3. METODE PENELITIAN

3.1. Jenis Penelitian

Jenis penelitian yang digunakan adalah konklusif, yaitu, penelitian yang didesain untuk menguji suatu hipotesis atau hubungan tertentu. Penelitian ini, tergolong historical research karena menggunakan data masa lampau yang telah disediakan oleh perusahaan.

3.2. Prosedur dan Teknik Sampling

Populasi dalam penelitian ini adalah saham-saham yang termasuk dalam indeks LQ45. Indeks ini terdiri dari 45 saham yang dipilih setelah melalui beberapa kriteria sehingga indeks ini terdiri dari saham-saham yang mempunyai likuiditas yang tinggi dan juga mempertimbangkan kapitalisasi pasar dari saham- saham tersebut. Kriteria dalam pemilihan saham untuk kategori indeks LQ45 adalah sebagai berikut:

1. Masuk dalam top 60 dari total transaksi saham di pasar reguler menurut daftar top 60 Bursa Efek Jakarta (rata-rata nilai transaksi selama 12 bulan terakhir).

2. Masuk dalam ranking yang didasarkan pada nilai kapitalisasi pasar menurut daftar ranking Bursa Efek Jakarta (rata-rata kapitalisasi pasar selama 12 bulan terakhir).

3. Telah tercatat di BEJ sekurang-kurangnya 3 bulan.

Penelitian ini mengambil sampel dengan cara purposive sampling karena pemilihan sampel didasarkan atas pertimbangan tertentu dengan mengambil perusahaan-perusahaan yang sahamnya tercatat dalam kategori LQ45, sedikitnya 6 periode, dari tahun 2001 – 2005, data quartely earnings per share lengkap selama 7 tahun dari tahun 1998 – 2005, data deviden dan data harga saham penutupan triwulanan yang lengkap selama 4 tahun berturut-turut, selama 2002 – 2005. Kriteria pemilihan sampel sebagai berikut:

1. Tercatat sebagai emiten secara terus-menerus (tidak pernah mengalami delisting) selama periode 1998 – 2005.

2. Mengeluarkan laporan keuangan setiap tahun.

3. Tercatat sebagai saham kategori LQ45, sedikitnya selama 6 periode, dari tahun 2001 – 2005.

Setelah melalui proses penyaringan, terdapat sejumlah saham perusahaan yang tidak digunakan dalam penelitian ini karena tidak memenuhi kualifikasi untuk tercatat sebagai indeks LQ45 sedikitnya selama 6 periode dari tahun 2001 – 2005, dan tidak memiliki cukup data yang diperlukan untuk melakukan penelitian ini. Melalui proses penyaringan tersebut, didapatkan:

Tabel 3.1 Daftar Perusahaan yang Menjadi Sampel Penelitian

JUMLAH NAMA PERUSAHAAN

6 kali Indorama Synthetics (INDR) 7 kali Astra Graphia (ASGR)

Bimantara Citra (BMTR)

Indah Kiat Pulp & Paper (INKP) Multipolar (MLPL)

Pabrik Kertas Tjiwi Kimia (TKIM) 8 kali Medco Energi Corporation (MEDC)

Citra Marga Nusaphala Persada (CMNP) Bank Lippo (LPBN)

Bentoel International (RMBA) Unilever (UNVR)

9 kali Astra Otoparts (AUTO)

Hanjaya Mandala Sampoerna (HMSP) Indocement Tunggal (INTP)

Jakarta International Hotel & Dev. (JIHD) Matahari Putra Prima (MPPA)

Semen Cibinong (SMCB) Semen Gresik (SMGR) Tempo Scan Pasific (TSPC) 10 kali Astra Agro Lestari (AALI)

Aneka Tambang (ANTM) Astra International (ASII)

Gudang Garam (GGRM) Gajah Tunggal (GJTL)

Indofood Sukses Makmur (INDF) Indosat (ISAT)

Kalbe Farma (KLBF)

Bank Pan Indonesia (PNBN) Ramayana Lestari Sentosa (RALS) Timah (TINS)

Telekomunikasi Indonesia (TLKM) United Tractors (UNTR)

Sumber : Daftar Saham Perusahaan yang Termasuk Kategori LQ45 Periode 2001 – 2005, setelah diolah

Berdasarkan tabel di atas dapat dilihat bahwa tidak semua perusahaan yang memenuhi kualifikasi untuk menjadi sampel dalam penelitian ini memiliki jumlah tercatat sebagai indeks LQ45 yang sama. Sekalipun demikian, penelitian ini menganggap semua perusahaan yang memenuhi kualifikasi untuk menjadi sampel dalam penelitian ini memiliki kesetaraan.

3.3. Definisi Operasional

Variabel bebas (independent variable) dan variabel terikat (dependent variable) yang digunakan dalam penelitian ini adalah sebagai berikut:

1. Independent Variable

Konsep : Earnings Surprises.

Definisi Operasional : Earnings Surprises adalah suatu kondisi di mana terdapat perbedaan antara nilai earnings forecast dan nilai earnings announcement.

Indikator Empirik : Standardized Unexpected Earnings (SUE).

Standardized Unexpected Earnings adalah variabel yang digunakan untuk menyeleksi common stock, dengan mengukur pendapatan tak terduga.

Standardized Unexpected Earnings, dapat diukur

dengan mengunakan formula penghitungan (Jones, 1997:268):

Q Q Q

SD F

SUE= A − (3.1)

Keterangan :

SUE : Standardized Unexpected Earnings A^Q : Actual Quartely Earnings per Share F^Q : Predicted Quartely Earnings per Share SDQ : Standard Deviation of Earnings Estimates Earnings surprise terdiri dari positive earnings surprises dan negative earnings surprises. Positive earnings surprises adalah suatu kondisi earnings di mana nilai earnings forecast lebih rendah daripada nilai earnings announcement. Dalam kondisi ini, SUE bernilai positif atau SUE > 0. Sedangkan, negative earnings surprises adalah suatu kondisi earnings di mana nilai earnings forecast lebih tinggi daripada nilai earnings announcement. Dalam kondisi ini, SUE bernilai negatif atau SUE < 0.

2. Dependent Variable

Konsep : Return Saham.

Definisi Operasional : Return Saham adalah nilai deviden yang dibagikan perusahaan dalam suatu tahun ditambah dengan nilai capital gain yang didapat dari saham tersebut. Return saham dapat dihitung dengan mengunakan formula perhitungan sebagai berikut (Hsu, 2001:3):

] )/P P [(P ] /P [DIV

Rt⁺1= t⁺1 t + t⁺1− t t (3.2) Keterangan :

Rt + 1 : quarter t + 1 rate of return

DIV^{t + 1} : quarter t + 1 dividends on common stock

P^{t + 1} : quarter t + 1 price of stock

P^t : quarter t price of stock Konsep : Return Portofolio.

Definisi Operasional : Return Portofolio adalah rata-rata tertimbang (ditimbang berdasarkan proporsi nilai modalnya dalam portofolio) dari return masing-masing asset yang ada dalam portofolio. Return portofolio dapat dihitung dengan mengunakan formula penghitungan (Arifin, 2005:24):

∑

= t i

p R.X

r (3.3) Keterangan :

rp : return portofolio

Rt : return tiap asset yang ada dalam portofolio Xi : proporsi asset yang ada dalam portofolio Konsep : Resiko Portofolio

Definisi Operasional : Resiko Portofolio (standar deviasi) adalah besar kemungkinan penyimpangan outcome dari perkiraan awal (ekspektasi), dengan mempertimbangkan covariance antar asset yang ada dalam portofolio.

Resiko portofolio dapat dihitung dengan mengunakan formula penghitungan (Elton, Gruber, Brown, dan Goetzmann, 2003:57):

∑ ∑∑

= =

≠=

+

= ⁿ

1 i

n 1 i

n

i j1 j

ij j 2 i

2 i i

p (X σ ) (XXσ )

σ (3.4)

Keterangan :

σ^p : standar deviasi portofolio n : jumlah saham dalam portofolio Xⁱ : proporsi dana ke saham i X^j : proporsi dana ke saham j σⁱ : standar deviasi saham i σ^ij : kovarian antara i dan j

3.4. Metode Pengumpulan Data

Jenis data yang digunakan adalah data sekunder yaitu data yang diperoleh secara tidak langsung melalui media perantara. Data sekunder yang digunakan berupa data EPS triwulanan 1998 – 2005, data deviden triwulanan dan data harga saham penutupan bulanan lengkap selama 2002 – 2005 dari perusahaan yang sahamnya termasuk dalam kategori LQ45. Pengumpulan data yang digunakan untuk pembuatan skripsi ini adalah:

a. Penelitian pustaka, yang dilakukan dengan cara mengumpulkan berbagai buku dan literatur yang berhubungan dengan penulisan skripsi dengan tujuan untuk mendapatkan landasan teori dan teknik analisa dalam memecahkan masalah.

b. Pengumpulan data daftar perusahaan yang sahamnya tercatat dalam kategori LQ45, paling tidak untuk 6 periode, selama tahun 2001 – 2005, yang diperoleh dari Laboratorium Pasar Modal UK Petra, dan Bursa Efek Surabaya.

c. Pengumpulan data EPS triwulanan selama 7 tahun berturut-turut (1998 – 2005), data deviden dan harga saham penutupan triwulanan perusahaan selama 4 tahun berturut-turut (2002 – 2005), yang diperoleh dari Laboratorium Pasar Modal UK Petra, dan Bursa Efek Surabaya.

3.5. Teknik Analisa Data

Dalam penelitian ini, tahap analisa data yang dilakukan adalah sebagai berikut:

3.5.1. Tahap Uji Stasioneritas Untuk Data Actual Quartely EPS

Sebelum melakukan forecasting untuk mencari nilai predicted EPS, perlu dilakukan uji stasioneritas pada data actual quarterly EPS. Uji stasioneritas dilakukan, karena stasioneritas merupakan salah satu syarat untuk dapat melakukan prediksi mengenai nilai earnings perusahaan secara tepat. Tujuan dari uji stasioneritas ini adalah agar mean dari data stabil dan random errornya = 0.

Uji stasioneritas dapat dilakukan dengan berbagai cara, salah satunya adalah dengan menggunakan Augmented Dickey-Fuller Test (ADF Test). Uji

stasioneritas di sini mengikuti langkah yang digunakan Gujarati (1995:718) dengan model sebagai berikut:

1 1 t

t Y μ

Y = ⁻ + Keterangan :

Y^t : data saat ini

Y^{t - 1} : data satu periode sebelumnya

µ1 : kesalahan stokastik (distribusi rata-rata nol, konstan varians, tidak berautokorelasi)

Pengujian dilakukan dengan membandingkan nilai t yang dihasilkan oleh regresi dengan nilai t kritis yang diperoleh dari tabel McKinnon. Bila nilai t hitung yang diperoleh lebih besar daripada nilai t kritis pada tingkat signifikansi (α) sebesar 5%, maka data tersebut dikatakan telah stasioner.

3.5.2. Tahap Forecasting EPS Untuk Mencari Predicted EPS

Forecasting Earnings per Share dilakukan untuk melakukan prediksi mengenai nilai earnings perusahaan, di mana prediksi mengenai nilai earnings perusahaan dalam penelitian ini dilakukan dengan berbagai macam metode forecast yang disesuaikan dengan karakteristik data masing-masing perusahaan.

Forecasting dalam penelitian ini dilakukan dengan langkah-langkah sebagai berikut:

a. Melakukan uji stasioneritas pada data actual quartely EPS.

b. Setelah semua data actual quartely EPS stasioner, maka tahapan selanjutnya adalah melihat correlogram untuk mengetahui dan menentukan pola pada model yang akan diprediksi.

c. Penentuan pola pada model yang akan diprediksi dilakukan dengan melihat nilai dari Autocorrelation Function (ACF) dan nilai dari Partial Autocorrelation Function (PACF). Berikut akan dijabarkan syarat penentuan model yang akan diprediksi berdasarkan nilai dari ACF dan PACF yang ada dalam penelitian ini:

- Model Autoregressive (AR) adalah model yang memiliki nilai ACF yang mengalami penurunan secara perlahan (decays) dan nilai PACF yang mengalami penurunan secara langsung (cut off).

- Model Moving Average (MA) adalah model yang memiliki nilai ACF yang mengalami penurunan secara langsung (cut off) dan nilai PACF yang mengalami penurunan secara perlahan (decays).

- Model Autoregressive dan Moving Average (ARMA) adalah model yang memiliki nilai ACF dan nilai PACF yang mengalami penurunan secara perlahan (decays).

d. Membuat model forecast pada bagian estimate equation, dengan memasukkan data actual quartely EPS periode 1998 – 2001 sebagai sampel.

e. Melakukan forecasting dengan metode static (sampel yang dimasukkan adalah data actual quarterly EPS periode 1998 – 2005).

Berikut dijabarkan metode-metode forecast yang umum digunakan untuk memprediksi nilai earnings perusahaan:

3.5.2.1.Autoregressive (AR) Model

Autoregressive (AR) Model adalah sebuah bentuk regresi yang berhubungan dengan nilai masa lalu pada berbagai macam waktu. Secara umum, Autoregressive (AR) Model dapat dimodelkan sebagai berikut (Makridakis, Wheelwright, dan Hyndman, 1998:339):

Yt = c + ø¹Yt - 1 + ø²Yt - 2 + ….. + ø^pYt - p + et

Keterangan :

c : constant term

ø^j : j th autoregressive parameter e^t : the error term at time t

3.5.2.2.Moving Average (MA) Model

Moving Average (MA) Model adalah sebuah model yang mendefinisikan nilai dari data runtut waktu pada periode t dipengaruhi oleh faktor error term sekarang dan weighted error term masa lalu. Secara umum, Moving Average (MA) Model dapat dimodelkan sebagai berikut (Makridakis, Wheelwright, dan Hyndman, 1998:342):

Y^t = c + e^t – θ¹ et ^{- 1} – θ² e^{t - 2} – ….. –θ^q e^{t – q} Keterangan :

c : constant term

θ^j : j th moving average parameter et – k : the error term at time t – k

3.5.2.3.AR and MA Model (ARMA)

Elemen dasar dari Autoregressive (AR) Model dan Moving Average (MA) Model dapat dikombinasikan untuk menghasilkan variasi model peramalan yang lebih bagus. Model penggabungan ini, disebut dengan AR and MA Model (ARMA), yang dapat dimodelkan sebagai berikut (Makridakis, Wheelwright, dan Hyndman, 1998:345):

Y^t = c + ø¹ Y^{t - 1} + e^t – θ¹ e^{t - 1} Keterangan :

c : constant term

ø¹ : j th autoregressive parameter e^t : the error term at time t

θ¹ : j th moving average parameter e^{t – 1} : the error term at time t – 1

3.5.2.4.ARCH / GARCH Model

Autoregressive conditional heteroskedasticity (ARCH) merupakan suatu bentuk stochastic process yang digunakan untuk memodelkan conditional heteroskedasticity dan volatility clustering. Secara umum, ARCH dapat dimodelkan sebagai berikut (Engle, 1982:50):

∑

= −

+

= ^m

1 i

2 i n i long

2

n γS α X

σ

Keterangan :

σⁿ² : the volatility at the n time step

γ : weighting factors that satisfy for Slong variable αⁱ : weighting factors that satisfy for Xn-i variable

m : the number of observations of X^n-i used to determine σⁿ

Generalized autoregressive conditional heteroskedasticity (GARCH) dapat dimodelkan sebagai berikut (Bollerslev, 1986:31):

∑

∑

= −

= − +

+

= ^q

1 j

2 j n j p

1 i

2 i n i long

2

n γS α X β σ

σ Keterangan :

σⁿ² : the volatility at the n time step

γ : weighting factors that satisfy for Slong variable

p : number of past observations of X^n-j and σ^n-j, respectively, used to estimate σⁿ

q : number of past observations of X^n-j and σ^n-j, respectively, used to estimate σn

αi : weighting factors that satisfy Xn-i variable

3.5.3. Tahap Penghitungan Nilai SUE dan Nilai Return Saham

Variabel dalam penelitian ini adalah Standardized Unexpected Earnings, return saham, return portofolio dan resiko portofolio. Tetapi, untuk tahapan ini, variabel yang akan dihitung hanya variabel SUE dan return saham. Untuk variabel lainnya, yaitu variabel return portofolio dan resiko portofolio, akan dihitung pada tahapan selanjutnya dalam penelitian ini.

3.5.3.1.Menghitung Nilai SUE

Untuk menghitung nilai Standardized Unexpected Earnings, digunakan formula penghitungan (Jones, 1997:268):

Q Q Q

SD F SUE= A −

Keterangan :

SUE : Standardized Unexpected Earnings AQ : Actual Quartely Earnings per Share FQ : Predicted Quartely Earnings per Share SD^Q : Standard Deviation of Earnings Estimates

3.5.3.2.Menghitung Nilai Return Saham

Untuk menghitung nilai return saham, digunakan formula penghitungan (Hsu, 2001:3):

] )/P P [(P ] /P [DIV

R^t+1= ^{t+1 t} + ^t+1− ^{t t} Keterangan :

Rt + 1 : quarter t + 1 rate of return

DIVt + 1: quarter t + 1 dividends on common stock

Pt + 1 : quarter t + 1 price of stock Pt : quarter t price of stock

3.5.4. Tahap Analisa Regresi

Analisa regresi dilakukan untuk menguji hipotesa bahwa terdapat pengaruh yang signifikan antara earnings surprise terhadap return saham. Di mana, pengaruh tersebut dapat diuraikan sebagai berikut:

a. Ketika nilai earnings forecast lebih rendah daripada nilai earnings announcement (positive earnings surprise), return saham dan return portofolio saham yang termasuk dalam kategori LQ45 periode 2002 – 2005 akan mengalami kenaikan.

b. Ketika nilai earnings forecast lebih tinggi daripada nilai earnings announcement (negative earnings surprise), return saham dan return portofolio saham yang termasuk dalam kategori LQ45 periode 2002 – 2005 akan mengalami penurunan.

3.5.4.1.Regresi

Model regresi yang menggunakan hanya 1 variabel bebas disebut model regresi linear sederhana. Berdasarkan pembahasan di atas, menyatakan bahwa dalam penelitian ini digunakan 1 variabel terikat dan 1 variabel bebas, maka dapatlah disusun persamaan regresi sebagai berikut (Kvanli, Pavur, dan Keeling, 2003:634):

e X β β

Y= 0+ 1 + Keterangan :

Y : quarter t + 1 rate of return (Rt + 1)

β⁰ : the intercept of the regression line β¹ : the sensitivity of stock return to SUE X : SUE^t

e : stock return movement that is uncorrelated to SUE (random error)

3.5.4.2.Koefisien Determinasi.

Koefisien determinasi (R²) menunjukkan seberapa besar kontribusi variabel bebas (X) terhadap perubahan yang terjadi pada variabel terikat (Y). Nilai koefisien determinasi berkisar antara 0 ≤ R² ≤ 1. Nilai R² yang mendekati 1 menunjukkan kontribusi yang besar dari variabel bebas terhadap perubahan variabel terikat. Sebaliknya nilai R² yang mendekati 0 menunjukkan kontribusi yang kecil dari variabel bebas terhadap perubahan variabel terikat. Koefisien determinasi dapat diformulasikan sebagai berikut (Arsyad, 1994:138):

∑ ∑

−

= − ₂

R 2 2

) Y (Y

) Y

R (Y

Keterangan :

R² : koefisien determinasi

∑(Y^R – Y )² : penyimpangan yang terjelaskan

∑(Y – Y )² : penyimpangan total

3.5.4.3.Koefisien Korelasi

Koefisien korelasi adalah koefisien yang menjelaskan kekuatan hubungan antara variabel bebas dengan variabel terikat dan apakah hubungan tersebut searah atau berlawanan. Nilai koefisien korelasi berkisar antara -1≤ R ≤ 1. Di mana:

R = 1, ada hubungan positif sempurna antara variabel bebas dan variabel terikat.

R = 0, tidak ada hubungan antara variabel bebas dan variabel terikat.

R = -1, ada hubungan negatif sempurna antara variabel bebas dan variabel terikat.

3.5.5. Tahap Uji t

Uji t digunakan untuk menguji koefisien regresi secara individual. Dalam penelitian ini, dilakukan uji t dua sisi (two tailed test) yang digunakan untuk

menguji apakah Standardized Unexpected Earnings berpengaruh terhadap return saham yang termasuk dalam kategori LQ45 periode 2002 – 2005. Uji t dapat dimodelkan sebagai berikut (Kvanli, Pavur, dan Keeling, 2003:641):

b1 1

S t = b Keterangan :

| t | : t test statistic

b¹ : normal random variable with mean (β1) and variance σ²_b1=σ_e²/SSx S^b1 : parameter describing the variation in the b¹ values, where

SSx s/

S_b1= and df = n – 2

Pengujian hipotesa adalah sebagai berikut:

a. H0 : β1 = 0, tidak ada pengaruh yang signifikan antara Standardized Unexpected Earnings terhadap return saham yang termasuk dalam kategori LQ45 periode 2002 – 2005.

b. Ha : β1 ≠ 0, ada pengaruh yang signifikan antara Standardized Unexpected Earnings terhadap return saham yang termasuk dalam kategori LQ45 periode 2002 – 2005.

Di mana, untuk menguji kebenaran hipotesis maka digunakan kriteria, jika

| t | > t^{α / 2}, ^{n – 2}, maka tolak Ho. Artinya, terdapat pengaruh yang signifikan antara Standardized Unexpected Earnings terhadap return saham yang termasuk dalam kategori LQ45 periode 2002 – 2005.

3.5.6. Tahap Pengujian Penyimpangan Asumsi Klasik

Semua model regresi harus didasarkan pada asumsi-asumsi Ordinary Least-Square tersebut di bawah ini (Suharyadi dan Purwanto, 2004):

a. Nilai rata-rata dari error term atau expected value untuk setiap nilai X sama dengan nol.

b. Nilai error dari kovarian saling tidak berhubungan atau berkorelasi.

c. Varian dari error barsifat konstan.

d. Variabel bebas X tidak berkorelasi dengan error term.

Dalam penelitian ini dilakukan tahap pengujian asumsi-asumsi tersebut di

(BLUE). Uji asumsi Ordinary Least-Square dalam penelitian ini meliputi uji normalitas, uji heterokedasitas, dan uji autokorelasi, seperti yang dijabarkan di bawah ini:

3.5.6.1.Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah nilai residual mempunyai nilai rata-rata yang diharapkan nol, tidak berkorelasi, dan mempunyai varian yang konstan. Dalam penelitian ini, nilai residual diperoleh dari selisih antara nilai actual quarterly earnings dengan nilai predicted quarterly earnings yang penulis jadikan data nilai residual untuk melakukan uji normalitas. Di mana, untuk mengetahui normal tidaknya data nilai residual dalam penelitian ini, digunakan uji Jarque Bera (JB Test). Uji ini mengunakan hasil estimasi residual dan Chi Square tabel dengan formula sebagai berikut:

24 3) (K 6 nS JB

2

2 −

+

=

Keterangan :

JB : Jarque Bera S : skewness nilai residual K : kurtosis nilai residual

Kriteria estimasi residual berdistribusi normal atau tidak, yaitu:

a. Apabila JB hitung > χ² ^tabel (k ; 0,05), maka data nilai residual berdistribusi tidak normal (k : jumlah variabel bebas).

b. Apabila JB hitung < χ² ^tabel (k ; 0,05), maka data nilai residual berdistribusi normal (k : jumlah variabel bebas).

Dalam penelitian ini, uji normalitas akan dilakukan terhadap data nilai residual hasil dari analisa regresi, yang merupakan selisih dari nilai actual quarterly earnings dengan nilai predicted quarterly earnings. Tujuan dari uji normalitas adalah untuk mengetahui normal atau tidaknya estimasi residual pada hipotesa bahwa terdapat pengaruh yang signifikan antara earnings surprise terhadap return saham. Di mana, pengaruh tersebut dapat diuraikan sebagai berikut:

a. Ketika nilai earnings forecast lebih rendah daripada nilai earnings announcement (positive earnings surprise), return saham dan return portofolio saham yang termasuk dalam kategori LQ45 periode 2002 – 2005 akan mengalami kenaikan.

b. Ketika nilai earnings forecast lebih tinggi daripada nilai earnings announcement (negative earnings surprise), return saham dan return portofolio saham yang termasuk dalam kategori LQ45 periode 2002 – 2005 akan mengalami penurunan.

Persamaan regresi untuk memperoleh nilai residual dapat dijelaskan sebagai berikut:

e .R β β

SUE= 0+ 1 t+1+

Berdasarkan persamaan tersebut, akan dilakukan regresi linier sederhana untuk memperoleh nilai residual e antara return saham terhadap Standardized Unexpected Earnings. Dari hasil residual e, selanjutnya diuji normalitas untuk memperoleh nilai Jarque Bera hitung yang akan dibandingkan dengan χ² ^tabel.

3.5.6.2.Uji Heterokedastisitas

Uji heterokedastisitas berfungsi untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian residual dari satu pengamatan ke pengamatan lain. Jika varian residualnya tetap maka disebut homokedastisitas dan jika varian residualnya berbeda maka disebut heterokedastisitas.

Penelitian ini, menggunakan uji heterokedastisitas White, dengan langkah- langkah seperti yang dijabarkan di bawah ini (Webster,1992):

a. Melakukan model regresi linier untuk memperoleh nilai residual.

b. Kuadratkan nilai residual untuk mendapatkan nilai e² yang kemudian diregress dengan semua independent variable yang ada. Dengan kata lain, dilakukan model regresi auxiliary, untuk mendapatkan nilai R².

c. Hitung nilai dari perkalian antara n dengan R², di mana n adalah jumlah data yang diobservasi.

d. Bandingkan nilai dari perkalian antara n dengan R² dengan nilai chi square (χ²

tabel).

a. Apabila (n x R²) < χ² ^tabel (k+1 ; 0,05), maka residual tidak terjadi heterokedastisitas (n : jumlah data dan k : jumlah variabel bebas).

b. Apabila (n x R²) > χ² ^tabel (k+1 ; 0,05), maka residual terjadi heterokedastisitas (n : jumlah data dan k : jumlah variabel bebas).

Dalam penelitian ini, uji heterokedastisitas dilakukan pada nilai residual hasil analisa regresi. Tujuannya adalah untuk mengetahui heterokedastisitas atau homokedastisitas estimasi residual pada hipotesa bahwa terdapat pengaruh yang signifikan antara earnings surprise terhadap return saham. Di mana, pengaruh tersebut dapat diuraikan sebagai berikut:

a. Ketika nilai earnings forecast lebih rendah daripada nilai earnings announcement (positive earnings surprise), return saham dan return portofolio saham yang termasuk dalam kategori LQ45 periode 2002 – 2005 akan mengalami kenaikan.

b. Ketika nilai earnings forecast lebih tinggi daripada nilai earnings announcement (negative earnings surprise), return saham dan return portofolio saham yang termasuk dalam kategori LQ45 periode 2002 – 2005 akan mengalami penurunan.

Persamaan regresi untuk memperoleh nilai residual dapat dijelaskan sebagai berikut:

e .R β β

SUE= 0+ 1 t+1+

Berdasarkan persamaan tersebut, akan dilakukan regresi linier sederhana untuk memperoleh nilai residual e antara return saham terhadap Standardized Unexpected Earnings. Dari hasil residual e yang dikuadratkan, dilakukan model regresi auxiliary untuk memperoleh nilai R². Selanjutnya, diuji heterokedastisitas untuk memperoleh nilai (n x R²) hitung yang akan dibandingkan dengan χ² ^tabel.

3.5.6.3.Uji Autokorelasi

Autokorelasi atau sering disebut sebagai korelasi serial sering terjadi pada serangkaian data runtut waktu. Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara error term pada periode t dengan error term pada periode sebelumnya. Jadi, autokorelasi dapat diartikan

bahwa error term pada suatu periode waktu secara sistematik bergantung pada error term pada periode waktu yang lain.

Uji autokorelasi dilakukan pada data quartely EPS dan data return saham bulanan dengan menggunakan Durbin Watson Test, yang diformulasikan sebagai berikut (Arsyad, 1994:258):

∑

∑

=

=

− −

= _n

1 t

t2 n

2 t

1 2 t t

e ) e (e d

Keterangan :

d : nilai Durbin Watson Test e^t : nilai residual pada waktu t e^{t - 1} : nilai residual pada waktu t – 1 n : banyaknya data

Uji autokorelasi dengan Durbin Watson Test, memiliki aturan keputusan : a. Untuk d > batas atas (U), maka tidak ada autokorelasi positif.

b. Untuk d < batas bawah (L), maka ada autokorelasi positif.

c. Untuk batas bawah (L) < d < batas atas (U), maka tidak diketahui apakah terdapat autokorelasi positif atau tidak.

Untuk identifikasi gejala autokorelasi dapat dilakukan dengan kurva autokorelasi berikut ini:

Gambar 3.1. Gambar Kurva Autokorelasi

Selain menggunakan kurva autokorelasi, identifikasi gejala autokorelasi juga dapat dilakukan dengan melihat nilai probabilitas (ρ-value), dengan hipotesa seperti terjabar di bawah ini (Hill, Griffiths, dan Judge, 2001):

a. H⁰ : nilai probabilitas (ρ-value) = 0, maka tidak terjadi autokorelasi.

b. Ha : nilai probabilitas (ρ-value) ≠ 0, maka terjadi autokorelasi.

3.5.7. Tahap Penyusunan Portofolio

Untuk pengolahan data selanjutnya, setiap tahun selama periode 2002 – 2005 penulis membagi saham-saham perusahaan yang ada menjadi 2 portofolio, yaitu portofolio dengan positive earnings surprise dan portofolio dengan negative earnings surprise, sehingga selama periode 2002 – 2005, akan didapatkan 8 portofolio (4 portofolio dengan positive earnings surprise dan 4 portofolio dengan negative earnings surprise). Pembagian saham-saham perusahaan yang digunakan dalam penelitian ini menjadi portofolio dengan positive earnings surprise, maupun portofolio dengan negative earnings surprise didasarkan pada nilai SUE – nya, di mana:

1. Portofolio dengan positive earnings surprise, terdiri dari saham-saham perusahaan yang memiliki nilai SUE positif (SUE > 0) selama 4 kali berturut- turut selama periode quarter 1 – quarter 4 setiap tahunnya (2002 – 2005).

2. Portofolio dengan negative earnings surprise, terdiri dari saham-saham perusahaan yang memiliki nilai SUE negatif (SUE < 0) selama 4 kali berturut- turut selama periode quarter 1 – quarter 4 setiap tahunnya (2002 – 2005).

Penyusunan portofolio dalam penelitian ini dilakukan dengan kriteria bahwa hanya saham-saham yang secara konsisten memiliki nilai SUE positif atau negatif 4 kali berturut-turut selama periode quarter 1 – quarter 4 setiap tahunnya (2002 – 2005) yang dapat masuk ke dalam portofolio dengan positive earnings surprise (untuk saham-saham dengan SUE positif) dan portofolio dengan negative earnings surprise (untuk saham-saham dengan SUE negatif). Penyusunan portofolio seperti kriteria tersebut di atas, dilakukan karena adanya kemungkinan terjadinya pembalikan harga (reversal) pada saham-saham dalam pasar modal Indonesia.

3.5.8. Tahap Penghitungan Nilai Return dan Resiko Portofolio

Variabel dalam penelitian ini adalah SUE, return saham, return portofolio dan resiko portofolio. Dalam tahapan ini, variabel yang akan dihitung adalah variabel return portofolio dan resiko portofolio. Untuk menghitung variabel return dan resiko portofolio diperlukan nilai proporsi dari masing-masing saham yang ada dalam suatu portofolio. Dalam penelitian ini, penghitungan nilai proporsi menggunakan value weighted yang ditentukan berdasarkan nilai market capitalization masing-masing saham.

3.5.8.1.Menghitung Nilai Return Portofolio

Untuk menghitung nilai return portofolio, digunakan formula penghitungan (Arifin, 2005:24):

∑

= t i

p R.X

r Keterangan :

r^p : return portofolio

R^t : return tiap asset yang ada dalam portofolio Xi : proporsi asset yang ada dalam portofolio

3.5.8.2.Menghitung Nilai Resiko Portofolio

Untuk menghitung nilai resiko portofolio, digunakan formula penghitungan (Elton, Gruber, Brown, dan Goetzmann, 2003:57):

∑ ∑∑

= =

≠=

+

= ⁿ

1 i

n 1 i

n

i j1 j

ij j 2 i

2 i i

p (X σ ) (XXσ )

σ

Keterangan :

σp : standar deviasi portofolio n : jumlah saham dalam portofolio Xi : proporsi dana ke saham i Xj : proporsi dana ke saham j σi : standar deviasi saham i σij : kovarian antara i dan j

3.5.9. Tahap Uji Beda

Tahapan selanjutnya adalah melakukan uji beda pada return dan resiko masing-masing portofolio. Sebelum dilakukan uji beda pada return dan resiko masing-masing portofolio, akan dilakukan uji beda pada return masing-masing portofolio dan uji beda pada resiko masing-masing portofolio. Di mana, untuk semua uji beda yang dilakukan dalam penelitian ini digunakan uji statistik dua arah (two tailed test).

Uji beda yang akan digunakan untuk mengetahui apakah terdapat perbedaan return yang signifikan pada portofolio dengan positive earnings surprise dan return pada portofolio dengan negative earnings surprise, adalah the paired-observation t test, yang diformulasikan sebagai berikut (Aczel, 1999:330):

n / S

μ t D

D

− Do

= Keterangan:

t : the paired- observation t test

D : the sample average difference between each pair of observations μ^Do : the population mean difference under the null hypothesis

SD : the sample standard deviation of these difference n : the number of pairs of observations

Di mana, apabila:

a. H0 : μD = 0, tidak terdapat perbedaan return yang signifikan pada portofolio dengan positive earnings surprise dan return pada portofolio dengan negative earnings surprise.

b. Ha : μD ≠ 0, terdapat perbedaan return yang signifikan pada portofolio dengan positive earnings surprise dan return pada portofolio dengan negative earnings surprise.

Untuk mengetahui apakah terdapat perbedaan resiko yang signifikan pada portofolio dengan positive earnings surprise dan resiko pada portofolio dengan negative earnings surprise, dilakukan uji beda the F distribution and a test for equality of two population variances, yang dimodelkan sebagai berikut (Aczel, 1999:357):

2 2

2 1 2

1 S

1) S - n 1, -

F(n =

Keterangan:

F(n1-1,n2-1) : the F distribution and a test for equality of two population variances

S1² : the sample 1 variance from a normally distributed population S2² : the sample 2 variance from a normally distributed population Di mana, apabila:

a. H0 : σ1² = σ2², tidak terdapat perbedaan resiko yang signifikan pada portofolio dengan positive earnings surprise dan resiko pada portofolio dengan negative earnings surprise.

b. Ha : σ1² ≠ σ2², terdapat perbedaan resiko yang signifikan pada portofolio dengan positive earnings surprise dan resiko pada portofolio dengan negative earnings surprise.

Tahapan selanjutnya adalah melakukan uji beda pada return dan resiko masing-masing portofolio. Di mana, return dan resiko untuk masing-masing portofolio diukur dengan variabel coefficient of variations. Coefficient of variations adalah suatu besaran yang mengukur tambahan return untuk setiap tambahan resiko yang bersedia ditanggung oleh investor.

Dengan kata lain, nilai dari coefficient variations menunjukkan besarnya tambahan return yang didapat investor untuk setiap tambahan resiko yang ia tanggung. Coefficient of variations, dapat dihitung dengan formula sebagai berikut (Bodie, Kane, dan Marcus, 2005:1011):

Keterangan:

CV : coefficient of variations σ : standard deviation E(r) : expected return

E(r) CV= σ

Untuk melakukan uji beda pada return dan resiko masing-masing portofolio, penulis melakukan uji beda the paired-observation t test, yang diformulasikan sebagai berikut (Aczel, 1999:330):

n / S

μ t D

D

− Do

= Keterangan:

t : the paired- observation t test

D : the sample average difference between each pair of observations μDo : the population mean difference under the null hypothesis

S^D : the sample standard deviation of these difference n : the number of pairs of observations

Di mana, apabila:

a. H⁰ : μ^D = 0, tidak terdapat perbedaan return dan resiko yang signifikan pada portofolio dengan positive earnings surprise dan pada portofolio dengan negative earnings surprise.

b. Ha : μ^D ≠ 0, terdapat perbedaan return dan resiko yang signifikan pada portofolio dengan positive earnings surprise dan pada portofolio dengan negative earnings surprise.