Th. Octavianti P. B. F

(1)

ANALISIS FENOMENA JANUARY EFFECT TERHADAP

RETURN PASAR

DI BURSA EFEK INDONESIA

Studi pada Indeks Sektoral di Bursa Efek Indonesia Periode 2001-2008

Skripsi

Diajukan untuk Melengkapi Tugas-tugas dan Memenuhi

Syarat-syarat untuk Mencapai Gelar Sarjana Ekonomi Jurusan Manajemen Fakultas Ekonomi Universitas Sebelas Maret

Disusun oleh :

Th. Octavianti P. B.

F0205145

FAKULTAS EKONOMI

UNIVERSITAS SEBELAS MARET

SURAKARTA

(2)

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Pasar modal merupakan salah satu bagian dari pasar financial yang menjalankan fungsi ekonomi dan fungsi keuangan. Pasar modal dalam menjalankan fungsi ekonomi yaitu dengan mengalokasikan dana secara efisien dari pihak yang memiliki dana kepada pihak yang membutuhkan dana, sedangkan fungsi keuangannya dapat ditunjukkan oleh kemungkinan adanya perolehan imbalan bagi pihak yang memberi dana sesuai dengan karakteristik investasi yang mereka pilih. Pasar modal menjadi salah satu pilihan bagi investor dalam menyalurkan dana yang mereka miliki. Para investor sebelum memutuskan membeli atau menjual saham, mereka tentunya sangat memerlukan tersedianya informasi. Dalam hal ini informasi merupakan sesuatu hal yang sangat penting, karena seorang investor sebelum menginvestasikan dananya di pasar modal dengan cara membeli saham yang diperdagangkan dia harus memahami dan mempercayai semua informasi yang tersedia dan mekanisme perdagangan di pasar modal dapat dipercaya, tidak ada pihak tertentu yang memanipulasi informasi dan perdagangan tersebut.

Informasi diperlukan dalam pengambilan keputusan yang berkaitan dengan pemilihan portofolio investasi yang akan memberikan tingkat keuntungan tertinggi dengan tingkat risiko tertentu. Investor yang rasional

(3)

akan selalu berusaha untuk memperoleh informasi-informasi dan melakukan berbagai analisis untuk mengurangi ketidakpastian dalam investasi atau dengan kata lain untuk mengurangi risiko.

Pasar yang efisien merupakan suatu pasar bursa dimana efek yang diperdagangkan merefleksikan semua informasi yang mungkin terjadi dengan cepat dan akurat. Konsep dari pasar yang efisien ini menyatakan bahwa investor selalu memasukkan faktor informasi yang tersedia dalam keputusan mereka, sehingga terefleksi pada harga yang mereka transaksikan. Jadi harga yang berlaku di pasar sudah mengandung faktor informasi tersebut.

Hipotesis pasar yang efisien atau efficient market hyphotesis sampai saat ini masih menjadi perdebatan yng menarik, karena masih ada pro dan kontra dikalangan praktisi dan akademisi bidang keuangan tentang hipotesis tersebut. Hipotesis pasar yang efisien ini pertama kali dikemukakan oleh Fama (1970) yang mengklasifikasikan efisiensi pasar dalam tiga bentuk yaitu pasar efisien dalam bentuk lemah (weak form), efisien dalam bentuk setengah kuat (seni-strong form) dan efisien dalam bentuk kuat ((seni-strong form). Kemudian pada tahun 1991, klasifikasi ini disempurnakan oleh Fama, efisiensi bentuk lemah disempurnakan menjadi suatu klasifikasi yang lebih bersifat umum untuk menguji prediktabilitas return (return predictability), efisiensi bentuk setengah kuat diubah menjadi event studies dan pengujian efisiensi pasar dalam bentuk kuat disebut sebagai pengujian private information.

Perdebatan mengenai hipotesis pasar yang efisien memunculkan beberapa penelitian yang mengemukakan bahwa telah terjadi adanya anomali

(4)

pasar yang merupakan bentuk penyimpangan terhadap hipotesis pasar yang efisien (Francis, 2002).

Dari beberapa penelitian pada bursa efek di negara maju terdapat beberapa fenomena ketidaknormalan (anomali) yang tidak sejalan dengan hipotesis pasar yang efisien, diantaranya adalah (Elton & Gruber 1995) :

 Size Effect, yaitu perusahaan yang nilai total sahamnya rendah cenderung menunjukkan return yang lebih tinggi dibanding perusahaan dengan nilai total saham tinggi.

 Price to Earnings Ratio Anomaly, saham yang dijual dengan ratio Price Earning rendah akan lebih tinggi abnormal returnnya.

 January Effect, kecenderungan return tinggi di bulan Januari.

Banyak literatur dalam bidang keuangan yang memusatkan pembahasan pada seasonal anomaly (anomali musiman) atau calendar effect (efek kalender) pada pasar finansial. Anomali tersebut melanggar hipotesis mengenai efiensi pasar bentuk lemah disebabkan adanya return yang tidak random, tetapi dapat diprediksi berdasarkan pengaruh kalender tertentu (Husnan, 1994). Padahal pada pasar yang efisien, seharusnya tidak akan muncul suatu pola pergerakan harga yang bersifat konstan dan bisa dimanfaatkan untuk mendapatkan abnormal return (Jones,1994).

Salah satu anomali musiman yang pernah dianalisis yaitu January effect. Anomali ini telah menjadi subyek pada berbagai studi yang mendeteksi bukti secara empiris mengenai abnormal return. Adanya harapan untuk mendapatkan abnormal return dengan cara mengkombinasikan dan

(5)

menganalisa informasi, atau dalam penentuan informasi yang tidak terjadi di pasar menjadi salah satu alasan terjadinya anomali tersebut.

Rozeff and Kinney (1976) mendokumentasikan “January effect”, penelitian empiris mengenai return sekuritas yaitu secara signifikan tertinggi pada Januari dibanding dengan sebelas bulan lainnya.

Manajemen pajak investor memungkinkan lebih intuitif dan penjelasan yang dapat diterima untuk January effect, meskipun pendukung empirisnya beragam (Branch 1977; Brown et al. 1983; Dyl 1977; Fountas and Segredakis 2002; Reinganum 1983).

Pengamatan secara internasional terhadap beberapa bursa di negara maju dilakukan oleh Gueltekin dan Gultekin (1983). Mereka menggunakan data indeks bursa yang berasal dari Capital Internasional Perspective (CIP). Untuk meneliti adanya pola musiman pada bursa tersebut digunakan metode non-parametrik dengan memakai Kruskal dan Mallis test. Ujin K-W ini untuk menentukan apakah rata-rata return setiap bulannya adalah identik atau tidak. Mereka menemukan bukti adanya pola musiman pada sebagian besar bursa dari negara-negara industri tersebut.

Pada bursa efek London (Reinganum & Saphiro, 1987) ditemukan return saham yang cenderung tinggi pada bulan Januari dan April setelah ditemukannya pajak terhadap capital gain. Penelitian tersebut dilakukan dengan membentuk portfolio dari return serangkaian saham sebagai proksi dari indeks pasar. Periode penelitian dibagi antara sebelum dan sesudah ditetapkannya pajak terhadap capital gain pada tahun 1965. Di bursa efek

(6)

Australia juga ditemukan terjadinya pola musiman (Seasonality Effect), (Officer, 1974).

Keim (1983) menguji gabungan efek “small firm/January effect” dengan menggunakan return saham untuk periode 1963-1979. Dia menemukan bahwa return bulan Januari untuk perusahaan kecil adalah lebih besar dibanding bulan lainnya; return bulan Januari mengalami penurunan secara monoton dengan ukuran perusahaan; dan return bulan Februari sampai Desember adalah relatif sama untuk semua ukuran perusahaan.

Penelitian oleh Dongcheol Kim (2006) mengamati tentang informasi risiko tidak pasti dan January effect. Mereka menggunakan two-factor model (market risk & common risk factor) dan mengambil data sample perusahaan yang terdaftar di NYSE dan AMEX periode 1972-2003 yang kemudian dirangkum dalam portfolio. Menggunakan model risiko faktor time series, residual returns, dan FESTD factor mereka menemukan adanya significant improvement menjelaskan January effect, bentuk sistematik dari return residual diantara ukuran perusahaan, menghilang. Ditemukan juga bahwa FESTD, sebuah proksi untuk risiko volatilitas, kualitas earnings dan spekulasi, menjelaskan return Januari mengindikasikan bahwa Januari berpotensi menjadi bulan yang berkualitas rendah atau saat saham spekulatif.

Penelitian pada NYSE, AMEX, dan NASDAQ tentang penurunan efek dari Januari dilakukan oleh Easterday, Sen, dan Stephan (2006) menemukan bahwa memang terdapat sedikit penurunan pada January Effect, pelaku pasar sudah mempelajari anomali ini dan jarang bisa mendapat abnormal return

(7)

darinya. Tetapi menurut penelitian ditemukan masih terdapat January Effect di NASDAQ, dengan return dan firm size yang saling berhubungan dalam arah yang diekspektasikan. Sedangkan perbedaan kekuatan dari return di bulan Januari antara NYSE, AMEX, dan NASDAQ ini dipengaruhi oleh firm size.

Aktham Maghayereh (2003) melakukan penelitian tentang anomali musiman di Amman Stock Exchange (ASE) menemukan bahwa ternyata di ASE investor tidak dapat memanfaatkan informasi untuk mendapatkan abnormal return. Jadi tidak ditemukan adanya efek anomali musiman dan January Effect di ASE. Meskipun begitu ASE juga tidak bisa disebut sudah efisien dalam bentuk weak form, karena absen dari perbedaan signifikan dari return bulanan.

Untuk Bursa Efek Indonesia sendiri penelitian tentang market seasonality sudah dilakukan oleh Chang dan Rhee (1994). Penelitian ini menggunakan regresi variabel dummy dengan data yang berasal dari pengamatan return harian periode September 1992 – Februari 1994. Mereka menemukan adanya kecenderungan return yang tinggi pada bulan Agustus sebesar 0.34% dan Desember 0.54%. Hasil tersebut menunjukan adanya penyimpangan dari pengertian pasar yang efisien dalam bentuk lemah.

Dari serangkaian penelitian di atas menunjukkan adanya pola musiman yang berbeda di berbagai negara dimana sebagian besar return cenderung lebih tinggi di bulan Januari. Semua penelitian tersebut menunjukkan adanya pola yang tidak sesuai dengan pengertian pasar efisien dalam bentuk lemah. Karena jika investor atau spekulan mengetahui adanya pola musiman tersebut,

(8)

mereka tentu akan memanfaatkannya untuk mendapatkan abnormal return. Jika sebagian besar investor melakukan strategi tersebut maka akan menghilangkan secara efektif pola musiman tersebut, sehingga return bulanan saham akan berfluktuasi secara acak.

Dari keseluruhan penelitian di atas, belum ada yang menjelaskan pengaruh pola musiman, terutama January Effect pada indeks sektoral di Bursa Efek Indonesia. Karena itu penelitian ini mengambil judul ”ANALISIS FENOMENA JANUARY EFFECT TERHADAP RETURN PASAR DI BURSA EFEK INDONESIA, Studi pada Indeks Sektoral di Bursa Efek Indonesia Periode 2001-2008”.

B. Rumusan Masalah

Berdasarkan uraian dari latar belakang masalah diatas, maka permasalahan dapat dirumuskan sebagai berikut :

1. Apakah terdapat fenomena January Effect pada setiap sektor indeks sektoral di Bursa Efek Indonesia?

C. Tujuan Penelitian

Menurut uraian dari rumusan masalah yang telah dikemukakan di atas, maka penelitian ini bertujuan:

1. Untuk mengetahui ada tidaknya fenomena January Effect pada setiap sektor indeks sektoral di Bursa Efek Indonesia.

(9)

D. Manfaat Penelitian

1. Bagi investor penelitian ini dapat digunakan sebagai acuan dalam menentukan investasi yang akan dipilih dengan pertimbangan adanya January Effect terutama pada setiap sektor indeks sektoral di Bursa Efek Indonesia, yang merupakan anomali pasar dari hipotesis efisiensi pasar modal dalam bentuk lemah.

2. Bagi praktisi dan akademis dapat memberikan gambaran yang jelas mengenai teori dan fakta yang ada tentang efisiensi pasar modal beserta anomalinya. Selain itu, untuk mengetahui pola pergerakan return pasar pada setiap sector indeks sektoral di Bursa Efek Indonesia dan apakah hasil penelitian ini mendukung hasil penelitian-penelitian sebelumnya tentang January Effect serta penerapannya di Bursa Efek Indonesia.

(10)

BAB II

LANDASAN TEORI

A. Konsep Efisiensi Pasar Modal

Konsep efisiensi pasar modal merupakan produk sampingan penemuan yang kebetulan yang diawali hasil penelitian yang dilakukan oleh seorang ahli statistik bernama Maurice Kendall pada tahun 1953. Penelitian yang dilakukan oleh Kendall menunjukan bahwa tidak didapatkan siklus perubahan harga yang reguler dari komoditi yang diamati. Harga seolah-olah “berkelana” tidak menentu. Dari penelitian tersebut ditemukan bahwa telah terjadi pergerakan saham yang tidak mengikuti suatu pola tertentu atau disebut dengan random walk (Foster, 1986). Harga-harga saham tersebut berubah secara tidak menentu, naik atau turun setiap harinya tanpa dipengaruhi oleh harga saham di hari sebelumnya. Apabila perubahan harga saham memang mengikuti pola random walk, maka perubahan harga di waktu yang lalu tidak bisa dipergunakan untuk memperkirakan perubahan harga di masa yang akan datang. Dengan demikian pengetahuan tentang harga saham di masa lalu menjadi tidak berarti karena tidak dapat lagi digunakan oleh investor untuk memperoleh abnormal return.

Fluktuasi harga saham tersebut mengindikasikan terjadinya efisiensi pasar dimana pasar modal yang sangat efisien, semua informasi yang ada baik fundamental maupun tentang perekonomian makro akan tercermin dalam harga saham-sahamnya dan demikian sebaliknya.

(11)

Richard (1975) dalam Fabozzi (1999) membedakan pengertian efisiensi pasar modal menjadi dua yakni efisiensi internal dan efisiensi eksternal. Efisiensi eksternal menunjukan bahwa pasar berada dalam keadaan keseimbangan sehingga keputusan perdagangan saham berdasarkan atas informasi yang tersedia tidak bisa memberikan keuntungan di atas tingkat keuntungan keseimbangan. Efisiensi internal menunjukan bahwa pasar modal tersebut bukan hanya memberikan harga yang “benar”, namun juga memberikan berbagai jasa yang diperlukan oleh para pembeli dan penjual dengan biaya serendah mungkin.

Menurut Nursiam dan Puteranto (2004) ada jenis lain dari pengertian efisiensi pasar disamping internal dan eksternal efisiensi yaitu alokasional efisiensi, dimana pasar dikatakan efisien apabila pasar modal dapat melaksanakan alokasi dana secara efisien sehingga rate of return yang sudah disesuaikan dengan tingkatrisiko marginal sama bagi penabung dan investor.

Alasan-alasan pasar efisien: (Jogiyanto,2000)

a. Investor adalah penerima harga (price takers), yang berarti bahwa sebagai pelaku pasar, investor seorang diri tidak dapat mempengaruhi harga dari suatu sekuritas.

b. Informasi tersedia secara luas kepada pelaku pasar pada saat yang bersamaan dan harga untuk memperoleh informasi tersebut murah. Alasan-alasan pasar tidak efisien: (Jogiyanto,2000 : 376)

a. Terdapat sejumlah kecil pelaku pasar yang dapat mempengaruhi harga dari sekuritas.

(12)

b. Harga dari informasi adalah mahal dan terdapar akses tidak seragam antara pelaku pasar yang satu dengan yang lainnya terhadap suatu informasi yang sama.

c. Informasi yang disebarkan dapat diprediksi dengan baik oleh sebagian pelaku-pelaku pasar.

B. Bentuk-bentuk Efisiensi Pasar Modal

Tingkatan efisiensi pasar modal dihubungkan dengan relevansi antara berbagai tipe informasi yang dianggap relevan oleh pasar dengan perubahan harga sebagai konsekuensi munculnya informasi tersebut. Atas dasar tersebut maka bentuk pasar modal efisien dapat dikelompokkan menjadi 3 tingkatan (Jones, 1999). Pada gambar 2.1. terlihat hubungan antara masing-masing bentuk efisiensi pasar dan informasi yang dicerminkan pada masing-masing bentuk efisiensi pasar.

Strong Form (seluruh informasi) Semi-Strong Form (informasi publik) Weak Form (Data pasar) Gambar 2.1.

(13)

Bentuk-bentuk dari Efisiensi Pasar dan Informasi yang terdapat di dalamnya:

a. Efisien dalam bentuk lemah (weak form).

Pasar dikatakan efisien dalam bentuk lemah jika harga-harga dari sekuritas tercermin penuh (fully reflect) informasi masa lalu/informasi yang sudah terjadi. Bentuk efisiensi pasar secara lemah berkaitan dengan teori langkah acak (random walk theory), yang menyatakan bahwa data masa lalu tidak berhubungan dengan nilai sekarang dan tidak dapat digunakan untuk memprediksi harga sekarang. Ini berarti bahwa untuk pasar efisien bentuk lemah, investor tidak dapat menggunakan informasi masa lalu untuk mendapatkan keuntungan yang tidak normal (abnormal return). Implikasinya adalah bahwa investor tidak akan bisa memprediksi harga saham di masa mendatang dengan menggunakan data historis, seperti yang dilakukan analisis teknikal.

b. Efisien dalam bentuk setengah kuat (semistrong form).

Pasar dikatakan efisien dalam bentuk setengah kuat jika harga-harga sekuritas secara penuh mencerminkan semua informasi yang dipublikasikan (all publicly available information) termasuk informasi yang berada di laporan-laporan keuangan perusahan emiten. Informasi yang dipublikasikan dapat berupa sebagai berikut:

1) Informasi yang dipublikasikan hanya mempengaruhi harga sekuritas dari perusahaan yang mempublikasikan informasi tersebut. Contohnya: pengumuman laba, pengumuman pembagian deviden, pengumuman

(14)

merger dan akuisisi, penerbitan saham baru, pengumuman stock split dan kesulitan keuangan yang dialami perusahaan.

2) Informasi yang dipublikasikan mempengaruhi harga sekuritas sejumlah perusahaan. Informasi yang dipublikasikan dapat berupa peraturan pemerintah atau peraturan dari regulator yang hanya berdampak pada harga-harga sekuritas perusahaan-perusahaan yang terkena regulasi tersebut. Contohnya: regulasi untuk meningkatkan kebutuhan cadangan yang harus dipenuhi oleh semua bank.

3) Informasi yang dipublikasikan mempengaruhi harga-harga sekuritas semua perusahaan yang terdaftar di pasar saham. Informasi yang dipublikasikan dapat berupa peraturan pemerintah atau peraturan dari regulator yang berdampak ke semua perusahaan emiten. Contohnya: peraturan akuntansi untuk mencantumkan laporan arus kas yang harus dilakukan oleh semua perusahaan.

Jika pasar efisien dalam bentuk setengah kuat, maka tidak ada investor atau grup dari investor yang dapat menggunakan informasi yang dipublikasikan untuk mendapatkan abnormal return dalam jangka waktu yang lama walaupun menggunakan analisis fundamental sekalipun.

c. Efisien dalam bentuk kuat (strong form).

Pasar dikatakan efisien dalam bentuk kuat jika harga-harga sekuritas secara penuh akan melakukan penyesuaian secara cepat terhadap informasi apapun, bahkan informasi yang tidak tersedia bagi semua investor (informasi privat). Salah satu jenis informasi privat adalah jenis informasi

(15)

yang berasal dari orang dalam. Dalam bentuk efisien kuat seperti ini tidak akan ada seorang investor pun yang bisa memperoleh return abnormal.

C. Anomali-anomali dari Efisiensi Pasar Modal

Salah satu fenomena menarik dari penelitian terhadap perilaku return saham adalah ditemukannya penyimpangan dari hipotesis pasar modal efisien. Penyimpangan tersebut dikenal sebagai anomali, karena berlangsung dalam waktu yang lama dan dalam jumlah yang signifikan. Namun demikian, hingga saat ini belum ada penjelasan yang memuaskan mengenai terjadinya anomali pasar di suatu pasar modal negara tertentu tetapi tidak terjadi di pasar modal negara lain. Beberapa anomali yang menarik dari efisiensi pasar diantaranya dijelaskan berikut ini :

a. Size effect (efek ukuran perusahaan)

Banyak literatur yang menyarankan bahwa perusahaan dengan skala kecil memberikan return yang lebih tinggi dibandingkan dengan perusahaan yang berskala besar di pasar modal.

b. Rendahnya rasio P/E

Beberapa investor percaya bahwa rendahnya rasio P/E dapat memberikan return yang tinggi, dibanding jika rasio P/E tinggi. Terlebih, jika pada pasar yang efisien, hubungan antara return dengan P/E dipastikan tidak ada. Walaupun penyesuaian pada risiko yang berbeda telah dilakukan.

(16)

c. Market Seasonality (efek pasar musiman )

Penelitian terhadap perilaku return bulanan menunjukan adanya kecenderungan return yang tinggi secara konsisten pada bulan tertentu (market seasonality). Hasil tersebut tidak konsisten dengan pengertian efisiensi pasar bentuk lemah dimana harga saham mengikuti pola acak (random walk), sehingga tidak ada investor yang dapat secara konsisten memperoleh return yang tinggi berdasar informasi harga di masa yang lalu. d. January Effect

Sebuah kenaikan harga saham secara umum selama bulan Januari. Kenaikan ini biasanya berhubungan dengan meningkatnya pembelian saham, setelah kejatuhan harga saham yang biasa terjadi di bulan Desember di saat para investor menjual sahamnya untuk mengurangi pajak. "January Effect" bisa dikatakan lebih berdampak pada saham berkapitalisasi kecil (small caps), daripada saham berkapitalisasi menengah (mid caps) dan saham berkapitalisasi besar (big caps). Kecenderungan historis ini bisa dikatakan sudah jarang diulas akhir-akhir ini karena sebagian besar pasar sudah menyesuaikan/mengantisipasi-nya. Alasan lain, "January Effect" sekarang ini kurang penting karena sebagian besar investor menggunakan program-program naungan pajak pensiun dan oleh karena itu tidak perlu melakukan penjualan saham diakhir tahun untuk mengurangi pajak.

Berdasarkan Wikipedia "January Effect" (kadang-kadang disebut "year-end effect") adalah pengaruh secara kal"year-ender dimana saham-saham, terutama saham berkapitalisasi kecil, secara historis cenderung naik

(17)

harganya pada periode dimulai dari akhir bulan Desember dan berakhir pada hari bursa kelima pada bulan Januari. Hal ini dipengaruhi oleh penjualan saham di akhir tahun untuk mengurangi pajak, merealisasikan "capital gain", pengaruh dari "Portofolio Window Dressing", atau para investor meng-uang-kan sahamnya untuk liburan. Karena aksi penjualan tersebut, sedangkan tidak ada perubahan yang berarti pada nilai fundamental, para pemburu harga murah (bargain hunter) secepatnya membeli sehingga menyebabkan kenaikan harga di bulan Januari.

Definisi January Effect berdasarkan InvestorWords.com adalah kecenderungan pasar saham untuk naik antara periode akhir Desember hingga akhir pekan awal Januari. "The January Effect" sering terjadi karena banyak investor memilih untuk menjual saham mereka sebelum akhir tahun dalam rangka untuk mengurangi pajak. Saat penghitungan kalender pajak dimulai pada awal Januari para investor ini secepatnya menginvestasikan kembali dana mereka di pasar saham, sehingga menyebabkan kenaikan harga. Meskipun "January Effect" telah seringkali diamati dalam sejarah, masih sukar bagi para investor untuk mengambil keuntungan darinya karena pasar secara keseluruhan mengharapkannya lalu telah menyesuaikan/mengantisipasi harga sebelumnya.

 Penyebab Munculnya January Effect

Hingga kini masih terdapat pertanyaan yang belum bisa dijawab secara memuaskan yaitu mengapa fenomena January effect hanya terjadi di suatu negara tetapi tidak terjadi di pasar modal negara lain. Menurut

(18)

Sharpe (1995), ada tiga penyebab yang memungkinkan terjadinya January effect, yaitu :

a. Tax Loss Selling

Sudah menjadi pendapat umum bila suatu saham perusahaan mempunyai kinerja yang buruk maka akan ada arus yang ingin menjual saham tersebut (tekanan jual), tentunya dengan harga saham yang turun. Pada akhir tahun investor akan mengevaluasi saham-saham dalam portofolionya, yang kecenderungannya adalah menjual saham-saham yang memiliki kinerja yang buruk. Tujuan investor melakukan hal ini adalah untuk memperbaiki kinerja portofolio saham dan investasi yang dimilikinya, dan merealisasikan kerugian saham tersebut dalam kalkulasi akuntansi akhir tahunnya, yang sekaligus bertujuan untuk mengurangi pajak (tax loss selling). Kemudian biasanya di bulan Januari tekana aksi jual hilang, dan harga saham tersebut naik kembali dari harga akhir tahunnya.

b. Window Dressing

Window Dressing tidak jauh berbeda dengan tax loss selling, yaitu terjadinya aksi jual pada saham-saham yang memiliki kinerja buruk di akhir tahun. Perbedaanya adalah hal ini dilakukan oleh manajer keuangan dengan tujuan agar laporan kinerja portofolio saham yang dilaporkanya pada akhir tahun akan tampak bagus kinerjanya. Alsi jual di akhir tahun ini akan mengakibatkan turunnya harga saham tersebut di akhir tahun

(19)

dan harga akan berangsur normal kembali di bulan Januari setelah berakhirnya aksi jual tersebut.

c. Small Stock’s Beta

Ada pendapat para analis keuangan yang menyatakan bahwa pada bulan Januari biasanya saham-saham perusahaan dengan kapitalisasi pasar kecil (small stocks) memiliki risiko yang lebih besar (riskier) daripada bulan-bulan lainnya. Bila pernyataan para analis itu benar maka tentu pada bulan Januari small stocks tersebut akan memiliki rata-rata return yang lebih tinggi daripada periode sebelumnya.

D. Kajian Literatur

Penelitian yang dilakukan pada bursa efek New York (Rozeff & Kinney, 1977; Tinic & West, 1984) menemukan adanya kecenderungan yang tinggi secara konsisten pada bulan Januari, sehingga fenomena tersebut dikenal dengan istilah January Effect atau Turn of the Year Effect. Rozeff dan Kinney meneliti adanya pola musiman dengan menguji trade off antara resiko dan return dengan menggunakan CAPM dua parameter dari Fama dan Machbeth (1973). Mereka menemukan bahwa trade off return terhadap resiko pada bulan Januari lebih besar dibandingkan dengan builan lainnya. Sedangkan Leim (1983) lebih spesifik menemukan adanya porsi yang signifikan dari return perusahaan kecil dilihat dari kapitalisasinya yang terjadi pada minggu pertama bulan Januari.

(20)

Penelitian dengan menggunakan sampel data pada bursa saham London (Reinganum & Shapiro, 1987) menemukan adanya pola musiman dari return pasar. Mereka membagi pengamatan menjadi dua periode sebelum dan sesudah dilaksanakan peraturan pajak terhadap capital gain pada tahun 1965. Untuk mengetahui adanya seasonality diuji dengan menggunakan regresi variabel dummy dengan return dari serangkaian saham sebagai proksi indeks pasar dipakai sebagai variabel dependen. Reinganum dan Shapiro (1987) menemukan adanya kecenderungan yang tinggi pada bulan Januari dan April setelah tahun 1965.

Pengamatan secara Internasional terhadap beberapa bursa di negara maju dilakukan oleh Gueltekin dan Gultekin (1983). Mereka menggunakan data indeks bursa yang berasal dari Capital Internasional Perspective (CIP). Untuk meneliti adanya pola musiman pada bursa tersebut digunakan metode non-parametrik dengan memakai Kruskal dan Mallis test. Ujin K-W ini untuk menentukan apakah rata-rata return setiap bulannya adalah identik atau tidak. Mereka menemukan bukti adanya pola musiman pada sebagian besar bursa dari negara-negara industri tersebut.

Penelitian oleh Dongcheol Kim (2006) mengamati tentang informasi risiko tidak pasti dan January effect. Mereka menggunakan two-factor model (market risk & common risk factor) dan mengambil data sample perusahaan yang terdaftar di NYSE dan AMEX periode 1972-2003 yang kemudian dirangkum dalam portfolio. Menggunakan model risiko faktor time series, residual returns, dan FESTD factor mereka menemukan adanya significant

(21)

improvement menjelaskan January effect, bentuk sistematik dari return residual diantara ukuran perusahaan, menghilang. Ditemukan juga bahwa FESTD, sebuah proksi untuk risiko volatilitas, kualitas earnings dan spekulasi, menjelaskan return Januari mengindikasikan bahwa Januari berpotensi menjadi bulan yang berkualitas rendah atau saat saham spekulatif.

Penelitian pada NYSE, AMEX, dan NASDAQ tentang penurunan efek dari Januari dilakukan oleh Easterday, Sen, dan Stephan (2006) menemukan bahwa memang terdapat sedikit penurunan pada January Effect, pelaku pasar sudah mempelajari anomali ini dan jarang bisa mendapat abnormal return darinya. Tetapi menurut penelitian ditemukan masih terdapat January Effect di NASDAQ, dengan return dan firm size yang saling berhubungan dalam arah yang diekspektasikan. Sedangkan perbedaan kekuatan dari return di bulan Januari antara NYSE, AMEX, dan NASDAQ ini dipengaruhi oleh firm size.

Untuk Bursa Efek Indonesia sendiri penelitian tentang market seasonality sudah dilakukan oleh Chang dan Rhee (1994). Penelitian ini menggunakan regresi variabel dummy dengan data yang berasal dari pengamatan return harian periode September 1992 – Februari 1994. Mereka menemukan adanya kecenderungan return yang tinggi pada bulan Agustus sebesar 0.34% dan Desember 0.54%. Hasil tersebut menunjukan adanya penyimpangan dari pengertian pasar yang efisien dalam bentuk lemah.

Kecenderungan return yang tinggi secara konsisten pada bulan tertentu merupakan bukti empiris adanya anomali dari efisiensi pasar. Karena jika investor mengetahui adanya informasi tersebut, maka mereka dapat

(22)

memanfaatkannya untuk memperoleh keuntungan. Sehingga melalui mekanisme pasar secara efektif akan menghilangkan pola musiman tersebut dan return akan kembali berfluktuasi secara random atau acak.

E. Kerangka Pemikiran

Kerangka Pemikiran dalam penelitian ini adalah sebagai berikut:

Gambar 2.2 Kerangka Pemikiran

Keterangan:

Variabel independen = Variabel dummy pengujian January Effect

Variabel dummy terdiri dari 12 bulan pada pengujian, yaitu bulan Januari, Februari, Maret, April, Mei, Juni, Juli, Agustus, September,

Variabel dummy pengujian January Effect untuk bulan:

Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Return pasar

(23)

Oktober, November, Desember. Pengujian pada masing-masing sektor indeks sektoral, yang terdiri dari 9 sektor, yaitu sektor pertanian, pertambangan, industri dasar, aneka industri, konsumsi, properti, infrastruktur, keuangan, perdagangan dan jasa.

Variabel dependen = Return pasar

F. Hipotesis

H0 : Tidak terdapat fenomena January Effect pada setiap sektor indeks sektoral di Bursa Efek Indonesia.

H1 : Terdapat fenomena January Effect pada setiap sektor indeks sektoral di Bursa Efek Indonesia.

(24)

BAB III

METODE PENELITIAN

A. Ruang Lingkup Penelitian

Metode penelitian merupakan suatu cara kerja untuk dapat memahami obyek yang menjadi sasaran atau tujuan dari penelitian. Metode penelitian yang digunakan dalam penelitian ini adalah survei literatur yang menggunakan data sekunder.

Penelitian ini merupakan penelitian penjelasan dengan tujuan untuk menguji hipotesis yang telah diajukan yaitu mengetahui akibat dari suatu peristiwa. Ruang lingkup penelitian ini yaitu dengan menggunakan indeks saham sektoral yang terdapat di Bursa Efek Indonesia dan menggunakan waktu pengamatan selama periode tahun 2001-2008.

B. Populasi dan Sampel

Populasi mengacu pada keseluruhan kelompok orang, kejadian, hal minat atau obyek yang ingin peneliti investigasi (Sekaran,2006:121). Dalam penelitian ini mengambil populasi indeks saham di Bursa Efek Indonesia.

Sampel merupakan sebagian dari populasi yang karakteristiknya hendak diteliti dan dianggap dapat mewakili keseluruhan populasi (Sekaran,2006:123). Sampel yang digunakan dalam penelitian ini adalah indeks saham sektoral yang terdapat di Bursa Efek Indonesia dengan

(25)

menggunakan proksi indeks sektoral dan waktu pengamatan selama periode tahun 2001-2008.

Indeks Harga Saham Sektoral, menggunakan semua indeks saham yang termasuk dalam masing-masing sektor, misalnya sektor keuangan, pertambangan, dan lain-lain. Di Bursa Efek Indonesia indeks sektoral terbagi atas sembilan sektor yaitu: pertanian, pertambangan, industri dasar, aneka industri, konsumsi, properti, infrastruktur, keuangan, perdagangan dan jasa.

C. Metode Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa harga saham dengan menggunakan data harga saham penutupan bulanan (closing price) setiap sektor indeks sektoral selama periode penelitian. Pengumpulan data dilakukan dengan cara survei literatur, yaitu dengan menggunakan referensi dari Collection of JSX Statistics Quarter, JSX Monthly Statistics dan database yang tersedia di pojok BEJ FE UNS untuk mengetahui harga saham.

D. Pengukuran Variabel

1. Variabel dependen

Variabel dependen dari persamaan-persamaan regresi yang digunakan untuk pengujian hipotesis penelitian ini berupa return pasar indeks sektoral. Adapun perhitungan return pasar menggunakan rumus sebagai berikut:

(26)

Dimana :

Rit = return pasar i pada bulan t

Pt = closing price bulan t pada setiap sektor indeks sektoral Pt-1 = closing price bulan t-1 pada setiap sektor indeks sektoral 2. Variabel Independen

Variabel Independen dari persamaan-persamaan regresi yang digunakan untuk pengujian hipotesis penelitian ini berupa variabel dummy untuk 12 bulan pengujian selama 8 tahun pengujian.

E. Metode Analisis

1. Uji Normalitas Data

Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau tidak. Dalam penelitian ini uji normalitas dilakukan dengan menggunakan model Kolmogrov-Sminov.

2. Uji Hipotesis

Untuk mengetahui ada tidaknya pola musiman January Effect dari return bulanan pada setiap sektor indeks sektoral di BEI digunakan analisis regresi variabel dummy dengan return bulan Januari sebagai kategori dasar. Model ini mengacu dengan model yang dikemukakan oleh Maghayereh (2002) :

(27)

Rt = α+b2M2 +...+ b12M12 + et Dimana :

Rt =return pasar bulan t

α = koefisien bulan Januari sebagai kategori dasar

bt = koefisien variabel dummy yang menunjukkan perbedaan return antara bulan Januari dengan return tiap-tiap bulan yang lain Mt = variabel dummy untuk bulan t, sebagai petunjuk bulan

pengamatan

M1 = 1 untuk bulan Januari = 0 untuk bulan lainnya M12 = 1 untuk bulan Desember

= 0 untuk bulan lainnya et = standar error.

1) Uji t

Uji t adalah uji yang digunakan untuk mengetahui besarnya pengaruh dari masing – masing variabel independen secara parsial terhadap variabel dependen. Penolakan atau penerimaan hipotesis didasarkan pada tingkat signifikan () sebesar 5%. Bila nilai thitung > nilai ttabel, maka H1 diterima dan bila nilai thitung < nilai ttabel, maka H1 ditolak. Atau bila nilai probabilitas (p) > 0,05 maka H1 ditolak dan bila nilai p < 0,05 maka H1 diterima. Jika untuk bulan Januari hasilnya positif dan signifikan sedangkan untuk bulan lain tidak positif dan signifikan, maka dapat disimpulkan terdapat fenomena January Effect pada sektor tersebut. Jika ada salah satu bulan selain bulan Januari

(28)

hasilnya juga positif dan signifikan, maka disimpulkan tidak terdapat fenomena January Effect pada sektor tersebut.

2) Uji F

Uji F digunakan untuk mengetahui apakah variabel independen secara bersama-sama berpengaruh terhadap variabel dependen. Penolakan atau penerimaan hipotesis didasarkan pada tingkat signifikansi () sebesar 5%. Bila nilai Fhitung > nilai Ftabel, maka H1 diterima dan bila nilai Fhitung < nilai Ftabel, maka H1 ditolak. Atau bila nilai probabilitas (p) > 0,05 maka H1 ditolak dan bila nilai p < 0,05 maka H1 diterima.

(29)

B

AB IV

ANALISIS DAN

PEMBAHASAN

A. Analisis Data

Penelitian ini menggunakan populasi dan sampel yaitu indeks harga pasar sektoral yang terdapat di Bursa Efek Indonesia dengan menggunakan proksi indeks sektoral dan waktu pengamatan selama periode 2001-2008. Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa harga pasar dengan menggunakan data harga pasar penutupan bulanan (closing price) indeks sektoral selama periode penelitian.

B. Analisis Uji Normalitas Data Return Pasar

Uji normalitas data bertujuan untuk menguji apakah sampel yang diamati memiliki distribusi normal atau tidak. Dalam penelitian ini uji normalitas dilakukan dengan menggunakan model Kolmogorov-Smirnov. Dengan ketentuan jika p-value yang diperoleh lebih besar dari 0,05 maka data tersebut berdistribusi normal. Hasil uji normalitas untuk setiap sektor dapat diihat pada tabel berikut:

(30)

1. Sektor Pertanian

Tabel IV.1

Hasil Uji Distribusi Normal data Return Pasar

Var Prob. Asymp. Sig. (2-tailed)

Kesimpulan Return 0,05 0,917 Distribusi normal Sumber: Hasil Olahan data (lampiran)

Setelah dilakukan uji pada data return pasar Sektor Pertanian, diperoleh angka signifikansi sebesar 0,917 atau lebih besar dari tingkat signifikansi yang sudah ditentukan (0,05). Dengan demikian dapat disimpulkan bahwa data return pasar tersebut telah terdistribusi normal.

2. Sektor Pertambangan

Tabel IV.2

Setelah dilakukan uji pada data return pasar Sektor Pertambangan, diperoleh angka signifikansi sebesar 0,498 atau lebih besar dari tingkat signifikansi yang sudah ditentukan (0,05). Dengan demikian dapat disimpulkan bahwa data return pasar tersebut telah terdistribusi normal.

3. Sektor Industri Dasar

Tabel IV.3

Kesimpulan Return 0,05 0,507 Distribusi normal

(31)

Setelah dilakukan uji pada data return pasar Sektor Industri Dasar, diperoleh angka signifikansi sebesar 0,507 atau lebih besar dari tingkat signifikansi yang sudah ditentukan (0,05). Dengan demikian dapat disimpulkan bahwa data return pasar tersebut telah terdistribusi normal.

4. Sektor Aneka Industri

Tabel IV.4

Setelah dilakukan uji pada data return pasar Sektor Aneka Industri, diperoleh angka signifikansi sebesar 0,785 atau lebih besar dari tingkat signifikansi yang sudah ditentukan (0,05). Dengan demikian dapat disimpulkan bahwa data return pasar tersebut telah terdistribusi normal.

5. Sektor Konsumsi

Tabel IV.5

Setelah dilakukan uji pada data return pasar Sektor Konsumsi, diperoleh angka signifikansi sebesar 0,527 atau lebih besar dari tingkat signifikansi yang sudah ditentukan (0,05). Dengan demikian dapat

(32)

disimpulkan bahwa data return pasar tersebut telah terdistribusi normal.

6. Sektor Properti

Tabel IV.6

Setelah dilakukan uji pada data return pasar Property Sector, diperoleh angka signifikansi sebesar 0,722 atau lebih besar dari tingkat signifikansi yang sudah ditentukan (0,05). Dengan demikian dapat disimpulkan bahwa data return pasar tersebut telah terdistribusi normal.

7. Sektor Infrastruktur

Tabel IV.7

Setelah dilakukan uji pada data return pasar Sektor Infrastruktur, diperoleh angka signifikansi sebesar 0,864 atau lebih besar dari tingkat signifikansi yang sudah ditentukan (0,05). Dengan demikian dapat disimpulkan bahwa data return pasar tersebut telah terdistribusi normal.

(33)

8. Sektor Keuangan

Tabel IV.8

Setelah dilakukan uji pada data return pasar Sektor Keuangan, diperoleh angka signifikansi sebesar 0,649 atau lebih besar dari tingkat signifikansi yang sudah ditentukan (0,05). Dengan demikian dapat disimpulkan bahwa data return pasar tersebut telah terdistribusi normal.

9. Sektor Perdagangan dan Jasa

Tabel IV.9

Setelah dilakukan uji pada data return pasar Sektor Perdagangan dan Jasa, diperoleh angka signifikansi sebesar 0,524 atau lebih besar dari tingkat signifikansi yang sudah ditentukan (0,05). Dengan demikian dapat disimpulkan bahwa data return pasar tersebut telah terdistribusi normal.

(34)

C. Pengujian Hipotesis

Analisis pengaruh efek bulan Januari dapat dilihat dari pola perubahan return pasar bulanan pada setiap sektor. Model regresi dalam penelitian ini sama dengan yang digunakan oleh Magayereh (2002) yaitu:

Rt = α+b2M2 + b3M3+ b4M4+ b5M5+ b6M6+ b7M7 + b8M8+ b9M9+ b10M10+ b11M11+ b12M12 + et

Hasil regresi variabel dummy ini akan memperoleh koefisien regresi α, b2, b3, b4, b5, b6, b7, b8, b9, b10, b11, b12 . Besar kecilnya koefisien regresi yang signifikan inilah yang pertama kali mengidentifikasikan ada tidaknya January Effect di Bursa Efek Indonesia. Variabel dependen dari persamaan regresi yang digunakan untuk pengujian hipotesis berupa return pasar bulanan dari indeks sektoral. Dari data indeks sektoral diperoleh return pasar bulanan sebanyak 864 data selama periode penelitian. Hipotesis ini akan diuji menggunakan analisis regresi dengan bantuan program computer SPSS versi 11.5.

1. Sektor Pertanian

Tabel IV.10

Hasil Analisis Regresi January Effect terhadap Return Pasar pada Sektor Pertanian

Model R R Square Adjusted R Square Std. Error of the Estimate 1 0,474 0,061 0,062 0,01318690

Sumber: Hasil Olahan data (lampiran)

Pada tabel IV.10 dapat diketahui bahwa angka R sebesar 0,474 menunjukkan bahwa terdapat korelasi antara return pasar dengan dua belas variabel independen (yaitu bulan Januari, Februari, Maret, April,

(35)

Mei, Juni, Juli, Agustus, September, Oktober, November, Desember). Angka koefisien determinasi atau angka adjusted R² adalah 0,062. hal ini berarti 6,2% variasi return pasar dapat dijelaskan oleh variasi dari dua belas bulan. Sedangkan sisanya yaitu sebesar 93,8 % disebabkan oleh hal-hal lainnya. Standart error of the estimate (SEE) sendiri menunjukkan angka 0,01318690. ini dapat diartikan bahwa model regresi yang digunakan sudah tepat karena semakin kecil angka SEE maka model regresi semakin tepat.

Tabel IV.11

Hasil Rata-rata Return Pasar pada Analisis Regresi Sektor Pertanian

Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta 1 (Constant) .029 .047 M2 _.019 _.066 _.041 M3 _-.016 _.066 _-.035 M4 .052 .066 .113 M5 _.012 _.066 _.025 M6 _-.026 _.066 _-.056 M7 _.013 _.066 _.028 M8 -.062 .066 -.134 M9 _-.042 _.066 _-.092 M10 _-.029 _.066 _-.063 M11 _.016 _.066 _.035 M12 _.031 _.066 _.068

Dari tabel IV.11 tersebut di atas dapat dibuat persamaan regresi berdasarkan model yang digunakan dalam penelitian ini sehingga model persamaan tersebut menjadi:

(36)

Rt = 0,029 +0,019 M2 - 0,016 M3 + 0,052 M4 + 0,012M5 - 0,026 M6 + 0,013 M7 - 0,062 M8 - 0,042 M9 - 0,029 M10 + 0,016 M11 + 0,031 M12 + et

Berdasarkan hasil perhitungan yang terdapat pada Tabel IV.11, dapat diartikan:

 Koefisien regresi bulan Januari sebesar 0,029 menyatakan bahwa pada bulan Januari rata-rata return pasar akan naik sebesar 2,9 %.  Koefisien regresi bulan Februari sebesar 0,019 menyatakan bahwa

pada bulan Februari rata-rata return pasar akan naik sebesar 1,9 %.  Koefisien regresi bulan Maret sebesar -0,016 menyatakan bahwa

pada bulan Maret rata-rata return pasar akan turun (karena tanda -) sebesar 1,6%.

 Koefisien regresi bulan April sebesar 0,052 menyatakan bahwa pada bulan April rata-rata return pasar akan naik sebesar 5,2 %.  Koefisien regresi bulan Mei sebesar 0,012 menyatakan bahwa pada

bulan Mei rata-rata return pasar akan naik sebesar 1,2 %.

 Koefisien regresi bulan Juni sebesar -0,026 menyatakan bahwa pada bulan Juni rata-rata return pasar akan turun sebesar 2,6 %.  Koefisien regresi bulan Juli sebesar 0,013 menyatakan bahwa pada

bulan Juli rata-rata return pasar akan naik sebesar 1,3 %.

 Koefisien regresi bulan Agustus sebesar -0,062 menyatakan bahwa pada bulan Agustus rata-rata return pasar akan turun sebesar 6,2%.

(37)

 Koefisien regresi bulan September sebesar -0,042 menyatakan bahwa pada bulan September rata-rata return pasar akan turun sebesar 4,2 %.

 Koefisien regresi bulan Oktober sebesar -0,029 menyatakan bahwa pada bulan Oktober rata-rata return pasar akan turun sebesar 2,9%.  Koefisien regresi bulan November sebesar 0,016 menyatakan

bahwa pada bulan November rata-rata return pasar akan naik sebesar 1,6 %.

 Koefisien regresi bulan Desember sebesar 0,031 menyatakan bahwa pada bulan Desember rata-rata return pasar akan naik sebesar 3,1 %.

a. Uji F

Uji-F digunakan untuk melihat apakah variabel independen secara bersama-sama berpengaruh terhadap variabel dependen. Hipotesis dapat disusun sebagai berikut:

H0 = variabel independen secara bersama-sama tidak mempengaruhi variabel dependen dengan signifikan.

Ha = variabel independen secara bersama-sama mempengaruhi variabel depeden dengan signifikan.

Kriteria keputusan:

 Apabila nilai signifikan > 0,05 maka H0 diterima  Apabila nilai signifikan < 0,05 maka H0 ditolak

(38)

Untuk analisa signifikan model regresi yang diajukan, dapat dilihat hasilnya pada tabel IV.12 berikut ini:

Tabel IV.12 Hasil Uji F test

Model Sum of

Squares df Mean Square F Sig.

1 Regression .095 11 .009 .498 .000(a)

Residual _1.461 ₈₄ _.017

Total 1.556 95

Untuk pengujian secara simultan pengaruh return pasar bulanan terhadap return pasar di Bursa Efek Indonesia dapat dilihat pada tabel IV.12 di atas, sehingga dapat dijelaskan bahwa model regresi mempunyai nilai F-hitung adalah 0,498 dengan tingkat signifikansi 0,000 ; karena tingkat signifikan perhitungan lebih besar daripada tingkat signifikan yang ditetapkan yaitu 0,05, maka H0 diterima atau dapat dikatakan bahwa secara bersama-sama return pasar bulanan tidak berpengaruh terhadap return pasar di Bursa Efek Indonesia.

b. Uji t

Uji t adalah uji yang digunakan untuk mengetahui besarnya pengaruh dari masing-masing variabel independen terhadap variabel dependen. Kemudian disusun hipotesis sebagai berikut:

H0 = tidak ada pengaruh yang signifikan secara parsial dari variabel dummy untuk return pasar bulanan terhadap return pasar di Bursa Efek Indonesia.

(39)

Ha = ada pengaruh yang signifikan secara parsial dari variabel dummy untuk return pasar bulanan terhadap return pasar di Bursa Efek Indonesia.

Kriteria keputusan:

Sebagai rule of thumb hasil regresi yaitu koefisien regresi yang dinyatakan signifikan apabila lebih kecil dari tingkat signifikan pada level 5% dan dinyatakan tidak signifikan jika lebih besar dari tingkat signifikan pada level 5%.

Tabel IV. 13 Hasil Uji-t test

Model Unstandardized Coefficients Standardized Coefficients t Sig. kesimpulan B Std. Error Beta 1 (Constant) _.029 _.047 _.617 _.539 _{Ho diterima} M2 .019 .066 .041 .283 .778 Ho diterima M3 _-.016 _.066 _-.035 _-.243 _.809 _{Ho diterima} M4 .052 .066 .113 .791 .431 Ho diterima M5 _.012 _.066 _.025 _.178 _.859 _{Ho diterima} M6 -.026 .066 -.056 -.391 .697 Ho diterima M7 _.013 _.066 _.028 _.197 _.844 _{Ho diterima} M8 -.062 .066 -.134 -.938 .351 Ho diterima M9 _-.042 _.066 _-.092 _-.641 _.523 _{Ho diterima} M10 -.029 .066 -.063 -.441 .661 Ho diterima M11 _.016 _.066 _.035 _.241 _.810 _{Ho diterima} M12 .031 .066 .068 .476 .636 Ho diterima

Dari tabel IV.13 hasil yang dapat dilihat adalah bahwa pada kolom signifikan diatas, dimana return tertinggi terjadi pada bulan April sedangkan return terendah dan negatif terjadi pada bulan Agustus.

(40)

Hasil penelitian ini mengindikasikan untuk keseluruhan periode pengamatan, return bulan Januari sampai dengan Desember tidak mempunyai pengaruh terhadap return pasar. Untuk keseluruhan observasi, January effect tidak teridentifikasi atau tidak terjadi, karena return tertinggi terjadi bukan pada bulan Januari, melainkan pada bulan April.

2. Sektor Pertambangan

Tabel IV.14

Hasil Analisis Regresi January Effect terhadap Return Pasar pada Sektor Pertambangan

Pada tabel IV.14 dapat diketahui bahwa angka R sebesar 0,342 menunjukkan bahwa terdapat korelasi antara return pasar dengan dua belas variabel independen (yaitu bulan Januari, Februari, Maret, April, Mei, Juni, Juli, Agustus, September, Oktober, November, Desember). Angka koefisien determinasi atau angka adjusted R² adalah 0,073. hal ini berarti 7,3% variasi return pasar dapat dijelaskan oleh variasi dari dua belas bulan. Sedangkan sisanya yaitu sebesar 92,7 % disebabkan oleh hal-hal lainnya. Standart error of the estimate (SEE) sendiri menunjukkan angka 0,0848527 ini dapat diartikan bahwa model regresi yang digunakan sudah tepat karena semakin kecil angka SEE maka model regresi semakin tepat.

(41)

Tabel IV.15

Hasil Rata-rata Return Pasar pada Analisis Regresi Sektor Pertambangan Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta 1 (Constant) _.038 _.306 M2 .029 .432 .009 M3 _-.048 _.432 _-.015 M4 -.026 .432 -.008 M5 -.015 .432 -.005 M6 _.005 _.432 _.002 M7 _-.027 _.432 _-.009 M8 -.052 .432 -.017 M9 _-.113 _.432 _-.036 M10 .034 .432 .332 M11 _-.026 _.432 _-.008 M12 .091 .432 .029

Sumber: Hasil Olahan data (lampiran)

Dari tabel IV.15 tersebut di atas dapat dibuat persamaan regresi berasarkan model yang digunakan dalam penelitian ini sehingga model persamaan tersebut menjadi:

Rt = 0,038 +0,29 M2 - 0,048 M3 - 0,026 M4 - 0,015M5 + 0,005 M6 - 0,027 M7 - 0,052 M8 - 0,113 M9 + 0,034 M10 - 0,026 M11 + 0,091 M12 + et Berdasarkan hasil perhitungan yang terdapat pada Tabel IV.15, dapat diartikan:

 Koefisien regresi bulan Januari sebesar 0,038 menyatakan bahwa pada bulan Januari rata-rata return pasar akan naik sebesar 3,8 %.  Koefisien regresi bulan Februari sebesar 0,29 menyatakan bahwa

(42)

 Koefisien regresi bulan Maret sebesar -0,048 menyatakan bahwa pada bulan Maret rata-rata return pasar akan turun (karena tanda -) sebesar 4,8% .

 Koefisien regresi bulan April sebesar -0,026 menyatakan bahwa pada bulan April rata-rata return pasar akan turun sebesar 2,6 %.  Koefisien regresi bulan Mei sebesar -0,015 menyatakan bahwa

pada bulan Mei rata-rata return pasar akan turun sebesar 1,5 %.  Koefisien regresi bulan Juni sebesar 0,005 menyatakan bahwa pada

bulan Juni rata-rata return pasar akan naik sebesar 0,5 %.

 Koefisien regresi bulan Juli sebesar -0,027 menyatakan bahwa pada bulan Juli rata-rata return pasar akan turun sebesar 2,7 %.  Koefisien regresi bulan Agustus sebesar -0,052 menyatakan bahwa

pada bulan Agustus rata-rata return pasar akan turun sebesar 5,2%.  Koefisien regresi bulan September sebesar -0,113 menyatakan

bahwa pada bulan September rata-rata return pasar akan turun sebesar 11,3%.

 Koefisien regresi bulan Oktober sebesar 1,034 menyatakan bahwa pada bulan Oktober rata-rata return pasar akan naik sebesar 103,4%.

 Koefisien regresi bulan November sebesar -0,028 menyatakan bahwa pada bulan November rata-rata return pasar akan turun sebesar 2,8 %.

(43)

a. Uji F

Kriteria keputusan:

Model Sum of

1 Regression _8.307 ₁₁ _.755 _1.010 _.445(a)

Residual 62.830 84 .748

Total _71.137 ₉₅

Untuk pengujian secara simultan pengaruh return pasar bulanan terhadap return pasar di Bursa Efek Indonesia dapat dilihat pada tabel IV.16 di atas, sehingga dapat dijelaskan bahwa model regresi

(44)

mempunyai nilai F-hitung adalah 1,010 dengan tingkat signifikansi 0,445, karena tingkat signifikan perhitungan lebih besar daripada tingkat signifikan yang ditetapkan yaitu 0,05, maka H0 diterima atau dapat dikatakan bahwa secara bersama-sama bulan tidak berpengaruh terhadap return pasar di Bursa Efek Indonesia.

b. Uji t

H0 = tidak ada pengaruh yang signifikan secara parsial dari variabel dummy untuk return pasar bulanan terhadap return pasar di Bursa Efek Indonesia.

Ha = ada pengaruh yang signifikan secara parsial dari variabel dummy untuk return pasar bulanan terhadap return pasar di Bursa Efek Indonesia.

Kriteria keputusan:

(45)

Tabel IV.17 Hasil Uji-t test

Model Unstandardized Coefficients Standardized Coefficients t Sig. Kesimpulan B Std. Error Beta 1 (Constant) .038 .306 .123 .902 Ho diterima M2 .029 .432 .009 .066 .947 Ho diterima M3 _-.048 _.432 _-.015 _-.111 _.912 _{Ho diterima} M4 -.026 .432 -.008 -.059 .953 Ho diterima M5 _-.015 _.432 _-.005 _-.035 _.972 _{Ho diterima} M6 .005 .432 .002 .012 .991 Ho diterima M7 _-.027 _.432 _-.009 _-.062 _.950 _{Ho diterima} M8 _-.052 _.432 _-.017 _-.121 _.904 _{Ho diterima} M9 -.113 .432 -.036 -.260 .795 Ho diterima M10 .034 .432 .332 2.392 .019 Ho ditolak M11 _-.026 _.432 _-.008 _-.061 _.952 _{Ho diterima} M12 .091 .432 .029 .210 .834 Ho diterima

Dari tabel IV.17 hasil yang dapat dilihat adalah bahwa pada kolom signifikan diatas, dimana return tertinggi terjadi pada bulan Januari sedangkan return terendah dan negatif terjadi pada bulan September. Hasil penelitian ini mengindikasikan untuk keseluruhan periode pengamatan, untuk bulan Januari sampai dengan Desember, hanya bulan Oktober yang mempunyai pengaruh terhadap return pasar. Untuk keseluruhan observasi, January effect tidak teridentifikasi atau tidak terjadi, walaupun return tertinggi terjadi bulan Januari, akan tetapi tidak mempunyai pengaruh terhadap return pasar (tidak signifikan).

(46)

3. Sektor Industri Dasar

Tabel IV.18

Hasil Analisis Regresi January Effect terhadap Return Pasar pada Sektor Industri Dasar

Pada tabel IV.18 dapat diketahui bahwa angka R sebesar 0,358 menunjukkan bahwa terdapat korelasi antara return pasar dengan dua belas variabel independen (yaitu bulan Januari, Februari, Maret, April, Mei, Juni, Juli, Agustus, September, Oktober, November, Desember). Angka koefisien determinasi atau angka adjusted R² adalah 0,014. hal ini berarti 1,4 % variasi return pasar dapat dijelaskan oleh variasi dari dua belas bulan. Sedangkan sisanya yaitu sebesar 98,6 % disebabkan oleh hal-hal lainnya. Standart error of the estimate (SEE) sendiri menunjukkan angka 0,01866774. ini dapat diartikan bahwa model regresi yang digunakan sudah tepat karena semakin kecil angka SEE maka model regresi semakin tepat.

(47)

Tabel IV.19

Hasil Rata-rata Return Pasar pada Analisis Regresi Sektor Industri Dasar Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta 1 (Constant) _.011 _.066 M2 -.007 .093 -.011 M3 _-.042 _.093 _-.062 M4 .011 .093 .017 M5 .025 .093 .037 M6 _.018 _.093 _.027 M7 _.019 _.093 _.028 M8 -.126 .093 -.186 M9 _.141 _.093 _.208 M10 -.101 .093 -.149 M11 _.002 _.093 _.003 M12 .068 .093 .100

Dari tabel IV.19 tersebut di atas dapat dibuat persamaan regresi berasarkan model yang digunakan dalam penelitian ini sehingga model persamaan tersebut menjadi:

Rt = 0,011 - 0,007M2 - 0,042M3+ 0,011 M4 + 0,025 M5 + 0,018 M6 + 0,019 M7 - 0,126M8+ 0,141 M9 - 0,101M10 + 0,002 M11 + 0,068 M12 + et Berdasarkan hasil perhitungan yang terdapat pada Tabel IV.19, dapat diartikan:

 Koefisien regresi bulan Januari sebesar 0,011 menyatakan bahwa pada bulan Januari rata-rata return pasar akan naik sebesar 1,1 %.  Koefisien regresi bulan Februari sebesar -0,007 menyatakan bahwa

pada bulan Februari rata-rata return pasar akan turun (karena -) sebesar 0,7 %.

(48)

 Koefisien regresi bulan Maret sebesar -0,042 menyatakan bahwa pada bulan Maret rata-rata return pasar akan turun (karena tanda -) sebesar 4,2%.

 Koefisien regresi bulan April sebesar 0,011 menyatakan bahwa pada bulan April rata-rata return pasar akan naik sebesar 1,1 %.  Koefisien regresi bulan Mei sebesar 0,025 menyatakan bahwa pada

bulan Mei rata-rata return pasar akan naik sebesar 2,5 %.

 Koefisien regresi bulan Juni sebesar 0,018 menyatakan bahwa pada bulan Juni rata-rata return pasar akan naik sebesar 1,8 %.

 Koefisien regresi bulan Juli sebesar 0,019 menyatakan bahwa pada bulan Juli rata-rata return pasar akan naik sebesar 1,9 %.

 Koefisien regresi bulan Agustus sebesar -0,126 menyatakan bahwa pada bulan Agustus rata-rata return pasar akan turun sebesar 12,6%.

 Koefisien regresi bulan September sebesar 0,141 menyatakan bahwa pada bulan September rata-rata return pasar akan naik sebesar 14,1 %.

 Koefisien regresi bulan Oktober sebesar -0,101 menyatakan bahwa pada bulan Oktober rata-rata return pasar akan turun sebesar 10,1%.

 Koefisien regresi bulan November sebesar 0,002 menyatakan bahwa pada bulan November rata-rata return pasar akan naik sebesar 0,2 %.

(49)

a. Uji F

Kriteria keputusan:

Model Sum of

1 Regression _.430 ₁₁ _.039 _1.121 _.356(a)

Residual 2.927 84 .035

Total _3.357 ₉₅

Untuk pengujian secara simultan pengaruh return pasar bulanan terhadap return pasar di Bursa Efek Indonesia dapat dilihat pada tabel

(50)

IV.20 di atas, sehingga dapat dijelaskan bahwa model regresi mempunyai nilai F-hitung adalah 1,121 dengan tingkat signifikansi 0,356, karena tingkat signifikan perhitungan lebih besar daripada tingkat signifikan yang ditetapkan yaitu 0,05, maka H0 diterima atau dapat dikatakan bahwa secara bersama-sama bulan tidak berpengaruh terhadap return pasar di Bursa Efek Indonesia.

b. Uji t

H0 = tidak ada pengaruh yang signifikan secara parsial dari variabel dummy untuk return pasar bulanan terhadap return pasar di Bursa Efek Indonesia.

Ha = ada pengaruh yang signifikan secara parsial dari variabel dummy untuk return pasar bulanan terhadap return pasar di Bursa Efek Indonesia.

Kriteria keputusan: