BAB II
LANDASAN TEORI
Pada bab ini diberikan tinjauan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini, definisi, dan teori yang diperlukan serta kerangka pemikiran.
2.1
Tinjauan Pustaka
Pada tahun 1969, Shalit dan Yitzhaki [15] mengenalkan kriteria MCSD untuk membentuk portofolio efisien. Kemudian Shalit dan Yitzhaki [15] mene-rapkan kriteria MCSD untuk membentuk portofolio efisien yang terdiri atas aset pada New York Stock Exchange. Pada tahun 2012, Levy [11] melakukan pene-litian mengenai portofolio efisien dengan kriteria almost second order stochastic
dominance. Penelitian Levy [11] menunjukkan bahwa jumlah portofolio efisien
yang dihasilkan oleh kriteria almost second order stochastic dominance lebih sedi-kit dari pada jumlah portofolio efisien yang dihasilkan oleh kriteria second order
stochastic dominance. Hal ini menunjukkan kriteria almost second order stochas-tic dominance lebih teliti daripada kriteria second order stochasstochas-tic dominance.
Pada tahun 2014, Denuit et al. [7] mengenalkan kriteria AMCSD. Kemudian De-nuit et al. [7] menerapkan kriteria AMCSD dalam pembentukan portofolio efisien yang terdiri atas aset pada New York Stock Exchange. Pada penelitian Denuit
et al. [7], jumlah portofolio efisien yang diperoleh dengan kriteria AMCSD lebih
sedikit daripada jumlah portofolio efisien yang dihasilkan dengan kriteria MCSD. Hal ini menunjukkan bahwa kriteria AMCSD lebih teliti daripada kriteria MCSD dalam pembentukan portofolio efisien karena kriteria AMCSD dapat mengurangi jumlah portofolio efisien yang terbentuk.
2.2
Landasan Teori
2.2.1
Saham, Return, dan Portofolio
Berikut ini merupakan penjelasan tentang saham, return, dan portofolio. 1. Saham. Saham adalah surat bukti kepemilikan atas aset-aset perusahaan
yang menerbitkan saham (Tandelilin [16]). Saham merupakan instrumen investasi yang banyak dipilih para investor karena saham mampu membe-rikan tingkat keuntungan yang menarik. Porsi kepemilikan ditentukan oleh seberapa besar penyertaan yang ditanamkan di perusahaan (Azis dkk. [2]). 2. Return . Return merupakan keuntungan maupun kerugian dari suatu in-vestasi. Dalam Brigham dan Houston [5], perhitungan nilai return adalah
R(t) = P (t)− P (t − 1)
P (t− 1) × 100%, (2.1)
dengan R(t) adalah nilai return periode ke-t, P (t) adalah harga saham penutupan pada saat ke-t, dan P (t− 1) adalah harga saham penutupan pada saat ke- (t− 1).
3. Portofolio. Portofolio merupakan kumpulan beberapa aset. Dalam hal ini, portofolio berarti adanya minimum dua barang atau lebih yang dipegang oleh investor atau dikelolanya. Tujuan pembuatan portofolio adalah un-tuk mengurangi risiko bagi pihak yang memegang portofolio. Pengurangan risiko itu dilakukan dengan diversifikasi risiko (Manurung [14]).
2.2.2
Utilitas
Menurut Charles et al. [6], utilitas adalah aturan subjektif pembuat ke-putusan berdasarkan risiko. Oleh karena itu, utilitas seseorang digunakan untuk mengevaluasi alternatif keputusan.
2.2.3
Risk Aversion
Menurut Arrow [1], risk aversion adalah kondisi dimana perilaku konsu-men atau investor sedang dalam ketidakpastian dan konsu-mencoba konsu-mengurangi keti-dakpastian tersebut. Dengan kata lain, risk aversion adalah kecenderungan yang subyektif dari investor untuk menghindari risiko yang tidak diperlukan. Apabila diberikan dua investasi dengan return yang sama dan tingkat risiko yang berbe-da, maka investor dengan risk-averse akan memilih investasi dengan risiko yang lebih kecil.
2.2.4
Variabel Acak
Berikut ini adalah definisi dan teorema tentang variabel acak menurut Bain dan Engelhardt [3].
Definisi 2.2.1. Suatu variabel acak X adalah suatu fungsi yang didefinisikan
pada ruang sampel S yang memetakan setiap hasil e yang mungkin di S ke suatu bilangan real X(e) = x.
Variabel acak dibedakan menjadi 2 yaitu variabel acak diskrit dan variabel acak kontinu.
Definisi 2.2.2. Jika himpunan semua nilai yang mungkin dari suatu variabel
acak, X, adalah himpunan terhingga terhitung x1,x2, . . ., xn atau himpunan tak
terhingga terhitung x1,x2, . . ., maka X disebut variabel acak diskrit. Fungsi f (x) = P [X = x], x = x1, x2, . . .
menunjukkan probabilitas untuk setiap nilai x yang mungkin disebut dengan fungsi densitas probabilitas diskrit.
Definisi 2.2.3. Fungsi distribusi kumulatif dari suatu variabel acak X untuk
sembarang bilangan real x didefinisikan sebagai F (x) = P [X ≤ x].
Definisi 2.2.4. Jika X adalah suatu variabel acak diskrit dengan fungsi densitas
probabilitas f (x) maka harga harapan dari X didefinisikan sebagai E(X) =∑
x
xf (x).
Definisi 2.2.5. Suatu variabel acak X disebut variabel acak kontinu jika terdapat
suatu fungsi densitas probabilitas dari X yaitu f (x), sedemikian sehingga fungsi distribusi kumulatif dari X dapat dinyatakan sebagai
F (x) =
∫ x −∞
f (t)dt.
Teorema 2.2.1. Suatu fungsi f (x) adalah fungsi densitas probabilitas dari
vari-abel acak kontinu X jika dan hanya jika memenuhi 1. f (x)≥ 0, untuk semua bilangan real x, dan 2. ∫−∞∞ f (x)dx = 1.
Definisi 2.2.6. Jika X adalah variabel acak kontinu dengan fungsi densitas
pro-babilitas f (x), maka harga harapan X didefinisikan oleh E(X) =
∫ ∞
−∞
xf (x)dx,
apabila integral tersebut konvergen absolut. Selain itu dapat dikatakan E(X) tidak ada.
Teorema 2.2.2. Jika X adalah suatu variabel acak dengan suatu fungsi densitas
probabilitas f (x) dan c(x) adalah suatu fungsi bernilai real dimana daerah asal meliputi semua nilai yang mungkin dari X, maka
1. E[c(X)] =∑xc(x)f (x) jika X adalah diskrit. 2. E[c(X)] =∫−∞∞ c(x)f (x)dx jika X adalah kontinu.
2.2.5
Uji Keacakan
Uji keacakan adalah uji untuk mengetahui apakah sampel diambil secara acak atau tidak. Uji keacakan yang digunakan dalam penelitian ini adalah uji keacakan menurut Wackerly et al. [17] dengan hipotesis nol bahwa data bersifat acak. Berikut ini langkah-langkah uji keacakan menurut Wackerly et al. [17].
1. mencari nilai median dari data,
2. memberikan tanda (−) untuk data yang mempunyai nilai di bawah median dan tanda (+) untuk data yang mempunyai nilai di atas median,
3. menghitung n1 dan n2, dimana n1 adalah banyak data yang berada di atas
median, serta n2 adalah banyak data yang berada di bawah median,
4. menghitung D, dengan D adalah jumlah runtun yang berubah tanda, 5. menghitung E(D), dengan rumus berikut,
E(D) = 2n1n2 n1+ n2
+ 1, (2.2)
6. menghitung V (D), dengan rumus berikut,
V (D) = 2n1n2(2n1n2− n1− n2)
(n1+ n2)2(n1+ n2− 1)
, (2.3)
7. menghitung Zhitung, dengan rumus berikut,
Zhitung =
D− E(D)
√
V (D) ,
8. memberi kesimpulan bahwa hipotesis nol ditolak jika Zhitung ≤ −Zα/2 atau
Zhitung ≥ Zα2.
2.2.6
Uji Kenormalan
Uji kenormalah merupakan uji yang digunakan untuk mengetahui apakah data berasal dari populasi berdistribusi normal. Uji Jarque-Bera merupakan salah satu uji kenormalan. Menurut Gujarati [8], statistik uji Jarque-Bera didefinisikan
J B = n 6 [ S2+ (K− 3) 2 4 ] , (2.4)
dengan n adalah ukuran sampel. S adalah kemencengan dan K adalah kerun-cingan. Definisi S dan K secara berturut-turut adalah
S = 1 n ∑n i=1(xi− x) 3 (n1 ∑ni=1(xi− x)2) 3 2 ,
K = 1 n ∑n i=1(xi− x)4 (n1∑ni=1(xi− x)2)2 ,
dengan x adalah rata-rata sampel. Jika J B < χ2(α,2) maka data berasal berdistri-busi normal.
2.2.7
Kriteria Stochastic Dominance
Kriteria stochastic dominance adalah kriteria yang menyatakan hubungan dua fungsi distribusi, yaitu apakah suatu fungsi distribusi lebih dominan daripada fungsi distribusi yang lain (Heyer [10]). Konsep stochastic dominance berasal dari teori utilitas dalam pengambilan keputusan optimal untuk memilih beberapa alternatif investasi. Apabila terdapat investasi A dan B, maka investasi B lebih disukai daripada investasi A jika dan hanya jika harga harapan B lebih besar dari harga harapan A. Selanjutnya kriteria dasar stochastic dominance dapat dituliskan sebagai
EA(x)≤ EB(x).
Kriteria stochastic dominance dibagi menjadi tiga orde yaitu kriteria first-order
stochastic dominance (FSD), kriteria second-order stochastic dominance (SSD),
dan kriteria third-order stochastic dominance (TSD). Hal ini didasarkan pada karakteristik fungsi utilitas masing-masing orde.
1. Kriteria first-order stochastic dominance (FSD). Fungsi utilitas yang digu-nakan pada F SD adalah fungsi utilitas monoton naik yang didefinisikan sebagai
U1 ={fungsi utilitas u|u
′
(x)≥ 0}.
Investasi B mendominasi A secara F SD pada fungsi utilitas U1 jika dan
hanya jika
FA(x)≥ FB(x), (2.5)
untuk semua xϵS. S adalah himpunan bilangan semesta yang memuat variabel acak X.
2. Kriteria second-order stochastic dominance (SSD). Fungsi utilitas yang di-gunakan pada SSD adalah fungsi utilitas yang memiliki sifat risk aversion, didefinisikan sebagai
U2 ={fungsi utilitas u|u′(x)≥ 0 dan u′′(x)≤ 0}.
Investasi B mendominasi A secara SSD pada fungsi utilitas U2 jika dan
hanya jika ∫ x −∞ FA(t)dt≥ ∫ x −∞ FB(t)dt, (2.6)
untuk semua xϵS. S adalah himpunan bilangan semesta yang memuat variabel acak X.
3. Kriteria third-order stochastic dominance (TSD). Fungsi utilitas yang digu-nakan pada T SD adalah fungsi utilitas yang memiliki sifat ruin aversion, didefinisikan sebagai
U3 ={fungsi utilitas u|u
′
(x)≥ 0, u′′(x)≤ 0 dan u′′′(x)≥ 0}.
Investasi B mendominasi A secara T SD pada fungsi utilitas U3 jika dan
hanya jika ∫ x −∞ ∫ y ∞ FA(t)dtdy ≥ ∫ x −∞ ∫ y −∞ FB(t)dtdy,
untuk semua xϵS. S adalah himpunan bilangan semesta yang memuat variabel acak X.
2.2.8
Kriteria Almost Stochastic Dominance
Kriteria almost Stochastic Dominance (ASD) merupakan kriteria alternatif dalam pengambilan keputusan apabila kriteria stochastic dominance tidak terpe-nuhi (Levy [11]). Diasumsikan terdapat dua alternatif investasi yaitu A dan B.
FA(x) adalah distribusi kumulatif dari A dan FB(x) adalah distribusi kumulatif
dari B, dengan X adalah variabel acak. Berdasarkan Levy [12] , kriteria ASD dibagi menjadi dua yaitu kriteria almost first-order stochastic dominance (AFSD) dan kriteria almost second-order stochastic dominance (ASSD).
1. Kriteria almost first-order stochastic dominance (AFSD). Kriteria AF SD digunakan apabila kriteria F SD yang ditunjukkan pada persamaan (2.5) tidak terpenuhi. Daerah yang tidak terpenuhi untuk F SD dinotasikan sebagai
S1(FA, FB) ={x|FB(x) > FA(x)}.
Rasio ε1 didefinisikan sebagai ε1 = ∫ S1(FB(x)− FA(x))dx ∫ S|FB(x)− FA(x)|dx ,
dengan ε1 < 0, 5. Investasi B mendominasi investasi A secara AF SD pada
fungsi utilitas U1∗(ε1) jika dan hanya jika
∫ S1 (FB(x)− FA(x))dx≤ ε1 ∫ S |FB(x)− FA(x)|dx,
dengan U1∗(ε1) adalah fungsi utilitas yang didefinisikan sebagai U1∗(ε1) = {u : u
′
(x)≥ 0, u′(x)≤ inf{u′(x)}[1
ε1
− 1], ∀xϵS}.
2. Kriteria almost second-order stochastic dominance (ASSD). Kriteria ASSD digunakan apabila kriteria SSD yang ditunjukkan pada persamaan (2.6) tidak terpenuhi. Daerah yang tidak terpenuhi untuk SSD dinotasikan se-bagai S2(FA, FB) = {x|FA(x) < FB(x); ∫ x −∞ FB(t)dt≥ ∫ x −∞ FA(t)dt}.
Rasio ε2 didefinisikan sebagai ε2 = ∫ S2(FB(x)− FA(x))dx ∫ S2FA(x)− FB(x)dx + ∫ S2FB(x)− FA(x)dx .
dengan ε2 < 0, 5. Investasi B mendominasi investasi A secara ASSD pada
fungsi utilitas U2∗(ε2) jika dan hanya jika
∫ S2 (FB(x)− FA(x))dx≤ ε2 ( ∫ S2 FA(x)− FB(x)dx + ∫ S2 FB(x)− FA(x)dx ) .
dengan U2∗(ε2) adalah fungsi utilitas yang didefinisikan sebagai U2∗(ε2) = {u : u ′ (x)≥ 0, u′′(x)≤ 0, −u′′(x)≤ inf{−u′′(x)}[1 ε2 − 1], ∀xϵS}. (2.7)
2.2.9
Kriteria Marginal Conditional Stochastic
Dominance
Berdasarkan Shalit dan Yitzhaki [15], kriteria MCSD memberikan kondisi probabilitas untuk semua individu yang risk-averse dapat memperoleh portofolio efisien dengan melakukan perubahan marjinal pada porsi salah satu aset dalam portofolio. Perubahan marjinal dilakukan dengan meningkatkan porsi dari salah satu asetnya daripada aset yang lain dalam suatu portofolio. Kelebihan dari kriteria MCSD adalah dapat melibatkan perbandingan lebih dari dua aset.
Misalkan investor dengan fungsi utilitas U2, didefinisikan sebagai U2 ={fungsi utilitas u|u
′
≥ 0 dan u′′ ≤ 0 }.
Investor tersebut mengelola portofolio yang terdiri atas n aset. Porsi dari aset ke- i adalah αi, sehingga
Σni=1αi = 1. (2.8)
Kekayaan akhir didefinisikan sebagai
W = w0(1 +
n
∑
i=1
αiRi),
dengan W adalah kekayaan akhir, w0adalah kekayaan awal, dan Riadalah return
dari aset ke- i. Return dari portofolio adalah R+ didefinisikan sebagai
R+ = Σni=1αiRi. (2.9)
Tujuan akhir dari investor adalah memilih porsi untuk memaksimalkan
E[u(W )]. Menurut Shalit dan Yitzhaki [15], aset k mendominasi aset j
berda-sar MCSD jika memenuhi kondisi E[u′(W )(Rk− Rj)]≥ 0. Selanjutnya, µi (r+)
adalah harga harapan bersyarat dari return pada aset i ketika return portofolio sebesar r+. µi(r+) didefinisikan sebagai
µi(r+) = E[Ri|R+= r+]. (2.10)
Berdasarkan Shalit dan Yitzhaki [15], apabila diberikan portofolio, aset k men-dominasi aset j secara MCSD jika dan hanya jika
Berdasarkan Shalit dan Yitzhaki [15], teorema MCSD disajikan dalam ben-tuk suatu kurva yang bernama absolute concentration curve (ACC). Nilai ACC dari aset i merupakan fungsi distribusi kumulatif dari nilai harapan bersyarat
return aset i. Kurva ACC biasanya digunakan pada bidang keuangan, khususnya
pada bidang ilmu tentang ketimpangan pendapatan. ACC dirumuskan sebagai
ACCiα(ξ) = ∫ F−1 R+(ξ) −∞ µi(r+)f (r+)dr+ (2.11) dengan ξ =∫r+ −∞f (rAM CSD+)dr+.
Teorema 2.2.3. Diberikan portofolio, aset k mendominasi aset j untuk semua
fungsi utilitas U2 pada W jika dan hanya jika
ACCkα(ξ)≥ ACCjα(ξ). (2.12)
Selanjutnya didefinisikan B(t) adalah selisih kurva ACC sebagai
B(t) =
∫ t a
(µk(r+)− µj(r+))dFR+(r+) dengan tϵ[a, b], [a, b] adalah interval terbatas dari return.
2.3
Kerangka Pemikiran
Para investor yang mempunyai sifat risk averse dapat menggunakan kri-teria M CSD untuk memperoleh portofolio yang efisien. Krikri-teria ini didasarkan pada kurva ACC dari dua aset. Apabila nilai ACC aset k lebih dari nilai ACC aset j, maka aset k mendominasi aset j secara MCSD.
Suatu daerah di antara kedua kurva ACC dikatakan tidak memenuhi kri-teria M CSD apabila pada daerah tersebut ditemukan nilai ACC aset k kurang dari nilai ACC aset j. Apabila terdapat daerah yang tidak memenuhi kriteria
M CSD, maka digunakan kriteria AM CSD. Nilai AMCSD diperoleh dari
ha-sil bagi daerah yang tidak memenuhi MCSD dengan total rentang daerah yang memenuhi maupun tidak memenuhi MCSD. Berdasarkan Levy et al. [13], krite-ria AMCSD terpenuhi jika nilai AMCSD bernilai kurang dari 0, 032. Jika nilai
kriteria AMCSD antara aset k dan aset j bernilai kurang dari 0, 032 maka aset
k mendominasi aset j secara AMCSD.
Pada pembentukan portofolio efisien, kriteria AMCSD digunakan untuk mengetahui apakah suatu portofolio efisien atau tidak efisien. Jika dalam folio terdapat aset yang mendominasi aset lainnya secara AMCSD, maka porto-folio belum efisien. Akan tetapi, jika dalam portoporto-folio tidak ada aset yang saling mendominasi secara AMCSD, maka portofolio efisien.