laporan penelitian - repository.akprind.ac.idrepository.akprind.ac.id/sites/files/laporan...
TRANSCRIPT
LAPORAN PENELITIAN
INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA
PENGARUH RISK DAN RETURN PADA KINERJA REKSADANA SAHAM
DENGAN REGRESI DATA PANEL
Pengusul:
Maria Titah Jatipaningrum
DIBIAYAI OLEH DANA PENELITIAN DOSEN
LEMBAGA PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT
DENGAN SURAT PERJANJIAN PELAKSANAAN PENELITIAN
NOMOR : 41/SPP/LPPM/PL/IV/2016
INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA
NOVEMBER 2016
i
ii
DAFTAR ISI
HALAMAN JUDUL ........................................................................................ i
HALAMAN PENGESAHAN ......................................................................... ii
A. LAPORAN HASIL PENELITIAN ............................................................ iii
INTISARI ......................................................................................................... iv
BAB I. PENDAHULUAN .......................................................................... 1
1.1 Latar Belakang dan Permasalahan .............................................. 1
1.2 Perumusan Masalah .................................................................... 4
BAB II. LANDASAN TEORI ...................................................................... 5 2.1 Teori Portofolio ............................................................................ 5
2.2 Pengertian Reksadana .................................................................. 5
2.3 Perhitungan Kinerja Reksadana ................................................... 7
2.5Analisis Data Panel ...................................................................... 8
2.7 Pooled Regression ........................................................................ 10
2.8 Metode Fixed Effect .................................................................... 11
2.9 Metode Random Effect ............................................................... 12
2.10 Uji Specification ....................................................................... 13
BAB III. TUJUAN DAN MANFAAT PENELITIAN .................................. 14
3.1 Tujuan Penelitian ......................................................................... 14
3.2 Manfaat Penelitian ....................................................................... 14
BAB IV. METODE PENELITIAN .............................................................. 15
4.1 Pendekatan Penelitian .................................................................. 15
4.2 Obyek Penelitian .......................................................................... 16
4.3 Tahapan Penelitian ....................................................................... 19
BAB V. HASIL DAN PEMBAHASAN ...................................................... 21
BAB VI. KESIMPULAN DAN SARAN ........................................................ 30
DAFTAR PUSTAKA ...................................................................................... 31
LAMPIRAN .................................................................................................... 32
B. DRAF ARTIKEL ILMIAH ........................................................................ 39
C. SINOPSIS PENELITIAN ........................................................................... 40
iii
A. LAPORAN
HASIL PENELITIAN
iv
PENGARUH RISK DAN RETURN PADA KINERJA REKSADANA SAHAM
DENGAN REGRESI DATA PANEL
INTISARI
Pertumbuhan investasi reksadana meningkat pesat dikarenakan reksadana
merupakan investasi yang menguntungkan dan tidak memerlukan modal yang besar.
Menguntungkan karena reksadana dikelola oleh manajer investasi untuk mengelola dana
tersebut sesuai dengan tujuan investasinya. Sehingga masyarakat dalam hal ini investor yang
tidak memiliki banyak waktu atau keterbatasan keahlian tetap dapat melalukan investasi.
Sumber dana yang digunakan dalam investasi reksadana bersifat kolektif, sehingga
masyarakat berdana terbatas juga dapat ikut serta dalam berinvestasi. Investor dapat
melakukan diversifikasi investasi dalam efek, adanya transparansi, dan likuiditas tinggi.
Penelitian ini bertujuan untuk menganalisis pengaruh risk dan return sample
reksadana saham pada periode Januari 2013 hingga Maret 2016. Data yang digunakan
berupa data bulanan. Penelitian ini menggunakan data sekunder dari www.ojk.go.id , dengan
metode regresi data panel. Diuji terlebih dahulu menggunakan Uji Chow dan Uji Haussman
untuk menentukan digunakan model fixed effect atau model random effect.
Kata kunci: reksadana saham, regresi panel, risk, return, kinerja reksadana.
1
PENGARUH RISK DAN RETURN PADA KINERJA REKSADANA SAHAM
DENGAN REGRESI DATA PANEL
BAB I PENDAHULUAN
1.1. Latar belakang dan permasalahan
Kinerja adalah sebuah hal yang menjadi tolok ukur, baik atau tidaknya, bertumbuh
atau tidaknya suatu organisasi. Organisasi sebaiknya memperhatikan dan menilai karyawan
melalui kinerja karyawan dalam bekerja, bukan hanya melihat hasil akhir dari pekerjaan
yang dilakukan. Terdapat banyak kerugian jika suatu organisasi tidak melakukan penilaian
kinerja yang baik, mulai dari perputaran tenaga kerja yang yang meningkat, penyampaian
informasi yang buruk (atasan kepada bawahan), hilang biaya dan waktu, hingga muncul
berbagai bias (Aguinis, 2007:7-8), dan pada akhirnya berujung pada kematian organisasi.
Jadi, penilaian kinerja sangat perlu diperhatikan oleh organisasi.
Demikian pula dengan investor, ketika memutuskan untuk berinvestasi, maka hal
yang perlu dilakukan adalah menilai kinerja investasi. Investor tidak tahu pasti hasil yang
diperoleh dari investasi yang dilakukan. Dalam keadaan seperti ini, investor menghadapi
resiko dalam investasi yang dilakukan. Investor hanya dapat memperkirakan berapa
keuntungan yang diharapkan dari investasi dan seberapa jauh kemungkinan hasil yang
sebenarnya akan menyimpang dari hasil yang diharapkan (Husnan, 2003:43). Dengan
demikian, penilaian kinerja menjadi alat ukur bagi investor dalam mengambil keputusan
terhadap suatu investasi. Kinerja suatu reksadana ditentukan oleh besarnya return yang
diperoleh atas investasi yang dikenal dengan nilai aktiva bersih (NAB). Oleh karena
itu, dibutuhkan manajemen investasi yang baik agar portofolio yang telah disusun
mampu memberikan keuntungan yang maksimal.
Di Indonesia reksadana pertama kali diperkenalkan kepada masyarakat dengan
didirikannya PT. Danareksa pada tahun 1976. Reksadana menurut UU No 8 tahun 1995 pasal
1 ayat 27 didefinisikan sebagai “wadah yang dipergunakan untuk menghimpun dana dari
masyarakat pemodal untuk selanjutnya diinvestasikan dalam portofolio efek oleh manajer
investasi”. Berdasarkan definisi tersebut, reksadana merupakan kumpulan dana dari
masyarakat yang diinvestasikan pada saham, obligasi berjangka, pasar uang dan sebagainya.
2
Perkembangan Reksadana dewasa ini semakin meningkat seiring dengan tumbuh
kembangnya perekonomian suatu bangsa dan berkembangnya pasar modal. Melalui
investasi di reksadana maka masyarakat yang tidak memiliki modal cukup besar dapat
melakukan investasi di pasar modal dan memperoleh manfaat dari perkembangan pasar
modal. Perkembangan reksadana tersebut juga didukung dengan semakin berkembangnya
produk-produk investasi sehingga tidak semua orang dapat memahami investasi dan
memiliki waktu untuk mengelola investasinya. Dengan menggunakan manajer investasi
yang profesional dan memiliki pengetahuan tentang efek, maka investasi pada reksadana
semakin berkembang di Indonesia.
Pertumbuhan investasi reksadana meningkat pesat dikarenakan reksadana
merupakan investasi yang menguntungkan dan tidak memerlukan modal yang besar.
Menguntungkan karena reksadana dikelola oleh manajer investasi untuk mengelola dana
tersebut sesuai dengan tujuan investasinya. Sehingga masyarakat dalam hal ini investor yang
tidak memiliki banyak waktu atau keterbatasan keahlian tetap dapat melalukan investasi.
Sumber dana yang digunakan dalam investasi reksadana bersifat kolektif, sehingga
masyarakat berdana terbatas juga dapat ikut serta dalam berinvestasi. Investor dapat
melakukan diversifikasi investasi dalam efek, adanya transparansi, dan likuiditas tinggi.
Dengan kata lain, reksadana dapat dicairkan kapan saja jika investor membutuhkan, itulah
beberapa keuntungan berinvestasi di dalam reksadana. Namun terdapat beberapa resiko
dalam berinvestasi di reksadana, yaitu investor dapat mengalami capital loss, resiko
likuiditas, resiko wanprestasi, resiko kredit, dan resiko berkurangnya nilai tukar mata uang
(Martalena, 2011: 85).
Penilaian kinerja sebuah investasi terdapat dua dua pengukuran kinerja yaitu melalui
return reksadana itu sendiri dan model risk adjusted return. Adapun metode untuk melakukan
penilaian kinerja dengan menggunakan return reksadana itu sendiri adalah raw return.
Sedangkan risk adjusted return adalah perhitungan return yang disesuaikan dengan resiko
yang harus ditanggung (Hartono, 2010: 640), adapun metodenya antara lain: Treynor ratio,
Sharpe Ratio, Jensen Alpha, Roy Safety First Ratio, M2 , Sortino Ratio, MSR, FPI, dan
Information Ratio.
Dalam berinvestasi di reksadana masyarakat perlu mengetahui jenis-jenis reksadana
yang dapat disesuaikan dengan tujuan dan kebutuhan investasi. Berdasarkan kategori
instrumen jenis reksadana di Indonesia yang dapat dimiliki oleh masyarakat ada empat yaitu:
3
reksadana pasar uang, reksadana pendapatan tetap, reksadana saham dan reksadana
campuran.
Pembagian reksadana ini dilandasi oleh cara investasi yang berbeda-beda. Pertama, pada
reksadana pasar uang investor berinvestasi 100% pada efek pasar uang seperti efek-efek
hutang yang berjangka kurang dari satu tahun. Kedua, reksadana pendapatan tetap investasi
dilakukan sekurang-kurangnya 80% dari portfolio yang dikelolanya ke dalam efek bersifat
hutang seperti obligasi. Ketiga, reksadana saham yang melakukan investasi sekurang-
kurangnya 80% dari portofolio yang dikelolanya ke dalam efek bersifat ekuitas (saham).
Terakhir, reksadana campuran dimana investasi dilakukan ke dalam efek ekuitas dan efek
hutang yang alokasinya tidak termasuk di dalam kategori reksadana pendapatan tetap dan
reksadana saham.
Sejak diperkenalkan pertama kali di Indonesia, instrumen ini berkembang dengan
pesat berdasarkan data yang tercatat pada Otoritas Jasa Keuangan (OJK) hingga 23
Desember 2015, terdapat 1.083 produk reksadana yang terdaftar dengan dana kelolaan atau
Nilai Aktiva Bersih (NAB) Rp 268,44 trilliun.
Tujuan dari setiap investor dalam berinvestasi adalah untuk mendapat return. Bila
investasi tidak dapat memberikan tingkat keuntungan yang diharapkan tentunya akan
membuat investor enggan untuk berinvestasi. Menurut Jogiyanto (2009;199) return
merupakan hasil yang diperoleh dari investasi. Sementara menurut Brigham dan Houston
(2006:215) return adalah selisih antara jumlah yang diterima dan jumlah yang
diinvestasikan. Menurut Jogiyanto (1998) return dibagi menjadi dua yaitu: realized return
dan expected return. Realized return adalah return yang telah terjadi dan dapat digunakan
sebagai salah satu alat ukur kinerja perusahaan serta tolok ukur dalam menentukan return
dan resiko di masa depan. Sedangkan expected return merupakan return yang diharapkan
akan tercapai dan tidak memiliki kepastian.
Penelitian ini untuk mengetahui beberapa sampel reksadana saham yang diolah risk
dan returnnya untuk mengukur kinerja reksadana dengan model regresi data panel. Data
yang digunakan pada penelitian ini adalah NAB (Nilai Aktiva Bersih), return reksadana
saham, total dana kelolaan, data SBI, data IHSG setahun (yang didownload pada
www.infovesta.com) untuk mengetahui kinerja reksadana saham, dan juga meneliti
pengaruh risk dan return pada kinerja reksadana saham yang menjadi sampel data reksadana
4
saham yaitu: ashmore dana progresif nusantara, danareksa mawar konsumer 10, dan
schroder 90 plus equity fund.
1.2. Perumusan Masalah
Berdasarkan uraian pada latar belakang penelitian, maka penulis mencoba melakukan
identifikasi masalah sebagai berikut:
Karakter reksadana menjadi faktor penting bagi investor untuk memutuskan
berinvestasi dalam reksadana. Diantara karakter yang terpenting dari karakter reksadana
adalah resiko reksadana
Kinerja reksadana adalah indikator keberhasilan reksadana di pasar. Kinerja reksadana
dapat diukur dengan dua metode, yaitu (1) membandingkan kinerja reksadana dengan
benchmark (2) mengukur dengan membandingkan dengan resiko yang dimilikinya.
Ada beberapa hal yang melatarbelakangi pentingnya studi yang menganalisis
pengaruh risk dan return pada kinerja reksadana saham dengan regresi data panel. Pertama,
bahwa sampai saat ini banyak penelitian yang membahas konsep dan paradigma kinerja
reksadana bisa ditinjau dari fund size, expense ratio, turn over ratio, fund age, cash flow,
aset yang dikelola manajemen investasi, sehingga masih ada kemungkinan untuk studi
lanjutan dalam rangka memperkaya pemahaman terhadap kinerja reksadana. Penelitian ini
hanya difokuskan pada sampel reksadana saham yang diteliti risk dan returnnya
Kedua, penelitian ini menggunakan Metode Ekonometrika dengan menggunakan
Analisis Data Panel. Analisis Data Panel lebih baik dibandingkan Analisis Regresi
Biasa (OLS) karena Analisis Data Panel dapat menangkap perbedaan atau ciri
karakteristik individual yang menjadi kajian penelitian. Estimasi Data Panel dapat
menggunakan metode Fixed Effect Model (FEM) atau Random Effect Model (REM).
5
BAB II LANDASAN TEORI
Kajian pustaka membahas landasan teori keseluruhan yang digunakan dalam
penelitian ini yang dimulai dari landasan teori portofolio, reksadana, model yang digunakan,
sumber data, analisis data panel, pooled regression, model fixed effect, model random effect,
dan uji spesifikasi.
2.1. Konsep Dasar Portofolio
Portofolio adalah suatu koleksi yang merupakan kombinasi dari berbagai aset,
misalnya sekuritas dan aset riil. Portofolio merupakan bagian dari suatu investasi dan
strategi dengan melakukan diversifikasi investasi melalui pemilihan beberapa aktiva
dengan tingkat risiko tertentu yang diinginkan.
Teori portofolio menekankan pada usaha untuk mencari kombinasi investasi optimal
yang memberikan tingkat keuntungan atau rate of return yang maksimal pada tingkat risiko
tertentu.
2.2. Pengertian Reksa dana
Sejarah awal reksadana bermula dari arisan (pooling fund) yang dikenal di Eropa pada
pertengahan 1800. Mula-mula pooling fund dikenal di Belgia (1822) yang kemudian
dikenal dengan nama unit trust, muncul di Belgia ketika Raja William I dari Kerajaan
Belanda menciptakan suatu unit penyertaan dana yang memungkinkan investasi-
investasi kecil memperoleh pinjaman dari pemerintah asing. Pada tahun 1860-an Unit
trust berkembang ke wilayah Inggris dan Skotlandia.
Pada tahun 1863, Inggris mendirikan unit trust pertama dengan nama The London
Financial Association and The International Financial Society. Lalu pada tahun 1868,
didirikan pula Foreign and Colonial Government Trust of London. Perkembangan Unit
trust di Inggris dan Skotlandia menginspirasikan berdirinya reksadana tertutup (closed
end) pertama di Amerika pada 1863 dengan nama The Boston Personal Property Trust.
Berbeda dengan Eropa istilah unit trust di Amerika dikenal dengan istilah mutual
fund. Baru pada tanggal 21 Maret 1924 terbentuk reksadana modern pertama dengan
nama Massachussets Investor Trust dengan total dana US$ 50.000,- berportofolio 45
6
stock dan aset, lalu berkembang setahun kemudian menjadi US$ 392.000,- dengan
jumlah peserta 200 orang. Reksadana ini pertama kali memperkenalkan penawaran saham
baru atau penyertaan-penyertaan unit baru serta mengijinkan redemption setiap saat sesuai
dengan net asset value (nilai aktiva bersih).
Di Indonesia reksadana pertama kali diperkenalkan kepada masyarakat dengan
didirikannya PT. Danareksa pada tahun 1976. Reksadana menurut UU No.8 tahun 1995
pasal 1 ayat 27 didefinisikan sebagai “wadah yang dipergunakan untuk menghimpun dana
dari masyarakat pemodal untuk selanjutnya diinvestasikan dalam portofolio efek oleh
manajer investasi”. Berdasarkan definisi tersebut, secara jelas bahwa reksa dana
merupakan kumpulan dana dari masyarakat yang diinvestasikan pada saham, obligasi
deposito berjangka, pasar uang, dan sebagainya.
Reksadana adalah wadah yang dipergunakan untuk menghimpun dana dari
investor untuk selanjutnya diinvestasikan dalam portofolio efek oleh manajer investasi yang
telah mendapatkan izin dari Bepepam-LK. Reksa dana bertujuan untuk mempermudah
investor dalam melakukan investasi karena : (1) memudahkan mengakses pada instrument
investasi, (2) pengelolaannya dilakukan oleh manajer investasi yang profesional dan
administrasi investasinya dijalankan oleh Bank Kustodian, (3) diversifikasi dilakukan
dengan lebih mudah, karena dana yang dimiliki relatif besar dan banyak investor
yang berkumpul dalam satu wadah, (4) likuiditas yang tinggi, karena dapat dicairkan
sewaktu-waktu melalui manajer investasi, (5) dapat dilakukan pembelian dengan dana yang
relatif kecil. Kinerja reksadana merupakan kemampuan suatu produk reksadana bersaing
dengan produk reksadana lain di pasar serta menghasilkan keuntungan.
2.3. Perhitungan Kinerja Reksadana
Perhitungan kinerja reksadana dalam penelitian ini menggunakan information ratio/
rasio penilaian/ appraisal ratio. Pengukuran ini merupakan rasio antara alpha dan resiko unik
portofolio atau resiko non sistematik portofolio yang disebut tracking error dari industri.
Nilai rasio informasi ini mengukur return tidak normal per unit resiko yang dapat
didiversifikasi dengan memegang portofolio pasar. IR diperoleh dari menghitung return
rekssadana dikurang dengan return benchmark. Kemudian dibagi dengan perbedaan standar
deviasi dari return. Benchmark (nilai pembanding) setiap produk reksadana berbeda-beda,
tergantung pada jenis reksadana produk itu sendiri. Selain itu, setiap manajer investasi
7
mungkin saja memiliki benchmark yang tidak sama dengan manajer investasi yang lain.
Adapun benchmark (nilai pembanding) untuk produk reksadana pada penelitian ini
menggunakan benchmark reksadana saham yaitu IHSG (pasar).
Data diperoleh dari fund fact sheet produk reksadana, penilaian jika IR reksadana
positif atau lebih besar dari IR pasar (selalu nol) maka kinerja reksadana baik (Hartono,
2010: 664), formulanya:
p b
p b
R RIR
(1)
Keterangan:
bR : return benchmark
p b : perbedaan standar deviasi dari return
2.4. Analisis Data Panel
Penelitian ini menggunakan Metode Ekonometrika dengan menggunakan Analisis Data
Panel. Analisis Data Panel lebih baik dibandingkan Analisis Regresi Biasa (OLS)
karena Analisis Data Panel dapat menangkap perbedaan atau ciri karakteristik individual
yang menjadi kajian penelitian. Estimasi Data Panel dapat menggunakan metode Fixed
Effect Model (FEM) atau Random Effect Model (REM)
Model: , , ,'t i t i i t t iY X C d u dimana 1,2, ,t T ; 1,2, ,i N
Balance panel: semua observasi tersedia untuk semua kategori cross section untuk semua
unit waktu.
Pembedaan dari model:
1. Satu arah (one way) : 0; 0i tC d
8
Dua arah (two way) : 0, 0i tC d
2. Fixed effect : ,i tC d deterministik
Random effect; 2 20, ; 0,i C t dC N iid d N iid
Metode estimasi model regresi data panel
Dalam mengestimasi model regresi data panel, terdapat 3 pendekatan yang biasa digunakan,
yaitu CEM, FEM, dan REM (Widarjono, 2007)
Common Effect Model
Pendekatan pertama ini merupakan pendekatan paling sederhana yang disebut estimasi CEM
atau pooled least squares. Pada pendekatan ini, data cross section dan time series
elidikumpulkan lalu dilakukan pendugaan (pooling). Dalam mengestimasi, dimensi cross
section dan time series dari data panel diabaikan dan data diestimasi dengan metode kuadrat
terkecil biasa (OLS)
Menurut Sukendar dan Zainal (2007), pada pendekatan ini diasumsikan bahwa nilai intersep
masing-masing variabel adalah sama, begitu pula slope koefisien untuk semua unit cross
section dan time series. Berdasarkan assumsi ini maka model CEM dinyatakan sebagai
berikut (Widarjono, 2007): ' 'it it itY x u , 1,2, ,i N , 1,2, ,t T
Asumsi ini merupakan asumsi yang ketat, sehingga walaupun metode ini menawarkan
kemudahan, namun model mungkin mendistorsi gambaran yang sebenarnya dari hubungan
antara Y dan X antar unit cross-section.
Fixed Effect Model
Pada pendekatan CEM, intersep dan slope koefisien diasumsikan konstan baik antar individu
maupun antar waktu. Menurut Gujarati (2004), salah satu cara untuk memperhatikan unit
cross-section adalah dengan mengijinkan nilai intersep berbeda-beda untuk setiap unit cross-
section tetapi masih mengasumsika slope koefisien tetap.
Model FEM dapat dinyatakan sebagai berikut (Hsiao, 2003):
' 'it i it itY x u , 1,2, ,i N , 1,2, ,t T (2)
Indeks i pada intersep persamaan (1) menunjukkan bahwa intersep dari masing-masing unit
cross section adalah berbeda. Perbedaan ini disebabkan karena adanya fitur khusus dari
masing-masing unit cross section. Model (1) dikenal sebagai model Fixed Effect karena
9
meskipun intersep berbeda untuk setiap unit cross-section, namun intersep ini tidak berbeda
atau konstan untuk setiap unit time series (time invariant) (Gujarati, 2004).
Perbedaan intersep pada model (1) dapat dinyatakan dengan variabel dummy. Diberikan iy
dan iX adalah vektor T observasi untuk unit ke i dan iu adalah vektor error berukuran
1T , e merupakan vektor kolom yang anggotanya adalah 1, maka model (1) dapat ditulis
sebagai berikut (Greene,2000):
i i i iY e X u , 1,2, ,i N , (3)
Sehingga untuk 1,2, ,i N , diperoleh:
1 1 1 1
2 2 2 2
0
0
0 0N N N N
y X ue
y X ue
y X ue
Atau
1 2 Ny d d d X u
Dengan id adalah variabel dummy unit ke i . Misal 1 2 ND d d d maka
diperoleh model y D X u (4)
Model (4) ini biasa disebut model least square dummy variable (LSDV) (Greene, 2000).
Dalam mengestimasi model (3) maka jika ditulis dalam bentuk vektor, diperoleh (Hsiao,
2003):
1 1 1
2 2 2
1 2
0 0
0 0
0 0
N
N N N
y X ue
y X uey
y X ue
Dengan
1 1 1
2 2 2
1 1
1 21
1 22
1 2
,
i i i
i i i
T T
iT iT iT
Ki
Ki
i i
iN K
X X XY
X X XYy X
Y X X X
10
11 1 2' 1 1 1 , '
TT i i i iTe u u u u
20, ' , ' 0,i i i u T i jE u E u u I E u u untuk ; , 1,2, ,i j i j N
TI adalah matriks identitas dengan ordo T T
2.5. Pooled Regression
Secara umum, bentuk model linear (yang disebut pooled regression) yang dapat
digunakan adalah:
, , , ,'i t i t i t i ty x (5)
Dimana:
,i ty adalah observasi dari unit ke –I dan diamati pada periode waktu ke –t.
,'i tx adalah vektor variabel-variabel independen / input dari unit ke –I dan diamati
pada periode waktu ke –t. disini diasumsikan ,'i tx memuat komponen konstanta.
,i t adalah komponen error, yang diasumsikan memiliki harga mean 0 dan variansi
homogen dalam waktu (homokedastic) serta independen dengan ,'i tx
Estimasi untuk model ini dapat dilakukan dengan metode OLS standar
Untuk model panel data, sebagai asumsi standar ,i t , yakni pengaruh dari
perubahan dalam X diasumsikan bersifat konstan dalam waktu dan kategori cross-
section. Model pooled regression dapat ditulis ulang, dan selanjutnya ditambahkan
komponen konstanta dan i tc d
, , ,'t i t i i t t iy x c d (6)
Dengan
ic adalah konstanta yang bergantung kepada unit ke- i , tapi tidak kepada waktu t
11
td adalah konstanta yang bergantung kepada waktu t , tapi tidak kepada unit i .
Disini apabila model memuat komponen dan i tc d , maka model disebut model dua
arah, sedangkan apabila 0td atau 0ic , maka model disebut model satu arah.
Apabila banyaknya observasi sama untuk semua kategori cross–section, dikatakan
model bersifat balance, dan sebaliknya disebut unbalanced.
2.6. Model Fixed Effect
Untuk model fixed effect satu arah, sering diasumsikan bahwa komponen 0td , yakni
dimiliki model
, , ,'t i t i i t t iy x c d (7)
Secara umum, model dapat diestimasi dengan dua metode yang berbeda
Secara intuitif, komponen ic dapat dimodelkan dengan menggunakan variabel
dummy , ,i t jz dengan , ,i t jz bernilai nol jika i j dan bernilai 1 jika i j . Disini model
diestimasi menggunakan OLS standar. Meskipun model ini relatif sederhana,
estimasi akan relatif kompleks apabila banyaknya kategori untuk cross-section relatif
besar.
Alternatifnya, model ditransformasi untuk menghilangkan komponen ic didalam
model ,, , , ,,' ' i ti t i t i t i ti t
y y x x dan selanjutnya dilakukan Generalized
Least Square terhadap model hasil transformasi. Pendekatan kedua ini lebih populer
di dalam literature.
Sementara itu, untuk model Fixed Effect dua arah, model memiliki kedua komponen ic
dan td . Estimasi terhadap parameter-parameter dalam model dapat dilakukan dengan
12
menggunakan metode GLS, setelah model ditransformasikan untuk menghilangkan
komponen ic dan td dari model.
2.7. Model Random Effect
Dengan menggunakan model Fixed Effect, kita tidak dapat melihat pengaruh dari berbagai
karakteristik yang bersifat konstan dalam waktu, atau diantara individual. Untuk itu,
digunakan model yang disebut model Random Effect, yang secara umum dituliskan sebagai
, , ,'t i t i t iy x v (8)
Dimana , ,t i i t i tv c d . Disini, ic diasumsikan bersifat independent dan identically
distributed (i.i.d) normal dengan mean 0 dan variansi 2
c , td diasumsikan bersifat iid normal
dengan mean 0 dan variansi 2
d (dan ,i t , dan i tc d diasumsikan independen satu dengan
lainnya). Jika komponen dan i tc d diasumsikan 0, maka model disebut model random effect
satu arah, sedangkan pada keadaan lain disebut model dua arah.
2.8. Specification test/ Uji Spesifikasi
1. Uji Wald/ Poolability test
Uji ini bertujuan untuk melihat hubungan antar kategori cross-section, yakni menguji
hipotesa berbentuk 0 :H R r dengan R vektor konstanta dan r adalah konstanta.
2. Uji Haussman
Uji ini bertujuan untuk melihat apakah terdapat random effect didalam panel data,
yakni menguji hipotesa berbentuk 0H :terdapat random effect di dalam model
3. Uji Breusch-Pagan
Uji ini bertujuan untuk melihat apakah terdapat efek cross-section/ time series (atau
keduanya) di dalam panel data, yakni menguji hipotesa berbentuk 2 2
0 : c dH . Test
13
ini juga valid untuk model fixed effect, yakni dapat juga digunakan untuk menguji
adanya efek cross-section dan/ atau time dalam model fixed effect.
Secara umum, langkah uji hipotesa yang dilakukan adalah sebagai berikut. Pertama-
tama dilakukan uji Hausman terhadap data. Jika hipotesa untuk uji Hausman ditolak,
maka model fixed effect digunakan dalam pemodelan. Akan tetapi, jika hipotesa ini
tidak ditolak, maka digunakan uji Breusch-Pagan untuk melihat apakah terdapat
efekdidalam data. Jika hipotesa uji Breusch Pagan tidak ditolak, maka di lakukan
analisa dengan menggunakan metode pooling OLS, meskipun data yang dimiliki
dikumpulkan menggunakan framework panel studi.
14
BAB III TUJUAN DAN MANFAAT PENELITIAN
3.1. Tujuan Penelitian
Secara teoritis penelitian ini memberikan kontribusi dalam bidang keuangan
(reksadana) dan bidang statistika (pengolahan data dengan regresi data panel). Dengan
adanya penelitian ini diharapkan bisa memberikan pengetahuan yang lebih mendalam
mengenai perkembangan dunia investasi terutama perkembangan reksadana.
3.2. Manfaat Penelitian
Karakter reksadana menjadi faktor penting bagi investor untuk memutuskan berinvestasi
dalam reksadana. Diantara karakter yang terpenting dari karakter reksadana adalah resiko
reksadana
Kinerja reksadana adalah indikator keberhasilan reksadana di pasar. Kinerja reksadana dapat
diukur dengan dua metode, yaitu
a. membandingkan kinerja reksadana dengan benchmark
b. mengukur dengan membandingkan dengan resiko yang dimilikinya.
Ada beberapa hal yang melatarbelakangi pentingnya studi yang menganalisis pengaruh risk
dan return pada kinerja reksadana saham dengan regresi data panel.
Pertama, bahwa sampai saat ini banyak penelitian yang membahas konsep dan paradigma
kinerja reksadana bisa ditinjau dari fund size, expense ratio, turn over ratio, fund age, cash
flow, aset yang dikelola manajemen investasi, sehingga masih ada kemungkinan untuk studi
lanjutan dalam rangka memperkaya pemahaman terhadap kinerja reksadana. Penelitian ini
hanya difokuskan pada sampel reksadana saham yang diteliti risk dan returnnya
Kedua, penelitian ini menggunakan Metode Ekonometrika dengan menggunakan
Analisis Data Panel. Analisis Data Panel lebih baik dibandingkan Analisis Regresi
Biasa (OLS) karena Analisis Data Panel dapat menangkap perbedaan atau ciri
karakteristik individual yang menjadi kajian penelitian. Estimasi Data Panel dapat
menggunakan metode Fixed Effect Model (FEM) atau Random Effect Model (REM).
15
BAB IV METODE PENELITIAN
4.1. Pendekatan Penelitian
Penelitian ini merupakan suatu Metode Survei Penjelasan (Explanatory Survey
Method) untuk menguji hipotesis yang telah dirumuskan sebelumnya. Walaupun uraiannya
mengandung deskripsi, namun sebagai penelitian kuantitatif fokusnya tetap terletak pada
penjelasan hubungan antar variabel. Penelitian ini menggunakan metode verifikatif untuk
mengungkapkan keterkaitan antara variabel melalui pengujian hipotesis dan juga
dimaksudkan untuk mengetahui kondisi masing-masing variabel sesuai periode waktu
yang digunakan dalam penelitian. Oleh karena itu jenis penelitian ini adalah explanatory
verificative. (Sekaran, 2003). Reksa dana yang diambil sebagai sampel adalah reksa
dana yang NABnya berkisar 1000-1800, mempunyai prospektus dan fact fund sheet yang
bisa didownload, penelitian ini menggunakan data bulanan.
16
4.2. Obyek penelitian
Untuk memperoleh hasil maksimal dan representatif secara statistik, digunakan
dana bulanan (monthly) Nilai Aktiva Bersih, Sertifikat Bank Indonesia (SBI) dan
Indeks Harga Saham Gabungan (IHSG) untuk periode Januari 2013 sampai dengan Maret
2016 atau 39 (tigapuluh sembilan) bulan.
17
Penelitian akan dilaksanakan selama 6 bulan (satu semester) yang dimulai pada bulan April
2016-September 2016. Pengambilan data sekunder di website www.ojk.go.id ,
www.infovesta.com , pusatdata.kontan.co.id
No Jenis data Jenis Sumber
1 Harga NAB sampel reksadana
saham
NAB data
bulanan
www.ojk.go.id
2 Prospektus dan fund fact sheet Prospektus
tahunan dan fund
fact sheet
bulanan
Search engine:
Google.com
3 IHSG Harian, diolah
sehingga menjadi
data bulanan
www.infovesta.com
4 Suku bunga SBI www.bi.go.id
panel menyediakan data yang lebih banyak dan informasi yang lebih lengkap serta
bervariasi
Penjelasan Mengenai Data
Data yang dianalisis adalah data sekunder 3 sample Reksadana : ASHMORE DANA PROGRESIF
NUSANTARA kode D0AS02, REKSA DANA DANAREKSA MAWAR KONSUMER 10 kode RDMK, dan REKSA
DANA SCHRODER 90 PLUS EQUITY FUND kode SPEF yang diperoleh dari
http://aria.bapepam.go.id/reksadana/statistik.asp?page=statistik-nab-rd# yang diunduh per Juni
2013 sampai Juli 2016.
18
Gambar 1. Contoh pengunduhan data di bapepam.go.id
Dalam penelitian ini (return reksadana/{(NAB sesudah –NAB sebelum)/NAB sebelum}/perbulan
pada tiga reksadana sample), yang diamati adalah hubungan antara return reksadana/ perbulan
(CONS) sebagai variabel dependen terhadap beberapa variabel independen, antara lain adalah:
Age (usia) reksadana:
AUM reksadana
Return IHSG
Data yang digunakan adalah data panel, berupa kombinasi data time series (tahun Juni 2013 s/d
Juli 2016) dan data cross section (tiga sample reksadana: : ASHMORE DANA PROGRESIF
NUSANTARA kode D0AS02, REKSA DANA DANAREKSA MAWAR KONSUMER 10 kode RDMK, dan REKSA
DANA SCHRODER 90 PLUS EQUITY FUND kode SPEF). Data untuk masing-masing variabel, disajikan
pada tabel-tabel berikut:
Model yang akan diestimasi adalah sebagai berikut:
I. 1 2 3 , i i i treturnRD b age b aum b returnIHSG c d
II. 1 2 , i i i treturnRD b aum b returnIHSG c d
19
4.3. Tahapan Penelitian Analisis Data dengan EViews4
Pemodelan terhadap data di atas dapat dilakukan dengan menggunakan model regresi dengan
variabel dummy. Dengan EViews4, pemodelan regresi dengan variabel dummy ini dapat dilakukan
seperti analisis model regresi biasa. Berikut ini, kita akan menggunakan analisis alternative dengan
model pooling. Sebagai catatan penting, di dalam EViews4 hanya digunakan model satu arah, yakni
diasumsikan bahwa efek waktu (time) dalam model bernilai nol. Sehingga dalam analisis berikut,
pada model, diasumsikan di = 0.
B. Mempersiapkan Data
1. Kita buat file kerja baru dengan menggunakan menu File/New/Workfile… Untuk data
di atas, setelah muncul jendela Workfile Range, gunakan pilihan undated or Irregular
untuk Frequency dengan Range bernilai 1 – 37. Lalu klik OK.
2. Selanjutya buat objek baru dengan menu Object/New Object …. Sebagai type of object,
pilih Pool, dan namakan objek baru ini sebagai Poolrd. Lalu klik OK.
3. Setelah muncul jendela objek Poolrd, isikan daftar kategori cross section keenam
provinsi di pulau Jawa ( _ashmore, _konsumer10, _schroder90), yakni kita gunakan
identifier berikut:, klik menu Define.
4. Selanjutnya, kita akan mengimpor data ke dalam EViews. Data ini merupakan hasil
penumpukan (stacked) data dari tabel menurut kategori cross-section (ekuivalennya,
data dapat ditumpuk menurut waktu).
5. Data dari file datard.xls ke dalam EViews. Untuk mengimpor data, dari jendela objek
ReturnRD, pilih menu Procs/Import Pool data (ASCII,XLS,WK?)…. Arahkan ke file
datard.xls dan isikan informasi yang diperlukan.
6. Di sini, karena pada file excel yang diimpor, data ditumpuk menurut kategori cross-
section, maka pada pilihan Group Observation, dipilih by Cross section. Di sini variabel
Obs (yang terdapat pada file excel) tidak dilampirkan ke dalam file kerja. Klik OK Untuk
melihat hasil impor data, dari jendela objek Poolrd, pilih menu View/Spreadsheet
(Stacked data)
7. Di dalam contoh di atas, kita akan menampilkan semua variabel hasil impor. Sehingga
akan diperoleh tampilan data berikut:
20
Data di atas adalah hasil penumpukan, terurut menurut kategori cross-section, yakni:
Observasi 1-37: RD ashmore dana progresif nusantara
Observasi 38-74: RD danareksa konsumer 10 Observasi 75-111: RD schroder 90 plus equity fund
8. Selanjutnya, dengan menggunakan menu File/Save atau File Save As …, file kerja diberi
nama datard.wf1.
21
BAB V HASIL DAN PEMBAHASAN
5.1. Pra Analisis
1. Uji Heteroskedastisitas
Asumsi penting model regresi adanya homoskedastisitas, yaitu bahwa varians tiap unsur
disturbance tergantung (conditional) pada nilai yang dipilih dari variabel yang menjelaskan,
adalah suatu angka konstan yang sama dengan σ2. Uji heteroskedastisitas bertujuan
mengetahui apakah dalam model regresi tersebut terjadi ketidaksamaan varians dari residual
satu pengamatan ke pengamatan yang lain. Jika ditemukan pengamatan (varians) yang
berbeda dari satu pengamatan ke pengamatan yang lain berarti terjadi heteroskedastisitas.
Pengujian heterokedastisitas dapat dilakukan dengan uji grafik (residual graph) maupun uji
White (Residual test). Hipotesa pada White Heteroscedasticity-test yaitu: 0H : tidak
terdapat heterokedastisitas, yang berarti tidak ada hubungan antara error dengan variabel
bebasnya.
2. Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota serangkaian observasi yang diurutkan
menurut waktu atau ruang dan tidak terdapat dalam disturbansi atau gangguan. Jadi unsur
gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur gangguan yang
berhubungan dengan pengamatan lain yang manapun. Tujuan uji untuk mengetahui apakah
ada korelasi unsur gangguan pada periode t dengan periode sebelumnya (t-1). Cara
mendeteksi autokorelasi dapat digunakan dua cara, yaitu:
Uji Durbin Watson (uji D-W) dengan hipotesis yaitu 0H : tidak ada autokorelasi. Uji DW ini
akan menerima 0H saat angka DW-stat pada tabel statistik pengujian berada disekitar angka
2 (1,5 < DW-stat< 2,5), yang berarti dapat disimpulkan bahwa error tidak berkorelasi.
a. Uji residual pada E-Views. Uji residual ini menguji correlogram pada spesifikasi lag. Akan
dikatakan bahwa tidak ada autokorelasi pada saat p-value dari Q-stat signifikan (lebih kecil
dari 0,025, two tailed pada tingkat signifikansi 5%)
Coef. Covariance method
o Ordinary
o White cross section: korelasi antara cross-equation dan varians error yang berbeda dalam
cross section
22
o White period: mengakomodasi korelasi serial dan varians berbeda antara distrubance
o White diagonal: heterocedasticity dalam distrubance.
Masalah heterokedastisitas pada data panel dapat diatasi dengan memilih white heteroscedasticity
consistent covariance pada saat melakukan estimasi. Dan untuk autokorelasi dengan melakukan
perbaikan menggunakan Eviews yaitu dengan memilih Newey-West pada option heteroscedasticity
Consistent Coefficient Covariance.
White Test
Hipotesa:
Ho: homokedastik
H1: heterokedastik
Statistik uji: 2 2
dfn R dimana df =banyaknya variabel independen
Keputusan: tolak Ho bila p-value < 5%
5.2. Analisis Model
Kriteria uji Haussman dan Breuch Pagan, sbb:
Haussman
test
0H diterima RE
M Breusch Pagan
test
0H ditolak fixed effect
0H diterima OLS pooling regression
0H ditolak FEM
1. Uji Hausman
Pengujian Hausman dilakukan untuk menentukan ada tidaknya korelasi antara error dan
variabel bebas dengan hipotesis sebagai berikut:
0
1
: , 0 ( model= )
: , 0 ( model== )
it it
it it
H corr X u random effect individual effect uncorrelated
H corr X u fixed effect individual effect correlated
Statistik uji: 12 'hitung b Var b b
b=koefisien random effect
=koefisien fixed effect
Kesimpulan 0H ditolak jika p-value < 0,05 atau 2 2
;hitung K
K = jumlah koefisien slope
23
Untuk menganalisis dari model, pertama-tama akan dilakukan uji Hausman data. Uji
Hausman digunakan untuk mengetahui apakah nanti akan menggunakan model Efek
Random, ataukah Efek Tetap. Sebagai ilustrasi, kita akan menggunakan model I, yakni:
1 2 3 , i i i treturnRD b age b aum b returnIHSG c d
Uji Hausman dilakukan dengan menggunakan program h-test.prg yang sudah tersedia. Isi
dari h-test.prg adalah sebagai berikut:
'Hausman test for fixed versus random effects
'Edited from HAUSMAN.prg by Maria Titah J, 01/09/16
' set sample
smpl @all
' estimate fixed effects and store results poolrd.ls(f) returnRD? age? aum? returnIHSG? vector beta = poolrd.@coefs matrix covar = poolrd.@cov ' keep only slope coefficients vector b_fixed = @subextract(beta,1,1,2,1) matrix cov_fixed = @subextract(covar,1,1,2,2) ' estimate random effects and store results poolrd.ls(r) ) returnRD? age? aum? returnIHSG? beta = poolrd.@coefs covar = poolrd.@cov ' keep only slope coefficients
vector b_gls = @subextract(beta,2,1,3,1)
matrix cov_gls = @subextract(covar,2,2,3,3)
' compute Hausman test stat
matrix b_diff = b_fixed - b_gls
matrix var_diff = cov_fixed - cov_gls
matrix qform = @transpose(b_diff)*@inverse(var_diff)*b_diff
if qform(1,1)>=0 then
' set table to store results
table(6,3) HausmannTest
setcolwidth(HausmannTest,1,20)
setcell(HausmannTest,1,1,"Hausman test for fixed versus random effects")
setline(HausmannTest,2)
Untuk menjalankan program ini, dalam keadaan file kerja datard.wf1. sedang aktif. Buka
file h-test.prg dengan menggunakan menu File/Open/Program. Selanjutnya, dari jendela
h-test.prg, pilih menu Run. Klik OK dan untuk model I di atas akan diperoleh tampilan
output berikut:
24
Dengan cara yang ekuivalen, dapat dilakukan analisa untuk model II.
Hausman test for fixed versus
random effects
chi-sqr(2) = 5.4413051
p-value = 0.0658318
Rangkuman untuk hasil uji Hausman, diberikan dalam tabel berikut:
Model I
Stat-Uji p-value Kesimpulan Uji untuk tingkat kesalahan 0,05
17,239426 0,0001805
2 2
4;0,059,488
0,0001805 0,05
hitung
p value
Hipotesa H0 ditolak, digunakan fixed effect
Model II
Stat-Uji p-value Kesimpulan Uji untuk tingkat kesalahan 0,05
5,4413051 0,0658318
2 2
3;0,057,815
0,0658318 0,05
hitung
p value
Hipotesa H0 diterima, digunakan random effect
Uji Breusch-Pagan
Selanjutnya, akan dilakukan uji Breusch-Pagan untuk model. Sebagai ilustrasi digunakan model
I, yakni:
1 2 3 , i i i treturnRD b age b aum b returnIHSG c d
25
Uji Breusch-Pagan dilakukan dengan menggunakan program BP-test.prg. File BP-test.prg
diberikan sebagai berikut:
'Breusch-Pagan Test for Random Effects
'Only for balanced panel model
'Created by Maria Titah, 09 September 2016
'Doing pooling regression
poolrd.ls returnRD? age? aum? returnIHSG?
'Save the value of ssr from pooling regression
matrix ssro =poolrd.@ssr
'Start calculate ssresidual for eachgroup dan obs from pooling regression
poolrd.makeresid
poolrd.makegroup(tempgrp) resid?
!ncross=poolrd.@ncross
matrix(!ncross,1) ssgrp
series tempser
' loop over each crosssection and compute sum residual for each group
for !i =1 to !ncross
tempser=tempgrp(!i)
ssgrp(!i,1)=@sum(tempser)
next
'For our data, we use indexing using year. For different freq use appropriate frequency
series obs=@year
!lastyear = @max(obs)
matrix(!lastyear, 1) ssobs
matrix tempser2
' loop over each year and compute sum residual for each year
for !i = 1 to !lastyear
smpl if (obs = !i)
tempser2 =tempgrp
'ssobs(!i,1) = @mean(tempser2*@transpose(tempser2))
ssobs(!i,1) = @sum(tempser2)
next
delete tempgrp tempser tempser2 obs
smpl @all
matrix AA=1-((@transpose(ssgrp)*ssgrp)/ssro(1,1))(1,1)
matrix BB=1-((@transpose(ssobs)*ssobs)/ssro(1,1))(1,1)
matrix LM1=(!ncross*!lastyear*2*(AA(1,1)^2))/(2*(!lastyear-1))
matrix LM2=(!ncross*!lastyear*2*(BB(1,1)^2))/(2*(!ncross-1))
matrix LM =LM1(1,1) + LM2(1,1)
' set table to store results
table(10,4) BreuschPaganTest
setcolwidth(BreuschPaganTest,1,30)
setcell(BreuschPaganTest,1,1,"Breusch-Pagan Test")
26
setline(BreuschPaganTest,3)
setcell(BreuschPaganTest,4,1,"Hypothesa")
setcell(BreuschPaganTest,4,2,"Statistic")
setcell(BreuschPaganTest,4,3,"p-value")
setline(BreuschPaganTest,5)
setcell(BreuschPaganTest,6,1,"H0:sigma^2_c=0")
setcell(BreuschPaganTest,6,2,LM1(1,1))
setcell(BreuschPaganTest,6,3,1-@cchisq(LM1(1,1),1))
setcell(BreuschPaganTest,7,1,"H0:sigma^2_d =0 ")
setcell(BreuschPaganTest,7,2,LM2(1,1))
setcell(BreuschPaganTest,7,3,1-@cchisq(LM2(1,1),1))
setcell(BreuschPaganTest,8,1,"H0:sigma^2_d =sigma^2_c=0 ")
setcell(BreuschPaganTest,8,2,LM(1,1))
setcell(BreuschPaganTest,8,3,1-@cchisq(LM(1,1),2))
setline(BreuschPaganTest,9)
show BreuschPaganTest
Jalankan BP-test.prg, maka akan diperoleh output berikut untuk
Model I: 1 2 3 , i i i treturnRD b age b aum b returnIHSG c d
Model II : 1 2 , i i i treturnRD b aum b returnIHSG c d
Breusch-Pagan Test
Hypothesa Statistic p-value
H0:sigma^2_c=0 3.9979577 0.0455554
H0:sigma^2_d =0 0.1896232 0.6632304
27
H0:sigma^2_d =sigma^2_c=0 4.1875809 0.1232192
Di dalam EViews4, hanya digunakan model satu arah dengan komponen efek time bernilai nol.
Dengan demikian, pada output uji Breusch-Pagan di atas, hanya uji hipotesis H0:2
c = 0 yang
relevan. Rangkuman output untuk uji Breusch-Pagan diberikan dalam tabel berikut:
Model I: 1 2 3 , i i i treturnRD b age b aum b returnIHSG c d
Hipotesis Statistik Uji p-value Kesimpulan uji untuk tingkat kesalahan 5%
H0: c = 0 0,1147015 0,7348537 0,7348537 0,05p value
H0 diterima untuk tingkat kesalahan 5%, model
fixed effect dengan hipotesa tidak ada efek cross
section tidak ditolak yakni digunakan model
pooling regression (OLS)
Model II: 1 2 , i i i treturnRD b aum b returnIHSG c d
Hipotesis Statistik Uji p-value Kesimpulan uji untuk tingkat kesalahan 5%
H0: c = 0 3,9979577 0,0455554 0,0455554 0,05p value
0H ditolak untuk tingkat kesalahan 5%, model
fixed effect.
5.3. Estimasi Model
Model I:
Dari hasil uji Hausman dan uji Breusch-Pagan, diperoleh pada tingkat kesalahan 5% untuk model
estimasi akan dilakukan model pooling regression.
28
-
Nilai DW sebesar 1,76, hal ini mengindikasikan terdapatnya positive serial autocorrelation.
Suatu model dikatakan bebas dari masalah autokorelasi apabila memiliki nilai DW di sekitar
2. Apabila DW<2 maka terdapat serial positive autocorrelation
Estimation Command: ===================== EST(F) RETURNRD? AGE? RETURNIHSG? Estimation Equations: ===================== RETURNRD_ASHMORE = C(3) + C(1)*AGE_ASHMORE + C(2)*RETURNIHSG_ASHMORE RETURNRD_KONSUMER10 = C(4) + C(1)*AGE_KONSUMER10 + C(2)*RETURNIHSG_KONSUMER10 RETURNRD_SCHRODER90 = C(5) + C(1)*AGE_SCHRODER90 + C(2)*RETURNIHSG_SCHRODER90 Substituted Coefficients: ===================== RETURNRD_ASHMORE = -0.002666502927 + 0.0005002205233*AGE_ASHMORE + 0.01549814356*RETURNIHSG_ASHMORE
Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd
ashmore akan mendapatkan pengaruh individu terhadap returnrd sebesar --0.002666502927
29
RETURNRD_KONSUMER10 = -0.02202695199 + 0.0005002205233*AGE_KONSUMER10 + 0.01549814356*RETURNIHSG_KONSUMER10
Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd
konsumer10 akan mendapatkan pengaruh individu terhadap returnrd sebesar ---0.02202695199
RETURNRD_SCHRODER90 = -0.02313066583 + 0.0005002205233*AGE_SCHRODER90 + 0.01549814356*RETURNIHSG_SCHRODER90
Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd
schroder90 akan mendapatkan pengaruh individu terhadap returnrd sebesar -0.02313066583
30
BAB VI KESIMPULAN DAN SARAN
6.1. Kesimpulan
RETURNRD_ASHMORE = -0.002666502927 + 0.0005002205233*AGE_ASHMORE + 0.01549814356*RETURNIHSG_ASHMORE
Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd
ashmore akan mendapatkan pengaruh individu terhadap returnrd sebesar --0.002666502927
RETURNRD_KONSUMER10 = -0.02202695199 + 0.0005002205233*AGE_KONSUMER10 + 0.01549814356*RETURNIHSG_KONSUMER10
Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd
konsumer10 akan mendapatkan pengaruh individu terhadap returnrd sebesar ---0.02202695199
RETURNRD_SCHRODER90 = -0.02313066583 + 0.0005002205233*AGE_SCHRODER90 + 0.01549814356*RETURNIHSG_SCHRODER90
Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd
schroder90 akan mendapatkan pengaruh individu terhadap returnrd sebesar -0.02313066583
6.2. Saran
Penelitian selanjutnya bisa diteliti tentang pengaruh risk dan return pada kinerja reksadana
pendapatan tetap dan saham dengan regresi data panel atau metode yang lain.
31
DAFTAR PUSTAKA
Baltagi, 2005. Econometric Analysis of Panel Data third edition, John Wiley & Sons. Ltd
Gujarati, 2004. Basic Econometrics_fourth edition, McGraw Hill New York USA
Green, 2003. Econometric Analysis fifth edition, Prentice Hall
Hartono, Jogiyanto, 2010. Teori Portofolio dan Analisis Investasi. Yogyakarta: BPFEUGM
Hsiao, 2003. Analysis of Panel Data, second edition, Cambridge University Press
Santosa, Magdalena, 2012. Penilaian kinerja produk reksadana dengan menggunakan
metode perhitungan jensen alpha, sharpe ratio, treynor ratio, M2, dan information ratio,
jurnal Manajemen Vol 12, No 1 November 2012
Trisnopati, 2014. Pengaruh Stock Selection, Market Timing, dan Ukuran Reksadana
terhadap kinerja Reksadana Saham (Studi kasus pada reksadana saham yang terdaftar
di Otoritas Jasa Keuangan Periode : 2011-2014)
Warsono, 2004. Analisis Pengukuran Kinerja Reksadana, Ekobis Vol.5, No.1:131-142.
32
LAMPIRAN
33
DAFTAR RIWAYAT HIDUP PENELITI
Nama Lengkap : Maria Titah Jatipaningrum, S.Si., M.Sc.
Tempat, tanggal lahir : Sleman, 12 Mei 1983
NIK : 13.0583.687 E
Pangkat/ Golongan : Penata Muda Tk I/ III/b
Jabatan Fungsional : -
Bidang Keahlian : Statistika
Fakultas/ Jurusan : Sains Terapan, Statistika
Alamat Kantor : ISTA, Jalan Bimosakti No. 3 Pengok, Yogyakarta
Telp. 0274544504
Alamat Rumah : Mergangsan Kidul MG II/ 1177 Yogyakarta
Telp. 0816684679
Riwayat Pendidikan :
S1 S2
Nama Perguruan Tinggi Universitas Negeri Yogyakarta Universitas Gadjah Mada
Bidang Ilmu Matematika/Statistika Matematika/Statistika
Tahun Masuk - Lulus 2001-2006 2009-2011
Judul Skripsi/ Tesis Model Antrian Poisson
Pelayan Tunggal dalam
Keadaan Tunak
Fuzzy Klustering Short Time
Series untuk Segmentasi
Pelanggan
PENELITIAN YANG PERNAH DILAKUKAN
TAHUN
JUDUL PENELITIAN
SUMBER DANA
2013
SEGMENTASI PELANGGAN PLN MENGGUNAKAN
FUZZY KLUSTERING SHORT TIME SERIES
IST AKPRIND
YOGYAKARTA
2014
VISUALISASI PEMBELAJARAN RANTAI MARKOV
DENGAN MEMANFAATKAN FUNGSI MATLAB DAN
PAKET R ‘markovchain’ DALAM PENGANTAR PROSES
STOKASTIK
IST AKPRIND
YOGYAKARTA
34
35
36
37
DATA REKSADANA DALAM PENELITIAN
obs returnRD age aum returnIHSG
1 -0.05763 5 357,093,150,841.00 0.075216998
2 -0.06026 6 335,005,718,967.00 -0.056354606
3 0.043363 7 349,443,914,756.00 0.046345602
4 0.055879 8 369,110,623,865.00 -0.030879324
5 -0.03302 9 356,904,201,883.00 -0.00973061
6 0.008184 10 489,478,968,988.00 0.127444019
7 0.058349 11 670,275,674,761.00 0.004409927
8 0.07515 12 897,718,385,804.00 0.051373608
9 0.057708 13 1,174,757,148,384.00 0.009585232
10 0.01182 14 1,415,677,576,631.00 -0.009349195
11 0.015302 15 1,436,389,065,862.00 0.02699649
12 -0.01019 16 1,527,530,469,496.00 -0.154619891
13 0.055566 17 1,652,790,588,566.00 0.107530553
14 0.022772 18 1,834,974,521,985.00 -0.003131684
15 -0.01234 19 2,223,178,046,463.00 -0.052959284
16 0.014841 20 2,757,052,967,980.00 0.032046346
17 0.033271 21 3,403,558,510,537.00 0.080031286
18 0.004319 22 4,338,903,450,526.00 -0.002529257
19 0.006438 23 4,205,601,181,031.00 -0.009818831
20 0.022994 24 3,550,599,390,464.00 -0.034556021
21 -0.0163 25 3,424,614,027,219.00 -0.022019328
22 -0.05307 26 3,391,144,030,715.00 -0.120482485
23 0.021205 27 3,351,577,101,303.00 0.054753077
24 -0.07714 28 2,970,404,998,677.00 0.03093649
25 -0.02182 29 2,844,446,956,406.00 0.151620904
26 -0.06219 30 2,530,950,323,166.00 0.030417442
27 -0.06207 31 2,281,758,215,545.00 0.01254627
28 0.084366 32 2,331,638,588,908.00 -0.194288817
29 -0.0097 33 2,209,653,344,534.00 0.014202074
30 0.031797 34 2,282,099,799,670.00 0.156725848
31 -0.00344 35 2,214,417,870,931.00 -0.085389282
32 0.027255 36 2,166,409,620,450.00 0.015597511
33 0.046436 37 2,302,956,508,983.00 -0.001400942
34 0.000789 38 2,334,043,954,709.00 0.036800849
35 0.003834 39 2,319,677,479,810.00 0.039737133
36 0.059968 40 2,371,528,007,851.00 0.043002124
37 0.048333 41 2,340,515,927,924.00 -0.11827007
38 -0.086 31 2,586,830,666,289.23 0.075216998
39 -0.11454 32 2,364,793,184,542.83 -0.056354606
40 0.012077 33 2,374,554,400,577.89 0.046345602
41 0.03517 34 2,625,078,314,340.56 -0.030879324
38
42 -0.07921 35 2,424,474,997,735.50 -0.00973061
43 0.003037 36 2,428,244,393,833.09 0.127444019
44 0.062123 37 2,570,110,796,040.79 0.004409927
45 0.0519 38 2,669,198,740,206.70 0.051373608
46 0.010225 39 2,531,592,071,253.98 0.009585232
47 0.017358 40 2,404,113,119,674.97 -0.009349195
48 0.003276 41 2,317,769,613,299.45 0.02699649
49 -0.00812 42 2,181,795,632,345.67 -0.154619891
50 0.057744 43 2,158,783,251,740.94 0.107530553
51 0.000464 44 2,059,902,208,568.51 -0.003131684
52 0.00857 45 1,961,686,566,645.74 -0.052959284
53 -0.00836 46 1,900,877,588,118.34 0.032046346
54 0.021167 47 1,561,766,570,395.12 0.080031286
55 0.02695 48 1,534,995,810,555.87 -0.002529257
56 0.020198 49 1,555,832,596,503.25 -0.009818831
57 0.034118 50 1,450,342,285,570.99 -0.034556021
58 0.01338 51 1,404,350,847,992.69 -0.022019328
59 -0.08068 52 1,325,291,941,452.96 -0.120482485
60 0.031896 53 1,371,336,134,181.50 0.054753077
61 -0.0673 54 1,414,783,333,306.99 0.03093649
62 -0.01116 55 1,404,271,782,776.43 0.151620904
63 -0.04273 56 1,427,703,361,615.87 0.030417442
64 -0.07226 57 1,324,392,293,222.72 0.01254627
65 0.075767 58 1,414,216,634,074.78 -0.194288817
66 0.015809 59 1,431,197,910,153.75 0.014202074
67 0.037093 60 1,487,064,604,477.99 0.156725848
68 0.016921 61 1,562,071,333,223.67 -0.085389282
69 0.040734 62 1,642,695,265,813.34 0.015597511
70 0.008721 63 1,483,199,467,931.56 -0.001400942
71 -0.01009 64 1,162,886,208,685.86 0.036800849
72 -0.00584 65 1,367,816,337,066.83 0.039737133
73 0.043489 66 1,549,011,076,421.87 0.043002124
74 0.033743 67 964,021,363,209.75 -0.11827007
75 -0.03266 39 2,916,870,564,196.82 0.075216998
76 -0.10697 40 2,713,368,093,090.10 -0.056354606
77 0.025275 41 2,797,150,910,917.73 0.046345602
78 0.047471 42 2,994,789,084,283.30 -0.030879324
79 -0.0613 43 2,912,554,264,852.42 -0.00973061
80 0.000158 44 2,868,306,754,448.39 0.127444019
81 0.056498 45 2,966,239,090,844.89 0.004409927
82 0.055005 46 3,077,298,316,053.86 0.051373608
83 0.033099 47 3,453,712,017,502.00 0.009585232
84 0.009372 48 3,734,490,371,735.39 -0.009349195
85 0.000492 49 3,495,497,210,405.87 0.02699649
39
86 0.00087 50 3,810,120,149,679.61 -0.154619891
87 0.052336 51 3,536,862,285,175.51 0.107530553
88 0.004224 52 3,509,891,653,849.06 -0.003131684
89 -0.01438 53 3,539,322,827,255.33 -0.052959284
90 -0.00045 54 3,863,534,636,680.91 0.032046346
91 0.025582 55 3,873,699,209,702.63 0.080031286
92 0.024881 56 3,755,426,112,734.77 -0.002529257
93 0.030101 57 3,531,367,195,162.69 -0.009818831
94 0.028181 58 3,653,067,584,792.66 -0.034556021
95 0.02851 59 4,906,024,587,902.10 -0.022019328
96 -0.07638 60 4,854,828,042,393.55 -0.120482485
97 0.030752 61 5,513,700,652,680.14 0.054753077
98 -0.07434 62 5,290,744,291,701.29 0.03093649
99 -0.02134 63 5,269,824,235,689.29 0.151620904
100 -0.04957 64 4,981,606,787,834.54 0.030417442
101 -0.07146 65 4,666,478,950,133.32 0.01254627
102 0.082483 66 5,076,525,085,035.39 -0.194288817
103 -0.0009 67 4,998,449,747,657.33 0.014202074
104 0.04365 68 5,514,815,221,845.78 0.156725848
105 0.009917 69 5,118,795,321,557.14 -0.085389282
106 0.030638 70 5,407,434,312,916.37 0.015597511
107 0.018174 71 5,420,019,235,032.04 -0.001400942
108 -0.01451 72 5,200,202,716,014.95 0.036800849
109 0.008066 73 5,064,328,718,472.89 0.039737133
110 0.048704 74 4,834,195,646,795.19 0.043002124
111 0.032679 75 4,516,272,491,092.06 -0.11827007
TABEL DATA IHSG
Date Open High Low Close Volume Adj Close
8/1/2013 4618.964 4718.103 3837.735 4195.089 3.98E+09 4195.089
10/1/2013 4314.961 4611.264 4314.961 4510.631 3.66E+09 4510.631 0.075217
11/1/2013 4473.73 4518.654 4202.919 4256.436 3.29E+09 4256.436 -0.05635
1/2/2013 4322.582 4472.108 4298.612 4453.703 2.58E+09 4453.703 0.046346
9/2/2013 4196.721 4791.765 4012.681 4316.176 4.55E+09 4316.176 -0.03088
12/2/2013 4269.077 4331.59 4109.309 4274.177 3.06E+09 4274.177 -0.00973
6/3/2013 5053.545 5055.832 4373.377 4818.895 2.38E+09 4818.895 0.127444
4/1/2014 4796.162 4933.113 4721.596 4840.146 3.82E+09 4840.146 0.00441
7/1/2014 4877.65 5165.416 4862.42 5088.802 4.49E+09 5088.802 0.051374
9/1/2014 5159.943 5262.568 5082.727 5137.579 3.74E+09 5137.579 0.009585
10/1/2014 5148.574 5165.394 4900.718 5089.547 3.44E+09 5089.547 -0.00935
12/1/2014 5150.38 5226.947 5005.275 5226.947 4.6E+09 5226.947 0.026996
1/2/2014 4294.495 4510.216 4161.193 4418.757 2.9E+09 4418.757 -0.15462
5/2/2014 4845.341 5091.317 4828.217 4893.908 3.69E+09 4893.908 0.107531
6/2/2014 4900.973 4971.946 4835.037 4878.582 2.99E+09 4878.582 -0.00313
40
2/3/2014 4407 4665.267 4320.783 4620.216 3.68E+09 4620.216 -0.05296
3/3/2014 4589.624 4903.497 4567.76 4768.277 4.56E+09 4768.277 0.032046
11/3/2014 5102.537 5157.084 4965.387 5149.888 4.29E+09 5149.888 0.080031
8/4/2014 5076.227 5223.975 5043.525 5136.863 3.75E+09 5136.863 -0.00253
4/1/2015 5516.798 5524.036 5015.008 5086.425 4.35E+09 5086.425 -0.00982
6/1/2015 5212.134 5215.55 4826.13 4910.658 3.3E+09 4910.658 -0.03456
7/1/2015 4924.066 4982.91 4711.491 4802.529 3.41E+09 4802.529 -0.02202
9/1/2015 4484.204 4484.789 4033.587 4223.908 3.45E+09 4223.908 -0.12048
10/1/2015 4231.41 4696.157 4207.799 4455.18 4.4E+09 4455.18 0.054753
12/1/2015 4504.222 4595.513 4330.76 4593.008 2.47E+09 4593.008 0.030936
1/2/2015 5233.796 5325.039 5121.815 5289.404 5.35E+09 5289.404 0.151621
2/2/2015 5277.154 5464.219 5254.036 5450.294 4.38E+09 5450.294 0.030417
3/2/2015 5452.831 5518.675 5350.47 5518.675 4.61E+09 5518.675 0.012546
11/2/2015 4442.419 4621.256 4395.966 4446.458 2.97E+09 4446.458 -0.19429
8/3/2015 4778.044 4868.074 4111.112 4509.607 3.65E+09 4509.607 0.014202
5/4/2015 5093.334 5347.133 5089.418 5216.379 4.25E+09 5216.379 0.156726
2/1/2016 4620.152 4803.609 4545.14 4770.956 3.21E+09 4770.956 -0.08539
3/1/2016 4760.236 4908.26 4757.8 4845.371 4.1E+09 4845.371 0.015598
4/1/2016 4843.394 4920.403 4766.815 4838.583 4.19E+09 4838.583 -0.0014
6/1/2016 4801.853 5033.242 4754.357 5016.647 4.76E+09 5016.647 0.036801
7/1/2016 5027.617 5334.121 4971.581 5215.994 5.39E+09 5215.994 0.039737
8/1/2016 5280.21 5476.22 5279.586 5440.293 6.93E+09 5440.293 0.043002
5/2/2016 4828.963 4845.124 4690.558 4796.869 3.41E+09 4796.869 -0.11827
DATA POOLED REGRESSION
NAB
bulan Ashmore Danareksa Schroder IHSG
jan 1475.671 1683.512 1901.650 5289.403809
feb 1509.602 1740.950 1955.241 5450.293945
maret 1485.000 1764.243 2010.984 5518.674805
april 1406.189 1621.904 1857.394 5086.424805
mei 1436.007 1673.635 1914.513 5216.378906
juni 1325.234 1561.000 1772.189 4910.658203
juli 1296.315 1543.576 1734.379 4802.528809
agustus 1215.702 1477.618 1648.407 4509.606934
september 1140.244 1370.847 1530.620 4223.908203
oktober 1236.442 1474.713 1656.870 4455.180176
nov 1224.449 1498.027 1655.386 4446.458008
des 1263.383 1553.593 1727.643 4593.007812
jan 1259.040 1579.882 1744.776 4615.163086
feb 1293.356 1644.238 1798.232 4770.956055
maret 1353.414 1658.577 1830.912 4845.371094
april 1354.481 1641.834 1804.337 4838.583008
mei 1359.674 1632.251 1818.890 4796.869141
juni 1441.210 1703.236 1907.477 5016.646973
juli 1510.868 1760.708 1969.812 5215.994141
41
AUM dalam trilliun fund size
bulan Ashmore Danareksa Schroder IHSG
jan 4205601181031 1555832596503 3531367195163 5350420300
feb 3550599390464 1450342285571 3653067584793 4379688100
maret 3424614027219 1404350847993 4906024587902 4610533700
april 3391144030715 1325291941453 4854828042394 4351595800
mei 3351577101303 1371336134182 5513700652680 4247861300
juni 2970404998677 1414783333307 5290744291701 3299502900
juli 2844446956406 1404271782776 5269824235689 3409749100
agustus 2530950323166 1427703361616 4981606787835 3650082300
september 2281758215545 1324392293223 4666478950133 3447175000
oktober 2331638588908 1414216634075 5076525085035 4403177500
nov 2209653344534 1431197910154 4998449747657 2967403200
des 2282099799670 1487064604478 5514815221846 2470170800
jan 2214417870931 1562071333224 5118795321557 2751229900
feb 2166409620450 1642695265813 5407434312916 3214575200
maret 2302956508983 1483199467932 5420019235032 4097899500
april 2334043954709 1162886208686 5200202716015 4187362300
mei 2319677479810 1367816337067 5064328718473 3414532600
juni 2371528007851 1549011076422 4834195646795 4763712100
juli 2340515927924 964021363210 4516272491092 5391705500
monthly return
bulan Ashmore Danareksa Schroder
jan 0.0064 0.0202 0.0301
feb 0.0230 0.0341 0.0282
maret -0.0163 0.0134 0.0285
april -0.0531 -0.0807 -0.0764
mei 0.0212 0.0319 0.0308
juni -0.0771 -0.0673 -0.0743
juli -0.0218 -0.0112 -0.0213
agustus -0.0622 -0.0427 -0.0496
september -0.0621 -0.0723 -0.0715
oktober 0.0844 0.0758 0.0825
nov -0.0097 0.0158 -0.0009
des 0.0318 0.0371 0.0436
jan -0.0034 0.0169 0.0099
feb 0.0273 0.0407 0.0306
maret 0.0464 0.0087 0.0182
april 0.0008 -0.0101 -0.0145
mei 0.0038 -0.0058 0.0081
juni 0.0600 0.0435 0.0487
juli 0.0483 0.0337 0.0327
42
B. DRAFT
ARTIKEL ILMIAH
43
PENGARUH RISK DAN RETURN PADA KINERJA REKSADANA SAHAM DENGAN REGRESI DATA PANEL
Maria Titah Jatipaningrum1*
1 Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi Akprind Yogyakarta
Jalan Kalisahak No. 28 Yogyakarta *Email: [email protected]
Abstrak
Pertumbuhan investasi reksadana meningkat pesat dikarenakan reksadana merupakan investasi yang menguntungkan dan tidak memerlukan modal yang besar. Menguntungkan karena reksadana dikelola oleh manajer investasi untuk mengelola dana tersebut sesuai dengan tujuan investasinya. Sehingga masyarakat dalam hal ini investor yang tidak memiliki banyak waktu atau keterbatasan keahlian tetap dapat melalukan investasi. Sumber dana yang digunakan dalam investasi reksadana bersifat kolektif, sehingga masyarakat berdana terbatas juga dapat ikut serta dalam berinvestasi. Investor dapat melakukan diversifikasi investasi dalam efek, adanya transparansi, dan likuiditas tinggi.
Penelitian ini bertujuan untuk menganalisis pengaruh risk dan return sample reksadana saham pada periode Januari 2013 hingga Maret 2016. Data yang digunakan berupa data bulanan. Penelitian ini menggunakan data sekunder dari www.ojk.go.id , dengan metode regresi data panel. Diuji terlebih dahulu menggunakan Uji Chow dan Uji Haussman untuk menentukan digunakan model fixed effect atau model random effect.
Kata kunci: reksadana saham, regresi panel, risk, return, kinerja reksadana.
LATAR BELAKANG PERMASALAHAN
Kinerja adalah sebuah hal yang menjadi tolok ukur, baik atau tidaknya, bertumbuh atau tidaknya suatu organisasi. Organisasi sebaiknya memperhatikan dan menilai karyawan melalui kinerja karyawan dalam bekerja, bukan hanya melihat hasil akhir dari pekerjaan yang dilakukan. Terdapat banyak kerugian jika suatu organisasi tidak melakukan penilaian kinerja yang baik, mulai dari perputaran tenaga kerja yang yang meningkat, penyampaian informasi yang buruk (atasan kepada bawahan), hilang biaya dan waktu, hingga muncul berbagai bias (Aguinis, 2007:7-8), dan pada akhirnya berujung pada kematian organisasi. Jadi, penilaian kinerja sangat perlu diperhatikan oleh organisasi.
Demikian pula dengan investor, ketika memutuskan untuk berinvestasi, maka hal yang perlu dilakukan adalah menilai kinerja investasi. Investor tidak tahu pasti hasil yang diperoleh dari investasi yang dilakukan. Dalam keadaan seperti ini, investor menghadapi resiko dalam investasi yang dilakukan. Investor hanya dapat memperkirakan berapa keuntungan yang diharapkan dari investasi dan seberapa jauh kemungkinan hasil yang sebenarnya akan menyimpang dari hasil yang diharapkan (Husnan, 2003:43). Dengan demikian, penilaian kinerja menjadi alat ukur bagi investor dalam mengambil keputusan
44
terhadap suatu investasi. Kinerja suatu reksadana ditentukan oleh besarnya return yang diperoleh atas investasi yang dikenal dengan nilai aktiva bersih (NAB). Oleh karena itu, dibutuhkan manajemen investasi yang baik agar portofolio yang telah disusun mampu memberikan keuntungan yang maksimal.
Di Indonesia reksadana pertama kali diperkenalkan kepada masyarakat dengan didirikannya PT. Danareksa pada tahun 1976. Reksadana menurut UU No 8 tahun 1995 pasal 1 ayat 27 didefinisikan sebagai “wadah yang dipergunakan untuk menghimpun dana dari masyarakat pemodal untuk selanjutnya diinvestasikan dalam portofolio efek oleh manajer investasi”. Berdasarkan definisi tersebut, reksadana merupakan kumpulan dana dari masyarakat yang diinvestasikan pada saham, obligasi berjangka, pasar uang dan sebagainya.
Perkembangan Reksadana dewasa ini semakin meningkat seiring dengan tumbuh kembangnya perekonomian suatu bangsa dan berkembangnya pasar modal. Melalui investasi di reksadana maka masyarakat yang tidak memiliki modal cukup besar dapat melakukan investasi di pasar modal dan memperoleh manfaat dari perkembangan pasar modal. Perkembangan reksadana tersebut juga didukung dengan semakin berkembangnya produk-produk investasi sehingga tidak semua orang dapat memahami investasi dan memiliki waktu untuk mengelola investasinya. Dengan menggunakan manajer investasi yang profesional dan memiliki pengetahuan tentang efek, maka investasi pada reksadana semakin berkembang di Indonesia. Pertumbuhan investasi reksadana meningkat pesat dikarenakan reksadana merupakan investasi yang menguntungkan dan tidak memerlukan modal yang besar. Menguntungkan karena reksadana dikelola oleh manajer investasi untuk mengelola dana tersebut sesuai dengan tujuan investasinya. Sehingga masyarakat dalam hal ini investor yang tidak memiliki banyak waktu atau keterbatasan keahlian tetap dapat melalukan investasi. Sumber dana yang digunakan dalam investasi reksadana bersifat kolektif, sehingga masyarakat berdana terbatas juga dapat ikut serta dalam berinvestasi. Investor dapat melakukan diversifikasi investasi dalam efek, adanya transparansi, dan likuiditas tinggi. Dengan kata lain, reksadana dapat dicairkan kapan saja jika investor membutuhkan, itulah beberapa keuntungan berinvestasi di dalam reksadana. Namun terdapat beberapa resiko dalam berinvestasi di reksadana, yaitu investor dapat mengalami capital loss, resiko likuiditas, resiko wanprestasi, resiko kredit, dan resiko berkurangnya nilai tukar mata uang (Martalena, 2011: 85). Penilaian kinerja sebuah investasi terdapat dua dua pengukuran kinerja yaitu melalui return reksadana itu sendiri dan model risk adjusted return. Adapun metode untuk melakukan penilaian kinerja dengan menggunakan return reksadana itu sendiri adalah raw return. Sedangkan risk adjusted return adalah perhitungan return yang disesuaikan dengan resiko yang harus ditanggung (Hartono, 2010: 640), adapun metodenya antara lain: Treynor ratio, Sharpe Ratio, Jensen Alpha, Roy Safety First Ratio, M2 , Sortino Ratio, MSR, FPI, dan Information Ratio. Dalam berinvestasi di reksadana masyarakat perlu mengetahui jenis-jenis reksadana yang dapat disesuaikan dengan tujuan dan kebutuhan investasi. Berdasarkan kategori instrumen jenis reksadana di Indonesia yang dapat dimiliki oleh masyarakat ada empat yaitu: reksadana pasar uang, reksadana pendapatan tetap, reksadana saham dan reksadana campuran. Pembagian reksadana ini dilandasi oleh cara investasi yang berbeda-beda. Pertama, pada reksadana pasar uang investor berinvestasi 100% pada efek pasar uang seperti efek-efek hutang yang berjangka kurang dari satu tahun. Kedua, reksadana pendapatan tetap investasi dilakukan sekurang-kurangnya 80% dari portfolio yang dikelolanya ke dalam efek bersifat hutang seperti obligasi. Ketiga, reksadana saham yang melakukan investasi sekurang-kurangnya 80% dari portofolio yang dikelolanya ke dalam efek bersifat ekuitas (saham). Terakhir, reksadana campuran dimana investasi dilakukan ke dalam efek ekuitas
45
dan efek hutang yang alokasinya tidak termasuk di dalam kategori reksadana pendapatan tetap dan reksadana saham. Sejak diperkenalkan pertama kali di Indonesia, instrumen ini berkembang dengan pesat berdasarkan data yang tercatat pada Otoritas Jasa Keuangan (OJK) hingga 23 Desember 2015, terdapat 1.083 produk reksadana yang terdaftar dengan dana kelolaan atau Nilai Aktiva Bersih (NAB) Rp 268,44 trilliun.
Tujuan dari setiap investor dalam berinvestasi adalah untuk mendapat return. Bila investasi tidak dapat memberikan tingkat keuntungan yang diharapkan tentunya akan membuat investor enggan untuk berinvestasi. Menurut Jogiyanto (2009;199) return merupakan hasil yang diperoleh dari investasi. Sementara menurut Brigham dan Houston (2006:215) return adalah selisih antara jumlah yang diterima dan jumlah yang diinvestasikan. Menurut Jogiyanto (1998) return dibagi menjadi dua yaitu: realized return dan expected return. Realized return adalah return yang telah terjadi dan dapat digunakan sebagai salah satu alat ukur kinerja perusahaan serta tolok ukur dalam menentukan return dan resiko di masa depan. Sedangkan expected return merupakan return yang diharapkan akan tercapai dan tidak memiliki kepastian.
Penelitian ini untuk mengetahui beberapa sampel reksadana saham yang diolah risk dan returnnya untuk mengukur kinerja reksadana dengan model regresi data panel. Data yang digunakan pada penelitian ini adalah NAB (Nilai Aktiva Bersih), return reksadana saham, total dana kelolaan, data SBI, data IHSG setahun (yang didownload pada www.infovesta.com) untuk mengetahui kinerja reksadana saham, dan juga meneliti pengaruh risk dan return pada kinerja reksadana saham yang menjadi sampel data reksadana saham yaitu: ashmore dana progresif nusantara, danareksa mawar konsumer 10, dan schroder 90 plus equity fund. TINJAUAN PUSTAKA Secara umum, bentuk model linear (yang disebut pooled regression) yang dapat digunakan adalah:
, , , ,'i t i t i t i ty x (5)
Dimana:
,i ty adalah observasi dari unit ke –I dan diamati pada periode waktu ke –t.
,'i tx adalah vektor variabel-variabel independen / input dari unit ke –I dan diamati pada
periode waktu ke –t. disini diasumsikan ,'i tx memuat komponen konstanta.
,i t adalah komponen error, yang diasumsikan memiliki harga mean 0 dan variansi
homogen dalam waktu (homokedastic) serta independen dengan ,'i tx
Estimasi untuk model ini dapat dilakukan dengan metode OLS standar
Untuk model panel data, sebagai asumsi standar ,i t , yakni pengaruh dari perubahan
dalam X diasumsikan bersifat konstan dalam waktu dan kategori cross- section. Model pooled regression dapat ditulis ulang, dan selanjutnya ditambahkan komponen konstanta
dan i tc d
, , ,'t i t i i t t iy x c d (6)
Dengan
ic adalah konstanta yang bergantung kepada unit ke- i , tapi tidak kepada waktu t
td adalah konstanta yang bergantung kepada waktu t , tapi tidak kepada unit i .
46
Disini apabila model memuat komponen dan i tc d , maka model disebut model dua arah,
sedangkan apabila 0td atau 0ic , maka model disebut model satu arah. Apabila
banyaknya observasi sama untuk semua kategori cross–section, dikatakan model bersifat balance, dan sebaliknya disebut unbalanced. Specification test/ Uji Spesifikasi
5. Uji Wald/ Poolability test Uji ini bertujuan untuk melihat hubungan antar kategori cross-section, yakni menguji
hipotesa berbentuk 0 :H R r dengan R vektor konstanta dan r adalah
konstanta. 6. Uji Haussman
Uji ini bertujuan untuk melihat apakah terdapat random effect didalam panel data,
yakni menguji hipotesa berbentuk 0H :terdapat random effect di dalam model
7. Uji Breusch-Pagan Uji ini bertujuan untuk melihat apakah terdapat efek cross-section/ time series (atau
keduanya) di dalam panel data, yakni menguji hipotesa berbentuk 2 2
0 : c dH .
Test ini juga valid untuk model fixed effect, yakni dapat juga digunakan untuk menguji adanya efek cross-section dan/ atau time dalam model fixed effect.
Secara umum, langkah uji hipotesa yang dilakukan adalah sebagai berikut. Pertama-tama dilakukan uji Hausman terhadap data. Jika hipotesa untuk uji Hausman ditolak, maka model fixed effect digunakan dalam pemodelan. Akan tetapi, jika hipotesa ini tidak ditolak, maka digunakan uji Breusch-Pagan untuk melihat apakah terdapat efekdidalam data. Jika hipotesa uji Breusch Pagan tidak ditolak, maka di lakukan analisa dengan menggunakan metode pooling OLS, meskipun data yang dimiliki dikumpulkan menggunakan framework panel studi.
PEMBAHASAN
47
Pemodelan terhadap data di atas dapat dilakukan dengan menggunakan model regresi dengan variabel dummy. Dengan EViews4, pemodelan regresi dengan variabel dummy ini dapat dilakukan seperti analisis model regresi biasa. Berikut ini, kita akan menggunakan analisis alternative dengan model pooling. Sebagai catatan penting, di dalam EViews4 hanya digunakan model satu arah, yakni diasumsikan bahwa efek waktu (time) dalam model bernilai nol. Sehingga dalam analisis berikut, pada model, diasumsikan di = 0. C. Mempersiapkan Data
1. Kita buat file kerja baru dengan menggunakan menu File/New/Workfile… Untuk data di atas, setelah muncul jendela Workfile Range, gunakan pilihan undated or Irregular untuk Frequency dengan Range bernilai 1 – 37. Lalu klik OK.
2. Selanjutya buat objek baru dengan menu Object/New Object …. Sebagai type of object, pilih Pool, dan namakan objek baru ini sebagai Poolrd. Lalu klik OK.
48
3. Setelah muncul jendela objek Poolrd, isikan daftar kategori cross section keenam provinsi di pulau Jawa ( _ashmore, _konsumer10, _schroder90), yakni kita gunakan identifier berikut:, klik menu Define.
4. Selanjutnya, kita akan mengimpor data ke dalam EViews. Data ini merupakan hasil penumpukan (stacked) data dari tabel menurut kategori cross-section (ekuivalennya, data dapat ditumpuk menurut waktu).
5. Data dari file datard.xls ke dalam EViews. Untuk mengimpor data, dari jendela objek ReturnRD, pilih menu Procs/Import Pool data (ASCII,XLS,WK?)…. Arahkan ke file datard.xls dan isikan informasi yang diperlukan.
6. Di sini, karena pada file excel yang diimpor, data ditumpuk menurut kategori cross-section, maka pada pilihan Group Observation, dipilih by Cross section. Di sini variabel Obs (yang terdapat pada file excel) tidak dilampirkan ke dalam file kerja. Klik OK Untuk melihat hasil impor data, dari jendela objek Poolrd, pilih menu View/Spreadsheet (Stacked data)
7. Di dalam contoh di atas, kita akan menampilkan semua variabel hasil impor. Sehingga akan diperoleh tampilan data berikut:
Data di atas adalah hasil penumpukan, terurut menurut kategori cross-section, yakni:
Observasi 1-37: RD ashmore dana progresif nusantara
Observasi 38-74: RD danareksa konsumer 10
Observasi 75-111: RD schroder 90 plus equity fund 8. Selanjutnya, dengan menggunakan menu File/Save atau File Save As …, file
kerja diberi nama datard.wf1. D. Pra Analisis
1. Uji Heteroskedastisitas Asumsi penting model regresi adanya homoskedastisitas, yaitu bahwa varians tiap unsur disturbance tergantung (conditional) pada nilai yang dipilih dari variabel yang menjelaskan, adalah suatu angka konstan yang sama dengan σ2. Uji heteroskedastisitas bertujuan mengetahui apakah dalam model regresi tersebut terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika ditemukan pengamatan (varians) yang berbeda dari satu pengamatan ke
49
pengamatan yang lain berarti terjadi heteroskedastisitas. Pengujian heterokedastisitas dapat dilakukan dengan uji grafik (residual graph) maupun uji
White (Residual test). Hipotesa pada White Heteroscedasticity-test yaitu: 0H :
tidak terdapat heterokedastisitas, yang berarti tidak ada hubungan antara error dengan variabel bebasnya.
2. Uji Autokorelasi Autokorelasi merupakan korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu atau ruang dan tidak terdapat dalam disturbansi atau gangguan. Jadi unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur gangguan yang berhubungan dengan pengamatan lain yang manapun. Tujuan uji untuk mengetahui apakah ada korelasi unsur gangguan pada periode t dengan periode sebelumnya (t-1). Cara mendeteksi autokorelasi dapat digunakan dua cara, yaitu:
Uji Durbin Watson (uji D-W) dengan hipotesis yaitu 0H : tidak ada autokorelasi. Uji
DW ini akan menerima 0H saat angka DW-stat pada tabel statistik pengujian
berada disekitar angka 2 (1,5 < DW-stat< 2,5), yang berarti dapat disimpulkan bahwa error tidak berkorelasi. b. Uji residual pada E-Views. Uji residual ini menguji correlogram pada spesifikasi
lag. Akan dikatakan bahwa tidak ada autokorelasi pada saat p-value dari Q-stat signifikan (lebih kecil dari 0,025, two tailed pada tingkat signifikansi 5%)
Coef. Covariance method o Ordinary o White cross section: korelasi antara cross-equation dan varians error yang
berbeda dalam cross section o White period: mengakomodasi korelasi serial dan varians berbeda antara
distrubance o White diagonal: heterocedasticity dalam distrubance.
Masalah heterokedastisitas pada data panel dapat diatasi dengan memilih white heteroscedasticity consistent covariance pada saat melakukan estimasi. Dan untuk autokorelasi dengan melakukan perbaikan menggunakan Eviews yaitu dengan memilih Newey-West pada option heteroscedasticity Consistent Coefficient Covariance. White Test Hipotesa: Ho: homokedastik H1: heterokedastik
Statistik uji: 2 2
dfn R dimana df =banyaknya variabel independen
Keputusan: tolak Ho bila p-value < 5% E. Analisis Model
Kriteria uji Haussman dan Breuch Pagan, sbb:
Haussman test
0H diterima REM
Breusch Pagan test
0H ditolak fixed effect
0H diterima OLS pooling regression
0H ditolak FEM
2. Uji Hausman
Pengujian Hausman dilakukan untuk menentukan ada tidaknya korelasi antara error dan variabel bebas dengan hipotesis sebagai berikut:
50
0
1
: , 0 ( model= )
: , 0 ( model== )
it it
it it
H corr X u random effect individual effect uncorrelated
H corr X u fixed effect individual effect correlated
Statistik uji: 12 'hitung b Var b b
b=koefisien random effect
=koefisien fixed effect
Kesimpulan 0H ditolak jika p-value < 0,05 atau 2 2
;hitung K
K = jumlah koefisien slope
Untuk menganalisis dari model, pertama-tama akan dilakukan uji Hausman data. Uji Hausman digunakan untuk mengetahui apakah nanti akan menggunakan model Efek Random, ataukah Efek Tetap. Sebagai ilustrasi, kita akan menggunakan model
I, yakni: 1 2 3 , i i i treturnRD b age b aum b returnIHSG c d
Uji Hausman dilakukan dengan menggunakan program h-test.prg yang sudah tersedia. Isi dari h-test.prg adalah sebagai berikut: 'Hausman test for fixed versus random effects 'Edited from HAUSMAN.prg by Maria Titah J, 01/09/16 ' set sample smpl @all ' estimate fixed effects and store results poolrd.ls(f) returnRD? age? aum? returnIHSG? vector beta = poolrd.@coefs matrix covar = poolrd.@cov ' keep only slope coefficients vector b_fixed = @subextract(beta,1,1,2,1) matrix cov_fixed = @subextract(covar,1,1,2,2) ' estimate random effects and store results poolrd.ls(r) ) returnRD? age? aum? returnIHSG? beta = poolrd.@coefs covar = poolrd.@cov ' keep only slope coefficients vector b_gls = @subextract(beta,2,1,3,1) matrix cov_gls = @subextract(covar,2,2,3,3) ' compute Hausman test stat matrix b_diff = b_fixed - b_gls matrix var_diff = cov_fixed - cov_gls matrix qform = @transpose(b_diff)*@inverse(var_diff)*b_diff if qform(1,1)>=0 then ' set table to store results table(6,3) HausmannTest setcolwidth(HausmannTest,1,20) setcell(HausmannTest,1,1,"Hausman test for fixed versus random effects") setline(HausmannTest,2)
Untuk menjalankan program ini, dalam keadaan file kerja datard.wf1. sedang aktif. Buka file h-test.prg dengan menggunakan menu File/Open/Program.
51
Selanjutnya, dari jendela h-test.prg, pilih menu Run. Klik OK dan untuk model I di atas akan diperoleh tampilan output berikut:
Dengan cara yang ekuivalen, dapat dilakukan analisa untuk model II. Hausman test for fixed versus random
effects
chi-sqr(2) = 5.4413051
p-value = 0.0658318
Rangkuman untuk hasil uji Hausman, diberikan dalam tabel berikut: Model I
Stat-Uji p-value Kesimpulan Uji untuk tingkat kesalahan 0,05
17,239426 0,0001805
2 2
4;0,059,488
0,0001805 0,05
hitung
p value
Hipotesa H0 ditolak, digunakan fixed effect
Model II
Stat-Uji p-value Kesimpulan Uji untuk tingkat kesalahan 0,05
5,4413051 0,0658318
2 2
3;0,057,815
0,0658318 0,05
hitung
p value
Hipotesa H0 diterima, digunakan random effect
Uji Breusch-Pagan
Selanjutnya, akan dilakukan uji Breusch-Pagan untuk model. Sebagai ilustrasi digunakan model I, yakni:
1 2 3 , i i i treturnRD b age b aum b returnIHSG c d
Model I:
1 2 3 , i i i treturnRD b age b aum b returnIHSG c d
52
Model II : 1 2 , i i i treturnRD b aum b returnIHSG c d
Breusch-Pagan Test
Hypothesa Statistic p-value
H0:sigma^2_c=0 3.9979577 0.0455554 H0:sigma^2_d =0 0.1896232 0.6632304
H0:sigma^2_d =sigma^2_c=0 4.1875809 0.1232192
Di dalam EViews4, hanya digunakan model satu arah dengan komponen efek time bernilai nol. Dengan demikian, pada output uji Breusch-Pagan di atas, hanya uji
hipotesis H0:2
c = 0 yang relevan. Rangkuman output untuk uji Breusch-Pagan
diberikan dalam tabel berikut:
Model I: 1 2 3 , i i i treturnRD b age b aum b returnIHSG c d
Hipotesis Statistik Uji
p-value Kesimpulan uji untuk tingkat kesalahan 5%
H0: c = 0 0,1147015 0,7348537 0,7348537 0,05p value
H0 diterima untuk tingkat kesalahan 5%, model fixed effect dengan hipotesa tidak ada efek cross section tidak ditolak yakni digunakan model pooling regression (OLS)
Model II: 1 2 , i i i treturnRD b aum b returnIHSG c d
Hipotesis Statistik Uji
p-value Kesimpulan uji untuk tingkat kesalahan 5%
H0: c = 0 3,9979577 0,0455554 0,0455554 0,05p value
0H ditolak untuk tingkat kesalahan 5%, model fixed
effect.
F. Estimasi Model Model I: Dari hasil uji Hausman dan uji Breusch-Pagan, diperoleh pada tingkat kesalahan 5% untuk model estimasi akan dilakukan model pooling regression.
-
53
Nilai DW sebesar 1,76, hal ini mengindikasikan terdapatnya positive serial autocorrelation. Suatu model dikatakan bebas dari masalah autokorelasi apabila memiliki nilai DW di sekitar 2. Apabila DW<2 maka terdapat serial positive autocorrelation
Estimation Command: ===================== EST(F) RETURNRD? AGE? RETURNIHSG? Estimation Equations: ===================== RETURNRD_ASHMORE = C(3) + C(1)*AGE_ASHMORE + C(2)*RETURNIHSG_ASHMORE RETURNRD_KONSUMER10 = C(4) + C(1)*AGE_KONSUMER10 + C(2)*RETURNIHSG_KONSUMER10 RETURNRD_SCHRODER90 = C(5) + C(1)*AGE_SCHRODER90 + C(2)*RETURNIHSG_SCHRODER90 Substituted Coefficients: ===================== RETURNRD_ASHMORE = -0.002666502927 + 0.0005002205233*AGE_ASHMORE + 0.01549814356*RETURNIHSG_ASHMORE Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd ashmore akan mendapatkan pengaruh individu terhadap returnrd sebesar --0.002666502927 RETURNRD_KONSUMER10 = -0.02202695199 + 0.0005002205233*AGE_KONSUMER10 + 0.01549814356*RETURNIHSG_KONSUMER10 Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd konsumer10 akan mendapatkan pengaruh individu terhadap returnrd sebesar ---0.02202695199 RETURNRD_SCHRODER90 = -0.02313066583 + 0.0005002205233*AGE_SCHRODER90 + 0.01549814356*RETURNIHSG_SCHRODER90 Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd schroder90 akan mendapatkan pengaruh individu terhadap returnrd sebesar -0.02313066583
DAFTAR PUSTAKA
Baltagi, 2005. Econometric Analysis of Panel Data third edition, John Wiley & Sons. Ltd Gujarati, 2004. Basic Econometrics_fourth edition, McGraw Hill New York USA Green, 2003. Econometric Analysis fifth edition, Prentice Hall Hartono, Jogiyanto, 2010. Teori Portofolio dan Analisis Investasi. Yogyakarta: BPFEUGM Hsiao, 2003. Analysis of Panel Data, second edition, Cambridge University Press Santosa, Magdalena, 2012. Penilaian kinerja produk reksadana dengan menggunakan
metode perhitungan jensen alpha, sharpe ratio, treynor ratio, M2, dan information ratio, jurnal Manajemen Vol 12, No 1 November 2012
Trisnopati, 2014. Pengaruh Stock Selection, Market Timing, dan Ukuran Reksadana terhadap kinerja Reksadana Saham (Studi kasus pada reksadana saham yang terdaftar di Otoritas Jasa Keuangan Periode : 2011-2014)
Warsono, 2004. Analisis Pengukuran Kinerja Reksadana, Ekobis Vol.5, No.1:131-142.
54
C. SINOPSIS
PENELITIAN
55
SINOPSIS PENELITIAN
Pertama, bahwa sampai saat ini banyak penelitian yang membahas konsep dan
paradigma kinerja reksadana bisa ditinjau dari fund size, expense ratio, turn over ratio, fund
age, cash flow, aset yang dikelola manajemen investasi, sehingga masih ada kemungkinan
untuk studi lanjutan dalam rangka memperkaya pemahaman terhadap kinerja reksadana
pendapatan tetap dan saham. Penelitian ini hanya difokuskan pada sampel reksadana saham
yang diteliti risk dan returnnya
Kedua, penelitian ini menggunakan Metode Ekonometrika dengan menggunakan
Analisis Data Panel. Analisis Data Panel lebih baik dibandingkan Analisis Regresi
Biasa (OLS) karena Analisis Data Panel dapat menangkap perbedaan atau ciri
karakteristik individual yang menjadi kajian penelitian. Estimasi Data Panel dapat
menggunakan metode Fixed Effect Model (FEM) atau Random Effect Model (REM).