BAB II KAJIAN PUSTAKA
B. Studi Peristiwa
5. Sruktur Studi Peristiwa
Struktur studi peristiwa menunjukkan bentuk dari studi peristiwanya. Struktur studi peristiwa terdiri dari periode jendela (window
period) yaitu periode terjadinya peristiwa dan pengaruhnya, dan periode
a. Periode Jendela
Periode jendela (window periode) atau jendela peristiwa (event
window atau perioda peristiwa (event period) merupakan periode
terjadinya peristiwa dan pengaruhnya.
Periode Jendela
t1 t0 t2 Gambar 2.1
periode jendela atau periode peristiwa atau jendela peristiwa
Disebut dengan jendela karena seperti halnya jendela rumah, suatu peristiwa yang sedang terjadi dan efek dari peristiwa dapat diamati lewat jendela yang ada. Perioda jendela harus sependek mungkin. Beberapa penelitian menunjukkan, tergantung dari peristiwanya, perioda jendela yang pendek lebih mampu menangkap efek signifikan dari peristiwanya (Ryngaert dan Netter, 1990) (dikutip dalam Hartono, 2010). Penelitian Dann, Mayers dan Raab (1997) (dikutip dalam Hartono, 2010) misalnya menemukan bahwa pasar bereaksi dalam waktu 15 menit dari peristiwa pengumuman informasi spesifik perusahaan. Penelitian Mitchell dan Netter (1989) (dikutip dalam Hartono, 2010) menunjukkan bahwa pasar bereaksi dalam waktu 9- menit dari berita pengusulan aturan pajak federal yang baru. Peristiwa – peristiwa ini menunjukkan perioda jendela yang pendek.
Perioda jendela yang pendek juga mempunyai konsekuensi (Hartono, 2010). Perioda jendela yang terlalu pendek kemungkinan tidak akan dapat menangkap peristiwanya secara utuh. Perioda jendela harus cukup panjang sehingga peristiwa yang terjadi dan efeknya dapat ditangkap di dalam jendela. Jika perioda jendela terlalu pendek, peristiwa yang terjadi memang dapat ditangkap, tetapi pengaruh atau efeknya mungkin tidak dapat ditangkap semuana. Perioda jendela yang terlalu panjang juga tidak baik, karena peristiwa lainnya yang mengganggu dapat tertangkap di jendela. Peristiwa-peristiwa lainnya yang menaganggu disebut dengan peristiwa-peristiwa penganggu (counfounding events). Peristiwa-peristiwa pengganggu ini harus dikeluarkan dari sampel aau pengaruhnya harus diatasi supaya tidak menganggu pengaruh seharus dari peristiwa yang diteliti.
Perioda jendela yang panjang juga dapat bermasalah jika model return ekspektasiannya adalah model pasar (market modal). Dengan model pasar ini, maka α dan β diasumsikan konstan selama perioda jendela. Asumsi ini akan semakin bermasah dengan semakin panjanganya perioda jendela. Oleh karena itu jika memang perioda jendela harus panjang, maka metoda dengan α dan β yang konstan perlu dipertimbangkan.
Panjang dari jendela ini juga bervariasi. Panjang dari jendela yang umum digunakan berkisar 3 hari sampai dengan 250 hari untuk data harian dan 3 bulan samapai dengan 121 bulan untuk data
bulanan. McWilliams dan Siegel (1997) (dikutip dalam Hartono, 2010) mengumpulkan beberapa penelitian studi peristiwa di bidang manajemen dan menemukan panjang jendela yang bervariasi dengan panjang jendela terpendek adalah 3 hari, yaitu 1 hari sebelum peristiwanya, hari peristiwanya, dan sehari setelah peristiwanya yang biasanya ditulis sebagai (-1, +1).
Sebagai contoh adalah jika digunakan data harian dengan panjang perioda jendela selama 7 hari (3 hari sebelum hari peristiwa, 1 hari peristiwa dan 3 hari setelah hari peristiwa) dapat digambarkan sebagai berikut ini
Periode Jendela
-3 0 +3
Gambar 2.2 Periode jendela dengan panjang 7 hari
Di Gambar 2.2 terlihat bahwa hari 0 merupakan hari terjadinya peristiwa. Tujuh hari panjang perioda jendela diambilkan relatif dari tanggal terjadinya peristiwa yaitu mulai dari tiga hari sebelum tanggal peristiwa (hari -3) sampai tiga hari setelah tanggal peristiwa (hari +3). Tujuh hari peristiwa ini dapat juga dikatakan tiga hari sekitar tanggal peristiwa (yaitu tiga hari sebelum, hari peristiwanya dan tiga hari sesudahnya). Umumnya perioda jendela juga melibatkan hari sebelum
tanggal peristiwa untuk mengetahui apakah terjadi kebocoran informasi, yaitu apakah pasar sudah mendengar informasi sebelum informasi itu sendiri diumumkan. Delattre (2007) (dikutip dalam Hartono, 2010) mengusulkan untuk melibatkan hari sebelum tanggal perisitiwa jika pengumuman peristiwa diperoleh dari surat kabar, karena umumnya informasinya sudah diketahui publik di hari-hari sebelumnya.
Periode jendela sebagai perioda pengamatan merupakan perioda di mana nilai-nilai abnormal return akan dihitung. Untuk contoh ini, abnormal return akan dihitung ada hari -3, -2 dan -1 (untuk mengetahi ada tidaknya kebocoran informasi), hari 0 (reaksi pasar pada tanggal pengumuman) dan hari +1, +2 dan +3 (untuk mengetahui kecepatan reaksi pasar) (Hartono, 2010).
b. Periode Estimasi
Periode estimasi (estimation period) umumnya merupakan perioda sebelum perioda peristiwa walupun beberapa penelitian menggunakan perioda estimasi dalam perioda jendela bahkan setelah perioda jendela. Periode estimasi (estimation period) dan periode peristiwa (event period) dapat dilihat di gambar 2.3
t3 t4 t1 t0 t2
Gambar 2.3 Periode estimasi dan perioda peristiwa
Di gambar 2.3, t3 sampai dengan t4 merupakan panjang perioda estimasi, t1 sampai dengan t2 merupakan panjang perioda jendela dan t0 merupakan saat terjadinya peristiwa. Dalam contoh ini, perioda estimasi dibuat sebelum perioda peristiwanya. Sebagai contoh adalah jika digunakan data harian dengan panjang perioda jendela selama 7 hari (3 hari sebelum hari peristiwa, 1 hari peristiwa dan 3 hari setelah hari peristiwa) dan panjang perioda estimasi selama 200 hari, maka dapat digambarkan seperti tampak di Gambar 2.4 berikut ini.
Periode Estimasi Periode Jendela
-203 -4 -3 0 +3
Gambar 2.4
Contoh panjang perioda estimasi dan panjang perioda jendela untuk data harian
Panjangnya perioda estimasi selama 200 hari ditunjukkan di Gambar 2.4 mulai dari hari -4 sampai hari -203. Tidak ada patokan untuk lamanya panjang perioda estimasi ini. Panjang perioda estimasi yang umum digunakan adalah berkisar dari 100 hari sampai dengan 250 hari atau selama setahun untuk hari-hari perdagangan dikurangi dengan lamanya perioda jendela untuk data harian dan berkisar dari 24 sampai dengan 60 bulan untuk data bulanan (Hartono, 2010).
c. Proses Studi Peristiwa
Proses studi peristiwa menunjukkan tahapan-tahapan atau langkah-langkah untuk melakukan suatu studi peristiwa. Secara umum, studi peristiwa mempunyai tahapan-tahapan sebagai berikut ini. (Hartono, 2010).
1) Menentukan peristiwa yang akan diteliti yang akan dilihat reaksi pasarnya.
Peristiwa-peristiwa ini misalnya pengumuman laba, pengumuman dividen, peledakan bom dan lain sebagainya.
2) Mengidentifikasi peristiwa dan tanggal terjadinya peristiwa
Setelah peristiwa yang akan diteliti telah ditentukan, maka tahap berikutnya adalah mengidentifikasikan kapan peristiwa tersebut terjadi. Tanggal terjadinya peristiwa bisa dilihat dalam perioda harian, mingguan atau bulanan. Tanggal terjadinya perisitiwa dapat sama untuk semua perusahaan ataupun berbeda-beda untuk perusahaan yang berberbeda-beda.
3) Menentukan panjang dari jendela
Panjang dari jendela tergantung dari peristiwanya, Jika pasar diperikirakan akan bereaksi cukup lama terhadap peristiwanya, maka panjang jendela peristiwa perlu dibuat lebar. Jendela peristwa harus cukup panjang untuk dapat menangkap reaksi dari peristiwanya tetapi tidak boleh terlalu lebar supaya tidak terpengaruh oleh peristiwa-peristiwa pengganggu.
4) Mengeluarkan peristiwa-peristiwa pengganggu,
Peristiwa-peristiwa pengganggu (confounding event) dapat menyebabkan studi peristiwa menjadi bias karena hasil yang terjadi tercampur dengan efek dari peristiwa-peristiwa pengganggu. Oleh karena itu peristiwa-peristiwa penggangu harus dikeluarkan dari sampel atau efeknya harus dapat diatasi.
5) Menentukan model return normal
Return taknormal yang merupakan reaksi dari pasar adalah
selisih dari return sesungguhnya dikurangi dengan return normal.
Return normal merupakan return jika peristiwa yang diteliti tidak
terjadi. Beberapa model dapat digunakan untuk menghitung return normal. Karena return normal harus diekspektasi, maka return normal disebut juga dengan nama return ekspektasian (expected
return). Peneliti harus memilih model mana yang paling tepat
untuk mengekpektasi return normal. 6) Menentukan panjang perioda estimasi
Beberapa model return normal atau return ekspektasian melibatkan perioda estimasi. Model- model ini misalnya adalah model rerata sesuaian (mean-adjusted model) dan model pasar (market model). Jika model-model ini digunakan, maka panjang dari perioda estimasi perlu ditentukan.
7) Menghitung return taknormal, rerata return taknormal dan rearata kumulatif return taknormal
Return taknormal (abnormal return) untuk masing-masing
sekuritas untuk tiap-tiap waktu (tiap hari atau minggu atau bulan) di perioda peristiwa dapat dihitung dengan mengurangkan return sesungguhnya pada waktu itu dengan return normal (return
ekspektasian). Return taknormal tiap waktu untuk seluruh
sekuritas kemudian dapat direrata menjadi rerata return taknormal. Rerata return taknormal ini merupakan reaksi dari pasar untuk tiap waktunya. Kadang kala rerata return taknormal ini diakumulasikan selama perioda peristiwanya. Akumulasi ini disebut dengan rerata akumulasi return taknormal.
8) Uji signifikansinya secara statistik
Baik rerata return taknormal untuk setiap waktu atau rerata kumulatif return taknormal selama perioda peristiwa perlu diuji signifikansinya secara statistik. Pengujian dapat dilakukan secara pengujian parametrik atau nonparametrik
d. Return Sesungguhnya
Return merupakan hasil yang diperoleh dari investasi. Return
dapat berupa return realisasian yang sudah terjadi atau return ekspektasian yang belum terjadi tetapi yang diharapkan akan terjadi dimasa mendatang. Return realisasian (realized return) merupakan
return yang telah terjadi. Return realisasian dihitung menggunakan
data historis. Return realisasian penting karena digunakan dasar penentuan return ekspektasian (expected return) dan risiko di masa datang. Di kontek studi peristiwa, return realisasian merupakan return sesungguhnya yang terjadi.
Return sesungguhnya dapat berupa return total, relatif return,
logaritma relatif return dan return disesuaikan baik disesuaikan dengan inflasi ataupun disesuaikan dengan nilai tukar mata uang lain. Penelitian studi peristiwa dapat memilih salah satu dari macam-macam perhitungan return sesungguhnya ini (Hartono, 2010).
e. Return Normal
Studi peristiwa menganalisis return taknormal (abnormal
return) dari sekuritas yang mungkin terjadi di sekitar pengumuman
dari suatu peristiwa. Return taknormal (abnormal return) atau return kelebihan (excess return) merupakan return ekspektasian (return yang diharapkan oleh investor). Dengan demikian return taknormal
(abnormal return) adalah selisih antara return sesungguhnya yang terjadi dengan return ekspektasian.
f. Model Return Normal
Untuk menghitung besarnya return normal diperlukan suatu model untuk mengestimasinya. Return normal (normal return) adalah
return yang seharusnya diperoleh jika tidak terjadi peristiwa. Karena
kenyataannya terjadi suatu peristiwa, maka return yang terjadi bukan
return normal lagi, tetapi return total sesungguhnya. Karena return
normal tidak terjadi, maka normal ini perlu diestimasi atau diekspektasi. Return normal diestimasi dengan asumsi seandainya peristiwa tersebut tidak terjadi. Oleh karena itu return normal disebut juga dengan nama return ekspektasian (expected return) atau return estimasian (estimated return).
Beberapa model dapat digunakan untuk menghitung return normal (normal return) atau return ekspektasian (expected return). Model-model yang umum digunakan di penelitian-penelitian untuk menghitung return normal (normal return) atau return ekspektasian (expected return) dapat dikelompokkan ke dalam tiga kategori, yaitu model tanpa sesuaian risiko, model sesuaian risiko, dan model portofolio kontrol (control portofolio model)