DIKI DEWANDONO Fakultas Ekonomi dan Bisnis
Universitas Brawijaya
DIAN ARI NUGROHO Fakultas Ekonomi dan Bisnis
Universitas Brawijaya
Abstract: The research conducted on banking subsector stock from 2016-2017 primarily
aims to find out what strategy can give higher returns between Moving Average and Commodity Channel Index strategy. This is descriptive research with a quantitative approach. The researcher used 4 samples. After conducting the comparative analysis the researcher found out that the Moving Average strategy gave a higher return than the Commodity Channel Index strategy. This research shows that there are some characteristics of each strategy. Moving Average strategy can maximize returns when trends happen, but the yearly returns tend to be volatile and fluctuate. Commodity Channel Index strategy cannot maximize returns when trends happen, producing a lot of transaction signals which can reduce returns because of the transaction cost, but this strategy can give stable yearly returns.
Keywords: technical analysis, moving average, commodity channel index, return.
Abstrak: Penelitian yang dilakukan pada saham subsektor perbankan periode 2016-2017 ini bertujuan untuk mengetahui manakah di antara strategi Moving Average dan Commodity
Channel Index yang mampu menghasilkan return lebih tinggi. Penelitian ini adalah
penelitian deskriptif dengan pendekatan kuantitatif. Jumlah sampel yang digunakan dalam penelitian sebanyak 4 sampel. Setelah dilakukan analisis komparatif ditemukan bahwa strategi Moving Average mampu menghasilkan return lebih tinggi dibandingkan strategi
Commodity Channel Index. Penelitian ini menunjukkan beberapa karakteristik dari
masing-masing strategi yaitu strategi Moving Average mampu memaksimalkan return ketika tren terjadi, namun return per tahunnya cenderung volatil dan fluktuatif. Sedangkan strategi
Commodity Channel Index memiliki karakteristik kurang mampu memaksimalkan return
ketika tren terjadi, menghasilkan banyak sinyal transaksi jual beli yang dapat menurunkan
return akibat biaya transaksi, namun return per tahunnya relatif stabil.
1 penting untuk dilakukan. Adanya inflasi yang terjadi setiap tahunnya menyebabkan daya beli kita menurun. Investasi memberikan perlindungan terhadap nilai aset yang kita miliki dengan harapan return yang didapat lebih tinggi dibandingkan inflasi yang terjadi. Investasi sendiri memiliki
tradeoff dimana kita harus memilih
apakah kita akan menggunakan aset yang kita miliki untuk dibelanjakan sekarang (konsumtif) atau disimpan dalam suatu instrumen investasi untuk memperoleh manfaat yang lebih besar di masa yang akan datang melalui return yang didapat (investasi).
Di antara beberapa aset finansial yang ada, saham dipilih sebagai instrumen investasi untuk penelitian ini. Pemilihan instrumen saham di penelitian ini yaitu merupakan instrumen yang memiliki potensi return yang baik. Tidak jarang harga saham suatu perusahaan mampu mengalami kenaikan puluhan persen per tahun. Instrumen saham juga merupakan salah satu instrumen yang harganya terjangkau. Harga saham perusahaan sangat bervariasi
apabila kita ingin memulai berinvestasi dengan modal awal yang kecil.
Investasi ke dalam instrumen saham ini akan menghasilkan return berupa capital gain/loss dan dividend
yield. Capital gain merupakan
keuntungan yang didapat dari selisih harga beli dan harga jual. Jika harga jual lebih tinggi dari harga beli maka investor akan memperoleh keuntungan dan dinamakan capital
gain, jika harga jual lebih rendah dari
harga beli maka investor mengalami kerugian atau capital loss.
Sedangkan dividend yield merupakan keuntungan yang diperoleh dari bagi hasil atas laba bersih yang dihasilkan oleh perusahaan dalam suatu periode tertentu. Investor yang memiliki kerangka waktu (timeframe) jangka panjang cenderung lebih berfokus pada dividend yield. Mereka cenderung membeli saham dan menahannya dalam kurun waktu yang cukup lama yang sering disebut sebagai buy and hold strategy. Sedangkan investor dengan
timeframe jangka pendek lebih
yaitu melakukan jual beli saham dalam kurun waktu yang relatif singkat.
Objek penelitian yang dipilih adalah saham subsektor perbankan. Subsektor perbankan termasuk di dalam saham sektor keuangan. Terdapat 43 emiten bank yang dapat diperdagangkan secara publik di dalam subsektor perbankan tersebut. 43 emiten inilah yang akan dijadikan populasi untuk penelitian ini. Beberapa alasan yang mendasari pemilihan objek penelitian ini adalah 1) Saham subsektor bank sedang mengalami momentum pertumbuhan, 2) Perbankan adalah sektor yang penting bagi suatu negara sehingga perusahaan di dalamnya senantiasa dituntut untuk memiliki kinerja yang baik dan 3) Diatur dan diawasi oleh pemerintah.
Sudah cukup banyak penelitian yang dilakukan untuk mengetahui strategi apa yang baik untuk melakukan jual beli saham. Beberapa diantaranya seperti jurnal oleh Valeriy Zakamulin (2016) dengan judul Market Timing with
Moving Average, Fotis Papailas
(2004) dengan judul An Improved
Moving Average Technical Trading
Rule, Natica Ardani (2012) dengan
judul Komparasi Strategi Buy and
Hold dengan Pendekatan Teknikal,
dan beberapa penelitian lainnya. Rata-rata hasil temuan penelitian tersebut mengindikasikan bahwa analisis teknikal khususnya dengan menggunakan indikator moving average dapat digunakan untuk
melakukan jual beli saham dan menghasilkan return yang cukup baik.
LANDASAN TEORI
Analisis Teknikal. Analisis teknikal adalah analisis yang dilakukan dengan menilai perubahan harga saham yang didasari oleh data-data pasar di masa lalu, seperti data harga penutupan saham dan volume penjualan harga saham yang nanti akan digunakan oleh investor supaya dapat mengestimasi harga saham di masa yang akan datang. Edwards dan Magee (2007:4) menjelaskan bahwa analisis teknikal merupakan ilmu merekam, biasanya dalam bentuk gambar atau grafik, data historis aktual dari perdagangan dan dari historis tersebut diputuskan kemungkinan tren yang akan datang. Sedangkan Bodie et al. (2009:365)
menjelaskan bahwa analisis teknikal merupakan pencarian pola harga saham yang berulang dan dapat diramalkan. Dengan kata lain, investor tidak perlu lagi untuk melakukan analisis terhadap variabel ekonomi dan perusahaan untuk mengestimasi nilai harga saham, karena hanya dengan data historis tersebut, investor sudah dapat mengestimasi harga saham suatu perusahaan (Tandelilin, 2010:393). Menurut Jones (2011:401), analisis teknikal merupakan penggunaan data yang dihasilkan pasar secara spesifik yang digunakan untuk menganalisis baik harga saham secara agregat maupun individual. Pring di dalam bukunya Technical Analysis Explained menyatakan “pendekatan
teknikal dalam investasi adalah refleksi ide bahwa harga bergerak secara tren yang ditentukan oleh perubahan sikap investor terhadap berbagai macam kondisi ekonomi, moneter, politik, dan psikologi” (Jones, 2011:403).
Moving Average. Strategi Moving
Average adalah teknik yang populer
digunakan untuk menganalisis baik pasar secara keseluruhan maupun saham secara individu dan digunakan
secara spesifik untuk mendeteksi arah dan tingkat pergerakan harga (Jones, 2011:409). Sejumlah data penutupan harga harian digunakan untuk menghitung moving average.
Sejumlah data tersebut dinamakan periode. Secara matematis, dengan asumsi penggunaan MA periode 10 hari, rumus MA dapat dijabarkan sebagai berikut:
Dimana PM adalah harga penutupan hari ini, PM-1 adalah penutupan harga kemarin, dan seterusnya. Ketika ada data baru yang masuk, maka data terlama akan dibuang dan diganti oleh data terbaru. Secara matematis sebagai berikut:
Jones menyatakan bahwa periode yang paling sering digunakan adalah 200 hari (200-day moving average) (2011:409). Kriteria yang digunakan adalah beli ketika harga memotong garis moving average dari bawah ke
atas dan jual ketika harga memotong dari atas ke bawah.
Reilly dan Brown (2006:595) menyatakan suatu strategi crossover dimana mereka menyarankan untuk menggunakan dua buah moving
average yaitu periode 50 hari dan
periode 200 hari, dan menentukan kriteria beli ketika moving average periode 50 memotong moving
average periode 200 dari bawah ke
atas dan menentukan kriteria jual ketika moving average periode 50 memotong moving average periode 200 dari atas ke bawah. Ketika
moving average periode 50 berada di
atas moving average periode 200 maka terjadi tren bullish. Sebaliknya jika moving average periode 50 berada di bawah moving average periode 200 maka terjadi tren bearish. Commodity Channel Index. CCI adalah indikator oscillator yang pertama kali diperkenalkan oleh Donald Lambert dalam suatu artikel yang dipublikasikan pada tahun 1980 di majalah Futures. Semenjak diperkenalkan, indikator ini semakin populer dan saat ini sudah sering digunakan oleh investor untuk mengidentifikasi siklus tren di pasar finansial baik saham, obligasi,
maupun mata uang. CCI dihitung berdasarkan perbedaan antara harga suatu sekuritas dan moving average-nya, dibagi dengan deviasi rata-rata absolut dari harga tersebut.
Secara matematis sebagai berikut:
Dimana Pt adalah harga tertinggi ditambah harga terendah ditambah harga penutupan dibagi tiga. SMA adalah moving average, σ adalah deviasi absolute rata-rata. σ ini dicari dengan cara mencari rata-rata data dalam suatu periode terlebih dahulu, kemudian mengurangi setiap data dengan nilai rata-rata yang sudah ditemukan, kemudian dicari rata-rata dari hasil tersebut. Interpretasi dari indikator ini yaitu beli ketika CCI berada di bawah -100 (oversold) dan jual ketika CCI berada di atas +100 (overbought).
Return Geometrik. Untuk
mengukur kinerja masing-masing strategi yang diuji maka digunakan rumus return geometrik. Return geometrik ini berbeda dari formula lain untuk pengukuran return yaitu
return aritmatik. Return aritmatik
menggunakan metode sederhana dimana rata-rata return yang didapat
dijumlah dan dibagi total periode investasi. Return geometrik dianggap lebih merepresentasikan kinerja suatu investasi karena return geometrik
mempertimbangkan unsur
pemajemukan (compounding). Rata-rata return geometrik secara matematis dapat ditulis sebagai berikut:
G = [(1+TR1) (1+TR2)… (1+TRn)]1/n – 1
Dimana TR adalah serangkaian
return total dalam bentuk desimal. Di
dalam penelitian ini, TR adalah return per tahun dari hasil transaksi masing-masing strategi. Rata-rata return geometrik mengukur tingkat pertumbuhan majemuk dari suatu investasi, dengan asumsi semua arus kas di-reinvestasikan kembali.
METODE
Jenis Penelitian. Jenis penelitian ini adalah deskriptif kuantitatif. Penelitian deskriptif adalah penelitian yang dilakukan untuk mengetahui nilai variabel mandiri, baik satu variabel atau lebih tanpa menghubungkan dengan variabel lain (Sugiyono, 2004:11).
Pengambilan Sampel. Kriteria dan pertimbangan yang digunakan untuk pengambilan sampel dalam penelitian ini antara lain:
1. Perusahaan yang terdaftar di BEI subsektor bank sampai dengan tahun 2017
2. Perusahaan yang menunjukkan adanya aktivitas bullish dan bearish 3. Tidak suspend selama periode 2016-2017
4. Market cap di atas Rp. 100 triliun per tanggal 30 Desember 2016 Tabel 1 Emiten Saham yang Memenuhi Kriteria 1, 2, 3 dan 4
NO PERUSAHAAN NO PERUSAHAAN 1 Bank Central Asia Tbk 3 Bank Rakyat Indonesia Tbk 2 Bank Negara Indonesia Tbk 4 Bank Mandiri Tbk
Sumber: data diolah, 2018
Metode Analisis Data. Secara ringkas tahapan analisis data dalam penelitian ini dijelaskan sebagai berikut:
1. Merekap data harga penutupan harian emiten yang dijadikan sampel selama periode penelitian. 2. Memasukkan data yang sudah diperoleh ke dalam Microsoft
Excel untuk diolah dengan
menggunakan rumus moving average dan commodity channel
index yang sudah didefinisikan
sebelumnya.
3. Menggunakan aturan jual beli (trading rule) yang mengacu pada Reilly dan Brown di dalam bukunya Investments dimana untuk strategi moving average yaitu:
Beli ketika moving average periode 50 memotong moving
average periode 200 dari bawah
ke atas.
Jual ketika moving average periode 50 memotong moving
average periode 200 dari atas ke
bawah.
Sedangkan untuk aturan jual beli (trading rule) commodity channel
index yaitu:
Beli ketika commodity channel
index periode 20 berada di daerah
kurang dari -100 (oversold). Jual ketika commodity channel
index periode 20 berada di daerah
lebih dari +100 (overbought) 4. Menghitung return yang
dihasilkan dari kedua strategi tersebut dengan menggunakan rumus return yang sudah didefinisikan sebelumnya. Untuk penelitian ini digunakan asumsi
bahwa dividen tidak
diperhitungkan ke dalam perhitungan return dikarenakan kecenderungan trading rule yang membeli dan menjual dalam waktu relatif singkat. Biaya transaksi (commision fee) juga tidak diperhitungkan ke dalam perhitungan return untuk benar-benar mengetahui performa dari masing-masing strategi tanpa memasukkan faktor biaya transaksi.
5. Menghitung rata-rata geometrik untuk dapat melakukan analisis perbandingan rata-rata return kedua strategi tersebut.
6. Menyimpulkan hasil dari keseluruhan penelitian yang sudah dilakukan dan mengajukan beberapa saran terkait kedua strategi tersebut.
HASIL
BBCA. Secara ringkas hasil seluruh transaksi strategi moving average dan
commodity channel index pada saham
BBCA adalah sebagai berikut.
Tabel 2 Daftar Transaksi Strategi
Moving average Dan Commodity
channel index pada Saham BBCA moving average
Tanggal Harga beli Tanggal
Harga
jual Profit Yield 2/18/2016 13400 6/23/2016 12950 -450 -3.36% 7/20/2016 14450 12/29/2017 21900 7450 51.56%
Total
Return 48.20%
commodity channel index Tanggal Harga
beli Tanggal Harga
jual Profit Yield 1/12/2016 13100 2/5/2016 13425 325 2.48% 3/31/2016 13300 5/13/2016 13150 -150 -1.13% 6/16/2016 13000 7/26/2016 14350 1350 10.38% 11/1/2016 15450 12/15/2016 14775 -675 -4.37% 12/4/2017 20800 12/29/2017 21900 1100 5.29% Total Return 12.66% Sumber:data diolah, 2018
Gambar 1 Return Strategi Moving average dan Commodity channel index BBCA
Sumber: data diolah, 2018
BBNI. Berikut daftar transaksi yang dihasilkan oleh masing-masing strategi.
Tabel 3 Daftar Transaksi Strategi Moving average Dan Commodity channel index pada Saham BBNI
moving average Tanggal Harga
beli Tanggal Harga
jual Profit Yield 3/16/2016 5350 5/26/2016 4550 -800 -14.95%
8/8/2016 5850 12/29/2017 9900 4050 69.23% Total
Return 54.28%
commodity channel index Tanggal Harga
beli Tanggal Harga
jual Profit Yield 2/4/2016 4950 2/19/2016 5100 150 3.03% 5/4/2016 4620 6/2/2016 4690 70 1.52% 9/22/2016 5575 11/2/2016 5525 -50 -0.90% 11/17/2016 5225 12/15/2016 5400 175 3.35% 4/19/2017 6350 5/15/2017 6525 175 2.76% 9/7/2017 7300 9/27/2017 7275 -25 -0.34% Total Return 9.41% Sumber: data diolah, 2018
Gambar 2 Return Strategi Moving average dan Commodity channel index BBNI
Sumber: data diolah, 2018 -3.36% 51.56% 7.37% 5.29% -20.00% 0.00% 20.00% 40.00% 60.00% 2016 2017 Return BBCA
MOVING AVERAGE COMMODITY CHANNEL INDEX
-14.95% 69.23% 7.00% 2.41% -50.00% 0.00% 50.00% 100.00% 2016 2017 Return BBNI
BBRI. Secara ringkas hasil seluruh transaksi dari masing-masing strategi adalah sebagai berikut.
Tabel 4 Daftar Transaksi Strategi Moving average dan Commodity channel index pada Saham BBRI
moving average Tanggal Harga
beli Tanggal Harga
jual Profit Yield 1/8/2016 2320 5/23/2016 1985 -335 -14.44% 8/11/2016 2380 12/29/2017 3640 1260 52.94%
Total
Return 38.50%
commodity channel index Tanggal Harga
beli Tanggal Harga
jual Profit Yield 1/21/2016 2165 2/16/2016 2385 220 10.16% 2/26/2016 2170 6/2/2016 2055 -115 -5.3% 8/31/2016 2330 9/26/2016 2405 75 3.22% 11/22/2016 2295 1/9/2017 2350 55 2.40% 1/30/2017 2350 2/8/2017 2390 40 1.70% 4/18/2017 2575 4/27/2017 2600 25 0.97% 7/31/2017 2955 8/18/2017 3030 75 2.54% 9/8/2017 3000 9/27/2017 3050 50 1.67% Total Return 17.36% Sumber: data diolah, 2018
Gambar 3 Return Strategi Moving average dan Commodity channel index BBRI
Sumber: data diolah, 2018
BMRI. Total keseluruhan transaksi baik strategi moving average maupun
commodity channel index dapat
diringkas pada tabel berikut.
Tabel 5 Daftar Transaksi Strategi Moving average dan Commodity channel index pada Saham BMRI
moving average Tanggal Harga
beli Tanggal Harga
jual Profit Yield 3/3/2016 4850 7/20/2016 5213 363 7.48% 8/2/2016 5325 12/29/2017 8000 2675 50.23%
Total
Return 57.72%
commodity channel index Tanggal Harga
beli Tanggal Harga
jual Profit Yield 2/22/2016 4700 3/17/2016 5050 350 7.45% 4/19/2016 4775 6/9/2016 4638 -137 -2.87% 9/15/2016 5488 9/28/2016 5650 162 2.95% 11/17/2016 5450 1/4/2017 5675 225 4.13% 4/26/2017 5913 5/23/2017 6125 212 3.59% 9/8/2017 6638 10/5/2017 6600 -38 -0.57% Total Return 14.67% Sumber: data diolah, 2018
Gambar 4 Return Strategi Moving average dan Commodity channel index BMRI
Sumber: data diolah, 2018 -14.44% 52.94% 8.08% 9.27% -20.00% 0.00% 20.00% 40.00% 60.00% 2016 2017 Return BBRI
MOVING AVERAGE COMMODITY CHANNEL INDEX
7.48% 50.23% 7.53% 7.14% 0.00% 20.00% 40.00% 60.00% 2016 2017 Return BMRI
PEMBAHASAN DAN KESIMPULAN
Berikut adalah tabel rekapitulasi dari return yang dihasilkan oleh kedua strategi ke dalam empat sampel saham terpilih. Tabel 6 Tabel Rekapitulasi Return Strategi Investasi Moving average dan Commodity channel index
MA CCI
2016 2017 RATA-RATA 2016 2017 RATA-RATA
BBCA -3.36% 51.56% 21.02% 7.37% 5.29% 6.33%
BBNI -14.95% 69.23% 19.97% 7.00% 2.41% 4.68%
BBRI -14.44% 52.94% 14.39% 8.08% 9.27% 8.65%
BMRI 7.48% 50.23% 27.07% 7.53% 7.14% 7.34%
Dari perbandingan return
yang dihasilkan oleh strategi moving
average dan commodity channel index terlihat bahwa strategi moving
average lebih unggul dalam
menghasilkan return dibandingkan strategi commodity channel index. Temuan ini didukung oleh pendapat dari Jones serta penelitian yang dilakukan oleh Glabadanidis (2012) dan Zhou (2014). Namun ada beberapa temuan lain yang perlu untuk dibahas. Secara keseluruhan strategi moving average memang dapat menghasilkan return yang lebih tinggi dibandingkan strategi
commodity channel index, namun
dilihat dari return per tahunnya,
return strategi moving average
memiliki volatilitas yang lebih tinggi atau lebih fluktuatif dibandingkan strategi commodity channel index. Sebagai contoh, hasil penerapan strategi moving average pada BBCA menghasilkan rata-rata return
geometrik untuk strategi moving
average sebesar 21,02%, namun return yang dihasilkan per tahunnya
adalah -3,36% di tahun 2016 dan 51,56% di tahun 2017. Perbandingan antara return di tahun 2016 dan 2017 terbilang cukup fluktuatif. Ini adalah salah satu karakteristik dari indikator tren.
Penerapan strategi commodity
channel index pada BBCA
menghasilkan rata-rata return
geometrik sebesar 6,33%, namun
return per tahunnya terlihat lebih
stabil yaitu 7,37% di tahun 2016 dan 5,29% di tahun 2017. Meski begitu, karakteristik dari indikator oscillator adalah banyaknya sinyal transaksi yang muncul. Ini mengakibatkan berkurangnya potensi keuntungan akibat adanya biaya transaksi.
Terlepas dari beberapa temuan-temuan yang sudah dipaparkan, strategi moving average tetap lebih baik dalam menghasilkan
keuntungan dibandingkan strategi
commodity channel index. Temuan
ini mendukung teori yang dikemukakan oleh Reilly dan Brown yaitu teori tentang sistem strategi
moving average crossover
menggunakan periode 50 hari dan 200 hari.
Kemudian karakteristik dan jenis kedua indikator tersebut berbeda. Indikator moving average termasuk dalam indikator trend dimana indikator ini cenderung lambat namun dapat memaksimalkan
return ketika tren terjadi. Sedangkan
indikator commodity channel index adalah indikator oscillator yang biasanya cocok digunakan dalam kondisi sideways atau non-trending. Indikator oscillator bisa lebih cepat dalam mendeteksi perubahan harga namun kurang baik dalam memaksimalkan keuntungan ketika tren terjadi akibat sifat alamiah indikator ini yang nilainya naik turun (oscillating), bukan mengikuti harga sesungguhnya sebagaimana indikator tren seperti moving average.
DAFTAR PUSTAKA
Anak Agung Putu Agung. 2012.
Metodologi Penelitian Bisnis.
Malang: UB Press.
Anoraga, Pandji. 2006. Pengantar
Pasar Modal. Jakarta: Rineka Cipta.
Anwar Sanusi. 2011. Metodologi
Penelitian Bisnis. Jakarta: Salemba
Empat.
Bodie, Zvi. Kane, Alex dan Marcus, Alan J. 2009. Investments. Boston: McGraw-Hill.
Darmadji, Tjiptono dan Fakhruddin, Hendy M. 2008. Pasar Modal di
Indonesia: Pendekatan Tanya Jawab.
Jakarta: Salemba Empat.
Edwards, Robert dan Magee, John. 2007. Technical Analysis of Stock
Trends. Florida: Taylor and Francis
Group.
Elisabet Lisa. 2018. Lima saham ini
masih jadi jawara market cap. 4
Januari 2018. Kontan. Diakses 8
April 2018.
<http://investasi.kontan.co.id/news/li ma-saham-ini-masih-jadi-jawara-market-cap>
Gisymar, Najib A. 1999. Insider Trading Dalam Transaksi Efek. Bandung: Citra Aditya Bakti.
Glabadanidis, Paskalis. 2012. Market
Timing with Moving Average.
International Review of Finance, vol
15, issue 3.
Google. Analisis teknikal. Diakses 20
Maret 2018. <https://www.google.com/search?ei= 8amwWub7I8jiUZj9q0A&q=analisis +teknikal&oq=analisis+teknikal&gs _l=psy-ab.3..35i39k1l2j0i20i263k1l2j0i203k 1l2j0l2j0i203k1j0.2041.2205.0.2593. 2.2.0.0.0.0.380.380.3- 1.1.0....0...1c.1.64.psy-ab..1.1.380....0.5_cPiDnY3m8>
Google. Analisis fundamental.
Diakses 20 Maret 2018. <https://www.google.com/search?ei= A6mwWuThCMucsAfBvpWgDg&q =analisis+fudamental&oq=analisis+f udamental&gs_l=psy-ab.3..0i13k1l10.100498.102642.0.10 3058.10.9.0.0.0.0.512.896.3- 1j0j1.2.0....0...1c.1.64.psy-ab..8.2.896...0i10i203k1j0i13i30k1.0 .AeBUkuIuQpE>
Hartono, Jogiyanto. 2013. Teori
Portofolio dan Analisis Investasi.
Yogyakarta: BPPFE.
Heitkoetter, Markus. 2008. The
Complete Guide to Day Trading.
Investing. Jakarta Stock Exchange
Composite Index (JKSE). Diakses 22
Maret 2018.
<https://www.investing.com/indices/ idx-composite-chart>
Investing. S&P 500 (SPX). Diakses
22 Maret 2018.
<https://www.investing.com/indices/ us-spx-500>
Investopedia. Geometric Mean.
Diakses 22 mei 2018.
<https://www.investopedia.com/ask/ answers/06/geometricmean.asp>
Investopedia. Invesment
Management. Diakses 12 april 2018.
<https://www.investopedia.com/term s/i/investment-management.asp>
Jones, Charles P. 2011. Investment:
Principles and Concepts. New Jersey:
Wiley.
Liaw, Siqin. 2012. Technical Analysis: An Asian Perspective. Singapore Management University.
Lilik Choirotul Mafula. 2015. Analisis Teknikal Sebagai Dasar Pengambilan Keputusan Dalam Trading Pada Bursa Efek Indonesia. Skripsi. Universitas Brawijaya. Malang.
Maitah, Mansoor. Prochazka, Petr. Cermak, Michal. 2016. Commodity
Channel Index: Evaluation of
Trading Rule of Agricultural
Commodities. International Journal of Economics and Financial Issues,
vol 6, pp. 176-178.
Martalena. 2011. Pengantar Pasar
Modal. Yogyakarta: Andi.
Menkhoff, Lukas. 2010. The Use Of
Technical Analysis By Fund
Managers: International Evidence. Journal of Banking and Finance, vol
34, issue 11, pp. 2573-2586.
Meyers, Thomas A. 1999. The
Technical Analysis Course. Tokyo:
Toppan Co. Ltd.
Natica Ardani, Werner R.M. dan Deddi Marciano. 2012. Investasi: Komparasi Strategi Buy and Hold dengan Pendekatan Teknikal. Jurnal
Akuntansi dan Keuangan, vol 14, no
1, pp. 32-44.
Naufal Andra Gumelar. 2017. Perbandingan Strategi Investasi dengan Pendekatan Moving Average
Convergence Divergence dan Buy
and Hold dalam Menghasilkan
Return Saham. Skripsi. Universitas Brawijaya. Malang.
Nurul Qomariyah. 2016. Sejarah BRI. Tirto. Diakses 10 Oktober 2018. <https://tirto.id/sejarah-bri-bnh9>
Papailas, Fotis. Thomakos, Dimitrios. 2014. An Improved Moving Average
Technical Trading Rule. Physica A:
Statistical Mechanics and its
Applications, vol 428, pp. 458-469.
Pring, Martin J. 1990. Technical
Analysis Explained. Singapore:
McGraw-Hill.
Rahadiawan. 2009. Sejarah Bank
Mandiri. Rahadiawan SK’s Blog.
Diakses 10 Oktober 2018. <https://rahadiawansatriakusuma.wor dpress.com/2009/01/31/sejarah-bank-mandiri/>
Rahardja dan Manurung. 2008. Teori
Ekonomi Makro. Jakarta: Fakultas
Ekonomi UI.
Reilly, Frank dan Brown, Keith. 2006. Investment Analysis and
Portfolio Management. Canada:
Thomson South-Western.
Rusdin. 2008. Pasar Modal.
Bandung: Alfabeta.
SahamOk. Kapitalisasi Pasar.
Diakses 12 april 2018. <https://www.sahamok.com/emiten/k apitalisasi-pasar/>
Siegel, Rachel dan Yacht, Carol. 2009. Personal Finance. United States: Saylor Foundation.
Smith, David. Faugere, Christopher. Wang, Ying. 2013. The Performance
who Use Technical Analysis. Research in Finance, vol 29, pp.
167-189.
StockChart. Moving Average. Diakses 28 Maret 2018.
<http://www.stockcharts.com/educati on/IndicatorAnalysis/indic_movingA vg.html>
Sugiyono. 2004. Metode Penelitian
Bisnis. Bandung: Alfabeta.
Tandelilin, Eduardus. 2010.
Portofolio dan Investasi. Yogyakarta:
Kanisius.
Tri Hamdani. 2016. Sejarah Singkat
Berdirinya Bank BNI, yang
merupakan Bank Pertama di
Indonesia. Satujam. Diakses 10
Oktober 2018. <https://satujam.com/sejarah- singkat-berdirinya-bank-bni-yang- merupakan-bank-pertama-di-indonesia/> Venus Kusumawardhana. 2016. Komparasi Strategi Investasi Aktif dan Pasif untuk Optimalkan Return Saham yang Terdapat di Bursa Efek Indonesia. Ekonomika-Bisnis, vol 7, no 1, pp. 41-54.
Yes-Sejarah. Sejarah dan Profil PT.
Bank Central Asia, Tbk (BANK BCA).
Diakses 10 Oktober 2018 <http://yes-sejarah.blogspot.com/2017/05/sejara
h-dan-profil-pt-bank-central-asia.html>
Zakamulin, Valeriy. 2016. Market
Timing With Moving average:
Anatomy And Performance Of
Trading Rules. University of Agder, School of Business and Law.
Zalmi Zubir. Manajemen Portofolio:
Penerapannya dalam Investasi
Saham. Salemba Empat: Jakarta
Zhou, Guofu. Zhu, Yingzi. 2014. A
Theory of Technical Trading Using Moving Average. China Academy of Financial Research (CAFR).
