berjangka ats efek, dan setiap derivatif dari efek.
Pasar modal juga dikenal juga dengan nama bursa efek. Bursa efek
menurut pasal 1 ayat (4) UU No 8 Tahun 1995 tentang pasar modal
adalah pihak yang menyelenggarakan dan menyediakan sistem dan
atau sarana untuk mempertemukan penawaran penawaran jual dan beli
efek pihak-pihak lain dengan tujuan memperdagangkan efek diantara
mereka (Soemitra. 2009: 109).
Secara formal, pasar modal dapat didefinisikan sebagai pasar untuk
berbagai instrumen keuangan (sekuritas) jangka panjang yang bisa
diperjual belikan, baik dalam bentuk utang maupun modal sendiri, baik
yang diterbitkan pemerintah maupun perushaan swasta. Pasar modal
merupakan konsep yang lebih sempit dari pasar keuangan (Financial
Market) yang memperdagangkan semua bentuk utang dan modal
sendiri, baik jangka pendek maupun jangka panjang baik negotiable
maupun tidak. Pasar modal dapat menjadi alternatif penghimpunan
dana selain sistem perbankan, dana-dana jangka panjang yang
merupakan utang biasanya berbentuk obligasi, sedangkan dana jangka
panjang yang merupakan utang biasanya berbentuk obligasi,
sedangkan dana jangka panjang yang merupakan dana modal sendiri
biasanya berbentuk saham biasa (Common Stock) dan saham preferen
19
(Preference stock) sedangkan dana jangka utang berbentu obligasi
(bond).
Pasar modal memeliki beberapa fungsi strategis yang membuat
lembaga ini memiliki daya tarik, tidak saja bagi pihak yang
memerlukan dana (Borrowers) dan pihak yang meminjamkan dana
(Lenders), tetapi juga bagi pemerintah. Di era globalisasi ini, hampir
semua negara menaruh perhatian yang besar terhadap pasar modal
karena memiliki peranan startegis bagi penguatan ketahanan ekonomi
suatu negara. Terjadinya pelarian modal keluar negeri (Capital Fight)
bukan hanya merupakan akibat dari merosotnya (Depresiasi) nilai
rupiah, atau tingginya inflasi dan suku bunga suatu negara, tetapi juga
diakibatkan karena tidak tersedianya alternatif investasi yang
menguntungkan di negara tersebut dan atau pada saat yang sama,
investasi portofolio di bursa negara lain menjanjikan keuntungan yang
jauh lebih tinggi dibandingkan dengan bursa di negara asalnya. Oleh
karena itu sangat beralasan kalau pemerintah indonesia begitu gigih
dalam menghidupkan pasar modal. Untuk membangun pasar modal,
banyak peraturan yang dirombak, bermunculan lemnbaga-lembaga
profesi dan penunjang serta semakin banyaknya investor asing
mengepung pasar modal indonesia. Pada dasarnya, terdapat tiga
peranan startegis dari pasar modal bagi perekonomian suatu negara,
yaitu (Sunariyah. 2011: 7).
20
a. Sebagai Sumber Penghimpun Dana
Selain sistem perbankan yang selama ini dikenal merupakan
media penghimpuna dana secara konvensional, umumnya diberbagai
negara didunia ketiga (berkembang), lembaga perbankan menjadi
lembaga dominan dalam penghimpunan dana. Perusahaan-
perusahaan yang ingin melakukan perluasan usaha dapat
memperoleh kredit dari bank, namun ada keterbatasan untuk
menyalurkan kredit, karena bank-bank memiliki keterkaitan dengan
otoritas moneter yang setiap saat melakukan monitoring terhadap
jumlah uang yang beredar. Dalam keadaan demikian, dunia usaha
tentunya tidak mempunyai informasi yang cukup mengenai waktu
datangnya kebijakan itu dan dampaknya terhadap kelanjutan usaha
mereka. Untuk itu pmerintah menyediakan alternatif pembiayaan
lain yang setiap saat dapat dimanfaatkan oleh perushaan-perusahaan
yang membtuhkan. Pembentukan dan pengaktifan pasar modal
adalah salah satu cara yang ditempuh pemerintah. Pasar modal
memungkinkan perushaan menerbitkan surat berharga baik surat
tanda hutang atau (obligasi atau bond) maupun surat tanda
kepemilikan (saham) .
b. Sebagai Alternatif Investasi Para Pemodal/Investor
Jika tidak ada pilihan investasi lain, maka para pemodal hanya
menginvestasikan dananya dalam sistem perbankan dan atau pada
real assets. Namun dengan adanya pasar modal, memberikan
21
kesempatan kepada para pemodal untuk membentuk portofolio
investasi dengan mengharapkan keuntungan yang lebih dan sanggup
menanggung sejumlah risiko tertentu yang memungkinkan terjadi.
c. Pasar Modal Akan Mendorng Investasi
Dalam perencanaaan pembangunan, kebutuhan akan investasi
didasarkan atas perkiraan tingkat pertumbuhan ekonomi. Pada
Revelita VI misalnya, pemerintah menargetkan laju pertumbuhan
ekonomi sekitar 7,1 persen. Berdasarkan perkiraan ini, maka
dibutuhkan dana investasi sebesar Rp 815 triliun, sekitar 77 persen
diantaranya diharapkan bersumber dari swasta dan pasar modal
adalah salah satu lembaga keuangan yang diharapkan besar perannya
dalam memobilisasi dana investasi tersebut.
Bentuk instrumen di pasar modal disebut efek, yaitu surat berharga
berupa saham, obligasi, bukti right, bukti waran, serta produk turunan
atau disebut derivatif.
a. Saham
Saham adalah tandak bukti kepemilikan perusahaan, pemilik
saham disebut juga pemegang saham. Bukti bahwa seseorang atau
suatu pihak dapat dianggap sebagai pemegang saham adalah
apabila seorang atau suatu pihak sudah tercatat sebagai pemegang
saham dalam buku yang disebut daftar pemegang saham (DPS)
22
b. Obligasi
Obligasi adalah tanda bukti bahwa perushaaan memiliki utang
jangka panjang kepada masyarakat. Pihak yang membeli obligasi
disebut sebagai pemegang obligasi. Pemegang obligasi menerima
kupon sebagai pendapatan dari obligasi yang dibayarnya setiap 3
bulan atau 6 bulan sekali.
c. Bukti right
Adalah hak untuk membeli saham pada harga tertentu dalam
jangka waktu tertentu, hak membeli itu dimiliki oleh pemegang
saham lama, harag tertentu artinya harga sudah ditetapkan dimuka
biasa disebut harga pelaksanaan atau harga tebusan.
d. Waran
Adalah hak untuk membeli saham pada harga terentu dalam
jangka waktu terentu, waran tidak hanya dapat diberikan kepada
pemegang saham lama, tetapi juga sering diberikan kepada
pemegang obligasi sebagai pemanis pada saat perusahaan
menerbitkan obligasi
e. Derivatif
Contoh produk derivatif dipasar modal adalah indeks harga
saham dan indeks obligasi, indeks saham dan indeks obligasi
adalah angka indeks yang diperdagangkan untuk tujuan spekulasi
dan lindung nilai.
23
Selain instrumen pasar modal, pasar modal juga memiliki risiko.
Risiki investasi di pasar modal pada prinsipnya semata-mata berkaitan
dengan kemungkinan terjadinya fluktuasi harga (price polatility),
risiko-risiko yang mungkin dapat dihadapi oleh investor tersebut
antara lain sebagai berikut (Dahlan. 2010: 516).
a. Risiko daya beli
Sifat investor dalam menangani faktor risiko dipasar modal ini
terdiri dari dua yaitu investor yang tidak menyukai risiko (risk
overter) dan investsor justru menyukai menantang risiko (risk
averse). Bagi investor kategori yang pertama ini akan mencari
atau memilih jenis investasi yang akan memberikan keuntungan
yang jumlahnya sekurang-kurangnya sama dengan investasi yang
dilakukan sebelumnya. Di samping itu, investor mengharapkan
memperoleh pendapatan atau capital gain dalam waktu yang
tidak lama. Akan tetapi apabila investasi tersebut memerlukan
waktu 10 tahun untuk mencapai 60% keuntungan sementara
tingkat inflasi selama jangka waktu tersebut telah naik melebihi
100%. Maka investor jelas akan menerima kenutngan yang daya
belinya jauh lebih kecil dibandingkan dengan keuntungan yang
dapat diperoleh semula. Oleh karena itu, risiko daya beli ini
berkaitan dengan kemungkina terjadinya inflasi yang
menyebabkan nilai riil pendapatan akan lebih kecil.
24
b. Risiko Bisnis
Risiko bisnis adalah suatu risiko menurunya kemampuan
memperoleh laba yang pada gilirannya akan mengurangi pula
kemampuan perushaan (emiten) membayar bunga atau dividen.
c. Risiko Tingkat Bunga
Naiknya tingkat bunga biasanya menekan harga jenis surat-
surat berharga yang berpendapatan tetap termasuk harga-harga
saham. Biasanya kenaikan tingkat bunga berjalan tidak searah
dengan harga-harga instrumen pasar modal. Risiko naiknya
tingkat bunga misalnya jelas akan menurunkan harga-harga di
pasar modal
d. Risiko pasar
Apabila pasar bergairah (bullish) umumnya hampir semua
harga saham di Bursa Efek mengalami kenaikan. Sebaliknya
apabila pasar lesu (bearish). Saham-saham akan ikut pula
mengalami penurunan. Perubahan psikologi pasar dapat
menyebabkan harga-harga surat berharga anjlok terlepas dri
adanya perubahan fudamental atas kemampuan perolehan laba
perusahaan.
25
Return adalah hasil yang diperoleh dari investasi. Return dapat
berupa return realisasi yang sudah terjadi atau return ekspektasi yang
belum terjadi tetapi yang diharapkan akan terjadi di masa mendatang
(Jogianto.2015: 263). Sedangkan menurut (Gitman.2012: 311) return
adalah
“the total rate of return is the total gain or loss experienced on
an investment over a given period. Mathematically, an
investment’s total return is the sum of any cash distributions
(for example, deviiden or interest payments) plus the change in
the investment’s value, dividend by the beginning of period
value”
Artinya total tingkat pengembalian adalah total keuntungan
atau kerugian yang dialami pada investasi selama periode tertentu.
Secara matematis, total pengembalian investasi adalah jumlah
dari distribusi kas apapun (contohnya, dividen dan pembayaran
bunga) ditambah dengan perubahan dalam nilai investasi, dibagi
dengan nilai periode awal investasi tersebut. Berdasarkan
pengertian diatas dapat diambil kesimpulan return saham
merupakan tingkat pengembalian yang diterima oleh investor
dimasa yang akan datang atas investasi yang dilakukan.
Return merupakan salah satu tujuan seorang investor ingin
menamankan modalnya, karena dengan return seorang investor
dapat menambah harta kekayaanya dan hidup akan lebih
26
sejahtera. Tetapi selain return, risiko merupakan salah faktor yang
harus selalu dilihat oleh seorang investor karena risiko ini dapat
menghambat untuk mendapatkan returm yang diinginkan,
umumnya semakin besar risiko maka semakin besar pula tingkat
return yang diharapkan. Risiko investasi dapat diartikan sebagai
kemungkinan perbedaan antara return aktual yang diterima
dengan return yang diharapkan (Tandelilin. 2010: 102).
Tujuan investor dalam berinvestasi adalah memaksimalkan
return, tanpa melupakan faktor risiko investasi yang harus
dihadapinya. Return merupakan salah satu faktor yang
memotivasi investor berinvestasi dan merupakan imbalan atas
keberanian investor menanggung risiko investasi yang dilakukan.
Hubungan tingkat risiko dan return yang diharapkan merupakan
hubungan yang bersifat searah dan linier. Artinya semakin besar
risiko suatu aset, semakin besar pula return yang diharapkan atas
aset tersebut, demikian sebaliknya. Gambar 2.1 berikut ini
menunjukkan hubungan antara return yang diharapkan dan risiko
pada berbagai jenis aset yang mungkin bisa dijadikan alternatif
investasi.
27
Garis vertikal dalam gambar di atas menunjukkan besarnya tingkat
return yang diharapkan dari masing-masing jenis aset, sedangkan
garis horisontal memperlihatkan risiko yang ditanggung investor. Titik
RF (risk free) pada gambar di atas menunjukkan tingkat return bebas
risiko (risk free rate) yang berarti satu pilihan investasi yang
menawarkan tingkat return yang diharapkan sebesar RF dengan risiko
sebesar nol. Kesimpulan yang ditarik dari pola hubungan antara risiko
dan return yang diharapkan adalah bahwa risiko dan return yang
diharapkan mempunyai hubungan yang searah dan linier. Artinya
semakin tinggi risiko suatu aset, semakin tinggi pula tingkat return
yang diharapkan, demikian juga sebaliknya
2.1.4. Indeks Harga Saham
Indikator utama yang mencerminkan kinerja pasar modal di
Indonesia saat sedang mengalami peningkatan (bullish) atau sedang
mengalami penurunan (bearish) adalah indeks harga saham gabungan
(IHSG) (menurut Wijaya dan Agustin, 2015). Karena indeks harga
saham gabungan (IHSG) ini mencatat pergerakan harga saham dari
semua sekuritas yang tercatat di Bursa Efek Indonesia. Sehingga
pergerakan indeks harga saham gabungan (IHSG) menjadi perhatian
penting bagi semua investor di Bursa Efek Indonesia, sebab
pergerakan indeks harga saham gabungan (IHSG) ini akan
mempengaruhi sikap para investor apakah akan membeli, menahan
ataukah menjual sahamnya (Zakaria, dkk. 2018: 119). Beberapa faktor
28
makroekonomi yang dapat memengaruhi aktifitas investasi saham dan
pergerakan IHSG di Bursa Efek Indonesia adalah inflasi, suku bunga
(SBI), nilai tukar rupiah, dan cadangan devisa. Menurut Latumaerissa
(2015) Inflasi adalah kecenderungan dari harga-harga untuk menaik
secara umum dan terus menerus. Kenaikan harga dari satu atau dua
barang saja tidak disebut inflasi. Yusup (2012), mengemukakan ada
dua pendapat mengenai hubungan antara tingkat inflasi dengan harga
saham. Pendapat pertama menyatakan bahwa ada korelasi positif
antara inflasi dengan harga saham (demand pull inflation) yaitu inflasi
yang terjadi karena adanya kelebihan permintaan atas jumlah barang
yang tersedia. Pendapat yang kedua menyatakan bahwa ada korelasi
negatif antara inflasi dengan harga saham. Pendapat ini didasarkan
pada asumsi bahwa inflasi yang terjadi adalah cost push inflation, yaitu
inflasi yang terjadi karena kenaikan biaya produksi, dengan adanya
kenaikan harga bahan baku dan tenaga kerja, sementara perekonomian
dalam keadaan inflasi maka produsen tidak mempunyai keberanian
untuk menaikkan harga produknya.
Identifikasi pola bullish dan bearish dilakukan oleh Usman (2016).
Dengan menggunakan perangkat analisis candlestick, riset bertujuan
untuk mengungkap inklinasi pergerakan harga dan persentase bearish
dan bullish yang ditunjukkan oleh IHSG. Hasilnya menunjukkan
bahwa dalam periode antara tahun 1997 – 2013, terdapat 61,15% (96
kali) bullish dan 38,85% (61 kali) bearish. Selanjutnya, faktor penentu
29
tingkat imbalan investasi baik dalam kondisi bullish dan bearish di
pasar modal Indonesia, menurut Defrizal et al (2015) secara
bersamasama adalah imbalan pasar saham, suku bunga, dan nilai tukar.
Secara parsial, tingkat imbalan saham berpengaruh positif dan
merupakan faktor utama penentu tingkat imbalan sektoral di semua
industri, baik dalam keadaan bullish maupun bearish. Sebaliknya, suku
bunga dan nilai tukar tidak secara konsisten berpengaruh terhadap
tingkat imbalan sektoral dalam industri yang berbeda-beda. Faktor
pemicu atau determinan dinamika pasar modal Indonesia baik dalam
kondisi bullish dan bearish adalah tingkat imbalan investasi. Berbagai
riset di atas telah mengkonfirmasi kecenderungan jangka panjang pasar
bahwa modal Indonesia berada pada kecenderungan menanjak naik
(uptrend), ditandai dengan kecenderungan bullish lebih banyak dan
durasinya lebih panjang daripada bearish; serta merupakan
perkembangan yang dipicu oleh kenaikan tingkat imbalan alih-alih
suku bunga dan nilai tukar. Namun belum terdapat temuan yang
memastikan apakah dalam kondisi bullish dan bearish tersebut terdapat
perbedaan atau perubahan risiko, terutama risiko sistematis yang lazim
diukur dengan beta pasar. Riset ini bertujuan mengidentifikasi
segmentasi periode bullish dan bearish dan mengukur risiko sistematis
atau beta yang relevan dengan tiap-tiap periode tersebut.
Indeks harga saham merupakan suatu indikator yang menunjukan
pergerakan harga saham. Pergerakajn indeks tersebut menggambarkan
30
kondisi pasar dari waktu ke waktu, apabila harga saham sedang naik
atau turun, indeks harga saham ini akan menjadi indikator bagi
investor untuk pengambilan keputusan dalam berinvestasi.
Indeks harga saham merupakan bentuk informasi historis yang
dipandang sangat tepat untuk menggambarkan pergerakan harga saham
di masa lalu adalah suatu indeks harga saham yang memberikan
deskripsi harga-harga saham pada suatu saat tertentu maupun dalam
periodesasi tertentu pula (Sunariyah. 2011: 138).
Indeks harga saham juga dapat diartikan sebagai suatu indikator
yang menunjukan pergerakan harga saham. Indeks berfungsi sebagai
indikator tren pasar, artinya pergerakan indeks menggambarkan
kondisi pasar pada suatu saat, apakah pasar aktif atau lesu (Martalena
dan Malinda:2011).
Berdasarkan defini diatas dapat disimpulkan bahwa indeks harga
saham merupakan suatu indikator yang menunjukan harga saham yang
pergerakannnya menggambarkan kondisi pasar apakah sedang aktif
atau lesu dan menjadi indikator investor untuk pengambilan keputusan
investasi.
Sedangankan indkes harga saham gabungan (IHSG) dapat diartikan
sebagai penggambaran harga saham emiten di BEI yang menjadi
indikator pasar modal di Indonesia dalam suatu indeks. Bursa efek
Indonesia berwenang mengeluarkan atau tidak memasukan satu atau
beberapa perushaaan tercatat dari perhitungan IHSG. Indeks Harga
31
Saham Gabungan merupakan angka indeks harga saham yang sudah
disusun dan dihitung dengan menghasilkan tren, dimana angka indeks
adalah angka yang diolah sedemikian rupa sehingga dapat digunakan
untuk membandingkan kejadian yang dapat berupa perubahan harga
saham dari waktu ke waktu (Jogiyanto. 2013:147).
2.1.5. Analsis Harga Saham
Analisis harga saham terdiri dari dua jenis yaitu analisis
fundamental dan analisis teknikal. Analisis fundamental adalah analisis
yang digunakan untuk mengetahui kondisi suatu perusahaan dengan
melihat faktor keuangan perusahaan tersebut. Analisis fundamental
merupakan analisis yang melakukan penilaian atas laporan keuangan
(Widoatmodjo. 2015: 238).
Menurut May (2010: 37) “analisis fudamental adalah analisis yang
mencangkup informasi mengenai laporan keuangan dan kesehatan
perusahaan, manajemen perushaaan, kompetitor dan situasi pasar dari
produk tersebut, selain itu analisis fudamental juga mencangkup berita-
berita terkini yang dapat mempengaruhi pergerakan saham”.
Analisis teknikal merupakan metode paling dasar dalam
memprediksi pergerakan harga market yang mana didasarkan pada
kombinasi nilai harga pembukaan, harga tertinggi, harga terendah, dan
harga penutupan, dengan menggunakan grafik-grafik yang terbentuk
sebagai dasar utama/peta untuk memprediksi arah pergerakan harga
selanjutnya (May. 2010: 38).
32
Analisis teknikal atau Technical analysis (TA) adalah metode
analisa dalam dunia keuangan dengan cara mengolah data historikal
harga dan jumlah / volume transaksi. Hasil olah data tersebut lalu
ditransformasikan ke dalam bentuk gambar dan chart yang digunakan
untuk memprediksi trend atau pergerakan harga kedepan. Hal penting
yang perlu diingat adalah tidak ada metode analisis yang 100% akurat.
Dengan pemikiran demikian, maka sangat penting untuk menyadari
bahwa sebaik apapun suatu analisa, tetap mengandung resiko. Oleh
sebab itu dalam Analisis teknikal, ada istilah Risk vs Reward. Risk
adalah besarnya potensi kerugian yang terjadi apabila pergerakan
harga yang terjadi tidak sesuai dengan analisa. Sedangkan reward
adalah potensi keuntungan yang dapat diperoleh jika pergerakan harga
yang terjadi sesuai dengan analisa. Analisa yang baik adalah analisa
yang mempunyai reward sebesar-besarnya dengan risk yang kecil.
Secara umum, analisis teknikal digunakan untuk menentukan saat
yang tepat untuk membeli sebuah saham, menentukan target harganya,
yaitu titik untuk menjual / keluar dari saham tersebut dan
merealisasikan profit yang didapat (Profit Taking), serta menentukan
titik stop loss, yaitu titik untuk menjual rugi sebuah saham ketika
pergerakan harganya tidak sesuai dengan analisa yang dibuat, sehingga
resiko kerugian tetap terkendali sesuai rencana. Inilah yang disebut
dengan Trading Plan.
33
Kesalahan yang sering dilakukan oleh para pengguna analisis
teknikal adalah tidak adanya trading plan saat membeli sebuah saham.
Faktor penyebabnya Antara lain karena panic buy, termakan berita
atau isu, dan lain-lain. Yang lebih berbahaya adalah ketika membeli
sebuah saham tetapi tidak menentukan target stop loss. Ketika harga
bergerak tidak sesuai harapan akhirnya tidak tahu apa yang harus
dilakukan karena tidak adanya stop loss dan berakhir pada kerugian
yang sangat besar.
Dalam membuat trading plan menggunakan analisis teknikal, ada
banyak metode dan indikator yang bisa digunakan. Metode yang
umum digunakan adalah metode penentuan support dan resistance.
Support adalah titik harga bawah, dimana pada level tersebut
penurunan harga suatu saham memiliki probabilitas besar untuk
tertahan dan memiliki potensi besar untuk berbalik naik (Rebound).
Garis support juga sering digunakan para trader untuk menentukan
waktu yang tepat untuk membeli suatu saham. Sedangkan resistance
adalah titik harga atas dimana pada level tersebut kenaikan harga suatu
saham memiliki probabilitas besar untuk tertahan dan memiliki potensi
besar untuk berbalik turun (Correction). Garis resistance juga sering
digunakan oleh para trader untuk menentukan level profit taking.
Ada dua istilah penting yang perlu diketahui dalam penggunaan
support dan resistance, yaitu Breakout dan Breakdown. Breakout
adalah istilah yang dipakai ketika suatu harga saham bergerak
34
menembus level resistancenya. Sebaliknya, Breakdown adalah istilah
yang dipakai ketika suatu harga saham bergerak menembus level
supportnya. Istilah-istilah lain yang sering dipakai antara lain “tembus
bawah”, “jebol”, dan sebagainya.
Dalam beberapa kasus, ada saham yang telah menembus level
support atau resistance-nya, namun tidak lama kemudian kembali
turun ke bawah level resistance-nya atau naik di atas level support-nya
sehingga penembusan itu hanya bersifat sementara dan berkesan
menipu. Hal seperti ini dinamakan false breakout / false breakdown.
Berbicara mengenai analisis teknikal juga tidak bisa lepas dari
trend pergerakan harga. Secara umum, trend pergerakan harga dibagi
menjadi tiga jenis, yaitu uptrend, downtrend, dan sideways. Uptrend
adalah keadaan dimana pergerakan harga saham cenderung mengalami
kenaikan. Yang dimaksud kenaikan tidak harus harganya yang terus
naik, tapi pola pergerakan harganya membentuk higher low dan
higher high, yaitu dimana puncak harga yang terbaru harus lebih tinggi
dari puncak harga yang sebelumnya, dan kalaupun mengalami koreksi,
koreksi harga yang terbaru tidak lebih rendah dari koreksi harga
terdahulu. Sebaliknya, downtrend adalah keadaan dimana pergerakan
harga saham cenderung mengalami penurunan. Yang dimaksud
penurunan tidak harus harganya yang terus turun, tapi pola pergerakan
harganya membentuk lower low dan lower high, yaitu dimana puncak
harga yang terbaru lebih rendah dari puncak harga yang sebelumnya,
35
dan pada saat koreksi, koreksi harga yang terbaru lebih rendah dari
koreksi harga terdahulu. Sedangkan sideways adalah keadaan dimana
pergerakan harga saham cenderung datar. Ciri utama trend sideways
adalah saham hanya bergerak dalam rentang harga tertentu, tidak
membuat harga tertinggi baru atau harga terendah baru (Herdian.
2013:2).
2.1.6. Kondisi Bearish dan Bullish
Bullish dan bearish merupakan istilah populer dalam praktek
investasi di pasar modal. Konsep tersebut penting dan pemakaiannya
lazim, namun kepustakaan keuangan tidak memberikan suatu definisi
tunggal dan metode sama dalam pengukurannya.
Kondisi Bearish dan Bullish secara umum dapat dilakukan
identifikasi dengan dua cara yaitu dengan pendekatan candlestick dan
pendekatan dengan model pergantian markov. Periode dan harga pada
kondisi Bearish maupun Bullish tentu saja berbeda, kondisi bullish
terjadi jika harga-harga dan peridoe cenderung naik secara bertahap
serta volatilitasnya rendah. Begitujuga sebaliknya, pada kondisi
Bearish terjadi jika harga-harga dan periodenya cenderung turun
“jatuh” secara drastis dan volatilitasnyapun tinggi (Kole. 2011: 4-5).
2.1.7. Stochastic Oscillator
George lane adalah orang yang pertama kali mengenalkan
indikator ini, yang digunakan untuk mengukur kekuatan dan
momentum pergerakan harga saham serta mendeteksi apakah harga
36
suatu saham sudah memasuki area jenuh jual (oversold) atau jenuh beli
(overbought). Menurut Ong dalam jurnal yang ditulis oleh (mutmainah
dan sulasmiyati: 2017: 3) stochastic Oscillator merupakan salah satu
indikator yang bersifat Leading (mendahului) yang mana indikator ini
merupakan indikator yang digunakan untuk mengetahui momentum
marketing atau kondisi pasar (Mutmainah dan Sulasimyati. 2017: 3).
Stochastic Oscillaotr ini dibentuk menggunakan dua buah garis, yaitu
garis %K dan garis %D. Grafik yang menggambarkan posisi harga
relatif terhadap harga tertinggi dan terendah pada periode tertentu
disebut dengan garis %K, dan garis ini merupakan garis utama dan
terpenting. Sedangkan garis %D sering disebut sebagai garis trigger
line.
Gambar 2.2. Death Cross
Sumber: Teknikal Anlisis untuk Pemula
Pada kedua garis tersebut, apabila kedua garis ini berpotongan di
atas maka akan terjadi death cross yang bearti harga sudah terlalu
37
mahal dan memungkinkan harga akan turun (momen untuk mejual
saham).
Gambar 2.3. Golden Cross
Sumber: Teknikal Anlisis untuk Pemula
Sedangkan, apabila kedua garis tersebut berpotongan di bawah
maka terjadi golden cross yang berarti harga dianggap murah dan
kemungkinan harga akan naik (momen untuk membeli saham).
Keadaan overbought dan oversold diperoleh bila garis %K telah
memasuki batasan 20 dan 80 yakni dibawah 20 untuk oversold dan
diatas 80 untuk overbought.
2.1.8. Moving Average Convergence Divergence
Para analisis teknikal menyatakan bahwa MACD merupakan
indikator yang mudah diaplikasikan dan sangat efektif, serta sangat
mempermudah investor untuk menentukan arah suatu trend reversal.
MACD merupakan indikator yang membutuhkan kebiasaan atau juga
kejelian dalam mengamati pergerakan grafik harga saham, mungkin
38
bagi investor yang sudah lama berkecimpung dalam perdagangan
saham dengan menggunakan indikator yang sejenis akan sangat
membantu dikarenakan mereka hanya cukup membiasakan diri dengan
pergerakan grafik MACD, dan bagi investor yang masih awam hal ini
merupakan sebuah kendala. Dalam metode MACD, bearish
divergernce terjadi pada saat MACD yang telah jauh berada di atas
area 0 tidak membentuk puncak terbaru (lower high), sementara harga
masih membentuk puncak baru (higher high). Bullish divergernce
muncul jika MACD telah berada jauh di bawah 0, dan tidak
membentuk titik terendah baru (higher low), sementara harga masih
memebentuk lower low. Dengan menggunakan garis trend yang
sederhana dapat digambarkan dalam grafik MACD untuk
mengidentifikasi perubahan trend yang terjadi akibat divergence yang
dinilai penting.
Moving Average Convergence Divergence (MACD) merupakan
trend following momentum indikator yang dipakai untuk melihat
adanya perubahan trend dan kuat lemahnya suatu trend yang sedang
berlangsung. Sama halnya dengan Stochastic Oscillator, Moving
Average Convergence Divergence terdiri dari dua garis yaitu fast
period dan slow period. Penggunaan Moving Average Convergence
Divergence mirip dengan stochastic Oscillator, hanya saja Moving
Average Convergence Divergence tidak bergerak dalam range 0 -100
39
melainkan bisa terus naik setinggi-tingginya, atau turun
sedalamdalamnya sesuai dengan pergerakan harga sahamnya.
Wilayah MACD terbagi dua yaitu wilayah diatas garis 0 dan
wilayah dibawah garis 0. Ketika sebuah saham sedang mengalami
trend penurunan yang kuat, biasanya pergerakan MACD akan terus
berada di area negatif atau dibawah garis 0, sebaliknya ketika saham
sedang mengalami trend kenaikan yang kuat, biasanya pergerakan
MACD akan terus berada di area positif atau diatas garis 0.
Garis Moving Average Convergence Divergence terdiri dari dua
garis yaitu garis MACD dan garis sinyal. Garis MACD biasanya
berwarna biru dengan format EMA 26- EMA 12, garis sinyal biasanya
berwarna merah dengan format EMA 9. Moving Average Convergence
Divergence dapat menghasilkan sinyal membeli dan sinyal menjual.
Dapat dikatakan sinyal membeli apabila garis Moving Average
Convergence Divergence memotong keatas garis sinyal, begitu juga
sebaliknya. Dikatakan sinyal menjual apabila garis Moving Average
Convergence Divergence memotong kebawah garis sinyal
40
Gambar 2.4. Sinyal Jual dan Beli Metode MACD
Sumber: Teknikal Anlisis untuk Pemula
2.1.9. Sinyal Mebeli dan Sinyal Menjual
Sinyal membeli adalah sinyal yang menunjukkan kapan investor
membeli atau tidak menjual saham tersebut. Sinyal membeli dapat
ditentukan dengan melihat pergerakan harga saham pada grafik harga
saham dan juga dengan melihat volume permintaan dan penawaran.
Dapat dikatakan sebagai sinyal membeli apabila grafik pergerakan
harga mengarah dari bawah ke atas pada titik tertentu dan didukung
dengan volume permintaan lebih kecil dari pada volume penawaran.
Sedangkan sinyal menjual adalah Sinyal menjual adalah sinyal yang
menunjukan kapan investor menjual atau tidak membeli saham
tersebut. Sinyal menjual dapat ditentukan dengan melihat pergerakan
harga saham pada grafik harga saham dan juga dengan melihat volume
permintaan dan penawaran. Dapat dikatakan sebagai sinyal menjual
apabila grafik pergerakan harga mengarah dari atas ke bawah pada titik
41
tertentu, dan didukung dengan volume permintaan lebih besar dari
pada volume penawaran (Asthri, dkk. April 2016: 43).
Dalam melakukan bisnis investasi, informasi merupakan suatu
unsur yang sangat penting bagi seorang investor, karena investasi
dapat memberikan sebuah gambaran, menyajikan keterangan baik
dalam keadaan masa lalu, saat ini maupun masa yang akan datang.
Informasi yang akurat serta tepat waktu merupakan kebutuhan yang
sangat diperlukan oleh seorang investor dalam berinvestasi di pasar
modal sebagai alat analisis untuk mengambil keputusan dalam
berinvestasi.
Pasar efisien merupakan salah satu jawaban dalam memberikan
suatu kondisi dimana informasi tentang semua harga dapat diperoleh
secara terbuka dan cepat tanpa hambatan khusus (Fahmi. 2011: 182).
Efisiensi pasar modal ditentukan oleh seberapa besar pengaruh
informasi yang relevan, adanya bebragai macam perbedaan situasi
maupun kondisi di berbagai negara dapat membuat efisiensi pasar pada
suatu negara akan berbeda-beda. Hipotesis pasar efisien
dikembangkan oleh Fama (1970), dalam hal ini Fama membagi
menjadi tiga bentuk pasar efisien yaitu bentuk lemah, bentuk semi
kuat, dan bentuk kuat
a. Bentuk Lemah (Weak Form) mengasumsikan bahwa semua harga
saham mencerminkan seluruh informasi pasar yang tersedia,
sehingga informasi harga dan volume perdagangan masa lalu tidak
42
memiliki hubungan dengan arah pergerakan harga dimasa yang
akan datang, dari pernyataan tersebut dapat disimpulkan bahwa
investor tidak dapat mengandalkan analisis teknikal dalam
menghasilkan keuntungan diatas normal.
b. Bentuk Semi Kuat (Semi Strong Form) mengasumsikan bahwa
semua harga saham mencerminkan seluruh informasi publik yang
tersedia yang meliputi informasi pasar dan informasi publik non
pasar, harga segera “menyesuaikan diri” terhadap semua informasi
publik yang baru diinformasikan seperti pengumuman laba dan
dividen, perkiraan laba perushaaan. Kesimpulan dari pernyataan
tersbeut bahwa investor tidak dapat mengandalkan analisis
fudamental di dalam menghasilkan keuntungan di atas normal.
c. Bentuk Kuat (Strong Form), mengasumsikan bahwa semua harga-
harga saham mencerminkan seluruh informasi pasar, publik dan
sumber-sumber dari dalam perusahaan yang tersedia bagi umum.
Informasi tersebut mencangkup juga informasi yang dapat
diperoleh dari analisis fudamental. Dalam keadaan seperti ini tidak
seorang investor dapat memperoleh abnormal return dengan
menggunakan informasi apapun.
Selain pasar efisien, ada beberapa fakotr lain yang dapat
mempengaruhi seorang investor melakukan pembelian saham ataupun
menjual sahamnya, misalnya dalam hal The January Effect. The
January Effect merupakan anomali pada pasar saham dimana harga
43
saham meningkat pada bulan januari dibandingkan pada bulan-bulan
lainnya. Hal ini membuka peluang bagi investor untuk mendapatkan
abnormal return dengan menjual kepemilikan saham mereka saat
harga naik di bulan Januari. Beberapa teori menjelaskan penyebab
terjadinya anomali tersebut, antara lain:
a. Mendekati akhir tahun, banyak investor menjual saham-saham
yang berkinerja buruk untuk meminimalisasi kerugian mereka
(mengamankan dana) dan melakukan aksi beli kembali saham
pada bulan Januari dengan proyeksi harga saham yang lebih tinggi
sehingga mendorong naiknya harga saham (Ritter, 1988).
b. Pembayaran bonus akhir tahun yang diterima saat bulan Januari,
sehingga bonus tersebut dapat digunakan untuk membeli saham di
awal tahun.
c. Pada akhir bulan Desember, manajer reksa dana akan membeli
saham-saham yang dianggap berprestasi selama tahun tersebut
dalam rangka memperbaiki portfolio investasi mereka di laporan
tahunan yang diberikan kepada pemegang saham /window
dressing (Lakonishok, et al, 1988). Permintaan dari investor
institusi tersebut akan mendorong harga lebih tinggi di awal tahun
(Surjoko. 2014: 118).
44
2.1.10. Abnormal Return
Abnormal Return merupakan selisih antara return yang
sesungguhnya terjadi dengan return ekspektais. Menurut Jogianto
(2011: 415) efisiensi suatu pasar dapat diuji dengan melihat return
yang tidak normal atau abnormal return yang didapat, pasar dapat
dikatakan tidak efisien apabila beberapa pelaku pasar dapat menerima
dan menikmati return yang tidak normal tersebut dalam jangka waktu
relatif lama. Dalam berinvestasi, return yang tinggi merupakan tujuan
yang ingin dicapai oleh seorang investor. Dalam mendapatkan
keuntungan tersebut seorang investor harus mengetahui faktor apa saja
yang dapat mempengaruhi investor dalam mendapatkan keuntunga.
faktor yang bersifat makro seperti tingkat suku bunga, inflasi, nilai
tukar mata uang dll merupakan salah satu faktor makro yang dapat
mempengaruhi tingkat keuntungan yang didapatkan oleh seorang
investor, selain itu juga fakotr fudamental juga dapat menjadi
pertimbangan dalam meningkatkan keuntungan investor, faktor
fudamnetal tersebut yaitu kinerja keuangan perusahaan. Karena kinerja
keuangan yang baik akan mampu memberikan return yang baik juga
dibandingkan dengan perushaaan yang kinerja keuangannya lebih
buruk.
45
2.2.Penelitian Terdahulu
Jurnal yang dibuat oeh Mutmainah dan Sri Sulasmitari yg berjudul
“Analisis Teknikal Indikator Stochastic Oscillator Dalam Menentukan Sinyal
Beli dan Jual Saham Pada sub sekto Konstruksi dan Bangunan di BEI Selama
Periode 2014-2016” pada tahun 2017 menghasilkan kesimpulan yaitu analisis
teknikal dengan indikator Stochastic Oscillator dikatakan akurat dan dapat
dijadikan pedoman dalam penentuan sinyal jual dan sinyal beli saham pada
sub sektor konstruksi dan bangunan periode 2014-2017. Hal ini dibuktikan
dengan hasil analisis sebagai berikut, selama tahun 2014-2017 perusahaan
yang tergabung dalam sub sektor industri yakni 9 perusahaan sebagai sampel
menghasilkan sebanyak 269 sinyal yakni 138 sinyal beli dan 131 sinyal jual
dengan menggunakan indikator Stochastic Oscillator dimana sinyal membeli
dan sinyal menjual tersebut dikatakan akurat dan dapat dijadikan pedoman
dalam menentukan sinyal jual dan sinyal beli. Indikator Stochastic Oscillator
dapat dikatakan akurat karena dilihat dari hasil analisis menggunakan uji
Paired Sample T-test. Pengujian hipotesis dengan taraf signifikan α=0,05 dan
uji Paired Sample T-test yang menghasilkan nilai pvalue (Asymp. Sig 2
tailed) sebesar 0,121 menunjukkan bahwa tidak terdapat perbedaan yang
signifikan antara sinyal jual dan sinyal beli sebelum dan sesudah
menggunakan indikator Stochastic Oscillator pada saham sub sektor
konstruksi dan bangunan periode 2014-2017, oleh karena itu indikator ini
akurat dan dapat dijadikan pedoman dalam mennetukan sinyal jual dan sinyal
beli pada saham sub sektor konstruksi dan bangunan periode 2014-2017.
46
Pada penelitian yang berjudul “Analisis Teknikal dengan Indikator
Moving Average Convergence Divergence untuk Menentukan Sinyal
Membeli dan Menjual Dalam Perdagangan Saham (Pada Subsektor Makanan
dan Minuman di BEI) yang diteliti pada tahun 2016 oleh Dian Dwi Parama
Asthri, Topowijono dan Sri Sulasmiyati. Analisis teknikal dengan indikator
MACD akurat dan dapat dijadikan pedoman untuk penentuan sinyal membeli
dan menjual dalam perdagangan saham pada sub sektor makanan dan
minuman di Bursa Efek Indonesia periode 2013-2015. Hal ini didukung
dengan hasil analisis sebagai berikut, selama tahun pengamatan 2013-2015
dengan menggunakan analisis MACD pada 7 sampel menghasilkan 107
sinyal membeli dan 107 sinyal menjual. Pengujian hipotesis dengan taraf
siginifikan α = 5% menghasilkan sinyal membeli dan menjual yang didapat
dari MACD akurat yaitu dengan menunjukkan bahwa nilai p-value
(Asymp.Sig. 2-tailed) sebesar 0,782.Hasil tersebut tampak bahwa nilai
signifikansi 0,782 lebih besar dari 0,05 sehingga, berdasarkan kriteria uji
maka hipotesis nol (H0) diterima. Dengan hasil uji wilcoxon signed rank test
menyatakan tidak terdapat perbedaan yang signifikan antara sinyal beli dan
sinyal jual sebelum menggunakan indikator MACD dengan sinyal beli dan
sinyal jual sesudah menggunakan indikator MACD pada saham sub sektor
makanan dan minuman di BEI periode 2013-2015. Hasil penelitian ini
menyatakan bahwa tidak terdapat perbedaan yang signifikan antara sinyal beli
dan sinyal jual sebelum MACD dan sesudah MACD, sehingga analisis
teknikal dengan indikator MACD akurat dan dapat dijadikan pedoman dalam
47
penentuan sinyal membeli dan menjual dalam perdagangan saham pada sub
sektor makanan dan minuman di BEI.
Jurnal “Efektifitas Penggunaan Analisis Teknikal Stochastic Oscillator
dan Moving Average Convergence-Divergence (MACD) pada Perdagangan
Saham-saham Jakarta Islmaic Index (JII) di Brusa Efek Indonesia” yang
dibuat oleh Adi Prabhata (2015) did dapat beberapa kesimpulan dari hasil
penelitiannya yaitu.
1. Penggunaan Stochastic Oscillator secara statistik signifikan dapat
menghasilkan capital gain bagi investor, khususnya di saham-saham yang
masuk dalam indeks JII. Sebaliknya, penelitian ini tidak dapat
membuktikan bahwa penggunaan Stochastic Oscillator secara signifikan
dapat menghasilkan abnormal return.
2. Penggunaan MACD secara statistik signifikan dapat menghasilkan
capital gain bagi investor, khususnya di saham-saham yang masuk dalam
indeks JII. Sebaliknya, penelitian ini tidak dapat membuktikan bahwa
penggunaan MACD secara signifikan dapat menghasilkan abnormal
return.
3. Tidak terbukti adanya perbedaan capital gain pada Stochastic Oscillator
dengan MACD.
4. Keberhasilan Stochastic Oscillator dan MACD mendapatkan capital gain
menunjukkan bahwa pasar modal Indonesia tidak sepenuhnya
mencerminkan dukungan terhadap Efficient Market Hypothesis (EMH).
Sungguhpun demikian ketidakberhasilan penelitian ini untuk
48
membuktikan adanya abnormal return pada penggunaan analisis teknikal
menunjukkan bahwa pasar modal Indonesia sudah mulai menunjukkan
pembentukan efisiensi pasar.
Pada jurnal yang ditulis oleh Muhammad Wahyu Kusuma (2015) yang
berjudul “Analisa teknikal dengan pergerakan harga saham individual
perusahaan pertambangan yang terdaftar di LQ 45 dengan menggunakan
indikator Candlestick pendekatan ratio fibonancci, dan analisis fuzzy logic”.
Hasil penelitian ini adalah bahwa analisis teknikal pergerakan harga saham
dengan penggunaan pendekatan candlestick, rasio fibonacci dan analisis
fuzzy logic dapat digunakan dengan baik. Hasil analisa teknikal pada
pergerakan saham menunjukan bahwa selama periode tahun 2015 pergerakan
saham mengalami tren menurun. Tren menurun merupakan sinyal yang baik
bagi calon investor yang ingin membeli saham dari sektor pertambangan.
Saham-saham yang mengalami tren menurun menunjukan ada dua saham
yang direkomondasikan daripada kedelapan saham yang lain. Saham yang
direkomendasikan untuk untuk dibeli adalah saham Bumi Resources Tbk dan
Energi Mega Persada Tbk. Pergerakan kedua saham tengah berada pada level
support 100% dan level resistance 78,6%. kedua saham yang
direkomondasikan untuk dibeli pada kisaran harga hingga Rp 986,20 untuk
Bumi Resources Tbk dan Rp 101,80 untuk Energi Mega Persada Tbk.
Rekomendasi atas kedua saham berdasarkan analisis rasio Fibonacci pada
level support dan resistance serta analisi fuzzy logic untuk rekomendasi
harga beli (Putra, 2015).
49
Pada jurnal yang ditulis oleh Desi Pujiati (2014) yang berjudul “Analisis
teknikal sebagai dasar pengambilan keputusan investasi dipasar modal pada
PT Unilever Indonesia Tbk. Hasil dari penelitian ini adalah dari hasil
perhitungan dan analisis grafik dapat disimpulkan bahwa analisis teknikal
memang cocok untuk memprediksi harga saham. Titik overbought terjadi
pada range harga Rp 6.650 sampai dengan Rp 8.800 yang mengindikasikan
pada range harga tersebut akan terjadi penurunan harga (bearish). Sedangkan
titik titik oversold terjadi pada range harga Rp 6.150 sampai dengan Rp
8.000 yang mengindikasikan bahwa pada range harga tersebut akan terjadi
kenaikan harga (bullish). Dapat di prediksi bahwa harga saham PT Unilever
sekitar tanggal 10 atau 11 Maret 2008 akan terjadi penurunan harga
(bearish), dan keputusan yang sebaiknya di ambil pada tanggal 9 Maret 2009
jika investor mempunyai saham PT Unilever adalah menjual (sell) saham
yang dimiliki, dan jika investor belum mempunyai saham PT Unilever
sebaiknya menunggu (hold) sampai ada sinyal beli pada grafik stochastic
oscillator. Penggunaan analisis teknikal dengan menggunakan indikator
stochastic oscillator terbukti cocok untuk memprediksi saham PT Unilever.
Dapat diprediksi bahwa harga saham PT Unilever pada perdagangan
selanjutnya akan mengalami penurunan harga (bearish) (Pujiati, 2013).
Jurnal yang ditulis oleh Natica Ardani, Werner R.Murhadi dan Deddi
Marciano (2014) yang berjudul “Investasi: komparasi strategi buy and hold
dengan pendekatan teknikal”. Hasil penelitian ini adalah penggunaan analisis
teknikal dengan moving average terbukti dapat melihat tren dari pergerakan
50
saham sesuai asumsi/prinsip dasar yang dijelaskan dalam Murphy (1999).
Dengan hasil tersebut dapat dikatakan bahwa pasar dari suatu negara akan
lebih efesien pada saat kondisi ekonomi baik efficient market hypothesis
terbukti. Namun, pada saat kondisi ekonomi negara tersebut buruk, maka
pasar saham juga menjadi tidak efesien dan pasar cenderung bergerak
berdasarkan tren sehingga analisa teknikal menjadi lebih memberikan
keuntungan. Reaksi pasar negative lebih kuat dan dapat di prediksi
dibandingkan reaksi positif terhadap stimulus. Hal tersebut dapat terjadi
karena dipengaruhi oleh adanya pengambilan keputusan secara irasional oleh
sebagian besar investor dan meyebabkan pasar tidak menjadi efesien. Para
investor memiliki kecenderungan yang sama dalam pengambilan keputusan
saat kondisi pasar bearish untuk meminimali sasikan kerugian (Ardani,
R.Murhadi, & Marciano, 2012).
Pada jurnal yang ditulis oleh Marli, Dwi Danesty Deccasari (2014) yang
berjudul “Penerapan analisis teknikal dengan metode bollinger sebagai salah
satu indikator dalam transaksi short time perdagangan saham (studi pada PT.
E-Trading securities Malang)”. Hasil penelitian ini adalah bollinger band
merupakan salah satu volatility indikator yang dapat digunakan sebagai
indikator action dan digunakan bersama indikator lain untuk mengambil
suatu keputusan investasi. Terdapat 3 macam sinyal yang dapat diindikasikan
dari pergerakan bollinger band, yakni tren yang akan terjadi terhadap
pergerakan harga saham, volatilitas pergerakan harga saham, dan
momentum. Suatu keputusan investasi dapat diambil apabila pergerakan
51
bollinger band didukung pula strategi yang digunakan. Dimana sangat
penting untuk diikuti secara konsisten pergerakan harga saham dalam
kondisi normal, persiapan break, dan konsolidasi. Jadi, apabila pergerakan
harga sesuai dengan fase dalam metode bollinger searah dan saling
mendukung, maka keputusan investasi dapat diambil secara tepat (Marli &
Deccasari, 2014).
Jurnal yang berjudul “A Comparative Study of Two Technical Analysis
Tools: Moving Average Convergence and Divergence V/S Relative Strengh
Index: A Case Study od HDFC Bank ltd Listed in National Stock Exchange
of India (NSE)” yang ditulis oleh M. Hashemi Tilehnouei dan B. Shivaraj
(2013) dapat diambil kesimpulan bahwa metode MACD lebih baik
dibandingan dengan metode Relative Strengh Index, dapat dibuktikan
dengan performa indeks yang dihasilkan macd sebesar 9796.68 lebih besar
dibandingkan dengan metode RSI yang hanya sebesar 9038.09. dari data
tersebut metode MACD lebih cocok dalam hal membeli, memegang atau
menjual saham, sedangkan RSI lebih cocok dalam mendiaknosis overbought
atau oversold signal.
Jurnal yang ditulis oleh Denny Andrianto C.W. Muhammad Hasbi dan
Teguh Susyanto pada tahun 2013 yang berjudul “ Trading Otomatis
Perdagangan Forex Menggunakan Metode Martingale dan indikator Moving
Average Convergence Divergence di Instaforex menunjukan hasil bahwa
indikator MACD mampu memberikan indikasi peramalan kearah mana trend
akan berjalan selanjutnya, selain itu juga penggunaan dengan metode
52
Martingale menutup kesalahan indikasi dari indikator MACD, dari hasil
penggabungan ini memberikan akurasi kurang lebih sebesar 60% .
Jurnal yang ditulis oleh Shah Nisrag Pinankin yang berjudul
“Comparison between MACD with EMA and Stochastic Oscillator” pada 3
perusahaan perbankan teratas berdasarkan kapitalisasi pasar pada 21
November 2011. Analisis teknikal menggunakan indikator Moving Average
Convergece Divergence lebih akurat dalam hal memberikan sinyal, lebih
baik dalam mendapatkan profit dan pengembalian keuntungan yang lebih
tinggi. Stochastic Oscillaotor lebih banyak dalam memberikan sinyal akan
tetapi sinyal yang diberikan tidak lebih akurat dibandingkan dengan metode
Movinng Average Convergence Divergecne.
Perbedaan penelitian ini dengan penelitian terdahulu adalah
membandingkan dua metode dalam menentukan sinyal jual maupun sinyal
membeli dengan menggunakan indikator Stochastic Oscillaotr dan Moving
Average Convergence Divergence selain itu juga perbedaan dengan
penelitian terdahulu yaitu adanya jumlah persetanse dari masing masing
metode dalam memberikan true dan false signal. Kelebihan dari penelitian
ini karena membandingkan dengan menggunakan dua metode maka dapat
memilih metode yang lebih akurat, sehinggga tidak salah memilih metode
dalam melakukan jual beli saham dipasar modal. Selain itu juga penelitian
ini menggunakan data mingguana dimana pada penelitian terdahulu
menggunakan data bulanan, sehinggga dapat menggammbarkan kondisi
53
terkini secara lebih akurat dari perusahaan yang tergabung dalam indeks
Dow Jones Industrial Average.
54
2.3.Kerangka Berfikir
Grafik Harga Saham Perushaan di Indeks
DJIA
Stochastic
Oscillaotor
Indikator Analisis
Teknikal
Moving Average
Convergence
Divergence
Menentukan Metode Terbaik
dalam Analisis Teknikal
Mencari Sinyal
Jual dan Beli
Analisis Deskripsi
Uji Normalitas
Shapiro Wilk
Uji Hipotesis Wilcoxon
Signed Ranked Test
55
2.4.Hipotesis
Menurut Sugiyono (2009) menjelaskan bahwa hipotesis berasal dari kata
hypo dan thesis. Hipo berarti kurang dari, sedangkan tesis berarti pendapat.
Jadi hipotesis ialah suatu pendapat atau kesimpulan yang sifatnya masih
sementara,
Hipotesis pada peneleitian ini adalah
Ho : Tidak terdapat perbedaan yang signifikan antara sinyal jual dan sinya
beli menggunakan indikator Stochastic Oscillator maupun
menggunakan indikator Moving Average Convergence Divergecne pada
indeks Dow Jones Industrial Average.
Hi : Terdapat perbedaan yang signifikan antara sinyal beli dan sinyal jual
menggunakan indikator Stochastic Oscilator dengan indikator Moving
Average Convergecen Divergence pada indeks Dow Jones Industrial
Average.
Sinyal Jual dan Beli
Menggunakan Indikator
Stochastic Oscillator
Sinyal Jual dan Beli
Menggunakan Indikator
Moving Average
Convergence Divergence
Uji Beda
56
BAB III
METODE PENELITIAN
3.1. Jenis Penelitian
Menurut Sugiyono (2013: 2), Metode penelitian pada dasarnya
merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan
kegunaan tertentu, sedangkan menurut Darmadi (2013: 153), Metode
penelitian adalah suatu cara ilmiah untuk mendapatkan data dengan tujuan
kegunaan tertentu. Pada penelitian ini menggunakan pendekatan kuantitatif
dengan jenis penelitian deskriptif.. Penggunaan metode deskriptif ini
dikarenakan peneliti ingin mengetahui dan melihat perbedaan harga saham
dari kedua indikator yang digunakan yaitu Stochastic Oscillator dan Moving
Average Convergence Divergence, hal tersebut dapat dilakukan dengan cara
mencatat harga saham sealam terjadinya sinyal jual dan sinyal beli dari
tahun 2015 sampai 2017 dengan menggunakan data mingguan perusahaan
yang terdaftar di indeks Dow Jones Industrial Average yang kemudian di
deskripsikan dalam bentuk laporan, lalu penelitian ini menggunakan
pendekatan kuantitaif karena ingin melihat sejauh mana perbedaan antara
metode Stochastic Oscillator dengan Moving Average Convergence
Divergence dalam menghasilkan sinyal jual dan beli dalam bentuk
presentase, dan data harga saham didapatkan dengan menggunakan aplikasi
chartnexus.
57
3.2. Lokasi Penelitian
Lokasi penelitian adalah objek dari penelitian atau pengambilan data
yang digunakan untuk mendapatkan data yang diinginkan dari suatu
penelitian. Lokasi penelitian ini dilakukan di indeks Dow Jones Industrial
Average dengan bantuan aplikasi bernama Chartnexus dalam hal
pengambilan data sinyal jual dan beli menggunakan metode Stochastic
Oscillator dan Moving Average Convergence Divergence. Adapun
perushaan yang terdaftar di indeks Dow Jones Indsutrial Average adalah
sebegai berikut:
Tabel 3.1.
Perusahaan Yang Terdaftar di Indeks DJIA
No Simbol Nama Perusahaan
1 UTX United Technologies Corporation
2 CVX Chevron Corporation
3 WMT Walmart Inc.
4 AXP American Express Company
5 JNJ Johnson & Johnson
6 JPM JPMorgan Chase & Co.
7 MSFT Microsoft Corporation
8 DIS The Walt Disney Company
9 MMM 3M Company
10 MRK Merck & Co., Inc.
11 XOM Exxon Mobil Corporation
12 PG The Procter & Gamble Company
58
13 CSCO Cisco Systems, Inc.
14 AAPL Apple Inc.
15 IBM International Business Machines Corporation
16 KO The Coca-Cola Company
17 CAT Caterpillar Inc.
18 TRV The Travelers Companies, Inc.
19 PFE Pfizer Inc.
20 HD The Home Depot, Inc.
21 V Visa Inc.
22 GS The Goldman Sachs Group, Inc.
23 INTC Intel Corporation
24 VZ Verizon Communications Inc.
25 DWDP DowDuPont Inc.
26 NKE NIKE, Inc.
27 BA The Boeing Company
28 MCD McDonald's Corporation
29 WBA Walgreens Boots Alliance, Inc.
30 UNH UnitedHealth Group Incorporated
Sumber : https://finance.yahoo.com/quote/%5EDJI/components?p=%5EDJI
3.3. Populasi dan Sampel
Populasi dalam penelitian ini adalah seluruh perusahaan yang terdaftar
di indeks Dow Jones Industrial Average sebanyak 30 perusahaan selama
kurun waktu 2015 smapai 2017 dengan jenis data mingguan. Menurut
Sugiyono (2011:57) populasi adalah wilayah generalisasi yang terdiri atas
objek atau subjek yang mempunyai kualitas dan karakteristik tertentu yang
59
ditetapkan oleh penelitian untuk dipelajari, kemudian ditarik
kesimpulannya.
Menurut gunawan (2013: 19) metode Purpose Sampling merupakan
teknik sampling yang digunakan peneliti jika peneliti mempunyai
pertimbangan-pertimbangan tertentu didalam pengambilan sampelnya atau
penentuan sampel untuk tujuan tertentu. Sampel pada penelitian ini
menggunakan metode Purpose Sampling. Kriteria-kriteria yang digunakan
dalalam menentukan sampel adalah sebagai berikut
1. Perusahaan-perusahaan yang terdaftar di indkes Dow Jones Industrial
Average periode 2015-2017
2. Perusahaan yang sudah melakukan Initial Public Offering (IPO)
3. Perushaan yang aktif sahamnya, yang mengalami kondisi bearish (tren
turun) maupun kondisi bullish (tren naik)
4. Perushaan yang datanya dapat diakses menggunakan aplikasi
Chartnexus.
Dari kriteria-kriteria tersebut maka dapat diambil kesimpulan bahwa dari
30 perushaaan yang terdaftar di indeks Dow Jones Industrial Average, ada
satu perushaan yang yang datanya tidak dapat diakses menggunakan aplikasi
Chartnexus yaitu perushaan DowDuPont Inc dengan kode perusahaan
DWDP.
60
3.4. Data dan Sumber Data
Penelitian menggunakan data sekunder yaitu mengambil data historis
harga saham yang terdaftar pada indeks Dow jones Industrial Average
selama periode 2015-2017 dengan menggunakan grafik Candlestick pada
software Chartnexus.
3.5. Variabel Penelitian
Menurut Sugiyono (2014:61), variabel penelitian adalah suatu atribut atau
sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi
tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya. Definisi operasional variabel penelitian kali ini terdiri atas
garis sinyal (Signal Line), garis Stochastic Oscillator dan garis Moving
Average Convergence Divergence serta sinyal jual dan sinyal beli. Dalam
penelitian ini hanya melihat analisis perbandinga dari kedua metode tersebut
tanpa adanya varibel dependen (variabel terikat) yang dipengaruhi maupun
varibel independen (variabel bebas) yang mempengaruhi.
3.6. Metode Pengumpulan Data
Metode pengumpulan data untuk penelitian ini menggunakan teknik
Dokumentasi, yaitu teknik pengumpulan data yang bersumber dari berbagai
macam referensi seperti buku, jurnal, artikel, berita dll, yang berhubungan
dengan pembahasan materi penelitian ini. Tahap berikutnya adalah
mengamati kegiatan perdagangan saham dan pergerakannya melalui Software
Chartnexus serta mengumpulkan sinyal jual dan beli dari perpotongan grafik
61
yang di hasilkan selama periode 2015-2017 dari kedua metode yang
digunakan dalam bentuk tabel.
3.7. Analisis Data
Analisa data yaitu melalui cara memeriksa dan meneliti data-data untuk
menjamin kebenarannya, mengkategorikan dan mengelompokan data
tersebut untuk dibandingkan dengan teori-teori yang ada. Dalam penelitian
ini, teknik analisi data yang dilakukan antara lain sebagai berikut:
3.7.1. Input Data
Data yang diinput merupakan grafik pergerakan harga saham
yang terdaftar pada indeks Dow Jones Industrial Average selama
periode 2015-2017 dalam mingguan dengan menggunakan Software
Chartnexus. Dari pergerakan grafik tersebut dapat diketahui serta
melakukan pendataan sinyal jual maupun sinyal beli yang dihasilkan
dari perpotongan garis dari masing-masing metode selama kurun
waktu 2015 sampai 2017 dalam mingguan. Proses pengumpulan data
ini dibatu dengan bantuan microsoft excel dan SPSS16 serta
dilakukan secara offline.
3.7.2. Menentukan indikator analisis teknikal
Indikator yang digunakan dalam penelitian ini ada dua yaitu
stochastic oscillator dan moving average convergence divergence.
Semua indikator tersebut sudah tersedia di aplikasi Software
Chartnexus.
62
3.7.3. Penggunaan Stochastic Oscillator
Tahap pertama yang dilakukan pada penelitian ini yaitu
melakukan analisis deskriptif menggunnakan aplikasi SPSS16,
dimana analisis ini bertujuan untuk mengetahui sinyal membeli dan
sinyal menjual setelah menggunakan indikator Stochastic Oscillator
dan juga mengetahui nilai minimum, maximum, mean, dan standar.
Pada indikator ini dijelaskan juga selama periode tertentu saham
termasuk jenuh jual (oversold) atau termasuk jenuh beli (overbouht)
yang dihasilkan dari perpotongan garis %K-14 dan garis %D-,
Setelah menggunakan indikator Stochastic Oscillator langkah
selanjutnya yaitu melakukan Uji Hipotesis. Sebelum melakukan Uji
Hipotesis, peneliti harus mengetahui data yang dugunakan berdistribusi
normal atau tidak dengan cara melakukan uji normalitas, pada
penelitian ini uji normalitas yang digunakan yaitu menggunakan Uji
Normalitas Shapiro Wilk. Adapun pedoman pengambilan keputusan
mengenai uji normalitas menurut Santoso (2015: 38) sebagai berikut:
1. Jika nilai signifikasi > 0,05 maka sebaran skor data berdistribusi
normal.
2. Jika nilai signifikasi < 0,05 maka sebaran skor data tidak
berdistribusi normal.
Setelah melakukan uji normalitas, data yang dihasilkan dari uji
normalitas tersebut berdistribusi tidak normal oleh karena itu uji
hipotesis yang dilakukan yaitu dengan uji statistik non parametik. Uji
63
statistik non parametik pada penelitian ini menggunakan uji Wilcoxon,
kriteria pengujian statistik non parametik uji wilcoxon menurut Santoso
(2015: 39) yaitu sebagai berikut:
1. Jika nilai signifikasi > 0,05, maka H0 diterima dan Ha ditolak.
2. Jika nilai signifikasi < 0,05, maka H0 ditolak dan Ha diterima.
3.7.4. Penggunaan MACD
Tahap pertama yang dilakukan pada penelitian ini yaitu
melakukan analisis deskriptif menggunnakan aplikasi SPSS16,
dimana analisis ini bertujuan untuk mengetahui sinyal membeli dan
sinyal menjual setelah menggunakan indikator Moving Average
Convergence Divergence dan juga mengetahui nilai minimum,
maximum, mean, dan standar dengan perpotongan yang dihasilkan
dari garis Moving Average Convergence Divergence dengan format
EMA 26 - EMA 12 dengan garis sinyal dengan format EMA 9.
Setelah menggunakan indikator Moving Average Convergence
Divergence langkah selanjutnya yaitu melakukan Uji Hipotesis.
Sebelum melakukan Uji Hipotesis, peneliti harus mengetahui data yang
dugunakan berdistribusi normal atau tidak dengan cara melakukan uji
normalitas, pada penelitian ini uji normalitas yang digunakan yaitu
menggunakan Uji Normalitas Shapiro Wilk. Adapun pedoman
pengambilan keputusan mengenai uji normalitas menurut Santoso
(2015: 38) sebagai berikut:
64
1. Jika nilai signifikasi > 0,05 maka sebaran skor data berdistribusi
normal.
2. Jika nilai signifikasi < 0,05 maka sebaran skor data tidak
berdistribusi normal.
Setelah melakukan uji normalitas, data yang dihasilkan dari uji
normalitas tersebut berdistribusi tidak normal oleh karena itu uji
hipotesis yang dilakukan yaitu dengan uji statistik non parametik. Uji
statistik non parametik pada penelitian ini menggunakan uji Wilcoxon,
kriteria pengujian statistik non parametik uji wilcoxon menurut
Santoso (2015: 39), yaitu sebagai berikut:
1. Jika nilai signifikasi > 0,05, maka H0 diterima dan Ha ditolak.
2. Jika nilai signifikasi < 0,05, maka H0 ditolak dan Ha diterima.
3.8. Analisis Kompararatif
Pada tahapan ini yaitu membandingkan ke dua analisis teknikal yaitu
Stochastic Oscillator dan Moving Average Convergence Divergence, serta
menganalisa dari dua metode tersebut guna menentukan metode mana yang
akan mendapatkan profit optimal dengan memberikan sinyal beli atau jual
yang lebih cepat dengan bantuan Microsoft Excel.
65
BAB IV
ANALISIS DAN PEMBAHASAN
4.1. Banyaknya Sinyal Jual dan Beli yang Dapat Dihasilkan dari Metode
Stochastic Oscillator dan Moving Average Convergence Divergence
(MACD) Dalam Pergerakan Harga Saham di Indeks Dow Jones
Industrial Average
Sinyal jual dan beli yang dapat dihasilkan dari metode Stochastic
Ocillator dan Moving Average Convergence Divergence (MACD) dalam
pergerakan harga saham di Index Dow Jones Industrial Average tentunya
berbeda. Stochastic Oscillator menghasilkan sinyal jual beli sebanyak 752
data, dimana nilai minimum yang dihasilkan oleh metode ini didapatkan oleh
perusahaan yang memiliki kode saham CSCO sebesar 24,78 dan nilai
maximum yang diperoleh oleh metode ini didapatkan oleh perusahaan yang
memiliki kode saham GS yaitu sebesar 254,76. Sedangkan metode Moving
Average Convergence Divergence diperoleh nilai minimum sebesar 26,12
yaitu pada perusahaan CSCO dan nilai maximum didapatkan oleh perusahaan
yang memiliki kode saham BA sebesar 285,09
4.2.Besarnya Keakurasian Metode Stochastic Oscillator dan Moving Average
Convergence Divergence (MACD) Dalam Pergerakan Harga Saham di
Indeks Dow Jones Industrial Average
Besar keakurasian untuk metode Stochastic Oscillator dalam pergerakan
harga saham di indeks Dow Jones Indsutrial Average yaitu perusahaan
dengan kode saham AAPL sebesar 51,6% untuk kode saham AXP sebesar
66
44,4%, untuk kode saham BA, CAT, MMM dan PG sebesar 50,0%, untuk
kode saham CSCO sebesar 42,3%, untuk kode saham CVX sebesar 56,7,
untuk kode saham DIS 66,7%, untuk kode saham GS sebesar 64%, untuk
kode saham HD sebesar 57,9, untuk kode saham IBM sebesar 38,1%, untuk
kode saham INTC sebesar 55,6%, untuk kode saham JNJ sebesar 34,8%,
untuk kode saham JPM sebesar 36%, untuk kode saham KO sebesar 23,3%,
untuk kode saham MCD sebesar 46,2%, untuk kode saham MRK sebesar
29,2%, untuk kode saham MSFT sebesar 26,7%, untuk kode saham NKE
sebesar 43,3%, untuk kode saham PFE sebesar 58,8%, untuk kode saham
TRV sebesar 34,8%, untuk kode saham UNH sebesar 41,7%, untuk kode
saham UTX sebesar 48,1%, untuk kode saham V sebesar 56,5%, untuk kode
saham VZ sebesar 57,7%, untuk kode saham WBA sebesar 52,4%, untuk
kode saham WMT sebesar 39,1 dan untuk kode saham XOM sebesar 38,5%.
Dengan begitu rata-rata yang dihasilkan dari metode ini sebesar 46,4%.
Besar keakurasian untuk metode Moving Average Convergence
Divergence dalam pergerakan harga saham di indeks Dow Jones Indsutrial
Average yaitu perusahaan dengan kode saham AAPL, DIS, WBA sebesar
25%, untuk kode saham AXP, HD, KO, MMM, WMT sebesar 33,3%, untuk
kode saham BA, CSCO sebesar 37,5%, untuk kode saham CAT sebesar
55,6%, untuk kode saham CVX sebesar 40%, untuk kode saham GS, IBM,
NKE, UNH, UTX sebesar 50%, untuk kode saham INTC sebesar 10%, untuk
kode saham JNJ sebesar 57,1%, untuk kode saham JPM sebesar 42,9%, untuk
kode saham MCD, MSFT, V sebesar 66,7%, untuk kode saham MRK sebesar
67
36,4%, untuk kode saham PFE, XOM sebesar 20%, untuk kode saham PG
sebesar 12,5%, untuk kode saham TRV sebesar 22,2%, untuk kode saham VZ
sebesar 62,5%. Dengan begitu rata-rata yang dihasilkan dari metode ini
sebesar 39,5%.
4.3.Besarnya Perbedaan True dan False Signal yang Dihasilkan dari Metode
Stochastic Oscillator dan Moving Average Convergence Divergence
(MACD) Dalam Pergerakan Harga Saham di Indeks Dow Jones
Industrial Average
Besar perbedaan true dan false signal yang dihasilkan dari metode
Stochastic Oscillator oleh saham yang memiliki kode AAPL sebanyak 31
sinyal dengan true signal sebanyak 16 dan false signal sebanyak 15, kode
saham AXP untuk metode Stochastic Oscillator memiliki jumlah sinyal
sebanyak 27 sinyal dimana terdiri dari 12 true signal dan 15 false signal,
kode saham BA dengan menggunakan indikator Stochastic Oscillaotr
memiliki 20 sinyal yang terdiri dari 10 true signal dan 10 flase signal, metdoe
Stochastic Oscillaotr untuk saham yang memiliki kode CAT memiliki 28
sinyal yang terdiri dari 14 true signal dan 14 false signal. Kode saham CSCO
dengan menggunakan metode Stochastic Oscillator memiliki jumlah sinyal
sebanyak 26 yang terdiri dari 11 true signal dan 15 false signal, saham CVX
untuk metode Stochastic Oscillator memiliki sebanyak 30 sinyal yang terdiri
dari 17 true signal dan 18 false signal. Metode Stochastic Oscillator untuk
kode saham DIS memiliki sinyal sebanyak 24 yang terdiri dari 16 true signal
dan 8 false signal. Saham GS untuk metode Stochastic Oscillator memiliki
68
sinyal sebanyak 25 yang terdiri dari 16 true signal dan 9 false signal. Saham
HD dalam metode Stochastic Oscillator memiliki sinyal sebanyak 19 yang
terdiri dari 11 true signal dan 8 false signal, sedangkan. Kode saham IBM
memiliki sinyal sebanyak 21 sinyal untuk metode Stochastic Oscillator yang
terdiri dari 8 true signal dan 15 false signal,
Metode Stochastic Oscillator pada perusahaan yang memiliki kode saham
INTC sebesar 18 sinyal yang terdiri dari 10 true signal dan 8 false signal,
sedangkan Saham dengan kode JNJ dengan menggunakan metode Stochastic
Oscillator memiliki sinyal sebanyak 23 yang terdiri dari 8 true signal dan 15
false signal, kode saham JPM dengan menggunakan metode Stochastic
Oscillator memiliki sinyal sebanyak 25 yang terdiri dari 9 true signal dan 16
false signal. Kode saham KO dengan menggunakan metode Stochastic
Oscillator memiliki sinyal sebanyak 30 dengan true signal 7 dan false signal
23. Metode Stochastic Oscillator pada perushaan dengan kode saham MCD
memiliki sinyal sebanyak 26 yang terdiri dari 12 true signal dan 14 false
signal, perusahaan dengan kode saham MMM menggunakan metode
Stochastic Oscillator memiliki sebanyak 26 sinyal yang terdiri dari 13 true
signal dan 13 false signal. Metode Stochastic Oscillator pada perusahaan
yang memiliki kode saham MRK memiliki sebanyak 24 sinyal yang terdiri
dari 7 true signal dan 17 false signal, sedangkan dengan menggunakan
metode Stochastic Oscillator pada perusahaan yang memiliki kode saham
MSFT memiliki sebanyak 30 sinyal yang terdiri dari 8 true signal dan 22
false signal, Kode saham NKE dengan menggunakan metode Stochastic
69
Oscillator memiliki sebanyak 30 sinyal yang terdiri dari 13 true signal dan 17
false signal, Saham dengan kode PFE dengan menggunakan metode
stochastic Oscillaotr memiliki 17 sinyal yang terdiri dari 10 true signal dan 7
false signal,
Metode Stochastic Oscillator pada perusahaan yang memiliki mode
saham PG memiliki sebanyak 26 sinyal yang terdiri dari 13 true maupun false
signal, Perusahaan dengan kode saham TRV dengan menggunakan metode
Stochastic Oscillator memiliki 23 sinyal yang terdiri dari 8 true signal dan 15
false signal, Saham perusahaan dengan kode UNH dengan menggunakan
indikator Stochastic Oscillator memiliki 24 sinyal yang terdiri dari 10 true
signal dan 14 false signal, Metode Stochastic Oscillator pada saham UTX
memiliki 27 sinyal yang terdiri dari 13 true signal dan 14 false signal, saham
dengan kode V dengan menggunakan metode Stochastic Oscillator memiliki
sebanyak 23 sinyal yang terdiri dari 13 true signal dan 10 false signal, Kode
saham VZ dengan menggunakan indikator Stochastic Oscillator memiliki
sinyal sebanyak 26 yang terdiri dari 15 true signal dan 11 false signal,
Metode Stochastic Oscillator pada saham WBA memiliki sinyal sebanyak 21
yang terdiri dari 11 true signal dan 10 false signal. Saham yang memiliki
kode WMT dengan menggunakan metode Stochastic Oscillator memiliiki
sebanyak 23 sinyal yang terdiri dari 9 true signal dan 14 false sigmal,
Perusahaan terakhir yang memiliki kode saham XOM dengan menggunakan
indikator Stochastic Oscillator memiliki sebanyak 26 sinyal yang terdiri dari
70
10 true signal dan 16 false signal, Untuk lebih jelasnya lagi berikut
merupakan tabel dan grafik yang dihasilkan dari metode Stochastic Oscillator
Tabel 4.1
Perbedaan true dan false signal
Metode SAHAM TRUE SIGNAL FALSE SIGNAL
JUMLAH % JUMLAH %
Stochastic
Oscillator AAPL 16 51,6 15 48,4
AXP 12 44,4 15 55,6
BA 10 50,0 10 50,0
CAT 14 50,0 14 50,0
CSCO 11 42,3 15 57,7
CVX 17 56,7 13 43,3
DIS 16 66,7 8 33,3
GS 16 64,0 9 36,0
HD 11 57,9 8 42,1
IBM 8 38,1 13 61,9
INTC 10 55,6 8 44,4
JNJ 8 34,8 15 65,2
JPM 9 36,0 16 64,0
KO 7 23,3 23 76,7
MCD 12 46,2 14 53,8
MMM 13 50,0 13 50,0
MRK 7 29,2 17 70,8
MSFT 8 26,7 22 73,3
NKE 13 43,3 17 56,7
PFE 10 58,8 7 41,2
PG 13 50,0 13 50,0
TRV 8 34,8 15 65,2
UNH 10 41,7 14 58,3
UTX 13 48,1 14 51,9
V 13 56,5 10 43,5
VZ 15 57,7 11 42,3
WBA 11 52,4 10 47,6
WMT 9 39,1 14 60,9
XOM 10 38,5 16 61,5
Rarta-Rata 11,4 46,4 13,4 53,6
71
Metode MACD pada perusahaan AAPL sebanyak 12 sinyal terdiri dari 3
true signal dan 9 false signal, metode MACD pada saham AXP memiliki
sinyal sebanyak 9 yang terdiri dari 3 true signal dan 6 false signa.Pada
perusahaan berkode saham BA dengan menggunakan metode MACD
memiliki 8 sinyal yang terdiri dari 3 ture signal dan 8 false signal. Kode
saham CAT dengan menggunakan metode MACD memiliki jumlah sebanyak
9 sinyal yang terdiri dari 5 true signal dan 4 false signal. untuk metode
MACD pada perusahaan yang memiliki kode saham CSCO memiliki jumlah
sebanyak 8 sinyal yang terdiri dari 3 true signal dan 5 false signal, untuk
metode MACD pada saham yang berkdoe CVX memiliki 5 sinyal yang
terdiri dari 2 true signal dan 3 false signal. Metode MACD pada kode saham
DIS memiliki sinyal sebanyak 8 yang terdiri dari 2 true signal dan 6 false
signal, Pada perusahaan dengan kode saham GS dengan menggunakan
metode MACD memiliki 6 sinyal yang terdiri dari 3 true signal dan 3 false
signal. Saham dengan kode HD dengan metode MACD memiliki sinyal
sebanyak 6 sinyal yang terdiri dari 2 true signal dan 4 false signal. untuk
metode MACD pada saham dengan kode IBM memiliki sinyal sebanyak 4
yang terdiri dari 2 true signal dan 2 false signal. Untuk metode MACD pada
saham dengan kode INTC memiliki 10 sinyal yang terdiri dari 1 true signal
dan 9 false signal, metode MACD pada kode saham JNJ memiliki sinyal
sebanyak 7 yang terdiri dari 4 true signal dan 3 false signal. Indikator MACD
pada perusahaan dengan kode saham JPM memiliki sinyal sebanyak 7 yang
terdiri dari 3 true signal dan 4 false signal, untuk kode saham KO dengan
72
menggunakan metode MACD memiliki 6 sinyal yang terdiri dari 2 true
signal dan 4 false signal. Metode MACD pada saham dengan kode MCD
memiliki sinyal sebanyak 9 yang terdiri dari 6 true signal dan 3 false signal.
Metode MACD pada kode saham MMM memiliki 9 sinyal yang terdiri dari 3
true signal dan 6 false signal. Pada saham dengan kode MRK dengan
menggunakan metode MACD memliki sebanyak 11 sinyal yang terdiri dari 4
true signal dan 7 false signal. metode MACD pada saham dengan kode MSFT
memiliki sebanyak 12 sinyal yang terdiri dari 8 true signal dan 4 false signal,
indikator MACD dengan kode perusahaan NKE memiliki sinyal sebanyak 8
yang terdiri dari 4 true signal dan 4 false signal. Metode MACD pada saham
dengan kode PFE memiliki sinyal sebanyak 10 yang terdiri dari 2 true signal
dan 8 false signal. Metode MACD pada saham dengan kode PG memiliki 8
sinyal yang terdiri dari 1 true signal dan 7 false signal. Metode MACD pada
perushaan dengan kode TRV memiliki sebanyak 9 sinyal yang terdiri dari 2
true signal dan 7 false signal. Indikator MACD dengan kode saham UNH
memiliki 5 true maupun false signal. Saham dengan kode UTX dengan
menggunakan indikator MACD memiliki 10 sinyal yang terdiri dari 5 true
maupun false signal. Metode MACD pada perusahaan dengan kode saham V
memiliki sebanyak 9 sinyal yang terdiri dari 6 true signal dan 3 false signal.
Pada saham dengan kode VZ dengan menggunakan Indikator MACD
memiliki 8 sinyal yang terdiri dari 5 true signal dan 3 false signal.saham
dengan kode WBA dengan indikator MACD memiliki sinyal sebanyak 12
yang terdiri dari 3 true signal dan 9 false signal. Indikator MACD pada saham
73
dengan kode WMTmemiliki sinyal sebanyak 9 yang terdiri dari 3 true signal
dan 6 false signal.Sedangkan pada perusahaan terakhir dengan kode XOM
dengan indikator MACD memiliki sebanyak 10 sinyal yang terdiri dari 2 true
signal dan 8 false signal.
Tabel 4.2
Perbedaan true dan false signal
METODE Saham True Signal False Signal
Jumlah % Jumlah %
MACD AAPL 3 25,5 9 75
AXP 3 33,3 6 66,7
BA 3 37,5 5 62,5
CAT 5 55,6 4 44,4
CSCO 3 37,5 5 62,5
CVX 2 40 3 60
DIS 2 25 6 75
GS 3 50 3 50
HD 2 33,3 4 66,7
IBM 2 50 2 50
INTC 1 10 9 90
JNJ 4 57,1 3 42,9
JPM 3 42,9 4 57,1
KO 2 33,3 4 66,7
MCD 6 66,7 3 33,3
MMM 3 33,3 6 66,7
MRK 4 36,4 7 63,6
MSFT 8 66,7 4 33,3
NKE 4 50 4 50
PFE 2 20 8 80
PG 1 12,5 7 87,5
TRV 2 22,2 7 77,8
UNH 5 50 5 50
UTX 5 50 5 50
V 6 66,7 3 33,3
VZ 5 62,5 3 37,5
WBA 3 25 9 75
WMT 3 33,3 6 66,7
XOM 2 20 8 80
Rata-Rata 3,3 39,5 5,2 60,5
74
Gambar 4.1
Grafik yang Dihasilkan dari True dan False Signal Masing-Masing Metode
4.4.Metode yang Lebih Baik Dalam Memberikan Sinyal Pada Pergerakan
Harga Saham di Indeks Dow Jones Industrial Average
Dari pengujian yang telah dilakukan didapatkan hasil bahwa metode
Stochastic Oscillator lebih unggul dari pada meode MACD dalam
memberikan sinyal jual maupun sinyal membeli. Selain jumlah sinyal jual
dan sinyal beli yang lebih banyak, metode Stochastic Oscillator juga lebih
sedikit dalam memberikan false signal (sinyal palsu) dari pada metode
MACD, ini dibuktikan dengan data yaitu rata-rata true signal Stochastic
0,010,020,030,040,050,060,070,080,090,0
AA
PL
AX
PB
AC
AT
CSC
OC
VX
DIS GS
HD
IBM
INTC JN
JJP
M KO
MC
DM
MM
MR
KM
SFT
NK
EP
FE PG
TRV
UN
HU
TX V VZ
WB
AW
MT
XO
MR
arta
-Rat
a
Grafik True dan False
True Signal SO (%) False Signal SO (%)
0,0
20,0
40,0
60,0
80,0
100,0
Grafik True dan False
True Signal MACD (%) False Signal MACD (%)
75
Oacillator sebesar 46,4% dan false signal sebesar 53,6%. Sedangkan untuk
metode MACD, jumlah rata-rata true signal sebesar 39,5% dan false signal
sebesar 60,5%, yang artinya bahwa Stochastic Oscillator lebih unggul dalam
hal memberika sinyal jual maupun sinyal membeli,
76
BAB V
PENUTUP
5.1. Kesimpulan
Dari hasil pengujian yang sudah dilakukan, didapatkan hasil bahwa analisis
teknikal dengan indikator Stochastic Oscillator dan Moving Average Convergence
Divergence (MACD) dalam menentukan sinyal jual dan sinyal beli pada indeks Dow
Jones Industrial Average peridoe 2015-2017 dapat diambil kesimpulan dari
hasil penelitian ini sebagai berikut:
1. Hasil pengujian
Hasil pengujian dikatakan dapat memberikan sinyal jual dan beli, hal
tersebut dibuktikan dengan hasil analisis selama tahun 2015-2017 pada
perusahaan yang tergabung dalam indeks Dow Jones Industrial Average
dengan menggunakan uji Wilcoxon Signed Rank Test menghasilkan
Asymp. Sig. sebesarn 0,000 yang artinya nilai tersbut kurang dari 0,05
karena perolehan kurang dari 0,05 maka hipotesis dapat diterima dan
setiap indikator dapat memberikan sinyal jual maupun sinyal beli.
2. Jumlah Sinyal Jual dan Beli
Perolehan yang didapat dari Indikator Stochastic Oscillator
menghasilkan sebanyak 719 sinyal jual maupun beli dengan true signal
sebanyak 330 dan false signal sebanyak 389. Sedangkan untuk indikator
Moving Average Convergence Divergence (MACD) dapat menghasilkan
sinyal sebanyak 249, dengan true signal sebanyak 97 dan false signal
sebanyak 152.
77
5.2.Saran
Bagi penelitian selanjutnya diaharapkan dapat menambah jumlah perode
waktu serta menggunakan data harian agar lebih panjang, sehingga
keakurasian pada penelitian selanjutnya dapat lebih baik, selain itu juga dapat
menambah jumlah metode yang digunakan dalam penelitian seperti Moving
Average, Relative Strengh Indeks (RSI) dan Bollinger Bands ( BB) Agar dapat
lebih maksimal dan memilih dalam menentukan metode yang terbaik untuk
menentuka sinyal beli maupun sinyal jual. Selain itu juga dapat menggunakan
indeks lain untuk melakukan penelitian.
5.3.Implikasi
1. Bagi Investor
Investor dapat memanfaatkan informasi ini untuk menambah
pengetahuan dalam hal mengamati pergerakan harga saham, selain itu
juga investor dapat menambah pengetahuan dalam hal memilih metode
yang lebih unggul sehingga dapat mengetahui metode mana yang lebih
baik dan akurat dalam memberikan sinyal jual maupun sinyal beli di
bidangan Pasar Modal
2. Bagi Akademis
Penelitian ini diharapkan dapat memberikan bukti empiris mengenai
bagaimana keakurasian sinyal jual dan beli dari kedua metode yang
digunakan yaitu Stochastic Oscillator maupun Moving Average
Convergence Divergence periode 2015-2017 pada perusahaan yang
tergabung di indeks Dow Jones Industrial Average.
78
DAFTAR PUSTAKA
Adi Prabhata. Efektifitas Penggunaan Analisis Teknikal Stochastic Oscillator dan
MACD Pada Perdagangan Saham-Saham Jakarta Islmaic Indeks (JII). Jurnal
Kajian Bisnis dan Manajemen. 1 Juni 2012
Astri Dian Dwi Parama, dkk. Analsisi teknikal dengan Indikator MACD untuk
Menentukan Sinyal Membeli dan Menjual dalam Perdagangan Saham. Jurnal
Analisis Bisnis, 2 April 2016
Bodie Z, Kane A, Marcus A. J. 2009. Investments: eight edition. McGraw Hill.
USA
Christianan, Irma. 2011. Analisis Pembentukan Porotofolio yang Efisien pada
Perushaaan Keramik , Kaca dan Porselen yang Terdaftar di Bursa Efek
Indonesia dengan Model Markowitz. Jurnal Analisis Bisnis.
Dahlan, Siamat. 2010. Manajemen Lembaga Keuangan. Edisi Keempat. Lembaga
Penerbit FE Universitas Indonesia. Jakarta
Darmadi, Hamid. (2013). Metode Penelitian Pendidikan dan Sosial. Bandung:
Alfabet
Defrizal, Sucherly, Wirasasmita Y, Nidar SR. 2015. The Determinant Factors of
Sectoral Stock Return in Bullish and Bearish Condition at Indonesia Capital
Market. IJSR.
Fahmi dan Hadi. 2011. Teori Portofolio dan Analisis Inevstasi. Edisi 2. Bandung:
Alfabeta
Finance.yahoo.com
Gitman, Lawrence J dan Chad J. Zutter. 2012. Principles of Managerial Finance,
13th Edition. Global Edition: Pearson Eduaction Limited.
Gunawan, Iman. 2013. Metode Penelitiaan Kualitatif :Teori dan Pratilik. Jakarta:
Bumi Aksara.
Hadi, Nor. 2013. Pasar Modal. Yogyakarta: Graha Ilmu
Halim, Abdul. 2015. Analisis Investasi di Aset Keuangan. Jakarta: Mitra Wacana
Media.
Hartanto, Marcello, dkk. 2014. Analisis Return 3 Indikator Teknikal untuk USD-
JPY Tahun 2013. Jakarta.
79
Harwaningrum, Miranti. Maret 2016. Perbandingan Penilaian Saham Dengan
Metode Analisis Fudamental dan Analisis Teknikal, Penggorengan Saham,
Serta Keputusan Penilaian Saham Untuk Kedua Metode Analisis Pada Saham
Bakrie Group Periode 2005-2009. Jurnal Ilmiah Manajemen dan Bisnis
Herdian, Hendry. 2013. Teknikal Anlisis Untuk Pemula. Jakarta: Stockbit
Herlianto, Didit. 2013. Manajemen Investasi. Yogyakarta: Gosyen Publishing.
Humas. 10 April 2019. Minat Investasi yang Cukup Menjanjikan.
https://www.indonesia.go.id/narasi/indonesia-dalam-angka/ekonomi/minat-
investasi-yang-cukup-menjanjikan. (Akses 15 April 2019)
Husnan, Suad. 2010. Manajemen Keuangan Teori Dan Penerapan (Keputusan
Jangka Panjang). Edisi Keempat. BPFE :Yogyakarta
Jogiyanto, Hartono. 2010. Teori Portofolio dan Analisis Investasi. Edisi ketujuh.
Jogiyanto Hartono, 2013. Teori Portofolio dan Analisis Investasi. BPFE
Yogyakarta. Edisi Kedelapan
Kole E, Dijk D. November 2017. How to Identify and Forecast Bull and Bear
Markets? J. Appl. Econ.
Latumaerissa, Julius R. 2015. Perekonomian Indonesia Dan Dinamika Ekonomi
Global. Jakarta: Mitra Wacana Medika.
Monika Elma Noor, dkk. 2017. Analisis Teknikal Menggunakan Indikatro MACD
untuk Membeli dan Menjual dalam Perdagangan Saham. Jurnal Prosiding
Seminar Nasional ASBIS.
Martalena dan Malinda. 2011. Pengantar Pasar Modal. Edisi Pertama.
Yogyakarta: Penerbit Andi
May, Ellen. 2010. We Are Trading Not Gamblers. Jakarta: Vibby Printing
Mutmainah dan Sulasmiyati Sri. Agustus 2017. Analisis Teknikal Indikator
Stochastic Oscillator dalam Menentukan Sinyal Beli dan Sinyal Jual Saham.
Jurnal Administrasi Bisnis
Shah Nisarg Pinankin.Desember 2013. Comparation Between MACD with EMA
and Stochastic Oscillator. Journal Global Research Analysis
Samsuar, Tenriola. 1 Oktober 2017. Pengaruh Faktor Fudamental dan Teknikal
Terhadap Harga Saham Industri Perhotelan Yang Terdaftar Di Bursa Efek
Indonesia. Jurnal Ekonomi, Keuangan dan Perbankan Syariah
80
Sandrasari, Wiedya Tri. 2010. Analisis Pengaruh Volume Perdagangan,
Frekuensi Perdagangan, dan Order Imbalance TerhadapVolatilitas Harga
Saham Pada Perushaaan Go Publc Di Burs Efek Indonesia [Skripsi].
Surakarta: Universitas Sebelas Maret.
Santoso. S. 2015. SPSS20 Pengolahan Data Statistik di Era Informasi. Jakarta,
PT. Alex Media Komputindo. Kelompok Gramedia
Sugiyono, 2009. Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung :
Alfabeta.
Sugiyono. 2011. Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:
Afabeta
Sugiyono. 2013. Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:
Alfabeta.CV
Sugiyono. 2014. Metode Penelitian Pendidikan Pendekatan Kuantitatif,
Kualitatif, dan R&D. Bandung: Alfabeta.
Sunariyah. 2011. Pengantar Pengetahuan Pasar Modal. Edisi Keenam.
Yogyakarta: UPP STIM YKPN
Surjoko, Felisca. 2014. Efek Bulan Januari (The January Effect). Bina Ekonomi
Majalah Ilmiah Fakultas Ekonomi Unpar
Tandelilin, Eduardus. 2010. Portofolio dan Investasi Teori dan Aplikasi. Edisi
pertama. Yogyakarta : Kanisius
Tilehnouei Hashemi M. dan Shivaraj B. 2013. A Comparative Study of Two
Technical Analysis Tools: MACD vs Relative Strength Index: A Case Study of
HDFC Bank ltd Listed in National Stock Exchange of India (NSE).
International Journal Business
Usman, Berto. 2016. The Phenomenon of Bearish and Bulish in the Indonesian
Stock Exchange. Esensi: Jurnal Bisnis dan Manajemen.
Widoatmodjo Sawidji. 2015. Pengetahuan Pasar Modal untuk Konteks Indonesia.
Jakarta: PT Elex Media Komputindo
Wijaya, Tantra Setia Juli, and Sasi Agustin. 2015. Faktor-Faktor Yang
Mempengaruhi Nilai IHSG Yang Terdaftar Di Bursa Efek Indonesia. Jurnal
Ilmu Dan Riset Manajemen.
Wira, Desmond. 2012. Analisis Teknikal untuk Profit Maksimal. Edisi 4. Jakarta :
Exceeds
81
Yusup, Setyadi. 2012. Pengaruh Inflasi, Nilai Tukar, Produk Domestik Bruto,
Dan Harga Minyak Dunia Terhadap Indeks Harga Saham Gabungan Di
Bursa Efek Indonesia Periode 2004-2011. Universitas Negeri Yogyakarta.
Zakaria, et.al. Maret 2018. Determinasi Indkes Harga Saham Gabungan (IHSG)
di Bursa Efek Indonesia. Future Jurnal Manajemen dan Akuntansi.
82
LAMPIRAN
Lampiran 1.
Output Harga Open dan Close Saham Stochastic Oscillator dan MACD
1. Open Close Harga Saham Stochastic Oscillator
Kode Saham Tanggal Open Close
AAPL 01/05/2015 132.31.00 128.95
31/07/2015 123.09.00 121.03.00
14/08/2015 116.53.00 115.96
21/08/2015 116.04.00 105.76
28/08/2015 94.87 113.29.00
30/10/2015 118.08.00 119.05.00
13/05/2015 120.96 112.34.00
20/11/2015 111.38.00 119.03.00
27/11/2015 119.27.00 117.81
22/01/2016 98.41.00 101.42.00
29/01/2016 101.52.00 97.34.00
26/02/2016 96.31.00 96.91
15/04/2016 108.97 109.85
20/05/2016 92.39.00 95.22.00
24/06/2016 96 93.04.00
01/07/2016 93 95.89
01/06/2016 93 95.89
02/09/2016 106.62 107.73
16/09/2016 102.65 114.92
28/10/2016 117.01.00 113.72
16/12/2016 113.29.00 115.97
02/06/2017 153.42.00 115.45.00
04/08/2017 149.09.00 156.39.00
25/08/2017 157.05.00 159.86
08/09/2017 163.75 158.63
27/10/2017 156.89 163.05.00
17/11/2017 173.05.00 170.15.00
24/11/2017 170.29.00 174.97
01/12/2017 175.05.00 171.05.00
08/12/2017 172.48.00 169.37.00
29/12/2017 170.08.00 169.23.00
AXP 08/05/2015 77.96 78.98
24/07/2015 79.02.00 75.09.00
31/07/2015 75.44.00 76.06.00
83
06/11/2015 73.43.00 74.03.00
25/12/2015 68.15.00 70.16.00
01/01/2016 70 69.55.00
19/02/2016 53.01.00 54.71
15/04/2016 59.67 62.14.00
20/05/2016 64.02.00 63.92
27/05/2016 63.86 65.52.00
10/06/2016 65.55.00 64.97
24/06/2016 62.65 60.06.00
29/07/2016 64.02.00 64.46.00
09/09/2016 65.16.00 65.12.00
14/10/2016 62.15.00 60.15.00
21/10/2016 60.27.00 67.36.00
04/11/2016 66.81 65.51.00
11/11/2016 66.85 70.05.00
03/03/2017 79.75 79.88
14/04/2017 77.92 75.08.00
21/04/2017 75.83 79.59.00
09/06/2017 78.75 80.31.00
11/08/2017 86.01.00 84.29.00
25/08/2017 85.45.00 85.47.00
01/09/2017 85.65 86.14.00
15/09/2017 84.97 86.99
10/11/2017 96.35.00 93.52.00
24/11/2017 93.92 93.48.00
BA 12/06/2015 140.24.00 142.08.00
26/06/2015 196.07.00 142.48.00
10/07/2015 139.02.00 144.48.00
21/08/2015 144.06.00 131.71
28/08/2015 123.64 133.24.00
23/10/2015 137.06.00 146.07.00
11/12/2015 148.03.00 144.62
08/01/2016 141.38.00 129.99
05/02/2016 119.64 122.58.00
19/02/2016 109.73 115.16.00
15/04/2016 128.25.00 131.13.00
13/05/2016 132.08.00 132.12.00
24/06/2016 131.36.00 126.52.00
28/10/2016 136.41.00 143.01.00
11/11/2016 141.05.00 148.52.00
03/02/2017 165.92 162.04.00
17/03/2017 117.16.00 180.01.00
84
21/04/2017 175.84 180.38.00
12/05/2017 185.38.00 183.25.00
26/05/2017 183.75 186.59.00
30/06/2017 202.77 197.75
CAT 22/05/2015 88.39.00 88.63
12/06/2015 85.08.00 87.85
26/06/2015 87.97 86.82
31/07/2015 75.18.00 78.63
07/08/2015 78.42.00 77.29.00
14/08/2015 78.04.00 78.49.00
28/08/2015 71.82 75.95
04/09/2015 75.32.00 73.01.00
02/10/2015 64.24.00 65.07.00
11/12/2015 65.63 65.11.00
18/12/2015 65.63 65.11.00
08/01/2016 66.88 63.29.00
22/01/2016 60.26.00 60.98
04/03/2016 67.14.00 72.84
29/04/2016 75.05.00 77.72
08/07/2016 75.66 77.37.00
02/09/2016 82.51.00 81.69
16/09/2016 80.27.00 82.05.00
14/10/2016 89.01.00 87.67
11/11/2016 89.01.00 87.67
16/12/2016 96.01.00 92.58.00
23/12/2016 91.93 94.32.00
30/12/2016 94.34.00 92.74
13/01/2017 92.93 94.48.00
03/02/2017 98.04.00 93.27.00
10/02/2017 92.81 96.31.00
17/02/2017 97.69 98.85
19/05/2017 101.59.00 102.43.00
23/06/2017 107.95 104.11.00
CSCO 03/07/2015 27.99 27.33.00
10/07/2015 27 27.28.00
21/08/2015 28.65 26.47.00
28/08/2015 24.89 26
16/10/2015 27.93 28.25.00
06/11/2015 28.87 28.45.00
08/01/2016 26.93 24.78
12/02/2016 0,960417 25.11.00
85
29/04/2016 28.11.00 27.49.00
20/05/2016 26.571 27.97
17/06/2016 28.97 28.95
01/07/2016 27.48.00 28.08.00
09/09/2016 31.93 30.85
16-092016 30.61 30.84
07/10/2016 31.31.00 31.47.00
21/10/2016 30.13.00 30.15.00
25/11/2016 30.03.00 30.09.00
09/12/2016 29.33.00 30.06.00
03/02/2017 30.94 31.32.00
31/03/2017 33.82 33.08.00
28/04/2017 33.24.00 34.07.00
12/05/2017 34.46.00 33.45.00
30/06/2017 32.22.00 31.03.00
14/07/2017 30.88 31.42.00
11/08/2017 31.79 31.47.00
25/08/2017 30.37.00 31.44.00
15/09/2017 31.71 32.44.00
CVX 29/05/2015 104.22.00 103
28/08/2016 70.55.00 80.43.00
11/09/2015 77.53.00 75.79
06/11/2015 90.61 94.03.00
08/01/2016 89.53.00 82.13.00
15/01/2016 82.85 83.67
11/03/2016 87.94 94.58.00
20/05/2016 101.87 99.79
17/06/2016 101.05.00 101.57.00
24/06/2016 102.88 101.09.00
22/07/2016 106.67 105.66
16/09/2016 101.02.00 97.84
23/09/2016 98.33.00 99.22.00
28/10/2016 101.56.00 103.82
04/11/2016 103.82 104.78
03/03/2017 110.65 113.55.00
10/03/2017 113.25.00 110.61
07/04/2017 107.22.00 108.86
12/05/2017 105.93 105.96
19/05/2017 107.15.00 106.52.00
09/06/2017 102.08.00 106.04.00
30/06/2017 105.03.00 104.33.00
14/07/2017 103.44.00 104.44.00
86
21/07/2017 104.32.00 103.25.00
28/07/2017 103.18.00 108.12.00
11/08/2017 109.81 109.23.00
08/09/2017 109.36.00 110.78
20/10/2017 119.84 118.64
24/11/2017 114.77 116.51.00
08/12/2017 19-19.81 119.92
22/12/2017 119.92 124.98
DIS 15/05/2015 110.14.00 110.03.00
19/06/2015 109.27.00 112.62
07/08/2015 120.88 109.35.00
28/08/2015 93.38.00 102.48.00
06/11/2015 114.49.00 115.67
27/11/2015 120.03.00 115.13.00
19/02/2016 92.47.00 95.01.00
13/05/2016 106.01.00 100.52.00
24/06/2016 100.08.00 95.72
01/07/2016 94.91 98.03.00
29/07/2016 97.09.00 95.95
12/08/2016 96.11.00 96.84
26/08/2016 96.47.00 95.21.00
21/10/2016 91.35.00 93.03.00
11/11/2016 93.77 97.68
05/05/2017 115.59.00 111.99
02/06/2017 108.49.00 107.08.00
30/06/2017 104.06.00 106.25.00
14/07/2017 103.03.00 105.09.00
11/08/2017 107.59.00 101.99
06/10/2017 99.31.00 100.07.00
20/10/2017 97.64 99.04.00
03/11/2017 98.12.00 98.64
01/12/2017 102.63 105.25.00
15/12/2017 104.84 111.27.00
GS 26/06/2015 215.06.00 213.17.00
14/08/2015 204.59.00 202.02.00
28/08/2015 178.46.00 187.75
09/08/2015 178.46.00 179.19.00
08/01/2016 175.79 163.94
26/02/2016 149.02.00 150.25.00
15/04/2016 151.18.00 158.52.00
29/04/2017 166 164.11.00
87
10/06/2016 156.25.00 149.89
01/07/2016 140.07.00 148.25.00
05/08/2016 158.81 162.09.00
23/09/2016 167.34.00 165.13.00
07/10/2016 160.05.00 169.83
10/03/2017 252.13.00 248.38.00
07/04/2017 230 227.88
28/04/2017 221.18.00 223.08.00
12/05/2017 226.75 222.82
26/05/2017 217.37.00 223.53.00
09/06/2017 213.08.00 222.44.00
14/07/2017 224.27.00 228.06.00
04/08/2017 223.95 229.79
22/09/2017 226.03.00 231.03.00
20/10/2017 238.06.00 244.73
10/11/2017 243.06.00 244.73
01/12/2017 235.75 248.95
29/12/2017 258.19.00 254.76
HD 31/07/2015 113.37.00 117.03.00
21/08/2015 119.01.00 116.16.00
02/10/2015 116.53.00 117.81
11/12/2015 134 130.44.00
25/12/2015 131 132.09.00
01/01/2016 132.25.00 132.25.00
05/02/2016 124.92 116.43.00
18/03/2016 128.43.00 131.35.00
20/05/2016 133.84 131.85
15/07/2016 134.83 134.78
19/08/2016 137.11.00 135.46.00
16/09/2016 126.05.00 126.11.00
07/01/2016 128.02.00 128.31.00
11/11/2016 122.05.00 129.85
06/01/2017 135.94 133.53.00
14/04/2017 146.96 145.91
21/04/2017 145.09.00 150
19/05/2017 157.28.00 156.03.00
21/07/2017 152.09.00 146.65
08/09/2017 151.71 159.66
IBM 24/04/2015 162.01.00 169.78
29/05/2015 172.11.00 169.65
24/07/2015 172.79 159.75
88
09/10/2015 145.82 152.39.00
23/10/2015 149.85 144.68
20/10/2015 131.79 138.05.00
11/12/2015 146.16.00 134.57.00
25/12/2015 135.83 138.05.00
08/01/2016 135.06.00 131.63
29/01/2016 122.01.00 124.79
12/01/2016 126 121.04.00
17/06/2016 151.63 151.99
01/07/2002 146.18.00 152.35.00
19/08/2016 162.04.00 160.04.00
14/10/2016 156.71 154.45.00
28/10/2016 150.04.00 152.61
02/12/2016 163.02.00 160.02.00
09/12/2016 160.85 166.52.00
10/03/2017 179.72 177.83
25/08/2017 139.59.00 143.74
08/09/2017 143.05.00 142.45.00
15/09/2017 143.54.00 144.82
INTC 03/07/2015 30.07.00 30.555
28/08/2015 25.02.00 28.42.00
02/10/2015 28.68 30.51.00
13/11/2015 33.06.00 32.11.00
01/01/2016 34.95 34.45.00
29/01/2016 29.99 31.02.00
26/02/2016 29.11.00 29.08.00
01/07/2016 31.41.00 32.75
14/10/2016 38.25.00 37.54.00
11/11/2016 34.24.00 34.61
02/12/2016 35.43.00 34.16.00
27/01/2017 37.07.00 37.98
17/03/2017 35.85 35.27.00
14/04/2017 36.02.00 35.25.00
23/06/2017 35.61 34.19.00
14/07/2017 33.25.00 34.68
15/09/2017 35.49.00 37
17/11/2017 45.26.00 44.63
22/12/2017 45.15.00 46.07.00
JNJ 05/06/2015 100.28.00 98.59.00
19/06/2015 97.75 99.86
03/07/2015 98.98 98.44.00
14/08/2015 99.55.00 98.81
89
16/10/2015 95.07.00 98.24.00
18/12/2015 101.645 101.95
01/01/2016 103.18.00 102.72
29/01/2016 96.72 104.44.00
19/02/2016 102.37.00 104.16.00
12/08/2016 124 123.22.00
14/10/2016 119.51.00 117.56.00
04/11/2016 115.28.00 115.11.00
02/12/2016 113.79 111.96
09/12/2016 112.04.00 112.26.00
17/02/2017 115.28.00 118.86
24/03/2017 128.04.00 125.48.00
19/05/2017 124.41.00 127
30/06/2017 136.48.00 132.29.00
21/07/2017 132.71 135.31.00
08/09/2017 130.72 130.98
29/09/2017 131.47.00 130.01.00
13/10/2017 133.66 136.43.00
27/10/2017 142.13.00 141.78
15/12/2017 140.01.00 142.46.00
JPM 03/07/2015 67.68 67.52.00
17/07/2015 67.89 69.21.00
24/07/2015 69.05.00 68.91
30/10/2015 63.84 64.25.00
04/12/2015 67.28.00 67.89
08/01/2016 63.95 58.92
29/01/2016 56.48.00 59.05.00
15/04/2016 57.91 61.87
06/05/2016 63.69 61.06.00
20/05/2016 61.21.00 63.51.00
10/06/2016 64.64 63.84
29/07/2016 63.98 63.97
14/10/2016 68.34.00 67.52.00
04/11/2016 69.43.00 67.76
11/11/2016 69.08.00 76.69
20/01/2017 84.93 83.67
10/03/2017 92.25.00 91.28.00
28/04/2017 86.55.00 87
19/05/2017 87.01.00 84.78
02/06/2017 85.13.00 82.64
14/07/2017 93.05.00 92.25.00
28/07/2017 90.96 91.28.00
90
11/08/2017 93.89 91.42.00
22/09/2017 91.93 94.83
10/11/2017 101.34.00 97.51.00
01/12/2017 98.31.00 104.79
KO 05/06/2015 41.36.00 40.01.00
26/06/2015 40.51.00 40
03/07/2015 39.08.00 39.49.00
17/07/2015 40.56.00 41.25.00
07/08/2015 40.85 41.77
14/08/2015 41.89 41.25.00
21/08/2015 41.03.00 39.53.00
09/10/2015 40.45.00 42.02.00
30/10/2015 42.76 42.35.00
20/11/2015 41.43.00 42.43.00
11/12/2015 43.31.00 42.27.00
25/12/2015 42.82 43.54.00
01/01/2016 43.44.00 42.96
12/02/2016 42.17.00 43.11.00
26/02/2016 43.76 43.14.00
04/03/2016 43.17.00 44.11.00
15/04/2016 46.09.00 46.01.00
29/07/2016 45.81 43.63
12/08/2016 43.43.00 44.03.00
26/08/2016 43.94 43.32.00
25/11/2016 40.74 41.53.00
02/12/2016 41.51.00 40.36.00
24/02/2017 41.02.00 41.78
17/03/2017 41.92 42.03.00
31/03/2017 42.11.00 42.44.00
23/06/2017 45.35.00 45.25.00
28/07/2017 45.04.00 46.01.00
04/08/2017 46 45.05.00
01/09/2017 45.63 45.78
15/09/2017 46.35.00 46.18.00
10/11/2017 45.91 46.54.00
MCD 05/06/2015 95.84 95.54.00
19/06/2015 94.74 96.08.00
31/07/2015 96 99.86
02/10/2015 97 99.79
08/01/2016 117.25.00 115.48.00
22/01/2016 116.63 118.04.00
29/01/2016 121.85 123.78
91
18/03/2016 121.81 124.08.00
22/04/2016 127.95 125.05.00
29/04/2016 125.07.00 126.49.00
13/05/2016 130.65 128.83
17/06/2016 121.95 122.27.00
01/07/2016 118.16.00 120.04.00
29/07/2016 127.95 117.65
19/08/2016 119.02.00 115.01.00
23/09/2016 115.83 117.17.00
11/11/2016 112 114.22.00
02/12/2016 130.38.00 118.24.00
09/12/2016 119.45.00 121.26.00
06/01/2017 121.86 120.76
13/01/2017 120.76 121.05.00
04/08/2017 155.92 153.82
11/08/2017 154.14.00 157.03.00
15/09/2017 160 156.92
06/10/2017 156 159.06.00
10/11/2017 168.09.00 165.59.00
24/11/2017 167.33.00 169.11.00
MMM 08/05/2015 158.04.00 160.06.00
29/05/2015 160.98 159.08.00
19/06/2015 157.08.00 158.95
17/07/2015 156.42.00 156.69
24/07/2015 156.77 149.33.00
31/07/2015 148.64 151.34.00
28/08/2015 132.12.00 144.21.00
23/10/2015 147.97 155.79
11/12/2015 157.53.00 154.83
08/01/2016 148.05.00 140.49.00
22/01/2016 140.01.00 139.52.00
20/05/2016 168.05.00 165.01.00
27/05/2016 165.28.00 168.89
01/07/2016 167.78 175.54.00
09/09/2016 180.56.00 175.64
07/10/2016 175.33.00 171.33.00
04/11/2016 166.46.00 166.48.00
09/12/2016 172.63 178.49.00
03/02/2017 177.25.00 175.04.00
14/04/2017 190.16.00 188.65
30/06/2017 212.79 208.19.00
28/07/2017 211.02.00 199.72
15/09/2017 206.46.00 213.35.00
92
06/10/2017 210.73 216.52.00
10/11/2017 232.22.00 227.45.00
24/11/2017 229.09.00 231.38.00
22/12/2017 238.58.00 234.73
MRK 24/04/2015 57.05.00 57.06.00
15/05/2015 60.66 60.23.00
29/05/2015 59.28.00 60.89
24/07/2015 58.96 57.41.00
21/08/2015 58.08.00 55.77
27/11/2015 54.075 53.96
05/02/2016 50.39.00 49.38.00
19/02/2016 49.04.00 50.12.00
25/03/2016 52.33.00 53.07.00
29/04/2016 56.48.00 54.84
27/05/2016 55 56.48.00
17/06/2016 56.18.00 55.89
01/07/2016 55.49.00 57.94
07/10/2016 62.22.00 62.77
23/12/2016 61.08.00 59.56.00
06/01/2017 59.15.00 60.27.00
03/02/2017 61.52.00 64.29.00
17/03/2017 65.24.00 63.09.00
23/06/2017 63.09.00 66.16.00
21/07/2017 63.15.00 62.03.00
18/08/2017 62.91 61.49.00
25/08/2017 61.48.00 62.94
22/09/2017 66.02.00 65.13.00
27/10/2017 64.03.00 58.24.00
22/12/2017 56.38.00 56.36.00
MSFT 22/05/2015 47.98 46.09.00
21/05/2015 46.81 43.07.00
09/10/2015 45.745 47.11.00
08/01/2016 54.32.00 52.33.00
05/02/2016 54.88 50.16.00
01/04/2016 54.21.00 55.57.00
22/04/2016 55.49.00 51.78
17/06/2016 49.58.00 50.13.00
01/07/2016 49.01.00 51.16.00
09/09/2016 57.78 56.21.00
28/10/2016 59.94 59.87
18/11/2016 59.02.00 60.35.00
93
02/12/2016 60.34.00 59.25.00
09/12/2016 59.07.00 61.79
30/12/2016 63.21.00 62.14.00
03/02/2017 65.69 63.68
17/02/2017 64.24.00 64.62
03/03/2017 64.54.00 64.25.00
10/03/2017 63.97 64.93
17/03/2017 65.01.00 64.87
31/03/2017 64.63 65.86
14/04/2017 65.61 64.95
21/04/2017 65.04.00 66.04.00
19/05/2017 68.14.00 67.69
26/05/2017 67.89 69.96
09/06/2017 71.97 70.32.00
14/07/2017 69.46.00 72.78
04/08/2017 73.03.00 72.78
01/09/2017 73.06.00 73.94
17/11/2017 83.66 82.04.00
01/12/2017 83.31.00 84.26.00
NKE 08/05/2015 50.05.00 51.22.00
29/05/2015 52.215 50.835
12/06/2015 50.08.00 51.89
14/08/2015 57.695 57.18.00
18/09/2015 55.755 57.525
13/11/2015 66.375 63.145
11/12/2015 66.375 63.145
22/01/2016 58.19.00 60.88
05/02/2016 61.75 57.17.00
12/02/2016 56.01.00 56.42.00
20/05/2016 57.27.00 56.48.00
01/07/2016 52 55.61
19/08/2016 56.65 58.09.00
02/09/2016 59.02.00 58.02.00
25/11/2016 51 51.52.00
09/12/2016 50.08.00 51.72
06/01/2017 51.99 53.91
20/01/2017 53.04.00 53.02.00
03/02/2017 52.78 52.36.00
10/02/2017 520-.09 56.22.00
10/03/2017 56.07.00 56.43.00
17/03/2017 56.04.00 57.08.00
24/03/2017 58 56.36.00
94
19/05/2017 54.12.00 51.77
26/05/2017 51.77 52.59.00
16/06/2017 53.51.00 51.01.00
23/06/2017 51.42.00 52.85
11/08/2017 59.82 58.97
15/09/2017 52.38.00 53.87
22/09/2017 53.87 53.24.00
20/10/2017 50.08.00 53.06.00
PFE 01/05/2015 35.34.00 34.08.00
03/07/2015 33.73 33.37.00
21/08/2015 35.11.00 33.54.00
08/01/2016 31.85 31
19/02/2016 29.55.00 29.49.00
08/04/2016 30.09.00 32.05.00
24/06/2016 34.48.00 33.97
05/08/2016 37.02.00 35.44.00
11/11/2016 30.23.00 32.59.00
06/01/2017 32.07.00 33.48.00
17/02/2017 32.44.00 33.62
21/04/2017 33.09.00 33.64
19/05/2017 32.97 32.46.00
02/06/2017 32.06.00 32.54.00
01/09/2017 33.05.00 33.96
27/10/2017 36.03.00 35.06.00
01/12/2017 35.52.00 36.35.00
15/12/2017 35.79 37.02.00
PG 08/05/2015 80.48.00 80.96
22/05/2015 80.97 79.95
12/06/2015 77.48.00 78.87
31/07/2015 79.83 76.07.00
28/08/2015 68.57.00 71.21.00
20/11/2015 74.25.00 75.82
18/12/2015 77.63 78.13.00
01/01/2016 79.74 79.41.00
29/01/2016 77.02.00 81.69
22/04/2016 82.29.00 80.95
10/06/2016 82.04.00 83.02.00
24/06/2016 83.52.00 81.26.00
01/07/2016 81.83 84.78
09/09/2016 88.25.00 86.24.00
16/09/2016 86.04.00 88.05.00
95
14/10/2016 90.19.00 88.43.00
04/11/2016 87.01.00 85.08.00
09/12/2016 82.559 84.37.00
20/01/2017 83.09.00 87.45.00
31/03/2017 90.45.00 89.85
28/04/2017 89.12.00 87.33.00
26/05/2017 86.25.00 87.25.00
28/07/2017 88.55.00 90.21.00
26/05/2017 86.25.00 87.25.00
28/07/2017 88.55.00 90.21.00
22/09/2017 93.17.00 92.24.00
13/10/2017 92.04.00 93.04.00
20/10/2017 92.97 88.25.00
10/11/2017 86.55.00 88.16.00
TRV 15/05/2015 102.39.00 102.68
03/07/2015 97.01.00 99.23.00
21/08/2015 107.13.00 102.93
16/10/2015 102.66 105.09.00
11/12/2015 113.19.00 109.76
25/12/2015 110.86 113.27.00
15/01/2016 106.47.00 105.01.00
29/01/2016 102.53.00 107.04.00
22/04/2016 116 110.84
01/07/2016 110.47.00 118.85
29/07/2016 117 116.22.00
22/04/2016 116 110.84
01/07/2016 110.47.00 118.85
29/07/2016 117 116.22.00
09/09/2016 118.52.00 114.44.00
21/10/2016 115 108.03.00
11/11/2016 106.22.00 110.28.00
09/12/2016 116.05.00 119.19.00
06/10/2017 123.07.00 118.27.00
10/02/2017 116.46.00 119.73
10/03/2017 124.03.00 122.83
26/05/2017 120.83 123.66
30/06/2017 127.06.00 126.53.00
28/07/2017 125.25.00 127.21.00
18/08/2017 128.33.00 127.89
20/10/2017 127.33.00 133.32.00
17/11/2017 135.16.00 129.92
96
UNH 26/06/2015 121.63 123.25.00
17/07/2015 123.01.00 123.85
21/08/2015 120.04.00 116.28.00
18/09/2015 119.03.00 122.47.00
25/09/2015 123.49.00 116.37.00
08/01/2016 116.91 110.16.00
15/01/2016 110.51.00 109.27.00
19/02/2015 112.63 117.68
08/04/2016 130.05.00 125.68
13/05/2016 131.75 129
24/06/2016 139.22.00 137.29.00
19/08/2016 142.96 142.04.00
14/10/2016 136.97 133.92
21/10/2016 134.06.00 145.37.00
11/11/2016 139.06.00 146.42.00
17/02/2017 160.69 157.62
24/02/2017 157.62 163.06.00
17/03/2017 169.99 169.07.00
21/04/2017 164.99 171.16.00
12/05/2017 173.93 171.81
15/09/2017 199.25.00 198.18.00
06/10/2017 196.59.00 198.06.00
20/10/2017 192.48.00 207.49.00
15/12/2017 224.16.00 221.82
29/12/2017 219.09.00 220.46.00
UTX 19/06/2015 115.21.00 114.89
17/07/2015 11.19 110.74
02/10/2015 86.06.00 89.77
13/11/2015 100.06.00 96.48.00
08/01/2016 94.45.00 90.04.00
29/01/2016 85.98 87.69
12/02/2016 87.34.00 85.95
19/02/2016 87.34.00 88.23.00
18/03/2016 96.03.00 99.05.00
06/05/2016 103.89 101.12.00
15/07/2016 103.66 105.05.00
19/08/2016 109.17.00 109.14.00
02/09/2016 107.58.00 106.93
07/10/2016 101.06.00 100.58.00
28/10/2016 99.34.00 101.84
16/12/2016 109.42.00 108.52.00
27/01/2017 110.84 109.07.00
97
10/02/2017 109.81 111.05.00
03/03/2017 112.59.00 111.34.00
17/03/2017 112.56.00 113.45.00
24/03/2017 113.04.00 118.08.00
21/04/2017 112.53.00 114.99
21/07/2017 123.73 123.49.00
01/09/2017 115.29.00 117.92
08/09/2017 115.59.00 109.55.00
15/09/2017 110.01.00 113.08.00
03/11/2017 119.41.00 121.07.00
01/12/2017 116.82 120.12.00
V 08/05/2015 66.05.00 69.47.00
17/07/2015 69.05.00 70.88
07/08/2015 74.59.00 74.21.00
09/10/2015 71.06.00 73.98
11/12/2015 80.13.00 76.11.00
08/01/2016 76.06.00 72.88
22/01/2016 77.94 78.03.00
01/04/2016 74.14.00 77.59.00
29/04/2016 78.69 77.24.00
27/05/2016 77.76 79.66
10/06/2016 80.29.00 80.18.00
08/07/2016 74.25.00 76.42.00
05/08/2016 78.31.00 80.14.00
09/09/2016 82 81.33.00
21/10/2016 82.58.00 82.35.00
02/12/2016 79.66 75.72
20/01/2017 80.76 81.84
31/03/2017 88.31.00 88.87
21/04/2017 89.09.00 91.15.00
09/06/2017 96.32.00 94.56.00
23/06/2017 94.75 95.58.00
14/07/2017 94.15.00 96.93
17/11/2017 111.55.00 109.82
01/12/2017 112 110.73
VZ 08/05/2015 50.42.00 50.14.00
17/07/2015 47.38.00 42.59.00
31/07/2015 45.94 46.79
21/08/2015 47.28.00 46.01.00
30/10/2015 46.32.00 46.88
25/12/2015 45.73 46.71
98
15/01/2016 45.11.00 44.43.00
22/01/2016 44.74 47.04.00
08/04/2016 54.03.00 52.18.00
17/06/2016 52.05.00 53.78
29/07/2016 56.01.00 55.41.00
16/09/2016 51.75 51.88
23/09/2016 51.89 52.56.00
07/10/2016 51.84 49.92
18/11/2016 46.71 48.07.00
13/01/2017 53.22.00 52.55.00
31/03/2017 49.68 48.75
02/06/2017 45.26.00 46.44.00
23/06/2017 46.63 45.39.00
21/07/2017 43.63 44.23.00
11/08/2017 48.79 48.06.00
25.08-2017 47.83 48.68
15/09/2017 46.23.00 47.86
06/10/2017 49.39.00 48.81
10/11/2017 46.31.00 44.88
17/11/2017 44.92 45.42.00
01/12/2017 47.37.00 51.25.00
WBA 10/07/2015 84.93 93.11.00
07/08/2015 96.12.00 93.28.00
13/11/2015 84.27.00 79.17.00
11/12/2015 84.46.00 81.71
08/01/2016 83.07.00 81.05.00
22/01/2016 80.92 80.84
12/02/2016 74.18.00 77.08.00
01/04/2016 82.33.00 86.07.00
08/04/2016 86.64 81.37.00
03-06-1016 76.94 78.68
12/08/2016 80.42.00 83.32.00
07/10/2016 80.27.00 79.88
18/11/2016 81.04.00 83.27.00
23/12/2106 86.24.00 84.28.00
24/02/2017 88 87.61
28/04/2017 84.76 86.54.00
19/05/2017 85.16.00 80.61
09/06/2017 83.25.00 80.99
30/06/2017 76.49.00 78.31.00
15/09/2017 81.65 82.05.00
29/09/2017 78.06.00 77.22.00
99
10/11/2017 66.75 70.99
WMT 10/07/2015 71.38.00 73.12.00
24/07/2015 73.35.00 71.58.00
28/08/2015 63.74 64.94
18/09/2015 64.65 63.34.00
02/10/2015 63.06.00 64.98
16/10/2015 66.67 58.89
20/11/2015 56.39.00 60.07.00
22/01/2016 62.25.00 62.69
12/02/2016 66.05.00 66.18.00
26/02/2016 64.96 66.51.00
22/04/2016 69.05.00 68.72
20/05/2016 64.86 69.86
19/08/2016 73.81 72.81
07/10/2016 70.83 68.07.00
21/10/2016 68.65 68.34.00
18/11/2016 71.16.00 68.54.00
06/01/2017 69.24.00 68.26.00
03/02/2017 65.63 66.05.00
31/03/2017 59.52.00 72.08.00
09/06/2017 79.06.00 79.42.00
28/07/2017 76.03.00 79.81
11/08/2017 80.57.00 80.04.00
15/09/2017 79.15.00 80.38.00
13/10/2017 79.05.00 86.62
XOM 12/06/2015 84.18.00 84.02.00
26/06/2015 85.39.00 83.86
28/08/2015 67.99 75.07.00
16/10/2015 79.59.00 82.48.00
13/11/2015 83.56.00 78.01.00
11/12/2015 77.33.00 74.34.00
08/01/2016 77.05.00 74.69
12/02/2016 79.03.00 81.03.00
24/06/2016 91.29.00 89.39.00
01/07/2016 88.09.00 93.84
22/07/2016 94.92 94.01.00
26/08/2016 87.31.00 87.27.00
23/09/2016 84.58.00 83.45.00
04/11/2016 83.88 83.57.00
09/12/2016 87.39.00 89
23/12/2016 91.38.00 90.71
100
07/04/2017 82.02.00 82.76
14/04/2017 83.12.00 81.69
28/04/2017 81.28.00 81.65
02/06/2017 81.28.00 79.05.00
16/06/2017 82.67 83.49.00
11/08/2017 80.17.00 78.21.00
08/09/2017 76.64 78.82
10/11/2017 83.03.00 82.94
01/12/2017 81.32.00 83.46.00
15/12/2017 82.95 83.03.00
22/12/2017 83.13.00 83.97
2. Open Close Harga Saham MACD
Kode Saham Tanggal Open Close
APPL 30/10/2015 118.08.00 119.05.00
18/12/2015 112.18.00 106.03.00
11/03/2016 102.39.00 102.26.00
06/05/2016 93.965 92.72
10/06/2016 97.99 98.83
24/06/2016 96 93.04.00
08/07/2016 95.39.00 95.68
18/11/2016 107.71 110.06.00
16/12/2016 113.29.00 115.97
16/06/2017 145.74 142.27.00
25/08/2017 157.05.00 159.86
22/09/2017 160.11.00 151.89
03/11/2017 163.89 172.05.00
AXP 04/09/2015 76.26.00 74.08.00
09/10/2015 75.05.00 77.33.00
30/10/2015 73.03.00 73.26.00
18/03/2016 59.51.00 61.22.00
07/10/2016 63.83 61.76
21/10/2016 60.27.00 67.36.00
24/03/2017 79.15.00 78.02.00
30/06/2017 82.499 84.24.00
08/09/2017 85.72 84.25.00
22/09/2017 87.08.00 88.04.00
BA 16/10/2015 136.93 137.06.00
01/01/2015 143.26.00 144.59.00
18/03/2016 123.93 133.96
101
09/09/2016 131.63 128.53.00
30/09/2016 131.07.00 131.74
19/05/2016 183.03.00 180.76
16/06/2016 190.03.00 196.44.00
17/11/2017 261.67 262.26.00
08/12/2017 276.16.00 285.09.00
CAT 06/11/2015 73 73.84
11/12/2015 68.68 65.43.00
25/12/2015 65.59.00 69.38.00
08/01/2016 66.88 63.29.00
19/02/2016 64.16.00 65.42.00
27/05/2016 69.08.00 71.96
04/11/2016 84.19.00 82.31.00
20/01/2017 94.24.00 94.58.00
27/01/2017 94.06.00 98.99
05/05/2017 102.65 99.64
CSCO 16/10/2015 27.93 28.25.00
11/12/2015 27.56.00 26.12.00
26/02/2016 26.87 26.41.00
14/10/2016 31.54.00 30.18.00
10/02/2017 31.29.00 31.51.00
21/04/2017 32.48.00 32.82
05/05/2017 34.11.00 34.39.00
12/05/2017 34.46.00 33.45.00
15/09/2017 31.71 32.44.00
CVX 09/10/2015 82.41.00 89.57.00
05/02/2016 85.15.00 82.88
05/08/2016 101.33.00 100.51.00
11/11/2016 106 106.64
10/02/2016 113.28.00 113.05.00
04/08/2017 108.39.00 110.11.00
DIS 30/10/2015 113.07.00 113.74
18/12/2015 108.68 107.72
01/04/2016 97.05.00 99.07.00
24/06/2016 100.08.00 95.72
08/07/2016 97.77 99.62
29/07/2016 97.09.00 95.95
04/11/2016 93.72 92.45.00
102
05/05/2017 115.59.00 111.99
10/12/2017 98.37.00 104.78
GS 20/11/2015 189.99 191.47.00
11/12/2015 190 176.56.00
01/04/2016 153.14.00 159.82
24/06/2016 148.05.00 141.86
08/07/2016 146.72 150.38.00
17/03/2017 249.32.00 243.94
22/09/2017 226.03.00 231.03.00
HD 15/01/2016 124.87 119.23.00
18/03/2016 128.43.00 131.35.00
03/06/2016 133.57.00 131.74
22/07/2016 135.46.00 136.52.00
02/09/2016 134.86 135.15.00
02/12/2016 131.25.00 129.87
23/06/2017 156.91 151.31.00
22/09/2017 159 159.97
IBM 26/02/2016 133.84 132.03.00
09/09/2016 159.88 155.69
25/11/2016 160.69 163.14.00
31/03/2017 172.69 174.14.00
29/09/2017 145.12.00 145.08.00
INTC 18/09/2015 29.47.00 29.02.00
15/01/2016 31.81 29.76
25/03/2016 32.23.00 31.88
06/05/2016 30.45.00 30.04.00
03/06/2016 31.51.00 31.62
28/10/2016 35.43.00 34.74
20/01/2017 36.67 36.94
10/02/2017 36.51.00 35.34.00
11/08/2017 36.39.00 35.87
25/08/2017 35.08.00 34.67
01/09/2017 34.78 35.09.00
JNJ 16/10/2015 95.07.00 98.24.00
15/01/2016 98.24.00 97
29/01/2016 96.72 104.44.00
26/08/2016 119.09.00 119.04.00
103
17/02/2017 115.28.00 118.86
18/08/2017 134.02.00 132.63
20/10/2017 136.45.00 142.04.00
29/12/2017 140.46.00 139.72
JPM 13/11/2015 68.07.00 65.56.00
18/12/2015 64.227 64.04.00
25/12/2015 65.02.00 66.06.00
08-01-2-16 63.95 58.92
01/04/2016 59.53.00 59.87
24/03/2017 90.27.00 87.29.00
07/07/2017 91.56.00 93.85
01/09/2017 92.16.00 91.07.00
KO 04/09/2015 39.15.00 38.52.00
02/10/2015 39.52.00 40.39.00
15/01/2016 41.58.00 41.05.00
12/02/2016 42.17.00 43.11.00
13/05/2016 45.32.00 45.35.00
23/12/2016 41.69 41.06.00
22/09/2017 46.15.00 45.49.00
MCD 28/08/2015 91.58.00 96.25.00
02/10/2015 97 99.79
12/02/2016 114.05.00 117.93
01/04/2016 124 127.02.00
20/05/2016 128.51.00 122.56.00
18/11/2016 114.99 120
11/08/2017 154.14.00 157.03.00
03/11/2017 165 168.65
10/11/2017 168.09.00 165.59.00
01/12/2017 168.09.00 172.87
MMM 09/10/2015 144.03.00 149.09.00
08/01/2016 148.05.00 140.49.00
12/02/2016 151.63 153.96
24/06/2016 170.09.00 169.12.00
09/09/2016 180.56.00 175.64
23/12/2016 177.61 178.75
03/02/2017 177.25.00 175.04.00
10/02/2017 174.12.00 179
28/07/2017 211.02.00 199.72
104
13/10/2017 215.96 217.72
MRK 06/11/2015 54.69 54.61
29/01/2016 51.35.00 50.67
04/03/2016 50.52.00 52.08.00
14/10/2016 64.21.00 62.14.00
03/02/2017 61.52.00 64.29.00
31/03/2017 62.92 63.54.00
02/06/2017 64.72 65.47.00
09/06/2017 65.35.00 64.39.00
23/06/2017 63.09.00 66.16.00
30/06/2017 66.15.00 64.09.00
15/09/2017 64.94 66.16.00
20/10/2017 63.49.00 63.88
MSFT 09/10/2015 45.745 47.11.00
15/01/2016 52.51.00 50.99
15/04/2016 54.49.00 55.65
22/04/2016 55.49.00 51.78
15/07/2016 52.05.00 53.07.00
17/03/2017 65.01.00 64.87
05/05/2017 68.68 69
07/07/2017 69.33.00 69.46.00
21/07/2017 72.08.00 73.79
25/08/2017 72.47.00 72.82
15-09-2-17 74.31.00 75.31.00
29/09/2017 74.09.00 74.49.00
13/10/2017 75.97 77.49.00
NKE 25/04/2015 57.835 62.05.00
18/12/2015 63.315 64.26.00
22/07/2016 58 56.73
30/09/2016 54.08.00 52.65
23/12/2016 50.91 51.91
05/05/2017 55.43.00 53.95
30/06/2017 52.95 59
25/08/2017 54.44.00 53.09.00
03/11/2017 55.71 55.71
PFE 23/10/2015 34.41.00 34.05.00
20/11/2015 33.29.00 32.18.00
01/04/2016 30.09.00 30.04.00
105
26-08-2-16 34.08.00 34.82
06/01/2017 32.07.00 33.48.00
27/01/2017 31.68 31.42.00
10/02/2017 32 32.35.00
12/05/2017 33.04.00 33.01.00
30/06/2017 34.16.00 33.59.00
11/08/2017 33.55.00 33.25.00
01/09/2017 33.05.00 33.96
PG 16/10/2015 74.69 74.09.00
29/04/2016 80.92 80.12.00
01/07/2016 81.83 84.78
21/10/2016 88.43.00 83.33.00
27/01/2017 87.09.00 86.72
28/04/2017 89.12.00 87.33.00
04/08/2017 90.21.00 90.67
20/10/2017 92.97 88.25.00
22/12/2017 91.98 92.13.00
TRV 08/01/2016 110.71 105.99
11/03/2016 110.02.00 113.64
29/04/2016 110.55.00 109.09.00
01/07/2016 110.47.00 118.85
09/09/2016 118.52.00 114.44.00
09/12/2016 116.05.00 119.19.00
07/04/2017 120.57.00 120.15.00
02/06/2017 123.36.00 125.15.00
25/08/2017 128.07.00 126.47.00
20/10/2017 127.33.00 133.32.00
UNH 19/02/2016 112.63 117.68
26/08/2016 142.11.00 136.62
18/11/2016 147.32.00 149.95
17/02/2016 160.69 152.62
10/03/2017 167.43.00 169.98
31/03/2017 163.99 164.01.00
05/05/2017 175 174.12.00
19/06/2017 171.79 172.59.00
26/05/2017 172.73 177.05.00
22/09/2017 198.17.00 193.03.00
27/10/2017 207.58.00 212.06.00
106
UTX 23/10/2015 92.05.00 100.62
22/01/2016 86.35.00 86.35.00
26/02/2016 89.19.00 97.69
09/09/2016 107 102.68
18/11/2016 109.42.00 106.05.00
31/03/2017 111.08.00 112.21.00
28/04/2017 115.09.00 118.99
28/07/2017 123.49.00 118.87
03/11/2017 119.41.00 121.07.00
17/11/2017 117.95 116.53.00
08/12/2017 121.18.00 122.81
V 11/09/2015 70.75 70.76
16/10/2015 73.74 76
25/12/2016 76.09.00 78.26.00
01/04/2016 74.14.00 77.59.00
24/06/2016 78.03.00 75.05.00
05/08/2016 78.31.00 80.14.00
04/11/2016 82.44.00 80.36.00
20/01/2017 80.76 81.84
07/07/2017 94.38.00 93.92
21/07/2017 97.11.00 99.06.00
VZ 30/10/2015 46.32.00 46.88
06/05/2016 51.22.00 51.12.00
24/06/2016 54 54.43.00
12/08/2016 53.64 53.65
16/12/2016 51.54.00 52.27.00
03/02/2017 49.49.00 48.58.00
28/07/2017 44.15.00 47.94
10/11/2017 46.31.00 44.88
01/02/2017 47.37.00 51.25.00
WBA 18/03/2016 81.12.00 83.94
13/05/2016 79.05.00 78.61
10/06/2016 78.68 82.47.00
07/10/2016 80.27.00 79.88
18/11/2016 81.04.00 83.27.00
20/01/2017 83.53.00 81.72
17/02/2017 83.48.00 85.86
31/03/2017 82.71 83.05.00
05/05/2017 86.36.00 85.89
107
19/05/2017 85.16.00 80.61
18/08/2017 80.88 80.03.00
29/09/2017 78.06.00 77.22.00
15/12/2017 71.32.00 71.94
WMT 28/08/2015 63.74 64.94
09/10/2015 65.21.00 66.69
16/10/2015 66.67 58.89
27/11/2015 60.29.00 59.89
26/08/2016 73.06.00 71.14.00
24/02/2017 71.21.00 72.39.00
07/07/2017 75.84 75.33.00
28/07/2017 76.03.00 79.81
08/09/2017 77.95 78.88
13/10/2017 79.05.00 86.62
XOM 09/10/2015 76.65 79.26.00
08/01/2016 77.05.00 74.69
15/01/2016 75.01.00 77.58.00
05/05/2016 88.08.00 87.56.00
09/12/2016 87.39.00 89
20/01/2017 86.58.00 85.89
12/05/2017 82 82.55.00
02/06/2017 81.28.00 79.05.00
09/06/2017 79.44.00 82.13.00
11/08/2017 80.17.00 78.21.00
22/09/2017 79.79 79.92
108
Lampiran 2
Output SPSS Uji Statistik Deskripsi, Normalitas dan Uji Hipotesis
1. Output Uji Statistik Deskripsi
Tabel 4.1
Uji Statistik Deskripsi Stochastic Oscillator
Tabel 4.2
Uji Statistik Deskripsi MACD
Descriptive Statistics
N Minimum Maximum Mean
Std.
Deviation
Harga_Saham_Stoch
astic_Oscillator
752 24.78 254.76 94.7766 45.33127
Valid N (listwise) 752
Descriptive Statistics
N Minimum Maximum Mean
Std.
Deviation
Harga_Saham_MAC
D 279 26.12 285.09 94.2293 46.72554
Valid N (listwise) 279
109
2. Output Uji Normalitas
Case Processing Summary
METODE
Cases
Valid Missing Total
N Percent N Percent N Percent
HARGA_SAHAM Stochastic
oscillator 752 100.0% 0 .0% 752 100.0%
MACD 279 100.0% 0 .0% 279 100.0%
Tests of Normality
METODE
Kolmogorov-Smirnova Shapiro-Wilk
Statist
ic df Sig. Statistic df Sig.
HARGA_SAHA
M
Stochastic
oscillator .071 752 .000 .946 752 .000
MACD .103 279 .000 .938 279 .000
a. Lilliefors Significance Correction
3. Output Uji Wilcoxon Signed Rank Test Ranks
N Mean Rank Sum of Ranks
MOVINNG_AVERAGE
_CONVERGENCE_DIV
ERGENCE -
STOCHASTIC_OSCILL
ATOR
Negative Ranks 186a 136.91 25466.00
Positive Ranks 93b 146.17 13594.00
Ties 0c
Total 279
a. MOVINNG_AVERAGE_CONVERGENCE_DIVERGENCE <
STOCHASTIC_OSCILLATOR
b. MOVINNG_AVERAGE_CONVERGENCE_DIVERGENCE >
STOCHASTIC_OSCILLATOR
c. MOVINNG_AVERAGE_CONVERGENCE_DIVERGENCE =
STOCHASTIC_OSCILLATOR
110
Test Statisticsb
MOVINNG_AVERAGE_CONVERG
ENCE_DIVERGENCE -
STOCHASTIC_OSCILLATOR
Z -4.401a
Asymp. Sig. (2-
tailed) .000
a. Based on positive ranks.
b. Wilcoxon Signed Ranks Test