universitas muhammadiyah metro tahun 2020 · 2020. 4. 29. · sebagai contoh saham emiten bumn...
TRANSCRIPT
-
iv
LAPORAN PENELITIAN
ANALISIS PERAMALAN INDEKS HARGA SAHAM PADA PERUSAHAAN
KONSTRUKSI YANG TERDAFTAR DI BURSA EFEK INDONESIA
TAHUN 2015-2019
Tim Peneliti:
Karnila Ali, B. Bus., M.P.A. (NIDN. 0204068502)
Mahasiswa:
Annisa Nur ‘Azizah (NPM. 16610135)
UNIVERSITAS MUHAMMADIYAH METRO
TAHUN 2020
-
v
ABSTRAK
Tujuan dari penelitian ini adalah untuk mengetahui metode apa yang sesuai
untuk meramalkan Indeks Harga Saham Pada Perusahaan Konstruksi yang
Terdaftar di Bursa Efek Indonesia Tahun 2015-2019.Dengan pemilihan model yang
sesuai dengan data deret waktu yang ada, untuk mengevaluasi hasil peramalan
tersebut maka peneliti menggunakan ukuran ketepatan dengan Mean Absolute
Percentage Error (MAPE), Mean Absolute Deviation (MAD), dan Mean Squared
Deviation (MSD). Jenis penelitian merupakan penelitian kuantitatif dengan populasi
penelitian 16 perusahaan yang terdaftar di Bursa Efek Indonesia, hanya 4 sampel
yang digunakan yang sesuai dengan kriteria yang telah ditentukan dan hanya lima
tahun penelitian yang dilakukan yaitu pada periode 2015 sampai 2019. Data
perusahaan dilihat dari data historis atau data aktual dan di Uji dengan
menggunakan software Minitab versi 19.
Hasil penelitian menunjukkan bahwametode yang dapat digunakan untuk
peramalan Indeks Harga Saham Perusahaan Konstruksi adalah Metode Double
Exponential Smoothing (Holt’s) dan Metode Double Moving Average. Perolehan nilai
error yang paling kecil dari ke empat perusahaan konstruksi yaitu perusahaan WSKT
dengan MAPE = 7.3, MAD = 148.8, dan MSD = 40506.0 untuk metode Holt’s dan
MAPE = 5.3, MAD = 110.1, dan MSD = 22006.9 untuk metode Double Moving
Average.
Kata Kunci : Peramalan, Indeks Harga Saham, Double Exponential Smoothing
(Holt’s), Double Moving Average, MAPE, MAD, MSD.
-
v
ABSTRACT
The purpose of this study is to find out what methods are suitable for
predicting the Stock Price Index of Construction Companies Listed on the Indonesia
Stock Exchange in 2015-2019. By selecting a model that matches the existing time
series data, to evaluate the results of the forecasting, the researcher uses a measure
of accuracy with Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation
(MAD), and Mean Squared Deviation (MSD).This type of research is a quantitative
study with a research population of 16 companies listed on the Indonesia Stock
Exchange, only 4 samples were used that fit the specified criteria and only five years
of research were conducted, namely in the period 2015 to 2019. Company data can
be seen from historical data or actual data and tested using Minitab software version
19.
The results showed that the method that can be used for forecasting the
Construction Company Stock Price Index is the Double Exponential Smoothing
(Holt’s) Method and Double Moving Average Method. Obtaining the smallest error
value of the four construction companies, namely WSKT company with MAPE = 7.3,
MAD = 148.8, andMSD = 40506.0for method Holt’sand MAPE = 5.3, MAD = 110.1,
and MSD = 22006.9for methodDouble Moving Average.
Keywords : Forecasting, Stock Price Index, Double Exponential Smoothing
(Holt’s), Double Moving Average, MAPE, MAD, MSD.
-
vi
DAFTAR ISI
HALAMAN SAMPUL ................................................................................... i
ABSTRAK ................................................................................................... ii
ABSTRACT ................................................................................................. iii
DAFTAR ISI ................................................................................................. iv
DAFTAR TABEL ......................................................................................... ix
DAFTAR GRAFIK ....................................................................................... xi
DAFTAR GAMBAR ..................................................................................... xii
BAB I PENDAHULUAN
A. Latar Belakang Penelitian .................................................................. 1
B. Identifikasi dan Perumusan Masalah ................................................. 9
a) Identifikasi Masalah ............................................................... 9
b) Perumusan Masalah .............................................................. 9
C. Tujuan Penelitian............................................................................... 9
D. Kegunaan Penelitian ......................................................................... 10
E. Statistika Penulisan ........................................................................... 10
BAB II KAJIAN TEORITIK
A. Deskripsi Teori .................................................................................. 12
1. Pasar Modal ......................................................................... 12
2. Manfaat Pasar Modal ............................................................. 13
3. Teori Investasi ....................................................................... 13
4. Indeks Harga Saham ............................................................. 16
5. Pengertian Peramalan ........................................................... 19
6. Tujuan Peramalan ................................................................. 21
7. Jenis-jenis Peramalan............................................................ 21
8. Langkah-langkah Peramalan ................................................. 23
9. Macam-macam Pola Data ..................................................... 24
-
vii
10. Metode Peramalan ................................................................ 28
11. Metode Peramalan kuantitatif ................................................ 28
12. Evaluasi Metode/teknik Peramalan ........................................ 38
B. Hasil Penelitian Relevansi ................................................................. 41
C. Kerangka Pemikiran .......................................................................... 45
BAB III METODOLOGI PENELITIAN
A. Jenis Penelitian ................................................................................. 46
B. Obyek dan Lokasi Penelitian ............................................................ 46
C. Metode Penelitian.............................................................................. 47
a. Populasi ...................................................................................... 47
b. Sampel ....................................................................................... 49
D. Teknik Pengumpulan Data ................................................................ 49
E. Alat Analisis Data .............................................................................. 50
1. Model Seri Waktu (Time Series) ................................................. 50
a) Metode Rata-rata Bergerak (Moving Average Method) ........ 50
b) Metode Penghalusan Eksponensial (Exponential Smoothing
Method) ............................................................................... 55
2. Evaluasi Metode/Teknik Peramalan ........................................... 59
F. Pengujian Persyaratan Instrumen .................................................... 62
a. Uji Normalitas ............................................................................. 62
1. Uji Kolmogorov-Smirnov ....................................................... 62
G. Pengujian Persyaratan Analisis ........................................................ 62
1. Autokorelasi ............................................................................... 62
BAB IV HASIL DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian .................................................. 63
1. Sejarah Singkat Objek Penelitian ............................................... 63
2. Struktur Organisasi ..................................................................... 67
B. Hasil Penelitian ................................................................................ 69
1. Statistik Deskriptif ....................................................................... 69
a. Stasioneritas dalam Varians ................................................. 70
b. Stasioneritas dalam Mean .................................................... 73
-
viii
2. Metode Peramalan dan Uji Asumsi ............................................. 77
C. Pembahasan .................................................................................... 95
BAB V SIMPULAN DAN SARAN
A. Simpulan .......................................................................................... 97
B. Saran ............................................................................................... 98
DAFTAR PUSTAKA
-
ix
DAFTAR TABEL
Tabel Halaman
1. Kontribusi Konstruksi di Indonesia .................................................... 2
2. Hasil Penelitian Relevansi ................................................................ 43
3. Perusahaan Konstruksi yang Terdaftar di BEI Tahun 2015-2019 ..... 50
4. Pemilihan Sampel ............................................................................ 69
5. Daftar Perusahaan Konstruksi yang menjadi Sampel Penelitian ...... 70
6. Statistic Deskriptif Perusahaan Konstruksi ....................................... 72
7. Rekap Pemeriksaan Stasioneritas dalam Varians ............................ 76
8. Perbandingan MAPE, MAD, dan MSD ............................................. 101
-
x
DAFTAR GRAFIK
Grafik Halaman
1. Pergerakan Harga Saham Konstruksi Tahun 2015-2019 ................. 3
-
xi
DAFTAR GAMBAR
Gambar Halaman
1. Pola Gerakan Stasioner ................................................................... 26
2. Pola Gerakan Musiman .................................................................... 26
3. Pola Gerakan Siklis .......................................................................... 27
4. Pola Gerakan Trend ......................................................................... 27
5. Kerangka Pemikiran ......................................................................... 47
6. Struktur Organisasi Bursa Efek Indonesia ........................................ 71
7. Plot Time Series ke Empat Perusahaan Konstruksi ......................... 73
8. Box-CoxPlot Hasil Transformasi ....................................................... 75
9. Plot ACF Data IHS ke Empat Perusahaan ....................................... 78
10. Plot Time Series difference IHS ke Empat Perusahaan .................... 80
-
1
BAB I
PENDAHULUAN
A. Latar Belakang Penelitian
Industri konstruksi memberikan kontribusi bagi perekonomian suatu Negara
melalui kemampuan menyerap tenaga kerja tidak terampil, semi terampil dan
terampil. Proses konstruksi membutuhkan masukan berupa bahan baku dan
masukan dari industri lain seperti peralatan, tenaga kerja, tanah modal dan
pemasok jasa pekerjaan khusus. Industri konstruksi memiliki dampak tidak
langsung melalui sistem hubungan interaksi yang kompleks (Lean, 2011).
Industri konstruksi memiliki interaksi ekonomi yang signifikan dengan sektor lain
sebagai keterkaitan ke masa depan (forward linkage) maupun keterkaitan ke
masa lalu (backward linkage).
Sektor industri konstruksi di Indonesia merupakan bagian utama dari output
nasional yang cukup besar bagi Produk Domestik Bruto (PDB) Negara
Indonesia. Industri konstruksi menyumbang sebesar 10% per tahun dalam PDB
Indonesia dengan perkiraan pertumbuhan nilai konstruksi direntang 6,50%
hingga 8,51% (BMI) 2016. Sparta (2016) menunjukkan bahwa tingkat efisiensi
perusahaan secara signifikan dipengaruhi oleh pertumbuhan PDB.Pada tabel 1
menjelaskan perkiraan nilai konstruksi dan pertumbuhan nilai konstruksi yang
terus meningkat.Hal tersebut menunjukkan pentingnya peranan industri
konstruksi di Indonesia untuk pertumbuhan ekonomi, penyerapan tenaga kerja
dan pembangunan nasional.
-
2
Tabel 1.1 Kontribusi Konstruksi di Indonesia
Sumber : BMI report 2016
Salah satu pendorong meningkatnya industri konstruksi di Indonesia adalah
rencana pemerintah dalam membangun infrastrukstur dari tahun 2015 sampai
2019. Melalui Peraturan Presiden Nomor 58 Tahun 2017, pemerintah
menetapkan 245 proyek dalam daftar PSN dengan nilai total proyek mencapai
Rp. 4.417 Triliun. Proyek Strategi Nasional (PSN) merupakan target pemerintah
dalam mengejar ketertinggalan pembangunan infrastruktur di Indonesia,
pembangunan tersebut meliputi pembangunan jalan, Mass Rapid Transportation
System (MRT),bandara, pelabuhan, jalan kereta api dan transportasi lainnya
(Kemendag, 2015).
Performa sektor saham konstruksi, properti dan real estate mulai
menunjukkan kenaikan di tahun 2018, sektor saham ini mencatat kenaikan
4,30% year to date (ytd). Menurut Direktur Investa Saran Mandiri Hans Kwee
mengatakan, melihat sektor ini terdorong oleh tren suku bunga rendah dan
salah satu amunisi penggerak dari sektor property ini justru terdorong oleh
pergerakan saham-saham konstruksi. Sebagai contoh saham emiten BUMN
Konstruksi yang terpantau kompak melaju di zona hijau, yaitu perusahaan Adhi
-
3
Karya (Persero) Tbk., Pembangunan Perumahan (Persero) Tbk., Wijaya Karya
(Persero) Tbk., dan Waskita Karya (Persero) Tbk dari tahun 2015-2019 dapat
dilihat pada grafik berikut:
Grafik 1.1 Pergerakan Harga Saham ke Empat Perusahaan Konstruksi
Tahun 2015-2019
Sumber : Hasil OutputSoftware Minitab
Pada tahun 2017 harga saham emiten konstruksi sempat melemah,
dikarenakan sistem bisnis emiten konstruksi memang mengeluarkan uang
terlebih dahulu dengan jumlah besar, kemudian seiring dengan proyeknya
berjalan baru terima pembayaran.Sektor konstruksi semakin menjadi perhatian
mengingat kondisi yang ada pada saat ini tetap mampu dilirik oleh para
investor.Pasalnya perusahaan konstruksi salah satunya merupakan yang sering
diperhitungkan oleh para pemodal untuk menginvestasikan dananya.
Investasi di pasar modal dalam bentuk kepemilikan saham-saham
perusahaan atau bentuk-bentuk lainnya sangat menarik dan menggiurkan,
-
4
karena dapat menjanjikan keuntungan yang cukup besar dibanding produk lain
seperti emas dan deposito. Namun apabila salah perhitungan akan menjadi
suatu permasalahan yang sangat besar dan bahkan dapat membangkrutkan
orang dalam waktu singkat. Oleh karena itu, analisis merupakan faktor kunci
dalam keberhasilan trading (Wira, 2010).
Saham merupakan salah satu instrumen investasi yang banyak dipilih oleh
para investor, baik jangka pendek maupun jangka panjang. Yang menjadi
indikator penting bagi investor terutama dalam mengambil suatu keputusan
apakah mereka akan membeli, menjual, atau menahan saham tersebut dengan
menggunakan indeks harga saham. Karena biasanya pergerakan harga saham
dihitung setiap detik dan menit, oleh sebab itu nilai indeks bersifat fluktuatif atau
bergerak naik turun dalam hitungan waktu yang juga cepat.Oleh karena itu,
indeks harga saham dapat dijadikan sebagai landasan analisis atas kondisi
pasar terakhir (Widoatmodjo, 2009).
Indeks sejatinya adalah indikator ataupun ukuran atas sesuatu.Di dalam
dunia pasar modal, indeks atas saham maupun obligasi merupakan portofolio
imaginer yang mengukur perubahan harga dari suatu pasar atau sebagian dari
pasar tersebut.Pada saat indeks saham bergerak naik, berarti harga sebagian
besar saham-saham yang diukur oleh indeks tersebut bergerak naik.Sebaliknya,
apabila indeks saham bergerak turun, maka sebagian besar saham-saham
konstituen indeks bergerak turun.Dengan melihat pergerakan suatu indeks
saham, maka investor dapat mengetahui performa harga secara umum atas
saham-saham yang dimilikinya.Selain itu, investor juga dapat mengetahui
-
5
kondisi pasar saham secara umum apabila terjadi perubahan kebijakan dari
dalam maupun luar negeri.
Pergerakan indeks harga saham disuatu negara dapat dijadikan sebagai
salah satu tolak ukur untuk melihat kondisi perekonomian negara tersebut.
Menurut Lorrie, Dodd, dan Kimpton (1985:33) indeks harga saham merupakan
ringkasan dari dampak simultan dan kompleks atas berbagai macam faktor yang
berpengaruh, terutama fenomena-fenomena ekonomi. Bahkan saat ini, indeks
harga saham dijadikan barometer kesehatan ekonomi suatu negara serta
sebagai landasan analisa statistik atas kondisi pasar terakhir (current
market).Indeks harga saham suatu negara yang mengalami penurunan biasanya
disebabkan oleh kondisi perekonomian negara tersebut yang sedang mengalami
permasalahan.Sebaliknya indeks harga saham yang mengalami peningkatan
mengindikasikan adanya perbaikan kinerja perekonomian di negara tersebut
(Grestandhi, et.al, 2011).
Peramalan (forecasting) adalah seni atau ilmu untuk memperkirakan kejadian
di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data
historis dan memproyeksikannya ke masa mendatang dengan suatu bentuk
model sistematis.Atau bisa juga dengan menggunakan kombinasi model
matematis yang disesuaikan dengan manajer (Render dan Heizer,
2009:44).Peramalan adalah unsur utama setiap perencanaan, dimana
pemerkiraan ini dilakukan dengan mengamati dan mempelajari berbagai unsur
yang mempengaruhi serta tingkat perubahan unsur-unsur tersebut.
-
6
Teori dasar tentang peramalan harga saham adalah the Efficient Market
Hypothesis (EMH), yang menyatakan bahwa harga saham mencerminkan
semua informasi tersedia dan setiap orang memiliki beberapa tingkat akses ke
informasi itu.Implikasi dari EMH adalah dikatakan efisien apabila nilai sekuritas
setiap waktu mencerminkan semua informasi yang tersedia, yang
mengakibatkan harga suatu sekuritas berada pada tingkat
keseimbangnnya.Selain itu, dikatakan bahwa pasar bereaksi seketika ada berita
dan tidak ada yang dapat mengungguli pasar dalam jangka panjang
jalankan.Namun kontroversi terhadap tingkat efisiensi pasar banyak yang
percaya bahwa seseorang dapat menaklukkan pasar dalam waktu singkat
(Goldstein dan Gigerenzer, 2009).
Kemampuan peramalan kini semakin meningkat, karena dipercepat oleh
perekonomian dunia yang semakin kompleks. Peramalan dikelompokkan oleh
horizon waktu masa depan yang mendasarinya. Tiga kategori yang bermanfaat
bagi manajer adalah: 1. Peramalan jangka pendek, rentang waktunya mencapai
satu tahun tetapi umumnya kurang dari tiga bulan. Peramalan jangka pendek
digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga
kerja, penugasan dan tingkat produksi. 2. Peramalan jangka menengah,
biasanya berjangka tiga bulan hingga tiga tahun. Peramalan ini sangat
bermanfaat dalam perencanaan penjualan, perencanaan dan penganggaran
produksi, penganggaran kas, dan menganalisis berbagai rencana operasi.
3. Peramalan jangka panjang, rentang waktunya biasanya tiga tahun atau lebih.
Digunakan dalam merencanakan produk baru, pengeluaran modal, pemilihan
-
7
lokasi pabrik baru maupun perluasan (ekspansi), dan penelitian serta
pengembangan (Render dan Heizer, 2009:44).
Untuk melakukan peramalan diperlukan perhitungan yang akurat sehingga
diperlukan pendekatan yang tepat. Terdapat dua pendekatan umum yang
digunakan dalam peramalan yaitu:
1. Peramalan Kuantitatif yaitu menggunakan berbagai model matematis yang
menggunakan data historis dan atau variabel-variabel kausal untuk
meramalkan permintaan.
2. Peramalan Kualitatif yaitu memanfaatkan faktor-faktor penting seperti intuisi,
pengalaman pribadi, dan sistem nilai pengambilan keputusan.
Jenis pendekatan peramalan kuantitatif dapat dilihat dari data-data historis
tentang harga saham dari sekumpulan kejadian yang diambil dalam periode
waktu tertentu dimana bentuk datanya berupa data runtun waktu (time
series).Model peramalan kausal juga termasuk kedalam pendekatan kuantitatif,
dimana model kausal biasanya mempertimbangkan beberapa variabel yang
dikaitkan pada variabel yang sedang diprediksi.Metode yang digunakan dalam
pendekatan model kausal ini yaitu Metode Regresi Linear (Linear Regression).
Disebutkan bahwa peramalan deret waktu tergantung pada
trend/kecenderungan, cycle/siklus, season/musim, dan erratic events/kejadian
luar biasa (Hendra, 2009).
Dalam kesempatan ini akan dilakukan kajian terhadap Indeks Harga Saham
pada perusahaan konstruksi. Peramalan yang dilakukan dengan menggunakan
dua metode yang ada dalam analisis deret waktu, yaitu metode Moving Average
-
8
(rata-rata bergerak) dan Exponential Smoothing yang terlebih dahulu
diidentifikasi pola data untuk mendapatkan model yang terbaik yang akan
digunakan.
Untuk melakukan deteksi terhadap ketepatan hasil peramalan, maka
digunakan alat evaluasi peramalan seperti Mean Absolute Deviation (MAD),
Mean Absolute Percentage Error (MAPE), danMean Squared Deviation (MSD).
Dengan evaluasi peramalan tersebut dapat diketahui model peramalan manakah
yang lebih kecil tingkat kesalahannya (error) dalam menghitung peramalan.
Dengan adanya kajian tentang aplikasi model peramalan dapat menunjukkan
bahwa informasi terhadap kecenderungan peningkatan akurasi hasil peramalan
untuk kondisi tertentu, akan tetapi tidak ada bukti yang menunjukkan bahwa
suatu model peramalan dapat konsisten dan lebih baik dari model yang lainnya
(Song, 2008, Amstrong, 2005). Dengan adanya pemilihan model yang
sesuai.Maka diharapkan memberikan hasil yang lebih akurat.
Berdasarkan hal tersebut maka penulis termotivasi untuk melakukan
penelitian tentang “ANALISIS PERAMALAN INDEKS HARGA SAHAM PADA
PERUSAHAAN KONSTRUKSI YANG TERDAFTAR DI BURSA EFEK
INDONESIA PERIODE 2015-2019”.
-
9
B. Identifikasi dan Perumusan Masalah
a) Identifikasi Masalah
Dari beberapa uraian yang dikemukakan pada latar belakang, maka
dapat diidentifikasikan masalah-masalah sebagai berikut :
1. Pada sektor konstruksi sistem bisnis emiten mengeluarkan uang
terlebih dahulu dengan jumlah besar, kemudian seiring proyeknya
berjalan baru terima pembayaran. Hal ini juga masih menjadi bahan
pertimbangan bagi para investor dalam memilih saham perusahaan
konstruksi sebagai tempat investasinya. Maka dari itu, butuh adanya
analisis peramalan indeks harga saham perusahaan konstruksi dalam
pengambilan keputusan investasi di Bursa Efek Indonesia.
b) Perumusan Masalah
Adapun rumusan masalah dalam penelitian ini adalah sebagai
berikut:
1. Metode peramalan apa yang sesuai untuk peramalan indeks harga
saham perusahaan konstruksi di Bursa Efek Indonesia?
C. Tujuan Penelitian
Berdasarkan rumusan masalah tersebut, maka dapat diketahui tujuan
penelitian adalah sebagai berikut:
1. Untuk mengetahui metode peramalan apa yang sesuai untuk peramalan
indeks harga saham perusahaan konstruksi di Bursa Efek Indonesia.
-
10
D. Kegunaan Penelitian
Dari tujuan-tujuan penelitian di atas, maka manfaat yang dapat
diperoleh dari penelitian ini adalah sebagai berikut:
1. Bagi peneliti, dapat menambah wawasan dan pengetahuan dalam
memahami terutama yang berkaitan tentang indeks harga saham dan
investasi di pasar modal.
2. Bagi perusahaan, dapat memberikan kontribusi berupa masukan untuk
meningkatkan kinerja perusahaan dan memprediksi indeks harga saham di
periode selanjutnya,
3. Bagi investor, dapat dijadikan informasi awal serta acuan dalam menentukan
portofolio di pasar saham, dan untuk lebih memahami sifat dasar dan
karakteristik operasional sebagai dasar untuk melakukan investasi. Dapat
memberikan solusi yang tepat dalam mengambil keputusan untuk
berinvestasi.
E. Sistematika Penulisan
BAB I PENDAHULUAN
Bab ini menguraikan tentang latar belakang masalah, identifikasi
masalah, rumusan masalah tujuan dan kegunaan penelitian, serta
sistematika penulisan.
BAB II KAJIAN TEORITIK
Bab ini berisi tentang landasan teori yang digunakan sebagai acuan
bagi peneliti dasar dalam melakukan analisis.Di sini penulis menelaah
literatur serta penelitian terdahulu kemudian membentuk kerangka pemikiran
dan hipotesis.
-
11
BAB III METODOLOGI PENELITIAN
Bab ini menjelaskan tentang variabel penelitian dan definisi
operasional dari masing-masing variable tersebut, penentuan populasi dan
sampel, jenis dan sumber data, metode pengumpulan data serta metode
anaisis.
BAB IV HASIL DAN PEMBAHASAN
Bab ini menjelaskan mengenai analisis deskriptif dari objek penelitian
serta analisis data pengujian kerangka pemikiran dan interpretasi hasil.
BAB V SIMPULAN DAN SARAN
Bab ini berisi kesimpulan, keterbatasan dan saran yang dapat
digunakan sebagai bahan masukan serta pertimbangan untuk penelitian
selanjutnya.
-
12
BAB II
KAJIAN TEORITIK
A. Deskripsi Teori
1. Pasar Modal
Menurut Widoatmojo (2012:15) Pasar modal adalah pasar abstrak,
dimana yang diperjualbelikan adalah dana-dana jangka panjang, yaitu dana
yang keterkaitannya dalam investasi lebih dari 1 (satu) tahun. Pemerintah
Republik Indonesia menetapkan dalam Undang-Undang Pasar Modal No. 8
Tahun 1995 tentang Pasar Modal mendefinisikan pasar modal sebagai
“Kegiatan yang bersangkutan dengan penawaran umum dan perdagangan
Efek, Perusahaan publik yang berkaitan dengan Efek yang diterbitkannya,
serta lembaga dan profesi yang berkaitan dengan Efek”. Pasar modal
menjadi tempat bertemunya antara pihak yang memiliki kelebihan dana
dengan pihak yang membutuhkan dana, dimana terjadi kegiatan permintaan
dan penawaran sekuritas berupa saham dan obligasi.
Menurut Husnan (2015:3) secara formal pasar modal dapat
didefinisikan sebagai pasar untuk instrumen keuangan (atau sekuritas)
jangka panjang yang bisa diperjualbelikan, baik dalam bentuk hutang
ataupun modal sendiri, baik yang diterbitkan pemerintah, public authorities,
maupun perusahaan swasta.
Dari definisi yang telah dipaparkan oleh beberapa ahli tersebut, dapat
disimpulkan bahwa pasar modal adalah sarana yang digunakan sebagai
pasar jangka panjang yang umumnya terjadi penawaran umum serta
-
13
perdagangan efek yang diterbitkan oleh pemerintah maupun perusahaan
publik serta lembaga dan profesi yang berkaitan dengan efek.
2. Manfaat Pasar Modal
Menurut Husnan (2005:4) dalam Mushawir (2017:7-8) dalam fungsi
pasar modal menegaskan terdapat fungsi ekonomi, yaitu penanaman dana
dalam pasar modal oleh investor ke emiten atau perusahaan dengan tujuan
mengharapkan akan memperoleh return bagi pemilik dana tersebut. Selain
itu sebagai fungsi keuangan, dengan menyediakan dana yang diperlukan
oleh para emiten atau perusahaan. Dengan adanya pasar modal diharapkan
aktivitas perekonomian menjadi meningkat karena pasar modal menjadi
alternatif pendanaan bagi perusahaan-perusahaan untuk dapat meningkatan
pendapatan perusahaan dan pada akhirnya memberikan kemakmuran dan
kesejahteraan bagi masyarakat yang lebih luas.
3. Teori Investasi
Investasi merupakan gaya hidup yang mencirikan masyarakat
modern. Investasi sering dikaitkan dengan istilah hubungan antara keuangan
dan ekonomi, dimana terdapat akumulasi suatu bentuk aktiva dengan
harapan mendapatkan keuntungan di masa depan dengan komitmen
berinvestasi berupa sejumlah dana atau sumber daya lainnya. Bahkan
sekarang ini media investasi yang tersedia sudah semakin beragam dan
memudahkan para pelaku investasi.Menurut Smith dan Skousen dalam
Irham (2014:8) investasi adalah:
-
14
“Transaction and events the purchase and sale of the securities
(excluding cash equivalents), and building, equipment, and other asset not
generally held for sale, and the making, and collecting of loans. They are not
classified as operating activities, since the relate only indirectly to the central,
ongoing operations of entity”.
Artinya, investasi merupakan suatu transaksi atau peristiwa penjualan
dan pembelian suatu sekuritas (tidak termasuk kas), bangunan, maupun
peralatan. Sedanglan aset lain tidak untuk diperjualbelikan.
Terdapat banyak sekali pendapat yang dikemukakan oleh para ahli
mengensai pengertian investasi, diantaranya:
a. Menurut Sunariyah (2011:4)
Investasi adalah penanaman modal untuk satu atau lebih aktiva yang
dimiliki dan biasanya berjangka waktu lama dengan harapan
mendapatkan keuntungan di masa-masa yang akan datang.
b. Menurut Kasmir dan Jakfar (2012)
Investasi dapat diartikan sebagai penanaman modal dalam suatu
kegiatan yang mempunyai jangka waktu relatif panjang dalam sebagai
bidang usaha.Penanaman modal yang ditanamkan dalam arti sempit
berupa proyek tertentu baik bersifat fisik ataupun nonfisik, seperti proyek
pendirian pabrik, jalan, jembatan, pembangunan gedung, proyek
penelitian, dan pengembangan.
c. Menurut Halim dalam Fahmi (2012:3)
Investasi pada hakikatnya merupakan penempatan sejumlah dana pada
saat ini dengan harapan memperoleh keuntungan di masa mendatang.
-
15
Berdasarkan pengertian-pengertian dari beberapa ahli tentang
investasi di atas, dapat disimpulkan bahwa investasi merupakan bentuk
penundaan konsumsi pada saat ini atau penempatan sejumlah dana pada
suatu aset atau dengan kata lain investor membeli sejumlah saham saat ini
untuk mengorbankan konsumsi sekarang (sacrifice current consumption)
dengan harapan memperoleh keuntungan dari kenaikan harga saham
ataupun sejumlah dividen di masa yang akan datang, sebagai imbalan atas
waktu dan risiko yang terkait dengan investasi tersebut. Tentunya untuk
mencari keuntungan dengan melakukan investasi ini adalah suatu yang
membutuhkan analisis dan perhitungan mendalam dengan tidak
mengesampingkan prinsip kehati-hatian (prudent principle).
Dalam konteks investasi sangat melekat dengan tiga atribut dalam
melakukan kegiatan investasi yaitu, risiko, hasil dan waktu. Pengorbanan
sumber daya ekonomi dalam investasi diasumsikan dapat memaksimalkan
utilitas dengan tujuan mendapatkan hasil dengan memaksimumkan
kesejahteraan di masa yang akan datang dan berisiko.
Menurut Eduardus Tandelilin (2010:2) dalam aktivitasnya yaitu,
investasi sejumlah dana pada real asset (tanah, emas, mesin atau
bangunan) dan investasi financial asset (deposito, saham ataupun obligasi),
investasi pada financial asset berarti investasi dengan sekuritas, baik yang
diperdagangkan di pasar modal maupun di pasar uang. Dan dalam hal
prosesnya pada dasarnya proses keputusan investasi adalah pemahaman
hubungan antara return harapan dan risiko suatu investasi. Hubungan antara
keduanya merupakan searah dan linear yang artinya, semakin besar return
harapan semakin besar pula tingkat risiko yang harus dipertimbangkan,
-
16
karenanya alasan utama investor berinvestasi adalah mengharapkan return
yang setinggi-tingginya dari investasi yang dilakukannya. Maka dari itu,
investor harus sangat berhati-hati dalam memperhitungkan risiko yang
diambil dalam berinvestasi di suatu perusahaan tertentu.
4. Indeks Harga Saham
Di dalam pasar saham, sering kita dengar dengan istilah harga yakni
harga saham dan indeks harga saham.Harga saham adalah harga yang
terbentuk dari permintaan dan penawaran terhadap suatu saham.Sedangkan
indeks harga saham adalah indikator yang menggambarkan suatu
pergerakan harga saham.Indeks ini yang menjadikan sebagai acuan bagi
para investor agar dapat melakukan investasi khususnya saham dipasar
modal.
Selain itu, indeks harga saham menjadi indikator trend harga pasar,
dimana pergerakan indeks harga saham menggambarkan kondisi suatu
pasar pada waktu tertentu.Saat ini Bursa Efek Indonesia memiliki 11 jenis
indeks harga saham, yang secara terus menerus disebarluaskan malalui
media cetak maupun elektronik. Indeks-indeks tersebut diantaranya adalah:
1. Indeks Harga Saham Gabungan (IHSG)
Indeks Harga Saham Gabungan (IHSG) adalah indeks yang semua
perusahaan tercatat sebagai perhitungan indeksnya.IHSG ini dimiliki oleh
Bursa Efek Indonesia, namun Bursa Efek Indonesia tidak bertanggung
jawab atas produk yang diterbitkan oleh pengguna yang menggunakan
IHSG sebagai acuan. Selain dari itu Bursa Efek Indonesia tidak
bertanggung jawab atas bentuk apapun dalam keputusan investasi yang
dijalankan oleh siapapun pihak yang memakai IHSG sebagai acuannya.
-
17
2. Indeks Sektoral
Indeks sektoral adalah indeks harga saham yang menggunakan semua
perusahaan tercatat yang termasuk ke dalam masing-masing sektor.
Terdapat 10 sektor antara lain sebagai berikut:
1. Sektor pertanian,
2. Sektor industri dasar,
3. Sektor pertambangan,
4. Sektor barang konsumsi,
5. Sektor aneka industri,
6. Sektor properti,
7. Sektor perdagangan dan jasa,
8. Sektor keuangan,
9. Sektor infrastruktur, dan
10. Sektor manufaktur.
3. Indeks LQ-45
Indeks LQ-45 adalah indeks yang terdiri dari 45 saham perusahaan yang
dipilih dengan berdasarkan pertimbangan likuiditas dan juga kapitalisasi
pasar, dengan kriteria tertentu.
4. Indeks Kompas 100
Indeks kompas 100 yaitu terdiri dari 100 saham perusahaan emiten
tercatat yang dipilih berdasarkan pertimbangan likuiditas dan juga
kapitalisasi pasar, dengan kriteria tertentu.
-
18
5. Jakarta Islamic Indeks (JII)
Jakarta Islamic Indeks adalah 30 saham yang termasuk kriteria syariah
dengan pertimbangan kapitalisasi pasar dan juga likuiditas.
6. Indeks BISNIS-27
Indeks BISNIS-27 adalah indeks yang terdiri dari 27 saham perusahaan
yang dipilih dengan berdasarkan kriteria fundamental, teknikal/likuiditas
transaksi dan akuntabilitas serta tata kelola perusahaan. Indeks ini ada
karena adanya kerja sama antara Bursa Efek Jakarta dengan harian
Bisnis Indonesia.
7. Indeks PEFINDO25
Indeks PEFINDO25 adalah indeks hasil kerja sama BEJ dengan
PREFINDO, yang dibuat untuk dapat memberikan tambahan informasi
bagi pemodal khususnya untuk berbagai saham emiten kecil dan
menengah (Enterprises/SME). Terdiri dari 25 saham dengan kriteria
seperti total aset, opini akuntan publik dan tingkat pengembalian modal
(Return On Equity/ROE).Selain dari kriteria tersebut, diperhatikan juga
jumlah saham yang dimiliki oleh publik.
8. Indeks SRI-KEHATI
Indeks SRI-KEHATI adalah hasil kerja sama antara BEJ dengan Yayasan
Keanekaragaman Hayati Indonesia (KEHATI), sedangkan SRI adalah
kependekan dari Sustainable Responsible Investment.Indeks ini terdiri
dari 25 saham perusahaan dengan tujuan untuk memberi tambahan
informasi kepada para investor yang ingin berinvestasi pada emiten-
emiten yang memiliki kinerja sangat baik dalam mendorong usaha
-
19
berkelanjutan, serta mempunyai kesadaran terhadap lingkungan dan juga
menjaankan tata kelola perusahaan yang baik.
9. Indeks Papan Utama
Indeks Papan Utama adalah indeks yang terdiri dari saham-saham
perusahaan yang tercantum pada indeks papan utama.
10. Indeks Papan Pengembang
Indeks Papan Pengembang adalah indeks yang terdiri dari saham
perusahaan yang tercanyum dalam indeks papan pengembang.
11. Indeks individual
Indeks individual adalah indeks harga saham dari masing-masing
perusahaan yang tercatat di Bursa Efek.
5. Pengertian Peramalan
Peramalan digunakan untuk memperkirakan penjualan atau
permintaan untuk masa yang akan datang. Peramalan pada dasarnya
merupakan suatu taksiran, karena pada dasarnya bahwa seluruh keputusan
di masa yang akan datang didasarkan pada peramalan saat ini. Maka dari
itu, peramalan yang dibuat selalu diupayakan agar dapat meminimumkan
pengaruh ketidakpastian terhadap suatu perusahaan. Peramalan merupakan
alat bantu yang sangat penting dalam perusahaan yang efektif dan efisian.
Tidak hanya itu, peramalan juga sangat penting pengaruhnya bagi investor
untuk menentukan perusahaan mana yang pergerakan sahamnya bagus di
masa yang akan datang. Oleh karena itu, untuk mengetahui definisi
peramalan yang baik, penulis mengemukakan pendapat peramalan menurut
para ahli, diantaranya:
-
20
a. Render dan Heizer (2009: 45) mengatakan bahwa:
Peramalan (Forecasting) adalah suatu seni dan ilmu pengetahuan dalam
memprediksi peristiwa pada masa yang akan datang. Peramalan akan
melibatkan untuk mengambil data historis (seperti penjualan tahun lalu)
dan memproyeksi mereka ke masa yang akan datang dengan
menggunakan model matematik.
b. Diana Khairani Sofyan (2013: 13) berpendapat bahwa:
Peramalan merupakan suatu kegiatan memperkirakan atau
memprediksikan kejadian di masa yang akan datang tentunya dengan
bantuan penyusunan rencana terlebih dahulu, dimana rencana ini dibuat
berdasarkan kapasitas dan kemampuan permintaan/produksi yang telah
dilakukan di perusahaan.
c. Menurut Daryanto (2012: 30) kegiatan peramalan adalah:
Prediksi, proyeksi atau estimasi tingkat kejadian yang tidak pasti di masa
yang akan datang.
d. Manahan P. Tampubolon (2014: 41) dalam buku “Manajemen Operasi
dan Rantai Pemasok” mengemukakan bahwa:
Peramalan (forecasting) merupakan penggunaan data untuk
menguraikan kejadian yang akan datang di dalam menentukan sasaran
yang dikehendaki, sedangkan prediksi (prediction) adalah estimasi
sasaran yang akan datang dengan tingkat kemungkinan terjadi besar
serta dapat diterima.
Dari pengertian yang telah dipaparkan oleh para ahli, dapat
disimpulkan bahwa setiap kali keputusan yang berkenaan dengan masa yang
-
21
akan datang dibuat maka selalu tersirat peramalan yang mendasari
keputusan tersebut. Pada tingkat tertentu peramalan yang terencana lebih
bernilai dan akurat dibandingkan peramalan intuitif, karena peramalan
terlebih dahulu menyusun rencana dengan mengambil data-data historis
umumnya data tahun lalu, kemudian memproyeksikannya ke masa yang
akan datang.
6. Tujuan Peramalan
secara umum yang dimaksud dengan peramalan yaitu suatu kegiatan
yang bertujuan untuk mengetahui atau memperkirakan kejadian di masa
yang akan datang. Adapun tujuan peramalan menurut Diana Khairani Sofyan
(2013: 15) tujuan utama peramalan adalah untuk meramalkan permintaan di
masa yang akan datang, sehingga diperoleh suatu perkiraan yang mendekati
keadaan yang sebenarnya, peramalan tidak akan pernah sempurna, tetapi
meskipun demikian hasil peramalan akan memberikan arahan bagi suatu
perencanaan.
7. Jenis-jenis Peramalan
Menurut Render dan Heizer (2009: 47) mengemukakan pada umumnya
berbagai organisasi menggunakan tiga jenis peramalan ketika
merencanakan masa depan operasionalnya, yaitu:
1. Ramalan Ekonomi (Economic Forecast)
Menjelaskan siklus bisnis dengan memprediksi tingkat inflasi, suplai uang
permulaan perumahan, dan indikator-indikator perencanaan
lainnya.Indikator ini dapat berguna membantu organisasi untuk
menyiapkan peramalan jangka menengah hingga jangka panjang.
-
22
2. Ramalan Teknologi (Technological Forecast)
Hal ini dengan memperhatikan tingkat kemajuan teknologi, yang dapat
melahirkan produk-produk baru yang mengesankan.Maka dari itu,
ramalan teknologi ini sangat perlu diperhatikan mengingat peramalan
jangka panjang untuk kelangsungan hidup perusahaan.
3. Ramalan Permintaan (Demand Forecast)
Ramalan ini, disebut juga dengan ramalan penjualan, mengarahkan
produksi, kapasitas, dan sistem penjadwalan perusahaan dan bertindak
sebagai masukan untuk perencanaan keuangan, pemasaran, keuangan,
dan personalia dengan memproyeksi permintaan untuk produk atau jasa
perusahaan pada setiap periode dalam horizon waktu.
Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa
depan yang dicakupnya. Menurut Taylor (2004) dalam hubungannya dengan
horizon waktu peramalan terbagi atas beberapa kategori, yaitu:
1. Ramalan Jangka Pendek (Short-range Forecast)
Mencakup masa depan yang dekat (immediate future) dan
memperhatikan kegiatan harian suatu perusahaan bisnis, seperti
permintaan harian atau kebutuhan sumber daya harian.
2. Ramalan Jangka Menengah (Medium-range Forecast)
Mencakup jangka waktu satu atau dua bulan sampai satu tahun.
Ramalan jangka waktu ini umumnya lebih berkaitan dengan rencana
produksi tahunan dan akan mencerminkan hal-hal seperti puncak dan
lembah dalam suatu permintaan dan kebutuhan untuk menjamin adanya
tambahan untuk sumber daya untuk tahun berikutnya.
-
23
3. Ramalan Jangka Panjang (Long-range Forecast)
Mencakup periode yang lebih lama dari satu atau dua tahun.Ramalan ini
beraitan dengan usaha manajemen untuk merencanakan produk baru
untuk pasar yang berubah, membangun fasilitas baru, atau menjamin
adanya pembiayaan jangka panjang.
8. Langkah-langkah Peramalan
peramalan yang baik adalah peramalan yang dilakukan dengan
mengikuti langkah-langkah atau prosedur penyusunan yang baik. Dalam
suatu proses peramalan harus ada langkah-langkah dalam melakukan
peramalan agar mempermudah proses peramalan. Menurut Gaspersz
(2005: 75) terdapat 9 langkah yang harus diperhatikan untuk menjamin
efektivitas dan efisiensi dari sistem peramalan, yaitu:
1. Menentukan tujuan dari peramalan
2. Memilih item independent demand yang akan diramalkan
3. Menentukan horizon waktu dari peramalan (jangka pendek,
menengah,panjang)
4. Memilih model-model peramalan
5. Memperoleh data yang dibutuhkan untuk melakukan peramalan
6. Validasi model peramalan
7. Membuat peramalan
8. Implementasi hasil-hasil peramalan
9. Memantau keandalan hasil peramalan
Dengan memperhatikan langkah-langkah peramalan tersebut diharapkan
perusahaan mampu menemukan titik terang dari suatu permasalahan yang
-
24
dihadapi, mulai dari menentukan estimasi biaya yang akan dikeluarkan
tergantung dengan kebutuhan perusahaan hingga mengumpulkan data-data
internal perushaan dan eksternal perusahaan agar dapat menjadi sebuah
model satu kesatuan untuk diasumsikan dan diolah hingga menjadi data
yang valid.
Namun peramalan yang baik adalah peramalan yang menghasilkan nilai
eror seminim mungkin.Untuk mengukur keefektifan suatu peramalan maka
digunakan suatu ukuran standar statistik yang biasa kita peroleh dari hasil
pengolahan data menggunakan software.
9. Macam-macam Pola Data
Salah satu aspek yang paling penting dalam penyeleksian metode
peramalan yang sesuai untuk data runtun waktu adalah untuk
mempertimbangkan perbedaan tipe pola data (Markidakis, 1999). Ada empat
tipe umum pola data, yaitu:
a. Pola stasioner adalah keadaan dimana tidak ada perubahan rata-rata
(mean) dan varians dari waktu ke waktu atau keduanya selalu konstan
(tidak terjadi pertumbuhan atau penurunan) setiap waktu (Palit dan
Papovic, 2005:38). Stasioner dapat juga dikatakan tidak terdapat
perubahan yang drastis pada data. Para peneliti sering mengamati pola
pada plot data untuk memutuskan data yang diperoleh stasioner atau
tidak stasioner. Jika plot data deret berkala cenderung konstan atau tidak
terdapat pertumbuhan atau penurunan maka data sudah stasioner.
Metode yang dapat digunakan untuk data berpola stasioner adalah
-
25
Naive, Simple Average, Moving Average, Single Exponential Smoothing.
Contoh gambar pola gerakan stasioner sebagai berikut:
Gambar 2.1 Pola Gerakan Stasioner
b. Pola musiman terjadi bila suatu deret dipengaruhi oleh faktor musiman
yang ditandai dengan adanya pola perubahan yang berulang-ulang
secara teratur selama kurang lebih satu tahun misalnya pola yang
berulang setiap minggu, bulan, atau kuartalan . Metode yang dapat
digunakan untuk data berpola musiman adalah Naive, Seasional
Exponential Smoothing, Adaptive Filtering, Classical Decomposition,
Cencus X-12, Box-Jenkins, Time Series Multiple Regression. Contoh
gambar pola gerakan musiman sebagai berikut:
Gambar 2.2 Pola Gerakan Musiman
-
26
c. Pola siklis adalah gerakan naik atau turun secara siklis di sekitar trend
atau kondisi normal. Metode yang dapat digunakan untuk data berpola
siklis adalah Multiple Regression, Box-Jenkins, Leading Indicator,
Econometric Model.Contoh gambar pola gerakan siklis sebagai berikut:
Gambar 2.3 Pola Gerakan Siklis
d. Pola trend terjadi jika suatu data bergerak pada jangka waktu tertentu
dan cenderung menuju ke satu arah baik naik atau turun. Metode yang
dapat digunakan untuk data berpola trend adalah Naive, Simple Average,
Single Exponential Smoothing, Double Exponential Smoothing, Simple
Regression, Exponential Trend Model, S-Curve Fitting, Gompertz Model,
Growth Curves. Contoh gambar pola gerakan trendsebagai berikut:
Gambar 2.4 Pola Gerakan Trend
-
27
Pola data dapat dianalisis dengan menggunakan autokorelasi, yaitu
dengan rumus:
rk=
+=
n
kt 1
(𝒀𝒕−Y )(𝒀𝒕−𝒌−Y )
=
n
t 1
(𝒀𝒕−Y )𝟐
, k = 0,1,2, ….
Dimana:
rk =koefisien autokorelasi untuk sebuah lag dari periode ke- k
Yt = observasi dalam periode waktu ke- t
Yt –k = observasi k periode sebelumnya atau waktu periode (t-k)
Y = rata-rata dari nilai time series
Jika data berkala tersebut random, hampir semua koefisien
autokorelasi terletak di dalam interval kepercayaan dengan standard eror
yang kecil. Tiap-tiap koefisien autokorelasi berada dalam interval
kepercayaan yang diberikan yaitu:
0±Z x SE(rk)t
Dimana:
SE(rk) = √𝟏+𝟐 ∑ 𝒓𝒊
𝟐𝒌−𝟏𝒊=𝟏
𝒏
Dengan:
SE(rk)t= standar eror dari autokorelasi pada lag k
ri = autokorelasi pada lag i
-
28
k = lag
n = jumlah observasi dalam jumlah data berkala
10. Metode Peramalan
Menurut Render dan Heizer (2009: 48-49) tentang metode peramalan,
mereka berpendapat bahwa ada dua pendekatan umum peramalan yang
digunakan sebagai cara mengatasi model keputusan, yaitu peramalan
kuantitatif dan peramalan kualitatif. Peramalan kualitatif atau peramalan
subjektif memanfaatkan faktor-faktor penting seperti intuisi, pengalaman
pribadi, dan sistem nilai pengambilan keputusan.Peramalan kuantitatif
(quantitative forecast) menggunakan berbagai model matematika yang
menggunakan data histroris dan atau variabel-variabel kausal untuk
meramalkan permintaan. Sebagian perusahaan menggunakan salah satu
pendekatan, sebagian lain menggunakan pendekatan lainnya, tetapi dalam
praktiknya, kombinasi atau campuran dari kedua jenis peramalan tersebut
dapat lebih efektif.
11. Metode Peramalan Kuantitatif
Menurut Barry Render dan Jay Heizer (2009: 49) mengatakan bahwa
dalam metode peramalan kuantitatif pada dasarnya dapat dibedakan
kedalam dua kategori, yaitu: Model Runtut Waktu (Time Series) dan Model
Kausal (Causal Method) atau dikenal juga sebagai Model Asosiatif. Dalam
hal ini, peramalan kuantitatif mampu diterapkan bila terdapat tiga kondisi
berikut:
1. Tersedia informasi/data tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
numerik/angka.
-
29
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
berlanjut di masa mendatang.
1. Model Seri Waktu (Time Series)
Model seri waktu (time series) memprediksikan berdasarkan asumsi
bahwa masa depan adalah fungsi dari masa lalu. Dengan kata lain,
model ini melihat pada apa yang terjadi selama periode waktu dan
menggunakan seri data masa lalu untuk membuat ramalan (Render dan
Heizer, 2009:49). Metode peramalan seri waktu (time series) terdiri dari:
a) Metode Naif (Naive Method)
Metode naïf merupakan metode yang paling sederhana,
menganggap bahwa peramalan periode berikutnya sama dengan nilai
aktual periode sebelumnya. Dengan demikian data aktual periode
yang baru saja berlalu merupakan alat peramalan yang terbaik untuk
meramalkan keadaan di masa mendatang.peramalan dengan metode
naïf diasumsikan bahwa periode sekarang adalah prediksi terbaik
untuk masa depan, sehingga dapat diformulasikan sebagai berikut:
Ŷt+1 = Yt
Dimana Ŷt+1adalah ramalan yang dilakukan pada waktu t
(ramalan asli) untuk waktu t+1.
Teknik untuk data yang mengandung trend adalah dengan
menambahkan selisih antara periode sekarang dan periode terakhir.
Persamaan peramalannya adalah:
Ŷt+1 = Yt + (Yt – Yt-1)
-
30
b) Metode Rata-rata Bergerak (Moving Average Method)
Menurut Subagyo (2008:6) Metode rata-rata bergerak (MA)
suatu metode peramalan yang dilakukan dengan mengambil
sekelompok nilai pengamatan menggunakan sejumlah data aktual
historis untuk menghasilkan peramalan. Pergerakan rata-rata
bermanfaat untuk mencari nilai rata-rata tersebut sebagai ramalan
untuk periode yang akan datang. Moving Average terdiri dari Mean
(rata-rata sederhana), Single Moving Average (bergerak tunggal), dan
Double Moving Average (bergerak ganda).Averaging Method dipakai
apabila:
• Kondisi setiap data pada waktu yang berbeda mempunyai bobot
yang sama sehingga fluktuasi random data dapat diredam dengan
rata-ratanya.
• Tidak semua data masa lalu dapat mewakili asumsi pola data
berlanjut terus dimasa yang akan datang, maka dapat dipilih
sejumlah periode tertentu saja.
• Periode yang relevan adalah n periode terakhir, maka rata-rata
dapat dihitung dengan n periode yang berbeda. Perataan inilah
yang disebut dengan Moving Average(rata-rata bergerak).
• Datanya stasioner, Single Moving Averagecukup baik untuk
meramalkan keadaan.
• Datanya tidak stasioner, mengandung pola trend maka dilakukan
Moving Average pada hasil Single Moving Average yang
dinamakan Moving Average with Linear Trend.
-
31
• Peramalan jangka pendek.
1. Simple Average
Simple Average menggunakan rata-rata (mean) dari
semua observasi-observasi pada periode-periode
sebelumnya yang relevan sebagai ramalan pada periode
berikutnya.
Persamaan (1) digunakan untuk menghitung rata-rata
(mean)data bagian perlambangan untuk peramalan
periode selanjutnya.
Ŷt+1= 𝟏
𝒕=
t
i
Yi1
………………….. (1)
Ketika sebuah observasi baru tersedia, peramalan
untuk periode selanjutnya, Ŷt+2, adalah rata-rata atau
mean, dihitung dengan persamaan (1) dan observasi yang
baru.
Ŷt+2= 𝒕Ŷ𝒕+𝟏+𝒀_𝒕+𝟏
𝒕+𝟏 … … … … … (2)
Metode Simple Average adalah salah satu teknik yang
tepat ketika kemampuan runtun untuk menjadi ramalan
sudah menjadi stabil, dan lingkungan di dalam runtun pada
umumnya tidak berubah.
2. Single Moving Average
Metode Simple Average menggunakan rata-rata dari
semua data peramalan.Jumlah konstan titik data dapat
ditetapkan pada awal dan dihitung rata-rata untuk
-
32
observasi terbaru.Istilah Moving Average digunakan untuk
menggambarkan pendekatan ini.Setiap observasi baru
menjadi tersedia, sebuah rata-rata baru dihitung dengan
menjumlahkan nilai paling baru dan mengeluarkan yang
paling tua.Moving Average ini lebih digunakan untuk
meramalkan periode selanjutnya. Persamaan (3)
menunjukkan peramalan Simple Moving Average, sebuah
Moving Average dari urutan ke-k, MA (k) dihitung dengan:
Persamaan (3) Moving Average dengan order ke-k
Ŷt+1= 𝒀𝒕+𝒀𝒕−𝟏+⋯+𝒀𝒕−𝒌+𝟏
𝒌
et = Yt – Ŷt
Dimana:
Ŷt+1 = nilai peramalan untuk periode selanjutnya
Yt = nilai sebenarnya pada periode t
k = jumlah perlakuan dalam Moving Average
Moving Average untuk periode waktu t adalah mean
aritmetik dari k observasi terbaru. Dalam Moving Average,
beban yang diberikan sama untuk setiap observasi. Setiap
data baru dimasukkan dalam rata-rata yang tersedia, dan
data paling awal dibuang.Kecepatan respon terhadap
perubahan dalam pola data dasar tergantung pada jumlah
periode k, termasuk dalam Moving Average.
-
33
3. Double Moving Average
Salah satu cara untuk meramalkan data time series
yang memiliki trend linear adalah dengan menggunakan
Double Moving Average. Metode ini secara tidak langsung
dinamakan set pertama dihitung Moving Average-nya dan
set kedua dihitung sebagai Moving Average dari set
pertama. Pertama, untuk menghitung Moving Average dari
order ke-k digunakan persamaan sebagai berikut:
Mt = Ŷt+1 =𝒀𝒕+𝒀𝒕−𝟏+𝒀𝒕−𝟐 +⋯+𝒀𝒕−𝒌+𝟏
𝒌
Dimana:
Ŷt+1 = nilai peramalan untuk periode selanjutnya
Yt = nilai sebenarnya pada periode t
k = jumlah perlakuan dalam Moving Average
Kemudian persamaan (1) digunakan untuk menghitung
Moving Average kedua, yaitu:
M´t=𝑴𝒕+𝑴𝒕−𝟏+𝑴𝒕−𝟐 +⋯+𝑴𝒕−𝒌+𝟏
𝒌
Persamaan (2) digunakan untuk menghitung
peramalan dengan menambahkan selisih antara Moving
Average pertama dan Moving Average kedua dengan
Moving Average pertama.
αt = Mt + (Mt - M´t) = 2Mt - M´t … … … (2)
-
34
persamaan (3) adalah faktor penyesuaian tambahan
yang mirip dengan kemiringan ukuran yang dapat berubah
selama runtun waktu tersebut.
bt= 𝟐
𝒌−𝟏 (Mt - M´t) … … (3)
Akhirnya (4) persamaan ini digunakan untuk membuat
ramalan periode di masa depan.
Ŷt+p = αt + btp … … … (4)
Dengan:
k = jumlah periode dalam Moving Average
p = jumlah periode peramalan untuk masa mendatang
c) Metode Penghalusan Eksponensial (Exponential Smoothing
Method)
Exponential Smoothing adalah metode peramalan pergerakan
rata-rata bobot lainnya atau suatu tipe teknik peramalan rata-rata
bergerak yang melakukan penimbangan dan memberikan bobot
eksponensial menurun terhadap observasi yang lebih
lama.Pemulusan eksponensial merupakan prosedur untuk terus
merevisi ramalan dalam pengamatan yang lebih baru dan juga
merupakan prosedur perbaikan terus menerus pada peramalan
terhadap objek pengamatan terbaru (Markidakis, 1999:63).
Metode pemulusan eksponensial merupakan pendekatan yang
relatif sederhana namun kuat untuk peramalan. Salah satu ide dasar
model smoothingadalah untuk membangun perkiraan nilai masa
depan sebagai rata-rata tertimbang dari pengamatan masa lalu
-
35
dengan pengamatan yang lebih baru dengan nilai bobot yang lebih
besar dalam menentukan perkiraan dari pengamatan di masa lalu
yang lebih jauh. Tidak hanya itu, mereka dengan secara luas dapat
digunakan dalam bisnis untuk peramalan permintaan untuk
persediaan (Gardner dalam Jonnius, 2016:19).
Aplikasi pemulusan eksponensial untuk meramalkan data time
seriesbiasanya bergantung pada tiga metode dasar yaitu, pemulusan
eksponensial sederhana, trend dikoreksi pemulusan eksponensial
dan variasi musiman tersebut. Pendekatan umum untuk memilih
metode yang tepat untuk seri waktu tertentu didasarkan pada validasi
prediksi pada bagian yang dipotong dari sampel menggunakan
kriteria seperti kesalahan persentase rata-rata mutlak.Pendekatan
kedua adalah dengan mengandalkan kasus umum yang paling tepat
dari tiga metode.Untuk seri tahunan ini trend dikoreksi pemulusan
eksponensial, untuk seri sub-tahunan itu adalah adaptasi musiman
trend dikoreksi pemulusan eksponensial.Dasar pemikiran untuk
pendekatan ini adalah bahwa metode umum secara otomatis runtuh
dengan rekan-rekan ketika kondisi yang bersangkutan berkaitan
dalam data.Pendekatan ketiga dapat didasarkan pada kriteria
informasi bila metode kemungkinan maksimum yang digunakan
dalam hubungannya dengan pemulusan eksponensial untuk
memperkirakan parameter smoothing(Billah, et.al 2005).
Exponential Smoothingmerupakan sebuah prosedur dari
peramalan yang ditinjau kembali secara kontinyu.Hal ini
menunjukkan adanya penurunan beban-beban secara eksponensial
-
36
seiring dengan semakin lamanya sebuah observasi. Dengan kata
lain, observasi saat ini diberi nilai beban lebih besar daripada
observasi-observasi sebelumnya (Bagus, et.al. 2009). Metode
Exponential Smoothingmeliputi metode-metode berikut ini:
1. Metode Single Exponential Smoothing
Metode pemulusan eksponensial tunggal tidak cukup baik
diterapkan jika datanya bersifat tidak stasioner, karena
persamaan yang digunakan dalam metode eksponensial tunggal
tidak terdapat prosedur pemulusan pengaruh trend yang
mengakibatkan data tidak stasioner menjadi data tetap tidak
stasioner, tetapi metode ini merupakan dasar bagi metode-
metode pemulusan eksponensial lainnya (Markidakis, Wheelright
dan McGee, 1992).
Exponential Smoothing secara terus menerus
mempertimbangkan kembali suatu perkiraan yang dipandang dari
data sebelumnya.Metode Exponential Smoothing berdasarkan
pada pemuusan nilai-nilai sebelumnya di dalam suatu
eksponensial yang menurun. Data masa lalu dimuluskan dengan
cara melakukan pembobotan menurun secara eksponensial
terhadap nilai pengamatan yang lebih lama, atau nilai yang lebih
baru diberikaan bobot yang relative lebih besar disbanding nilai
pengamatan yang lebih lama.
Dalam suatu penyajian Exponential Smoothing, peramalan
baru (pada saat t+1) dapat dianggap sebagai jumlahan dari
pengamatan yang baru (pada waktu t) dan peramalan yang
-
37
sebelumnya (untuk waktu t).Besarnya α (dimana 0 < α < 1)
diberikan pada nilai pengamatan yang baru saja diamati, dan
besar (1-α) diberikan pada peramalan yang sebelumnya.
Peramalan Baru = [α x (pengamatan baru] + [(1-α) x (peramalan
sebelumnya)]
• Pengamatan terakhir memiliki nilai α yang paling besar,
yaitu 0 < α < 1
• Pengamatan satu periode sebelumnya memiliki konstanta
smoothing yang lebih kecil, yaitu α (1-α)
• Pengamatan dua periode sebelumnya akan lebih kecil
lagi, yaitu α (1-α)2 dan begitu seterusnya
Ŷt+1 = α𝜸t + (1 – α) Ŷt
Dimana:
Ŷt+1 = nilai pemulusan berikutnya atau nilai peramalan
untuk periode berikutnya
α = konstanta pemulusan
Yt = pengamatan baru atau nilai sebelumnya pada
periode t
Ŷt = nilai pemulusan sebelumnya atau peramalan untuk
periode t
2. Metode Double Exponential Smoothing (Holt’s)
Merupakan pengembangan dari metode Exponential
Smoothing, yaitu:
Ŷt+p= Lt + pTt
Dengan
-
38
Lt = α𝛾t + (1 – α)( Lt-1 + Tt-1)
Tt = β(Lt – Lt-1) + (1 – β)Tt-1
Dimana
Lt = nilai penghalusan (smoothing) pada periode ke t
α = konstanta penghalusan (smoothing) untuk level yang
nilainya 0 < α
-
39
MAD paling berguna ketika orang yang menganalisa ingin mengukur
kesalahan ramalan dalam unit yang sama sebagai deret asli.
Keterangan:
Yt = nilai aktual pada periode waktu t
Ŷt = nilai ramalan untuk periode waktu t
2. Mean Absolute Percentage Error (MAPE) dihitung dengan menggunakan
kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang
nyata untuk periode itu. Kemudian, merata-rata kesalahan persentase
absolut tersebut. Pendekatan ini berguna ketika ukuran atau besar
variabel ramalan itu penting dalam mengevaluasi ketepatan ramalan.
MAPE mengindikasi seberapa besar kesalahan dalam meramal yang
dibandingkan dengan nilai nyata pada deret. MAPE juga dapat
digunakan untuk membandingkan ketepatan dari metode yang sama
atau berbeda dalam dua deret yang berbeda sekali dan mengukur
ketepatan nilai dugaan model yang dinyatakan dalam bentuk rata-rata
persentase absolut kesalahan. MAPE dapat dihitung dengan rumus
sebagai berikut:
Keterangan:
Yt = nilai aktual pada periode waktu t
-
40
Ŷt = nilai ramalan untuk periode waktu t
Metode khusus yang digunakan dalam peramalan meliputi
perbandingan metode mana yang akan menghasilkan kesalahan-
kesalahan ramalan yang cukup kecil. Metode ini baik untuk
memprediksimetode peramalan sehingga menghasilkan kesalahan
ramalan yang relatif kecil dalam dasar konsisten.
Fungsi metode ukuran ketepatan peramalan adalah sebagai berikut:
a) Membandingkan ketepatan dari dua arah atau lebih metode yang
berbeda.
b) Sebagai alat ukur apakah teknik yang diambil dapat dipercaya atau
tidak.
c) Membantu mencari sebuah metode yang optimal.
3. Mean Squared Deviation (MSD), cara lain untuk menghindari
penyimpangan nilai positif dan penyimpangan negatif saling meniadan
adalah dengan mengkuadratkan nilai kesalahan tersebut . MSD
merupakan ukuran penyimpangan ramalan dengan merata-ratakan
kuadrat error (penyimpangan semua ramalan). Persamaannya adalah
sebagai berikut:
Tujuan optimalisasi statistik seringkali dilakukan untuk memilih suatu
model agar nilai MSD minimal.Tetapi ukukran ini memiliki mempunyai
dua kelemahan.Pertama ukuran ini menunjukkan pencocokan (fitting)
suatu model terhadap data historis.Pencocokan ini tidak selalu
-
41
mengimplikasikan peramalan yang baik. Kekurangan kedua dalam MSD
sebagai ukuran ketepatan model adalah berhubungan dengan
kenyataan bahwa metode berbeda akan menggunakan prosedur yang
berbeda pula dalam fase pencocokan.
B. Hasil Penelitian Relevansi
Tabel 2.1 Hasil Penelitian Relevansi
No. Nama Peneliti Judul dan Tahun
yang Relevan
Hasil Penelitian
1. Jonnius (2016) Peramalan Indeks
Harga Saham Sektoral
dengan Pendekatan
Exponential Smoothing
Model Tahun 2013-
2015
Dengan metode
exponential
smoothing lebih
sesuai diaplikasikan
dalam peramalan
indeks harga saham
dari kesembilan
sektor tersebut, dan
dari beberapa
metode yang
digunakan, yang lebih
baik digunakan
metode holt – winters
multiplicative with
three parameter yang
diukur tingkat
kesalahan
-
42
No. Nama Peneliti Judul dan Tahun
yang Relevan
Hasil Penelitian
peramalannya lebih
kecil.
2. Rizal Rachman
(2018)
Penerapan Metode
Moving Average dan
Exponential Smoothing
pada Peramalan
Produksi Industri
Garment Periode
2017—2018
Hasil ramalan dengan
2 metode alternatif
dan ditambah
perhitungan
kesalahan peramalan
dapat diambil
kesimpulan bahwa
peramalan dengan
metode exponential
smoothing a = 0,9
dikarenakan hasil
perkiraan untuk
permintaan
konsumen lebih
besar dari metode
yang lain.
3. Rainy Nafitri
(2010)
Penerapan Metode
Peramalan Sebagai
Dasar Penentuan
Tingkat Kebutuhan
Menunjukan bahwa
metode peramalan
terbaik adalah
kombinasi metode
-
43
No. Nama Peneliti Judul dan Tahun
yang Relevan
Hasil Penelitian
Safety Stock pada
Industry Elektronik
holt winters
exponential
smoothing dan naïve
dengan penurunan
nilai mean absolute
percentage error
(MAPE) sebesar 63%
4. Rivani Narsalita
Putri (2015)
Peramalan Indeks
Harga Saham
Perusahaan Finansial
LQ-45 Menggunakan
Metode Autoregressive
Integrated Moving
Average (ARIMA) dan
Vector Autoregressive
(VAR)
Peramalan model
terbaik untuk harga
penutupan saham
BBRI adalah dengan
menggunakan
metode ARIMA
sedangkan untuk
peramalan harga
saham BMRI dan
BBCA menggunakan
metode VAR.
5. Muhammad Adam
Bachtiar (2013)
Analisis Perbandingan
ForecastingHarga
Saham Dengan
Pendekatan Artificial
Berdasarkan hasil
penelitian, model
ANN dapat
memprediksi lebih
-
44
No. Nama Peneliti Judul dan Tahun
yang Relevan
Hasil Penelitian
Neural Metworkdan
Metode Box-Jenkis
ARIMA (Studi dalam
Forecasting Harga
Saham LQ-45 yang
Terdaftar di Bursa Efek
Indonesia Periode
2008-2012)
akurat 14 saham
sampel LQ-45
(93,34%),
dibandingkan dengan
model Box-Jenkis
ARIMA yang hanya
akurat memodelkan 1
saham (6,66%).
Tabel diatas merupakan ringkasan dari penelitian-penelitian
terdahulu.Ada sejumlah persamaan dan perbedaan penelitian ini dengan
penelitian terdahulu adapun persamaannya yaitu sama-sama menganalisis
peramalan terhadap indeks saham.Sedangkan perbedaannya terletak pada
periode waktu penelitian dan sampel perusahaan yang diteliti.
C. Kerangka Pemikiran
Model kerangka pikir dalam sebuah penelitian sangat penting, yang
mana akan memberikan gambaran konseptual tentang penelitian tersebut
dan akan menunjukkan hubungan antara berbagai konstruk (Razali, 1987).
Secara keseluruhan tentang penelitian ini dapat digambarkan dalam
kerangka pikir sebagaimana diagram berikut ini:
-
45
Gambar 2.5 Kerangka Pemikiran
Sumber: model yang dikembangkan dalam penelitian ini.
Data Historis Indeks Harga Saham
Scatter Diagram
Moving Average Exponential
Smoothing
Evaluasi Metode
Metode Peramalan
Terbaik
-
46
BAB III
METODOLOGI PENELITIAN
A. Jenis Penelitian
1. Jenis penelitian
Jenis penelitian ini termasuk dalam golongan penelitian komparatif.
Menurut Sugiyono (2012:11) menyatakan penelitian komparatif
merupakan jenis penelitian yang bersifat membandingkan, tujuannya
untuk menentukan mana yang lebih baik dari variabel yang dibandingkan
tersebut.Tujuan dari penelitian ini dimaksudkan untuk mengetahui
metode manakah yang lebih sesuai untuk peramalan indeks harga
saham pada perusahaan konstruksi.
2. Sumber Data
Sumber data yang digunakan pada penelitian ini adalah data
sekunder. Data sekunder yaitu data yang didapat tidak secara langsung
dari objek penelitian, data didapatkan dari data yang sudah jadi, baik dari
pihak perusahaan ataupun pencarian dari sumber lain yang berupa
sumber buku, jurnal ilmiah, analis dari sekuritas, dan bacaan yang
berkaitan dengan penelitian (Sugiyono, 2015:137).
B. Obyek dan Lokasi Penelitian
Objek penelitian ini adalah indeks harga saham perusahaan
konstruksi di Bursa Efek Indonesia (BEI). Kegiatan penelitian ini
menggunakan data sekunder yaitu data yang diperoleh tidak langsung atau
-
47
melalui perantara (dicatat dan diolah oleh pihak lain) berupa data indeks
harga saham perusahaan konstruksi periode bulanan yang diperoleh dari
website resmi BEI (www.idx.co.id) yang dapat diakses dengan baik.
Kegiatan penelitian ini dilakukan dengan izin Galeri Investasi Fakultas
Ekonomi dan Bisnis Universitas Muhammadiyah Metro.
C. Metode Penelitian
Penelitian ini termasuk dalam kategori penelitian kuantitatif, dimana
analisis data dilakukan dengan pendekatan statistik.Pendekatan ini sangat
bergantung pada ketersediaan data historis inilah dilakukan analisis dengan
menggunakan software Minitabuntuk menemukan model peramalan yang
sesuai untuk meramalkan indeks harga saham perusahaan konstruksi
tersebut.
1. Populasi dan Sampel
a. Populasi
Menurut Sugiyono (2013: 148) populasi merupakan wilayah generalisasi
meliputi obyek/subyek yang mempunyai karakteristik tertentu.
Keseluruhan objek penelitian terdapat dalam populasi, penelitian ini
menggunakan populasi berupa perusahaan konstruksi di Indonesia yang
terdaftar di Bursa Efek Indonesia tahun 2015-2019 berjumlah 16
perusahaan yang tertera didalam tabel berikut:
-
48
Tabel 3.1 Perusahaan Konstruksi yang Terdaftar di BEI Tahun
2015-2019
No. Kode Perusahaan Nama Perusahaan
1 ACST Acset Indonusa Tbk
2 ADHI Adhi Karya (Persero) Tbk
3 CSIS Cahayasakti Investindo Sukses Tbk
4 DGIK Nusa Konstruksi Enjiniring Tbk
5 IDPR Indonesia Pondasi Raya Tbk
6 MTRA Mitra Pemuda Tbk
7 NRCA Nusa Raya Cipta Tbk
8 PBSA Paramita Bangun Saran Tbk
9 PSSI Pelita Samudera Shipping Tbk
10 PTPP Pembangunan Perumahan
(Persero) Tbk
11 SSIA Surya Semesta Internusa Tbk
12 TOPS Totalindo Eka Persada Tbk
13 TOTL Total Bangun Persada Tbk
14 WEGE Wijaya Karya Bangunan Gedung Tbk
15 WIKA Wijaya Karya (Persero) Tbk
16 WSKT Waskita Karya (Persero) Tbk
Sumber: Annual report 2015-2019
-
49
b. Sampel
Sampel merupakan sebagian dari keseluruhan objek yang terdapat
dalam populasi.Penelitian sampel menggunakan teknik purposive
sampling, sampel ditentukan oleh beberapa pertimbangan yang
dibuat oleh peneliti menyesuaikan dengan kondisi yang ada
(Sugiyono, 2013:156). Dalam teknik ini sampel harus memenuhi
kriteria sebagai berikut:
1) Perusahaan konstruksi yang tercatat dalam Bursa Efek Indonesia
Tahun 2015-2019.
2) Perusahaan tersebut secara periodik mengeluarkan laporan
keuangan tiap tahunnya kepada BEI dan memiliki kelengkapan
data selama periode pengamatan.
3) Perusahaan perseroan (persero) yang sebagian dari modal
tersebut milik Negara.
D. Teknik Pengumpulan Data
Dokumentasi dipilih sebagai teknik pengumpulan data penelitian
ini.Penelitian melihat laporan keuangan perusahaan yang menjadi
sampel.Penelitian mencari dan mengunduh data indeks harga saham
perusahaan konstruksi yang terdaftar dalam Bursa Efek Indonesia Tahun
2015-2919.Sumber data dalam penelitian ini adalah data sekunder yang
diperoleh melalui situs www.idx.co.id.
http://www.idx.co.id/
-
50
E. Alat Analisis Data
Penelitian ini menggunakan regresi data panel untuk teknik analisis data.
Regresi data panel adalah regresi yang menggabungkan sekaligus data
cross section dan time series dalam satu persamaan. Data cross
sectionmerupakan data yang terdiri dari beberapa atau banyak objek seperti
daerah, perusahaan dan orang dengan beberapa jenis contoh data seperti
aset-aset dalam perusahaan, pendapatan, beban, tingkat inflasi dan lain-
lain. Sedangkan data time seriesmerupakan data runtut waktu yang
biasanya meliputi satu variabel seperti harga saham, kurs mata uang atau
yang lainnya dengan data yang terdiri dari beberapa periode misalnya
harian, bulanan, kuartal dan tahunan (Sriyana, 2015). Regresi data panel
dalam penelitian ini diolah dengan menggunakan software Minitab.
2. Model Seri Waktu (Time Series)
Model seri waktu (time series) memprediksikan berdasarkan asumsi
bahwa masa depan adalah fungsi dari masa lalu. Dengan kata lain,
model ini melihat pada apa yang terjadi selama periode waktu dan
menggunakan seri data masa lalu untuk membuat ramalan (Render dan
Heizer, 2009:49). Metode peramalan seri waktu (time series) terdiri dari:
d) Metode Rata-rata Bergerak (Moving Average Method)
Menurut Subagyo (2008:6) Metode rata-rata bergerak (MA)
suatu metode peramalan yang dilakukan dengan mengambil
sekelompok nilai pengamatan menggunakan sejumlah data aktual
historis untuk menghasilkan peramalan. Pergerakan rata-rata
bermanfaat untuk mencari nilai rata-rata tersebut sebagai ramalan
untuk periode yang akan datang. Moving Average terdiri dari
-
51
Mean(rata-rata sederhana), Single Moving Average (bergerak
tunggal), dan Double Moving Average (bergerak ganda).Averaging
Method dipakai apabila:
• Kondisi setiap data pada waktu yang berbeda mempunyai bobot
yang sama sehingga fluktuasi random data dapat diredam dengan
rata-ratanya.
• Tidak semua data masa lalu dapat mewakili asumsi pola data
berlanjut terus dimasa yang akan datang, maka dapat dipilih
sejumlah periode tertentu saja.
• Periode yang relevan adalah n periode terakhir, maka rata-rata
dapat dihitung dengan n periode yang berbeda. Perataan inilah
yang disebut dengan Moving Average(rata-rata bergerak).
• Datanya stasioner, Single Moving Averagecukup baik untuk
meramalkan keadaan.
• Datanya tidak stasioner, mengandung pola trend maka dilakukan
Moving Average pada hasil Single Moving Average yang
dinamakan Moving Average with Linear Trend.
• Peramalan jangka pendek.
4. Simple Average
Simple Average menggunakan rata-rata (mean) dari
semua observasi-observasi pada periode-periode
sebelumnya yang relevan sebagai ramalan pada periode
berikutnya.
-
52
Persamaan (1) digunakan untuk menghitung rata-rata
(mean)data bagian perlambangan untuk peramalan
periode selanjutnya.
Ŷt+1= 𝟏
𝒕=
t
i
Yi1
………………….. (1)
Ketika sebuah observasi baru tersedia, peramalan
untuk periode selanjutnya, Ŷt+2, adalah rata-rata atau
mean, dihitung dengan persamaan (1) dan observasi yang
baru.
Ŷt+2= 𝒕Ŷ𝒕+𝟏+𝒀_𝒕+𝟏
𝒕+𝟏 … … … … … (2)
Metode Simple Average adalah salah satu teknik yang
tepat ketika kemampuan runtun untuk menjadi ramalan
sudah menjadi stabil, dan lingkungan di dalam runtun pada
umumnya tidak berubah.
5. Single Moving Average
Metode Simple Average menggunakan rata-rata dari
semua data peramalan.Jumlah konstan titik data dapat
ditetapkan pada awal dan dihitung rata-rata untuk
observasi terbaru.Istilah Moving Average digunakan untuk
menggambarkan pendekatan ini.Setiap observasi baru
menjadi tersedia, sebuah rata-rata baru dihitung dengan
menjumlahkan nilai paling baru dan mengeluarkan yang
paling tua.Moving Average ini lebih digunakan untuk
meramalkan periode selanjutnya. Persamaan (3)
-
53
menunjukkan peramalan Simple Moving Average, sebuah
Moving Average dari urutan ke-k, MA (k) dihitung dengan:
Persamaan (3) Moving Average dengan order ke-k
Ŷt+1= 𝒀𝒕+𝒀𝒕−𝟏+⋯+𝒀𝒕−𝒌+𝟏
𝒌
et = Yt – Ŷt
Dimana:
Ŷt+1 = nilai peramalan untuk periode selanjutnya
Yt = nilai sebenarnya pada periode t
k = jumlah perlakuan dalam Moving Average
Moving Average untuk periode waktu t adalah mean
aritmetik dari k observasi terbaru. Dalam Moving Average,
beban yang diberikan sama untuk setiap observasi. Setiap
data baru dimasukkan dalam rata-rata yang tersedia, dan
data paling awal dibuang.Kecepatan respon terhadap
perubahan dalam pola data dasar tergantung pada jumlah
periode k, termasuk dalam Moving Average.
6. Double Moving Average
Salah satu cara untuk meramalkan data time series
yang memiliki trend linear adalah dengan menggunakan
Double Moving Average. Metode ini secara tidak langsung
dinamakan set pertama dihitung Moving Average-nya dan
set kedua dihitung sebagai Moving Average dari
-
54
setpertama. Pertama, untuk menghitung Moving Average
dari order ke-k digunakan persamaan sebagai berikut:
Mt = Ŷt+1 = 𝒀𝒕+𝒀𝒕−𝟏+𝒀𝒕−𝟐 +⋯+𝒀𝒕−𝒌+𝟏
𝒌
Dimana:
Ŷt+1 = nilai peramalan untuk periode selanjutnya
Yt = nilai sebenarnya pada periode t
k = jumlah perlakuan dalam Moving Average
Kemudian persamaan (1) digunakan untuk menghitung
Moving Average kedua, yaitu:
M´t =𝑴𝒕+𝑴𝒕−𝟏+𝑴𝒕−𝟐 +⋯+𝑴𝒕−𝒌+𝟏
𝒌
Persamaan (2) digunakan untuk menghitung
peramalan dengan menambahkan selisih antara Moving
Average pertama dan Moving Average kedua dengan
Moving Average pertama.
αt = Mt + (Mt - M´t) = 2Mt - M´t … … … (2)
persamaan (3) adalah faktor penyesuaian tambahan
yang mirip dengan kemiringan ukuran yang dapat berubah
selama runtun waktu tersebut.
bt= 𝟐
𝒌−𝟏 (Mt - M´t) … … (3)
Akhirnya (4) persamaan ini digunakan untuk membuat
ramalan periode di masa depan.
Ŷt+p = αt + btp … … … (4)
-
55
Dengan:
k = jumlah periode dalam Moving Average
p = jumlah periode peramalan untuk masa mendatang
e) Metode Penghalusan Eksponensial (Exponential Smoothing
Method)
ExponentialSmoothing adalah metode peramalan pergerakan rata-
rata bobot lainnya atau suatu tipe teknik peramalan rata-rata
bergerak yang melakukan penimbangan dan memberikan bobot
eksponensial menurun terhadap observasi yang lebih
lama.Pemulusan eksponensial merupakan prosedur untuk terus
merevisi ramalan dalam pengamatan yang lebih baru dan juga
merupakan prosedur perbaikan terus menerus pada peramalan
terhadap objek pengamatan terbaru (Markidakis, 1999:63)).
Metode pemulusan eksponensial merupakan pendekatan yang
relatif sederhana namun kuat untuk peramalan. Salah satu ide dasar
model smoothingadalah untuk membangun perkiraan nilai masa
depan sebagai rata-rata tertimbang dari pengamatan masa lalu
dengan pengamatan yang lebih baru dengan nilai bobot yang lebih
besar dalam menentukan perkiraan dari pengamatan di masa lalu
yang lebih jauh. Tidak hanya itu, mereka dengan secara luas dapat
digunakan dalam bisnis untuk peramalan permintaan untuk
persediaan (Gardner dalam Jonnius, 2016:19).
Aplikasi pemulusan eksponensial untuk meramalkan data time
seriesbiasanya bergantung pada tiga metode dasar yaitu, pemulusan
eksponensial sederhana, trend dikoreksi pemulusan eksponensial
-
56
dan variasi musiman tersebut. Pendekatan umum untuk memilih
metode yang tepat untuk seri waktu tertentu didasarkan pada validasi
prediksi pada bagian yang dipotong dari sampel menggunakan
kriteria seperti kesalahan persentase rata-rata mutlak.Pendekatan
kedua adalah dengan mengandalkan kasus umum yang paling tepat
dari tiga metode.Untuk seri tahunan ini trend dikoreksi pemulusan
eksponensial, untuk seri sub-tahunan itu adalah adaptasi musiman
trend dikoreksi pemulusan eksponensial.Dasar pemikiran untuk
pendekatan ini adalah bahwa metode umum secara otomatis runtuh
dengan rekan-rekan ketika kondisi yang bersangkutan berkaitan
dalam data.Pendekatan ketiga dapat didasarkan pada kriteria
informasi bila metode kemungkinan maksimum yang digunakan
dalam hubungannya dengan pemulusan eksponensial untuk
memperkirakan parameter smoothing(Billah, et.al 2005).
Exponential Smoothingmerupakan sebuah prosedur dari
peramalan yang ditinjau kembali secara kontinyu.Hal ini
menunjukkan adanya penurunan beban-beban secara eksponensial
seiring dengan semakin lamanya sebuah observasi. Dengan kata
lain, observasi saat ini diberi nilai beban lebih besar daripada
observasi-observasi sebelumnya (Bagus, et.al. 2009). Metode
Exponential Smoothing meliputi metode-metode berikut ini:
3. Metode Single Exponential Smoothing
Metode pemulusan eksponensial tunggal tidak cukup baik
diterapkan jika datanya bersifat tidak stasioner, karena
-
57
persamaan yang digunakan dalam metode eksponensial tunggal
tidak terdapat prosedur pemulusan pengaruh trend yang
mengakibatkan data tidak stasioner menjadi data tetap tidak
stasioner, tetapi metode ini merupakan dasar bagi metode-
metode pemulusan eksponensial lainnya (Markidakis, Wheelright
dan McGee, 1992).
Exponential Smoothing secara terus menerus
mempertimbangkan kembali suatu perkiraan yang dipandang dari
data sebelumnya.Metode Exponential Smoothing berdasarkan
pada pemuusan nilai-nilai sebelumnya di dalam suatu
eksponensial yang menurun. Data masa lalu dimuluskan dengan
cara melakukan pembobotan menurun secara eksponensial
terhadap nilai pengamatan yang lebih lama, atau nilai yang lebih
baru diberikaan bobot yang relative lebih besar disbanding nilai
pengamatan yang lebih lama.
Dalam suatu penyajian Exponential Smoothing, peramalan
baru (pada saat t+1) dapat dianggap sebagai jumlahan dari
pengamatan yang baru (pada waktu t) dan peramalan yang
sebelumnya (untuk waktu t).Besarnya α (dimana 0 < α < 1)
diberikan pada nilai pengamatan yang baru saja diamati, dan
besar (1-α) diberikan pada peramalan yang sebelumnya.
Peramalan Baru = [α x (pengamatan baru] + [(1-α) x (peramalan
sebelumnya)]
• Pengamatan terakhir memiliki nilai α yang paling besar,
yaitu 0 < α < 1
-
58
• Pengamatan satu periode sebelumnya memiliki konstanta
smoothing yang lebih kecil, yaitu α (1-α)
• Pengamatan dua periode sebelumnya akan lebih kecil
lagi, yaitu α (1-α)2 dan begitu seterusnya
Ŷt+1 = α𝜸t + (1 – α) Ŷt
Dimana:
Ŷt+1 = nilai pemulusan berikutnya atau nilai peramalan
untuk periode berikutnya
α = konstanta pemulusan
Yt = pengamatan baru atau nilai sebelumnya pada
periode t
Ŷt = nilai pemulusan sebelumnya atau peramalan untuk
periode t
4. Metode Double Exponential Smoothing (Holt’s)
Merupakan pengembangan dari metode Exponential
Smoothing, yaitu:
Ŷt+p= Lt + pTt
Dengan
Lt = α𝛾t + (1 – α)( Lt-1 + Tt-1)
Tt = β(Lt – Lt-1) + (1 – β)Tt-1
Dimana
Lt = nilai penghalusan (smoothing) pada periode ke t
α = konstanta penghalusan (smoothing) untuk level yang
nilainya 0 < α
-
59
Β = konstanta penghalusan (smoothing) untuk estimasi trend
yang nilainya 0 < β < 1
Tt = estimasi trend
P = periode waktu ke depan untuk yang akan diramalkan
nilainya
Ŷt+p = nilai peramalan pada p periode yang akan datang
3. Evaluasi Metode / Teknik Peramalan
Tingkat kesalahan ramalan memberikan ukuran ketepatan dan
ukuran untuk membandingkan metode-metode alternif yang mungkin
digunakan (Yamit dalam Rachman, 2008: 2013). Beberapa metode lebih
ditentukan untuk meringkas kesalahan (error) yang dihasilkan oleh fakta
(keterangan) pada teknik peramalan. Sebagian besar dari pengukuran
ini melibatkan rata-rata beberapa fungsi dari perbedaan antara nilai
actual dan nilai peramalannya.Perbedaan antara nilai observasi dan nilai
ramalan ini sering dimaksud sebagai residual. Berikut persamaan untuk
menghitung error suatu peramalan, yaitu:
1. Mean Absolute Deviation (MAD) mengukur ketetapan ramalan
dengan merata-rata kesalahan dengan (nilai absolut masing-masing
kesalahan). MAD paling berguna ketika orang yang menganalisa
ingin mengukur kesalahan ramalan dalam unit yang