konsep statistik dalam investasi

KONSEP STATISTIK DALAM INVESTASI

ROWLAND BISMARK F.PMM.,M.Ec.,M.Phil.,FRM.,ChFc

PENDAHULUANInvestasi adalah wahana dimana dana

ditempatkan dengan harapan dapat meningkatkan nilai dan/atau memberikan hasil (return) yang positif.

Dari definisi ini tersirat adanya dimensi ketidakpastian perihal kenaikan jumlah dana tersebut.

Agar ketidakpastian itu dapat diukur, maka digunakanlah konsep statistik sebagai alat bantu pengambilan keputusan.

UKURAN STATISTIK POPULERNilai Sentral dan Nilai EkspektasiExpected Return dan Variance ReturnsRata-rata Bergerak (Moving Average)Regresi SederhanaRegresi Berganda (Multifaktor)Run Test dan Autokorelasi IndeksMetode DekomposisiLogit vs DiskriminanContoh Analisis Model Multiregresi Interpretasi Output Multiregresi Kesimpulan

Nilai Sentral dan EkspektasiNilai Sentral

Nilai yang menyatakan bahwa sebuah data akan dikelempokkan menjadi dua kelompok dimana nilai-nilai diatas rata-rata sama dengan nilai-nilai dibawah rata. Contoh : Modus, Median dan Rata-rata.

Nilai EkspektasiDalam bidang investasi dimana situasi dimasa mendatang tidak bisa diestimasikan, maka risiko dapat digambarkan dengan probabilitas. Seorang investor yang melakukan investasi pada sebuah instrument investasi seperti saham dapat memperkirakan besarnya tingkat pengembalian yang diharapkan, Nilai ekspektasi ini merupakan faktor penting dalam berinvestasi untuk investor.

Ekspektasi dan VarianMarkowitz (1950). Expected return merupakan tingkat

pengembalian dan variance returns merupakan risiko atas instrument investasi. Artinya, seseorang yang melakukan investasi atas dana yang dimilikinya akan memakai ukuran tingkat pengembalian yang dihasilkan dan risiko atas investasi tersebut.

Risiko yang dikemukakan Markowitz merupakan risiko murni yang belum dikaitkan dengan berbagai kejadian. Besarnya varians tersebut menunjukkan besarnya risiko dari instrument investasi tersebut.

Rata-rata Bergerak Rata-rata bergerak adalah sebuah prosedur

statistik yang dipergunakan untuk meramalkan data berikutnya dengan cara menghitung rata-rata dari data sebelumnya.

Rata-rata terbaru dihitung dengan menghilangkan data awal dengan mengganti data terbaru sehingga diperoleh peramalan berikutnya.

Berbagai pihak akan melihat kemungkinan data asli dibawah atau diatas rata-rata bergerak. Bila garis rata-rata bergerak memotong grafik data asli yang datangnya dari bawah data asli maka keputusan yang diambil investor yaitu membeli saham yang bersangkutan. Sebaliknya, investor akan melakukan penjualan saham bila grafik rata-rata bergerak memotong dari atas grafik data asli.

Regresi SederhanaAnalisis regresi adalah sebuah alat statisitik

yang digunakan menganalisis hubungan satu atau lebih dari dua variabel dimana variabel yang satu dapat memprediksi variabel yang lain. Variabel yang diprediksi dikenal dengan variabel tak bebas dan variabel yang memprediksi dikenal dengan variabel bebas.

Teori yang muncul sebagai kelanjutan dari teori portofolio ini yaitu teori harga pasar asset (Capital Asset Pricing Model) yang diperkenalkan oleh Sharpe (1964), Mossin (1966) dan Lintner (1966).

Regresi Berganda (Multifaktor)Model multifaktor dalam investasi

membahas eksplorasi model single faktor dengan menambah faktor yang logis dan relevan pengaruhnya terhadap ekspektasi return saham. Ross (1976) mengembangkan Arbitrage Pricing Theory (APT) sebagai jawaban atas kelemahan CAPM.

Beberapa penelitian asset pricing lainnya yang sangat penting perihal asset pricing Saham model multifaktor, misalnya: Fama dan French, Jegadesh dan Titman….etc.

MODEL MULTIFAKTOR:Penelitian Empiris Di IndonesiaPasaribu (2012). Studi perihal pengaruh

volatilitas idiosynkratis terhadap portofolio saham yang terbentuk dari beragam model asset pricing multifaktor.

Pasaribu (2009) mengimplementasikan model tiga faktornya Fama dan French pada saham non-keuangan di Bursa Efek Indonesia periode 2003-2006. Hasil kalkulasi empiris menyimpulkan bahwa secara umum, model asset pricing Fama dan French lebih superior dalam menjelaskan variasi tingkat pengembalian saham yang diharapkan dibanding model CAPM-nya Sharpe dan kawan-kawan.

Run Test dan AutokorelasiRun test merupakan salah satu alat dalam statistic

non-parametrik yang dipergunakan untuk melihat hubungan antar waktu dan umumnya pada data yang dianggap tidak mempunyai parameter.

Untuk data series waktu, pengujian autokorelasi merupakan alat penting untuk melihat adanya hubungan antara data sekarang dengan sebelumnya. Bila data tersebut tidak berhubungan dikenal dengan random walk atau adanya keacakan.

Bursa saham selalu dianggap mempunyai keacakan atas harga (tingkat pengembalian) agar tidak ada yang memperoleh keuntungan yang tidak normal (abnormal return).

Penelitian InternasionalEfisiensi Pasar dikembangkan oleh Fama

(1970) dan mengklasifikasikan pasar menjadi tiga kelompok yaitu pasar yang efisiensi lemah (weak-form Efficient); pasar dengan bentuk semi-strong dan pasar sangat kuat efisien (strong Efficient).

Testing dengan Run test dan autokorelasi antar waktu dipergunakan sebagai metode untuk menguji efisiensi pasar dalam bentuk lemah. Hasil temuannya menyatakan bahwa pasar New York efisien untuk bentuk lemah.

Penelitian Di Indonesia Husnan (1992): Efisiensi Pasar Modal di Indonesia yang dilihat

secara mikro dan makro dengan menggunakan data tahun 1990. Kesimpulannya menyatakan bahwa telah terjadi peningkatan dalam efisiensi lemah, tetapi tidak untuk efisiensi yang setengah kuat.

Manurung (1994) Efisiensi pasar BEJ: BEJ tidak efisiensi dalam bentuk lemah (weak-form efficient) dan juga bentuk setengah kuat (semistrong efficient).

Affandi dan Utama (1998): Studi terhadap BEJ dengan menggunakan cumulative average abnormal return untuk menguji pengumuman laba dengan stock return yang juga dikenal pasar efisien dalam bentuk setengah kuat untuk periode 1996 dan 1997. Hasil kesimpulan penelitian tersebut menyebutkan BEJ belum mencapai efisiensi bentuk setengah kuat.

IndeksSalah satu pokok bahasan yang dipelajari dalam

Statistik Deskriptif dikenal dengan Indeks. Indeks ini dinyatakan untuk melihat perkembangan

sebuah variabel. Untuk melihat perkembangan harga saham tersebut maka dihitung indeks yang dikenal dengan Indeks Harga Saham Gabungan (IHSG).

IHSG telah menjadi sebuah fenomena baru bagi masyarakat terutama investor yang melakukan investasi pada bursa saham.

Bahkan Pemerintah yang berkuasa sekarang juga menggunakan IHSG sebagai patokan kebijakannya dalam rangkat melihat penerimaan pasar atas kebijakan yang diambil. Ekonom telah menyebutkan bahwa IHSG telah menjadi leading indicator economics.

Metode DekomposisiData yang ada dan dapat dibuat grafiknya

dikategorikan menjadi data berbentuk trend, siklus, stasioner dan musiman. Para statistisi melakukan smoothing agar keacakan data tidak terlihat.

Trend dari pasar modal dapat dilihat dengan menggambarkan data asli serta membuat rata-rata bergeraknya. Data siklus dan musiman sangat dibutuhkan para fund manager.

Data musiman pasar misalnya, dapat dipergunakan oleh perusahaan untuk melakukan IPO agar sahamnya tidak turun ketika pertama kali diperdagangkan di bursa saham karena imagenya menjadi negatif dikemudian hari.

Logit vs DiskriminanLogit atau sering dikenal dengan Logistik

Regression merupakan perkembangan dari Diskriminasi.

Perbedaan mendasar dari kedua metode tersebut yaitu mengenai asumsi yang dipergunakan dalam variable bebas.

Pada diskriminasi mempunyai asumsi bahwa variable bebas harus memiliki distribusi normal sehingga tidak bisa menggunakan variable dikotomi.

Sedangkan Logit dapat menerima variable dikotomi untuk variable bebas. Bila variable bebasnya berdistribusi normal maka hasil yang diperoleh dengan diskriminasi dan logit adalah sama.

Model Binary Logit Model logit dan diskriminasi ini banyak dipergunakan berbagai pihak

dalam mengelompokkan saham maupun perbankan. Dengan berbagai rasio keuangan perbankan maka sebuah bank dapat dikelompokkan menjadi bank devisa dan bank non-devisa.

Eksplorasi penelitian kinerja keuangan juga banyak yang menggunakan teknik ini sehingga bisa dikatakan memberi warna dan sudut pandang yang variatif, khususnya pada model penelitian empiris.

Studi Pasaribu (2008) berusaha menguji daya klasifikasi rasio keuangan baik yang berasal dari laporan laba rugi, neraca ataupun laporan arus kas untuk memprediksi kondisi financial distress perusahaan dengan teknik analisis binary logit. Hasil penelitiannya menunjukkan bahwa: 1) Model current ratio dan asset turn over memiliki tingkat daya klasifikasi sampel yang tinggi dibandingkan dengan empat model lainnya yaitu sebesar 98,08% dan 91,67%, dan; 2). Aspek kinerja likuiditas dan solvabilitas emiten berpengaruh signifikan dalam memprediksi financial distress.

MULTI DISCRIMINANT ANALYSIS Analisis diskriminan digunakan karena merupakan teknik statistic yang

tepat pada variable dependen yang berbentuk kategori, sedangkan variable independennya adalah berbentuk metrik. Analisis logit adalah bentuk khusus dari analisis regresi yang diformulasikan untuk memprediksi dan menjelaskan kategori variabel binary (dua grup) daripada mengukur metrik variable dependen.

Analisis diskriminan memiliki kapabilitas dalam menyelesaikan kendala kategori variable dependen yang lebih dari satu kategori. jika sudah lebih dari dua kategori, maka analisisnya disebut analisis multidiskriminan. Sedangkan analisis logistic regresi (analisis logit) terbatas hanya untuk dua grup.

Analisis diskriminan adalah teknik analisis yang tepat untuk menguji hipotesis dimana nilai rata-rata grup variable independent untuk dua kategori atau lebih adalah equal.

Analisis diskriminan tidak terbatas hanya pada variat tunggal, sebagaimana dalam multiregresi, tapi menciptakan multivariat yang merepresentasikan dimensi pada diskriminasi diantara grup yang ada. Bentuk variat analisis logit sama dengan variat dalam multiregresi. Variat merepresentasikan hubungan multivariate tunggal koefisien regresi yang mengindikasi pengaruh relatif pada tiap-tiap variabel predictor.

MULTI DISCRIMINANT ANALYSISModel dasar analisis diskriminan :Zjk = a + W1X1k + W2X2k + ... + WnXnk

DimanaZjk = Diskriminan Z-Score pada fungsi

diskriminasi j untuk objek ka= intersepWi = Bobot diskriminan untuk variabel

independen iXik = Variabel independen i untuk

objek k

CONTOH STUDI KASUS IMPLEMENTASI MODEL MULTIFAKTORRISIKO VALAS, INDIKATOR

MONETER DAN BURSA ASING TERHADAP IHSG

RISIKO BURSA ASING DAN VALAS TERHADAP INDEKS INDUSTRI

RISIKO Valas, Indikator Moneter dan Bursa Saham Asing Terhadap IHSG

Variabel Coefficient Sig.tC 1165.84 0.061INFLASI 0.95 0.941SBI(3M) -47.04 0.123JUB (M2) 0.0008 0.006IDR-USD -0.31 0.000IDR-EUR 0.12 0.046CAD-DEVISA 0.04 0.001KLSE 2.13 0.000STI -1.21 0.000PSEI 0.01 0.961SSE-RRC 0.04 0.600Adj.R² 0.9461Prob(F-statistic) 0.000

Interpretasi Output Multiregresi IHSG = 1165,84 + 0.95Inflasi

47,04SBI(3M) + 0,0008JUB(M2) -0,31IDR/USD + 0,12IDR/EUR + 0,04CadDev + 2,13KLSE-1,21STI + 0,01PSEI + 0,04SSE-RRC

Adj.R² = 0,9461. Ini artinya, bahwa Valas, Indikator Moneter dan Indeks Bursa Asing memiliki kapasitas menjelaskan naik turunnya indeks harga saham gabungan sebesar 94,61% sedangkan sisanya sebesar 5,39% adalah indikator lain yang tidak dimasukkan kedalam model multiregresi.

Interpretasi Output Multiregresi Hasil Uji Hipotesis Sig,t. Ini adalah ukuran statistic untuk pengukuran signifikansi

pengaruh parsial, biasanya digunakan untuk uji hipotesis pengaruh variabel Xn terhadap variabel dependen (Y). Dari tabel tersebut diperoleh informasi bahwa kecuali Inflasi, SBI(3M), PSEI, dan SSE-RRC, seluruh predictor memang berpengaruh signifikan terhadap Indeks Harga Saham Gabungan (JUB (M2), IDR-USD, IDR-EUR, CAD-DEVISA, KLSE, STI).

Sig.F. Ukuran statistic ini biasanya digunakan untuk melihat pengaruh variabel independen secara keseluruhan terhadap variabel dependen. Nilai 0,000 mengindikasikan bahwa Valas, Indikator Moneter dan Bursa Saham Asing memang berpengaruh signifikan secara simultan terhadap Indeks Harga Saham Gabungan.

BURSA ASING DAN VALAS SERTA INDEKS SEKTORALPERSPEKTIF RISIKO SISTEMATIK JANGKA PENDEK

24

DESKRIPSI STATISTIK

KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

Variabel Min Max. Rata2 Risk Variabel Min Max. Rata2 RiskIHSG -1.66% 2.13% 0.11% 0.84% KOSPI -

2.73% 2.33% 0.02% 0.91%

TANI -2.38% 2.12% -0.20% 0.87% NIKKEI -1.75% 1.49% -0.02% 0.76%

DASAR -2.06% 3.49% 0.16% 1.17% NASDAQ -2.71% 3.55% 0.53% 1.52%

KONSUMSI -2.41% 4.47% 0.48% 1.55% SSE -2.38% 1.83% 0.16% 0.85%

KEUANGAN -2.11% 2.47% 0.14% 1.05% STI -2.82% 2.66% -0.11% 1.03%

INFSTR -2.11% 2.47% 0.14% 1.05% TSEC -0.95% 1.17% 0.09% 0.48%

MNFTR -1.99% 3.06% 0.17% 1.06% USD -2.39% 1.79% 0.08% 0.70%

TAMBANG -1.99% 3.06% 0.17% 1.06% CNY -0.52% 0.23% 0.01% 0.13%

MISC -2.06% 3.49% 0.16% 1.17% HKD -0.38% 0.34% 0.03% 0.14%

TRADE -23.80% 32.44% -0.04% 6.28% JPY -0.50% 0.24% 0.01% 0.13%

FTSE1000 -1.49% 2.00% 0.07% 0.68% KRW -4.19% 1.65% -0.16% 1.09%

KLCI -1.49% 2.00% 0.07% 0.68% SGD -1.17% 0.70% -0.04% 0.51%

HANGSENG -1.09% 3.38% 0.17% 0.70% GBP -0.38% 0.46% 0.03% 0.21%

25

RISIKO SISTEMATIK


Variabel Tani Dasar Kons Keu Infrstr Mnftr Tambang Dagan

g R.EstateIHSG -.021 .058 .045 .694 .102 -.092 .081 .269 .045FTSE100 .050 .014 -.010 1.4 -.010 1.515 -.005 -.644 -.010KLCI .211 -.02

3 .048 .275 .007 -.126 .090 .132 .048

HANGSENG .154 -.179 -.141 -4.4 -.170 .060 .039 -.598 -.141

KOSPI .015 .006 -.023 .539 .003 -.003 -.014 .026 -.023NIKKEI225 -.186 -.09

7 .059 -3.7 .019 .368 -.110 -.063 .059

NASDAQ -.024 -.002 .015 -.231 .004 .015 -.005 -.017 .015

SSE -.302 .057 .002 3.093 -.049 -.098 .023 -.431 .002STI .210 -.04

1 -.001 2.011 -.002 .044 -.177 .063 -.001

TSEC -.403 .001 .267 -2.592 .025 -.240 .057 -.084 .267

USD -.105 .060 -.006 .991 .014 .045 .043 .043 -.006HKD 2.770 .377 -.401 -12.6 .464 -

2.152 .861 1.902 -.401JPY -.009 .011 .010 .017 -.007 -.045 -.016 -.059 .010

KRW -104.2

-67.8

58.35

-2145.

5-12.5 159.2 15.3 -201.7 8.4

SGD .198 .027 .166 3.325 .076 .042 .182 .659 .166GBP -.136 .029 .004 .037 .010 -.033 -.042 -.166 .004

26

HASIL UJI HIPOTESIS


Variabel Tani Dasar Konsumsi Keu Infstr Mnftur Tamban

g Dagang R.Estate

IHSG 0.000 0.000 0.000 FTSE100 0.042 0.000 0.000 KLCI 0.005 HGSNG 0.024 KOSPI 0.000 0.03 0.000NIKKEI NASDAQ 0.004 0.028 0.041 0.025SSE 0.000 0.099 STI 0.000 0.005 0.006 TSEC 0.000 0.000USD 0.000 0.000 HKD 0.000 JPY KRW 0.013 0.001 0.001 SGD 0.000 0.05 GBP 0.000 0.042 0.000

Sig.F .000b .000d .000d .005b .000b .000f .000e .000g .000d

Adj.R² 91.03% 78.43% 90.07% 57.69% 78.61% 98.47% 83.20% 91.64% 90.07%

27

PEMBAHASANSignifikansi Parsial Valuta AsingDalam penelitian ini ternyata nilai tukar IDR-

USD hanya berpengaruh signifikan pada dua indeks industri (indeks pertanian dan industri dasar ).

Hasil berbeda ditunjukkan oleh penelitian Siregar (2011), di mana kurs US$ tidak berpengaruh terhadap IHSG. Sementara nilai tukar IDR-GBP berpengaruh signifikan terhadap tiga indeks industri (Industri pertanian, industri pertambangan, dan industry perdagangan).


28

PEMBAHASANSignifikansi Parsial Bursa Asing Indeks KLCI hanya berpengaruh signifikan pada

indeks saham sektor manufaktur. Hasil empiris ini mendukung studi yang dilakukan oleh Muzammil (2011) dan Siregar (2011), Hidayah (2012) dan sebaliknya tidak sejalan dengan hasil studi yang dilakukan oleh Johan (2007).

Indeks STI (singapura) berpengaruh signifikan pada tiga indeks industry (Indeks Industri dasar, industry manufaktur, dan industry pertambangan). Hasil empiris ini sejalan dengan penelitian yang dilakukan oleh Hidayah (2012), Muzammil (2011), dan Siregar (2011). Serta tidak mendukung penelitiannya Johan (2007).


29

PEMBAHASANSignifikansi Parsial Bursa AsingIndeks FTSE berpengaruh signifikan

pada tiga sektor, yakni dua dengan implikasi positif (indeks harga saham industri Keuangan dan Manufaktur), dan satu berimplikasi negatif (indeks industri perdagangan).

Indeks Hangseng hanya berpengaruh signifikan terhadap indeks saham keuangan.


30

PEMBAHASANSignifikansi Parsial Bursa AsingIndeks KOSPI berpengaruh signifikan

pada tiga indeks sektor dua dengan implikasi negatif (sektor konsumsi dan Real estate) dan satu dengan tanda positif (indeks keuangan).

Indeks Nasdaq berpengaruh signifikan signifikan terhadap empat indeks yakni: indeks pertanian, indeks barang konsumsi, indeks industri perdagangan, dan indeks real estate.


31

KESIMPULAN & SARANLiberalisasi perekonomian secara langsung atau tak

langsung, telah menghadirkan banyak media alternatif bagi para investor untuk menginvestasikan dananya.

Fakta ini adalah tantangan dan sekaligus peluang bagi para stakeholder pelaksanaan investasi di Indonesia.

Di sebut peluang karena para investor dihadirkan begitu banyak instrument investasi yang dapat dipilih seseuai karakteristik risikonya.

Tantangannya, adalah bagaimana pihak regulator dan otoritas (BEI dan OJK) menghadirkan rambu-rambu yang kondusif dan memiliki impact-factor yang positif perihal perputaran dana masuk dan dana keluar yang ada dengan adanya aktivitas jual-beli saham dan valuta asing.


32

KESIMPULAN & SARANTujuan penelitian ini adalah untuk

mengetahui signifikansi pengaruh simultan dan parsial dari bursa asing dan nilai tukar valas terhadap indeks industri di BEI.

Dari hasil empiris, diperoleh informasi bahwa secara simultan, kecuali bursa NIKKEI dan nilai tukar Yen, bursa saham internasional dan nilai tukar valas berpengaruh signifikan terhadap fluktuasi indeks industri di bursa efek Indonesia.


33

KESIMPULAN & SARANHasil penelitian lainnya juga menyatakan

bahwa model persamaan yang terbentuk menyatakan kemampuan bursa asing dan nilai tukar valas dalam menjelaskan fluktuasi indeks industri di BEI sangat beragam dengan rentang nilai 57,7%-98,47%.

Berdasarkan hasil empiris tersebut maka dapat dikatakan bahwa selain karakteristik unik industri dan emiten, bursa saham asing dan nilai tukar valuta asing adalah faktor penting yang harus dipertimbangkan, teurama bagi investor yang menggunakan strategi indeks dalam berinvestasi.


KESIMPULANAkhirnya, uraian sebelumnya telah

menyatakan bahwa statistika sangat berguna bagi mereka yang ingin berkecimpung dalam bidang investasi.

Bahkan, statistika ini merupakan alat bantu yang strategis bagi para ahli keuangan baik sebagai praktisi, akademisi, ilmuwan atau peneliti.

Dan tentu saja untuk TESIS anda pada saatnya nanti.

konsep statistik dalam investasi

Documents