PENDAHULUAN
1.1 Latar Belakang
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dengan variabel yang lain. Analisis
regresi merupakan salah satu analisis yang paling populer dan luas pemakaiannya.
Dalam penilaian ketepatan model regresi tidak cukup hanya didasarkan pada
besarnya nilai R2 (koefisien determinasi), maupun koefisien regresi atau nilai-t
dari koefisien regresi tersebut, diperlukan metode berupa pemeriksaan sisaan
(residual) dengan lebih seksama. Dan metode yang paling sering digunakan dalam
analisis regresi adalah Ordinary Least Square (OLS), namun metode tersebut
dikenal sangat peka terhadap adanya pencilan.
Pencilan merupakan data yang nilainya atau letaknya berbeda sangat jauh
dari kumpulan data yang lainnya. Adanya pencilan dalam data dapat
mengakibatkan estimasi koefisien regresi menjadi kurang tepat. Hal ini dapat
ditunjukkan dengan nilai standard error yang besar apabila menggunakan metode
OLS. Membuat analisis dengan membuang pencilan dari data bukanlah langkah
yang tepat, sebab adakalanya pencilan memberikan informasi yang tidak bisa
diberikan oleh titik data lainnya (Draper & Smith, 1998).
Model yang digunakan dalam pemilihan investasi saham adalah Capital
Asset Pricing Model (CAPM) dan Reward to Variability Ratio (RVAR). Pada
model RVAR, saham-saham akan diurutkan berdasarkan tingkat risiko dan tingkat
pengembaliannya. Dalam memilih suatu saham, para investor lebih sering
menggunakan metode Capital Asset Pricing Model (CAPM) untuk menghitung
risiko investasi dan hasil investasi yang diharapkan (Fabozzi, 1999). Dalam
menilai risiko suatu saham, apakah saham tersebut layak dibeli atau dijual,
koefisien β ini menggunakan analisis regresi dengan metode OLS, namun apabila
suatu data pada saham tersebut terdapat pencilan, maka metode OLS tidak lagi
tepat.
Masalah adanya pencilan pada metode OLS dapat diatasi dengan
menggunakan metode estimasi yang bersifat robust (kekar) terhadap pencilan
yang dikenal dengan regresi robust. Dalam regresi robust terdapat beberapa
metode estimasi, antara lain Estimasi-M, Estimasi-S, Estimasi-MM, Least
Trimmed Square (LTS), dan Least Median Square (LMS) (Chen, 2002).
Dalam penelitian Andriani (2008), regresi robust digunakan dalam
estimasi model CAPM. Penelitian tersebut dilakukan dengan membandingkan
hasil estimasi dan kestabilan koefisien β pada metode OLS dan estimasi-M. Data
yang digunakan adalah data harian saham pada IHSG dan PT. Telekomunikasi
Tbk (TLKM). Pada data tersebut terdapat pencilan yang dapat mempengaruhi
hasil estimasi. Dengan membandingkan nilai standard error pada kedua metode,
nilai standard error pada estimasi-M lebih baik daripada metode OLS.
Dari penelitian Andriani tersebut, penulis tertarik untuk menerapkan
estimasi-M pada metode CAPM dalam pemilihan investasi saham di Bursa Efek
Indonesia. Saham-saham yang akan digunakan sebagai perhitungan adalah saham
dari Indeks LQ45, di mana dalam indeks tersebut merupakan saham yang aktif.
Data saham yang digunakan adalah data yang terdapat pencilan dan
membandingkan hasil estimasi koefisien β pada metode OLS dan estimasi-M
dilihat dari nilai standard error. Saham-saham tersebut adalah saham ADHI,
ASII, CPIN, KLBF, LSIP, PWON, SMRA, dan TLKM, di mana saham-saham
tersebut mengalami stock split (pemecahan nominal saham), sehingga data dalam
saham terdapat pencilan.
Berdasarkan uraian tersebut, penulis mengambil judul penelitian “Analisis
1.2 Perumusan Masalah
Adanya pencilan dalam data saham di Bursa Efek Indonesia mengakibatkan
metode OLS yang lazim digunakan dalam analisis pemilihan investasi saham
tidak lagi tepat, hal ini dapat diatasi dengan menggunakan metode regresi robust.
Dalam penelitian ini penulis akan menggunakan estimasi-M dalam membuat
kajian terhadap analisis pemilihan investasi saham di Bursa Efek Indonesia.
1.3 Batasan Masalah
Masalah yang diteliti dibatasi oleh perhitungan estimasi koefisien β dan nilai
standard error minimum pada metode OLS dan estimasi-M. Sumber data yang
digunakan adalah data harian saham pada IHSG dan Indeks Individual dari 4
Januari 2010 - 30 Desember 2014. Indeks Individual yang digunakan terdiri dari 8
perusahaan yaitu PT. Charoen Pokphan Indonesia Tbk (CPIN), PT. London
Sumatera Plantation Tbk (LSIP), PT. Adhi Karya Tbk (ADHI), PT. Kalbe Farma
Tbk (KLBF), PT. Astra International Tbk (ASII), PT. Pakuwon Jati Tbk (PWON),
PT. Summarecon Agung Tbk (SMRA), dan PT. Telekomunikasi Indonesia Tbk
(TLKM). Data yang digunakan adalah sebagai perhitungan dalam pertimbangan
memilih saham dan tidak memperhatikan bagaimana fenomena dan pengaruh
yang terjadi pada data yang digunakan.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah mengkaji bagaimana pemilihan investasi saham
di Bursa Efek Indonesia dengan penerapan estimasi-M dengan mengestimasi nilai
koefisien β pada metode OLS dan estimasi-M pada data yang mengandung
1.5 Manfaat Penelitian
Manfaat penelitian sebagai berikut:
1. Memberi informasi bahwa estimasi-M dapat diterapkan dalam pemilihan
investasi saham, terutama pada data yang mengandung pencilan.
2. Sebagai bahan acuan dalam penelitian yang sejenis di masa mendatang.
1.6 Metodologi Penelitian
Metodologi penelitian yang digunakan dalam memecahkan permasalahan dalam
tugas akhir ini adalah sebagai berikut:
1. Studi literatur.
Tahap ini dilakukan dengan mengidentifikasi permasalahan, mengkaji, dan
menganalisis pemilihan investasi saham dengan metode OLS dan estimasi-M
dalam model CAPM. Penelusuran referensi ini bersumber dari buku, jurnal,
maupun penelitian yang telah ada sebelumnya mengenai hal-hal yang
berhubungan dengan metode CAPM dan estimasi-M dalam pemilihan
investasi saham.
2. Pengumpulan data.
Pada tahap ini dilakukan pengambilan data Indeks Harga Saham Gabungan
(IHSG) dan Indeks Individual pada 8 perusahaan yaitu PT. Charoen Pokphan
Indonesia Tbk (CPIN), PT. London Sumatera Plantation Tbk (LSIP), PT.
Adhi Karya Tbk (ADHI), PT. Kalbe Farma Tbk (KLBF), PT. Astra
International Tbk (ASII), PT. Pakuwon Jati Tbk (PWON), PT. Summarecon
Agung Tbk (SMRA), dan PT. Telekomunikasi Indonesia Tbk (TLKM). Data
bunga SBI diperoleh dari website www.bi.go.id. Data suku bunga yang
digunakan adalah periode Januari 2010-Desember 2014.
3. Mengestimasi koefisien β dengan metode OLS dan estimasi-M.
Pada tahap ini dilakukan estimasi koefisien β dengan metode OLS, kemudian
mengestimasi koefisien β dengan estimasi-M menggunakan fungsi pembobot
Huber dan Tukey Bisquare dengan beberapa iterasi sehingga hasilnya
konvergen.
4. Membandingkan hasil estimasi.
Pada tahap ini dilakukan perhitungan nilai standard error pada metode OLS
dan estimasi-M. Keakuratan perhitungan dilihat dari nilai standard error pada
masing-masing metode, jika standard error lebih kecil berarti metode
tersebut lebih akurat.
5. Menerapkan estimasi-M pada metode CAPM
Pada tahap ini hasil estimasi koefisien β pada estimasi-M diterapkan pada
metode CAPM dalam memilih saham di Bursa Efek Indonesia.
6. Membuat kesimpulan.
Pada tahap ini dilakukan penarikan kesimpulan dari hasil analisis data dan
juga memberikan saran terhadap saham mana yang layak untuk dipilih dalam
