• Tidak ada hasil yang ditemukan

KELOMPOK 14-Model Perhitungan Return Tak Normal (PPT)

N/A
N/A
Protected

Academic year: 2021

Membagikan "KELOMPOK 14-Model Perhitungan Return Tak Normal (PPT)"

Copied!
20
0
0

Teks penuh

(1)

Model

Model

Perhitungan

Perhitungan

Return Tak

Return Tak

Normal

Normal

Dosen : I Komang Arthana SE, M.Si, Ak

(2)

Kelompo

Kelompo

k

k

14

14

Lela W

Lela W

ulandari

ulandari

Bintang

Bintang

(12810331190052)

(12810331190052)

 Anik Apri

 Anik Apri

yanti

yanti

(12810331190059)

(12810331190059)

(3)

Return tidak normal merupakan kelebihan dari return yang sesungguhnya terjadi terhadap return normal. Return  normal merupakan return ekspektasian (return yang diharapkan oleh investor). Dengan demikian return taknormal adalah selisih antara return sesungguhnya yang terjadi dengan retun ekspektasian, sebagai berikut :

RETURN

TAK

NORMAL

RTNi.t= Ri,t – E[Ri,t]

Keterangan :

RTNi,t = return tidak normal sekuritas ke-I pada periode peristiwa ke-t.

Ri,t  = return realisasi yang terjadi untuk sekuritas ke-i pada periode peristiwa ke-t.

E[Ri,t ] = return normal sekuritas ke-i untuk suatu periode peristiwa ke-t.

(4)

Menurut

Brown and

Warner (1985)

Mean-adjusted

Model

Market

Model

Market- Adjusted

Model

(5)

• Return ekspektasian bernilai konstan yang sama dengan rata-rata return realisasi sebelumnya selama periode estimasi,

• E[Ri,t ] = return normal sekuritas ke-i pada periode peristiwa ke-t. • Ri,j = return realisasi sekuritas ke-i pada periode estimasi ke-j. • T = lamanya periode estimasi, yaitu dari t1 sampai t2.

Mean-adjusted Model

t2  Ri,t  j = t1 E[Ri,t] = T Keterangan :

(6)

Market Modal

1. Membentuk model ekspektasi dengan menggunakan data realisasi selama periode estimasi.

2. Menggunakan model ekspektasi ini untuk mengestimasi return normal di periode jendela. Model ekspektasi dapat dibentuk menggunkan teknik regresi OLS (Ordinary Least Square) dengan persamaan :

R i,t= αi + βi · R Mj + εi,j

Ri,j = return realisasi sekuritas ke-i pada periode estimasi ke-j.

i = intercept  untuk sekuritas ke-i

ßi = koefisien kemiringan yang merupakan beta dari s ekuritas ke-i.

RMj = return indeks pasar pada periode estimasi ke-j yang dapat dihitung dengan rumus RMj= (IHSGj– IHSGj-1)/ IHSGj-1

(7)

Market-adjusted Model

Model disesuikan pasar (Market Adjusted Model ) menganggap bahwa penduga yang terbaik untuk mengestimasi return  suatu sekuritas adalah return indeks pasar pada saat tersebut.

Misalnya pada hari pengumuman peristiwa, indeks pasar adalah 18%, dengan metode sesuaian-pasar (market-adjusted method)  ini, maka return ekspetasian semua sekuritas di hari yang sama tersebut adalah sama dengan return indeks pasarnya, yaitu sebesar 18% tersebut. Jika return suatu sekuritas di hari pengumuman peristiwa adalah 35%, maka besarnya abnormal return yang terjadi adalah 17% (35%-18%).

(8)

Rata-Rata Return Tak Normal

Pengujian adanya abnormal return

tidak dilakukan

agregat dengan

menguji rata-rata return taknormal

seluruh sekuritas secara

cross-section

untuk

tiap-tiap

hari

diperiode

peristiwa.

Rata-rata

return

taknormal

(average

abnormal return)untuk hari ke-t

dapat dihitung berdasarkan

rata-rata aritmatika sebagai berikut:

Keterangan :

RRTNt = rata-rata return taknormal (average abnormal return)pada hari ke-t.

RTNi,t =return taknormal (abnormal return) untuk sekuritas ke-I

pada hari ke-t.

K =jumlah sekuritas yang terpengaruh oleh

(9)

Contoh hasil rata-rata return taknormal menggunakan model pasar

.

Hari ke-t

Rata-rata return taknormal (RRTN)

-3

-2

-1

0

+1

+2

+3

(0,01+0,01+……0,00)/k=0,005

(0,00+0,02+……0,01)/k=0,007

(0,02+0,01+……0,02)/k=0,017  ̈

(0,04+0,01+……0,03)/k=0,090  ̈ ̇

(0,07+0,00+……0,09)/k=0,075  ̈ ̇

(0,02+0,01+……0,03)/k=0,010  ̈

(0,01+0,00+……0,02)/k=0,003 ̇

Keterangan :

 ̇ = signifikan pada tingkat 10%   ̈ = signifikan pada tingkat 5%   ̈ ̇= signifikan pada tingkat 1%

(10)

Akumulasi Return Tak Normal

Akumulasi return taknormal

(ARTN) atau

cumulative abnormal return (CAR) merupakan

penjumlahan return taknormal hari sebelumnya di

dalam periode peristiwa untuk masing-masing

securitas sebagai berikut:

t ARTNi,t= RTNi,t

a = t3 Keterangan :

ARTNi,t  = akumulasi return tidak normal

sekuritas mulai dari awal sampai ke-t.

RTNi,a = return tidak normal untuk

(11)

Jika terdapat k buah sekuritas,maka akumulasi rata-rata return

taknormal (ARRTN) atau cumulative

average abnormal return (CAAR) dapat dihitung sebagai berikut:

k

    RTNi,t

I=1 RRTNt = k 

Notasi:

ARRTNt = akumulasi rata-rata return taknormal (cumulative average abnormal return)

ARTNi,t = akumulasi return taknormal(cumulative abnormal return)

K = jumlah sekuritas yang terpengaruh oleh pengumuman

Akumulasi rata-rata return taknormal(ARRTN)dapat juga dhitung dengan mengakumulasikan rata-rata return taknormal untuk hari-hari sebelumnya.Jika rata-rata return taknormal hari ke-t.Rata-rata return taknormal hari ke-t (ARRTNt),dapat dihitung sebesar :

Notasi:

ARRTNt = akumulasi rata-rata return tak

normal (cumulative average

abnormal return)

RRTNᵃ  = rata-rata return tak normal

(12)

CONTOH HASIL AKUMULASI RATA-RATA RETURN

TAK NORMAL MENGGUNAKAN MODEL PASAR

Hari ke-t  Rata-rata return taknormal (RRTN)  Akumulasi rata-ratareturn taknormal (ARRTN) -3 -2 -1 0 +1 +2 +3 0,005 0,007 0,017 0,090 0,075 0,010 0,003 0+0,005=0,005 0,005+0,007=0,012 0,012+0,017=0,029 0,029+0,090=0,119 0,119+0,075=0,194 0,194+0,010=0,204 0,204+0,003=0,207

(13)

PENGUJIAN STATISTIK TERHADAP RETURN

TAKNORMAL

Pengujian statistik terhadap return taknormal mempunyai tujuan untuk melihat signifikasi return taknormal yang ada diperiode peristiwa.

Secara umum , pengujian –t yang menguji hipotesis nol bahwa nilai suatu parameter sama dengan nol adalah sebagai berikut :

t= β

Kesalahan standar estimasi

t= t-hitung

β=Parameter  yang akan diuji signifikannya (misalnya adalah koefisien dan regresi , rata-rata suatu nilai dan sebagainya)

Return taknormal standarisasi :

RTNSi,t = RTNit KSEi

Notasi :

RTNSi,t = return taknormal standarisasi

sekuritas ke-i pada hari ke-t di periode peristiwa

RTNi,t = return taknormal sekuritas ke-I pada hari ke-t di periode peristiwa .

KSEi = Kesalahan standar estimasi untuk sekuritas ke-i

(14)

1. KESALAHAN STANDAR ESTIMASI BERDASARKAN

RATA-RATA RETURNNYA SELAMA PERIODE

ESTIMASI

Cara pertama menghitung kesalahan standar estimasi

berdasarkan devisi

nilai rata-rata returnnya selama periode

estimasi dan dapat dirumuskan sebagai berikut

NOTASI :

KSEi = kesalahan standar estimasi untuk sekuritas ke-I

Ri,j = return sekuiritas ke-i untuk hari ke-j selama periode estimasi Ri = rata- rata return sekuritas ke-i selama periode estimasi .

T1 = jumlah hari periode estimasi , yaiutu dari ke ke-t1 sampai dengan hari ke – t2.

(15)

Data Return , Rata-Rata Return Sekuritas dan Kesalahan

Standar Estimasi Masing- Masing Sekuritas Selama

Periode Estimasi

Hari ke-j Return Sekuritas ke 1 (RI,I Return sekuritas ke-2 (R2,I) Return sekuritas ke-k (Rk,j) -4 -5 -6 . . . -203 0,20 0,15 0,17 . . . 0,09 0,18 0,17 0,16 . . . 0,12 0,25 0,28 0,22 . . . 0,17 Ri 0,16 0,22 KSEi .

(16)

Signifikasi Return Taknormal diperiode Peristiwa

Hari ke-t  Rata-rata return taknormal hipnotis nol yang menyatakan rata-rata return taknormal

t-hitung -3 -2 -1 0 +1 +2 +3 (0,01+0,01+…+0,00)/k = 0,005 (0,00+0,002+…+0,01)/K=0,007 (0,02+0,01+…+0,02)/k =0,017** (0,04+0,01+…+0,03)/k =0,090*** (0,07+0,00+…0,09/k=0,075*** (0,02 +0,01+…0,03)/k=0,010** (0,01 + 0,00 + …+0,02)k= 0,03* (0,500+1,000+..0,000)k1/2=0,255 (0,000+2,000+..0,333)k1/2=0,525 (1,000+1,000+..+0,667)k1/2=1,982 (2,000+1,000+..+1,000)k1/2=3,891 (3,500+0,000+..+3,000)k1/2=3,750 (1,000+1,000+..+1,000)k1/2=1,655 (0,500+0,000+..+0,667)K1/2= 1,355

(17)

2. KESALAHAN STANDAR ESTIMASI BERDASARKAN

PREDIKSI RETURN PERIODE ESTIMASI

Cara kedua menghitung kesalahan standar estimasi

berdasarkan

deviasi

nilai-nilai

return

dari

nilai

estemasinya selama periode estimasi . Dengan demikian

perbedaan cara pertama dan kedua dalam menghitung

kesalahan standar estimasi adalah terletak di standar

yang digunakan untuk, mengukur penyimangan

return-returnya selama periode estimasi .

(18)

SIGNIFIKASI RETURN TAKNORMAL DI PERIODE PERISTIWA

MENGGUNAKAN CARA KEDUA .

Hari ke-t  Rata-rata return taknormal t- hitung

-3 0,005 (0,125+0,143+..+0,000)/k ½ = 0,023 -2 0,007 (0,000+0,286+…+0,200)/k1/2=0,035 -1 0,017 (0,250+0,143+..+0,400)/k ½=0,975 0 0,090* (0,500+0,143+..+0,600)/K1/2=1,389 +1 0,075*** (0,875+0,000+..+1,800)/K1/2=2,375 +2 0,010* (0,250+0,143+..+0,600)/K1/2=1,555 +3 0,003 (0,125+0,000+..+0,400)/K1/2=0,755

(19)

3. KESALAHAN STANDAR ESTIMASI SECARA

CROOS-SECTION

Cara ketiga dari perhitungan kesalahan standar

estimasi didasarkan pada deviasi standar

return-return taknormal dari sekeuritas secara cross-section

untuk tiap hari periode peristiwa . Cara ketiga ini

lebih tepat digunakan untuk model sesuaian pasar.

(Market -adjusted model) yang hanya menggunakan

periode peristiwa dan tidak menggunakan periode

estimasi. Cara ketiga ini lebih tepat digunakan untuk

model sesuaian pasar (market-adjusted model) yang

hanya menggunakan periode peristiwa dan tidak

menggunakan periode estimasi.

(20)

Referensi

Dokumen terkait

Metode yang digunakan pada HC dilakukan dengan cara menghitung total potensi produktivitas manusia yang hilang akibat kecelakaan fatal lalu lintas di jalan, sedangkan

Data hasil diskusi kelompok atau hasil tes setiap kelompok pada siklus pertama dan siklus kedua adalah data yang digunakan untuk mengukur peningkatan hasil belajar

Perbedaan dari kedua cara pengujian ini hanya terletak dari bentuk dan jumlah point yang digunakan, three point bending menggunakan 2 point pada bagian bawah

Semua estimasi parameter yang didapat dan digunakan untuk simulasi ball mill adalah yang terdekat dengan diameter partikel rata – rata dari data hasil kedua

Pada indikator pertama, terdapat 21 anak yang masuk kategori sangat baik dan 4 anak masuk kategori kurang, adapun pada indikator kedua yaitu identifikasi persamaan atau perbedaan dari