126363 5763 Pengujian Komponen Metodologi
-
Upload
kiki-puspa-ayu -
Category
Documents
-
view
29 -
download
3
description
Transcript of 126363 5763 Pengujian Komponen Metodologi
33
BAB III
METODOLOGI PENELITIAN
III.1 Event Study
Event study adalah suatu pengamatan terhadap pergerakan harga saham di
pasar modal untuk mengetahui apakah terdapat tingkat pengembalian abnormal
(abnormal return) yang diperoleh investor akibat dari suatu peristiwa (event)
tertentu. (Peterson, 1989). Sama halnya juga menurut Kritzman (1994) dan
Campbell, Lo dan Mac Kinlay. Menurut Kritzman, event study bertujuan untuk
mengukur hubungan antara suatu event yang mempengaruhi saham dan tingkat
pengembalian dari saham tersebut sedangkan menurut Lo dan Mac Kinlay event
study bertujuan untuk mengukur dampak sebuah kejadian ekonomi (economic
event), seperti merger dan akuisisi, pengumuman laba, penerbitan hutang atau
ekuitas atau pengumuman variabel makroekonomi lainnya, pada nilai sebuah
perusahaan. Dampak tersebut akan tercermin pada harga dari aset. Oleh karena itu,
untuk mengukur dampak dari sebuah economic event, kita harus mempelajari
bagaimana perilaku harga asset di sekitar event date.
Jadi berdasarkan definisi tersebut, metodologi event study dapat digunakan
untuk melihat reaksi pasar modal, yang tercermin dalam harga saham perusahaan,
terhadap suatu peristiwa tertentu.
Riset dengan event study telah banyak dilakukan belakangan ini. Penelitian
pertama dengan menggunakan metode event study diduga adalah penelitian yang
dilakukan oleh Dooley (1930) tentang pengaruh pemecahan saham terhadap
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
34
kekayaan para pemegang saham. Berbagai penelitian berikutnya yang dilakukan
oleh Myers dan Bakay (1948), Barker (1956), Ashley (1962), dan Fama et al (1969)
semakin menyempurnakan metodologi event study yang ada (Mac Kinley 1997).
Dalam event study, prediksi teoritis terhadap konsekuensi harus ditentukan,
kemudian pengujian akan dilakukan untuk memastikan apakah data konsisten
dengan prediksi teoritis sebelumnya.
Langkah-langkah untuk melakukan analisis ini adalah sebagai berikut :
1. Definisi kejadian (event definition)
Pertama adalah menentukan kejadian apa yang akan diteliti dan pada periode
waktu bagaimana harga saham akan dianalisis (event window).
Dalam penelitian ini, event yang dilihat adalah pemecahan saham (stock split)
yang terjadi pada tahun 1999 – 2006. Harga saham yang diamati adalah dari t-5
sampai dengan t+10.
2. Kriteria seleksi.
Kedua, menjelaskan kriteria yang digunakan dalam memilih perusahaan mana
yang diikutsertakan dalam analisis, misalnya perusahaan dari lingkup industri
yang sama atau perusahaan yang terdaftar pada pasar saham tertentu.
Dalam penelitian ini, saham-saham yang diamati adalah saham yang terdaftar di
Bursa Efek Jakarta.
3. Mengukur tingkat pengembalian normal dan abnormal.
Tingkat pengembalian normal adalah tingkat pengembalian yang diharapkan
apabila tidak terjadi event. Tingkat pengembalian transaksi yang terjadi
dinyatakan dalam variabel TRET. Variabel inilah yang akan dibandingkan saat
split ex-date dengan non split ex-date.
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
35
4. Melakukan pengujian terhadap tingkat pengembalian abnormal
Terakhir adalah menguji apakah tingkat pengembalian ternyata adalah
abnormal dan signifikan secara statistik. Dalam hal ini, variabel tingkat
pengembalian transaksi akan diuji apakah signifikan secara statistik.
III.2 Analisis Regresi
Dalam pengolahan data dan penarikan kesimpulan penelitian, penulis
menggunakan analisis regresi. Oleh sebab itu, pada bagian ini akan dibahas konsep
regresi. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Dalam salah
satu karyanya yang terkenal beliau menemukan bahwa walaupun anak dari orang
tua yang memiliki fisik yang tinggi cenderung tinggi dan sebaliknya, tetapi rata-rata
tinggi badan dari anak yang lahir dari orang tua dengan tinggi badan tertentu akan
bergerak (move atau regress) menuju tinggi badan rata-rata populasi secara
keseluruhan. Hukum ini (Galton’s universal law of regression) dikonfirmasi oleh
rekannya, Karl Pearson, yang mengumpulkan lebih dari seribu catatan tentang
tinggi badan dari anggota-anggota dari kelompok-kelompok keluarga yang ada.
Jadi, rata-rata tinggi badan anak yang lahir dari orang tua yang tinggi akan lebih
rendah dan demikian pula sebaliknya, rata-rata tinggi badan dari anak yang lahir
dari orang tua yang pendek, akan lebih tinggi, atau Galton menyebutnya dengan
“regression to mediocrity”.
Namun demikian, interpretasi modern terhadap regresi telah berbeda. Secara
luas, analisis regresi berfokus pada studi akan ketergantungan dari sebuah variabel,
yang disebut dependence variable, pada satu atau lebih variabel, yang disebut
dengan explanatory variable, untuk memprediksi rata-rata nilai populasi dari
variabel yang ada (former) yang dinyatakan dalam nilai variabel yang diketahui
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
36
(latter) dari sampel yang berulang, misalnya seorang direktur pemasaran ingin
mengetahui apakah permintaan terhadap produk perusahaannya terkait dengan
biaya iklan. Studi terhadap hal ini akan sangat membantu dalam menetapkan biaya
iklan yang optimum.
Walaupun analisis regresi berhubungan dengan ketergantungan dari satu
variabel dengan variabel lain, hal ini tidak menunjukkan hubungan kausalitas
(sebab akibat). Hubungan statistik yang kuat saja tidak dapat menciptakan
hubungan kausalitas di antara variabel-variabel terkait. Misalnya hasil panen
(dependence variable) memiliki hubungan statistik yang kuat dengan curah hujan
(independence / explanatory variable), karena tidak ada alasan statistik yang
mengasumsikan curah hujan tidak berpengaruh terhadap hasil panen, tetapi kita
tidak dapat mengatakan bahwa hasil panen bisa ada disebabkan oleh curah hujan.
Analisi korelasi sangat dekat dengan analisis regresi, tetapi kedua analisis
tersebut berbeda secara konsep. Analisis korelasi bertujuan untuk mengukur
kekuatan dari hubungan linear yang ada (dari hasil analisis regresi). Pada analisis
regresi, perlakuan terhadap variabel terikat dan bebas berbeda. Variabel terikat
diasumsikan acak (random / stochastic) sedangkan variabel bebas diasumsikan
tetap untuk pengambilan sampel yang berulang. Namun, pada analisis korelasi,
perlakuan terhadap kedua variabel sama, baik terikat, maupun bebas. Kedua
variabel diasumsikan acak.
Jadi, korelasi yang ada, misalnya, antara nilai matematika dan statistik sama
dengan korelasi antara nilai statistik dan matematik. Analisis regresi sangat
bergantung pada data yang tersedia.
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
37
Tiga tipe data yang mungkin tersedia untuk analisis empiris adalah :
a. Time series
Data time series adalah pengamatan pada nilai yang dimiliki oleh sebuah
variabel pada waktu yang berbeda, misalnya harga saham harian dari PT
Telkom (TLKM)
b. Cross section
Data cross section data dari satu atau lebih variabel yang dikumpulkan pada
waktu yang sama, misalnya sensus penduduk di seluruh daerah di Indonesia
pada waktu tertentu.
c. Panel (pooled)
Data pooled adalah kombinasi data dari data time series dan data cross section.
Misalnya harga saham harian dari PT Telkom dan PT Indosat sepanjang bulah
Juni 2007.
Metode regresi ordinary least square (OLS) yang akan digunakan dalam
pengolahan data pada penelitian ini identik dengan Carl Friedrich Gauss,
penemunya, yang merupakan seorang ahli matematika dari Jerman. Metode ini
adalah salah satu metode yang umum digunakan, selain maximum likelihood (ML),
dalam mengestimasi population regression function (PRF) atas dasar informasi
yang ada pada sample, melalui sample regression sample (SRF). Dalam
menggunakan metode maximum likelihood, PRF merupakan fungsi yang
menunjukkan hubungan yang timbul antara variable terikat dan bebas pada kondisi
tertentu dalam suatu populasi.
Estimasi PRF tersebut dilakukan berdasarkan SRF karena keterbatasan yang
ada dalam mengamati populasi, sehingga pengamatan terhadap sampel dapat
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
38
dikatakan mewakili populasi. Estimasi terhadap PRF ini juga yang menjadi tujuan
utama dalam melakukan analisis regresi, yang telah dijelaskan sebelumnya.
PRF untuk dua variabel dapat ditulis sebagai berikut :
ii uxY ++= 21 ββ
sedangkan SRF untuk dua variabel dapat ditulis :
ii uxY ˆˆˆ21 ++= ββ
di mana :
Yi : E(YIXi)
β1 dan β2 : parameter (bernilai tetap), disebut juga koefisien regresi
β1 dan β2 : penduga untuk β1 dan β2
Xi : variabel bebas
ui : stochastic error term / stochastic disturbance
Model estimasi yang dipakai dalam penelitian ini untuk menjelaskan hubungan
yang terjadi antara variabel-variabel terkait adalah :
Yi = a + bXi + ui
Dengan menggunakan beberapa asumsi tertentu, metode OLS ini memiliki
atribut statistik yang sangat menarik sehingga membuatnya menjadi salah satu
metode analisis regresi yang paling kuat dan paling populer. Apabila tujuan kita
hanyalah mengestimasi nilai β1 dan β2, metode OLS di atas cukup. Namun, tujuan
dari analisis regresi tidak hanya mencari nilai dari kedua parameter tersebut, tetapi
juga menarik kesimpulan dari keduanya, misalnya mencari hubungan seberapa
dekat nilai Y yang diperoleh dari perhitungan dengan nilai E (XIYi) yang
sebenarnya.
Oleh karena itu, beberapa asumsi harus dibuat terhadap proses bagaimana Yi
dihasilkan, dan karena Yi tergantung pada Xi dan ui, maka apabila kita tidak
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
39
mengasumsikan keadaan tertentu terhadap proses bagaimana Xi dan ui dihasilkan,
kita tidak dapat menarik kesimpulan statistik apapun tentang Yi dan juga β1 dan β2.
Jadi, asumsi-asumsi yang dibuat terhadap variabel Xi dan ui sangat penting untuk
interpretasi dari estimasi regresi.
Sepuluh asumsi terhadap analisis regresi metode OLS yang terdapat pada
classical linear regression model (CLRM) sebagai pondasi dari banyak teori
ekonometri adalah sebagai berikut :
1. Model regresi yang linear
2. Nilai X yang tetap dalam pengampilan sampel yang berulang, atau secara
lebih teknis X diasumsikan non stochastic.
3. Rata-rata nilai eror (ui) sama dengan 0
4. Varians dari disturbance error (ui) harus konstan walaupun nilai X berbeda-
beda pada setiap pengamatan (homoskedastisitas).
5. Tidak ada autokorelasi antar disturbance error antar waktu.
6. Tidak ada hubungan antara Xi dan ui (covarians Xi dan ui sama dengan 0)
7. Jumlah observasi harus lebih besar dari pada jumlah parameter yang
diestimasi.
8. Nilai X pada sampel secara keseluruhan harus bervariasi.
9. Model regresi harus secara benar ditetapkan (tidak terdapat bias pada model
yang dipakai dalam analisa empiris).
10. Tidak ada saling ketergantungan (multikolinearitas) antar variabel
independen yang terdapat pada model regresi.
Di antara sepuluh syarat tersebut di atas, hanya ada tiga syarat yang dapat
diuji secara ekonometri, yaitu apakah varians dari erornya homoskedastisitas,
apakah terdapat autokorelasi dan apakah terdapat multikolinearitas (untuk model
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
40
yang memiliki lebih dari satu variable independen). Asumsi-asumsi ini harus
dipenuhi sehingga estimasi yang kita lakukan dari sampel yang ada dapat
menghasilkan penduga yang linear (memiliki fungsi variabel acak yang linear),
tidak bias (sama dengan atau mendekati nilai yang sebenarnya) dan efisien
(memiliki varians yang minimum) atau biasa dikenal dengan BLUE, best linear
unbiased estimator. Asumsi normalitas juga merupakan hal yang penting untuk
memperoleh estimator yang memiliki criteria BLUE. Namun pada penelitian ini,
asumsi ini tidak perlu diuji karena jumlah sampel yang diteliti sudah lebih besar
dari 30 sampel, sehingga dapat dinyatakan telah memenuhi asumsi normalitas.
III.3 Sistematika Penelitian
Seperti yang telah dibahas pada bagian sebelumnya, metodologi yang dipakai
pada penelitian ini adalah metodologi event study, yang merupakan salah satu
metode yang paling sering dipakai sebagai alat analitikal dalam riset keuangan pada
tahun-tahun belakangan ini. Tujuan dari event study adalah untuk mengidentifikasi
apakah ada tingkat pengembalian abnormal yang diperoleh oleh para pemegang
saham terkait dengan adanya suatu peristiwa (event) yang dilakukan sebuah
perusahaan.
Sistematika penelitian yang dilakukan adalah :
1. Mengumpulkan data yang diperlukan.
Pengumpulan data dilakukan dengan mencari data yang dibutuhkan di Pusat
Referensi Pasar Modal (PRPM), BEJ. Populasi dari penelitian ini adalah
semua perusahaan yang terdaftar di BEJ, dari tahun 1999-2005.
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
41
Data-data (variabel-variabel) yang dibutuhkan adalah :
a. Perusahaan yang melakukan stock split dalam periode tersebut dan split
factor-nya.
b. Closing transaction price, mulai dari (t – 6) sampai (t + 10)
c. Bid price, yaitu harga maksimum yang bersedia dibayar oleh pembeli
untuk memperoleh saham, mulai dari (t – 6) sampai (t + 10)
d. Ask/offer price, yaitu harga minimum yang bersedia diterima oleh penjual
untuk menjual sahamnya mulai dari (t – 6) sampai (t + 10)
e. Jumlah transaksi, mulai dari (t – 6) sampai (t + 10)
f. Split-adjusted volume, mulai dari (t – 6) sampai (t + 10)
2. Membuat asumsi-asumsi penelitian untuk mempermudah jalannya penelitian.
3. Mengolah data berdasarkan tahapan-tahapan pengolahan data yang sesuai
dengan jurnal referensi.
4. Melakukan analisis hasil pengolahan data dan menarik kesimpulan.
III.4 Sampel
Sesuai dengan konsep statistika inferens, apabila kita ingin mengetahui
karakteristik dari suatu populasi yang sangat besar dan informasinya susah untuk
diperoleh, kita dapat mengambil dan meneliti sampel dari populasi tersebut, karena
karakteristik dari sampel dapat dipakai untuk menyimpulkan karakteristik dari
populasi yang ingin kita ketahui. Pengujian apakah order flow effect berpengaruh
signifikan terhadap tingkat pengembalian abnormal yang dimiliki oleh suatu saham
setelah stock split memerlukan pengamatan terhadap seluruh saham yang
melakukan stock split sejak BEJ diprivatisasi, yaitu sejak tahun 1995. Jumlah
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
42
perusahaan yang melakukan stock split sejak tahun 1995 sampai sekarang (tahun
2007) lebih kurang 150 saham.
Dalam penelitian ini, sebagai sampel, jumlah saham perusahaan yang
diharapkan dapat diperoleh untuk diteliti oleh penulis lebih kurang 100 saham,
sehingga periode penelitian ditetapkan mulai dari tahun 1999-2006 dan periode
pengamatannya adalah 17 hari, yaitu dari (t–6) sampai dengan (t+10), di mana (t)
adalah tanggal, pada saat harga mengalami penyesuaian sehingga mencerminkan
stock split yang terjadi (ex-date).
Penentuan tanggal (historical date) yang digunakan sebagai acuan untuk
memperoleh harga saham atau pun nilai indeks adalah berdasarkan tanggal yang
ada pada data yang diperoleh dari Pusat Referensi Pasar Modal, BEJ, dan sejauh ini
keduanya konsisten.
Misalnya perusahaan A melakukan stock split pada tanggal 5 Januari,
sementara dari data yang ada, hari sebelum 5 January adalah 3 January, maka untuk
kasus ini, ( t – 1 ) - nya adalah harga saham pada tanggal 3 January.
Berdasarkan data yang diperoleh dalam periode tersebut, jumlah perusahaan
yang mengalami stock split ada 108 perusahaan, dengan perincian sebagai berikut :
- Tahun 1999 21 saham, yaitu :
BCIC, BGIN, NISP, BBLD, BHIT, BUDI, DNKS, DSUC, EKAD, EPMT,
FASW, SHID, IGAR, KLBF, KKGI, LTLS, MTDL, PNBN, SUBA, SSTM,
SUDI
- Tahun 2000 22 saham, yaitu :
TMPI, APLI, ASGR, ASIA, AHAP, BASS, RMBA, BHIT, ESTI, FAST,
INDF, INTA, MREI, MEDC, MIRA, SIMA, SONA, TIRT, TRST, TRIM,
UNVR, UNTR
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
43
- Tahun 2001 15 saham, yaitu :
BBCA, RMBA, CPIN, DSFI, HMSP, SDPC, RALS, SRSN, STTP, SUBA,
SMPL, SIMM, TBLA, TURI, ULTJ
- Tahun 2002 12 saham, yaitu :
ACAP, ASDM, BBIA, PNBN, BLTA, FMII, HEXA, JAKA, MRAT, PANS,
SMRA, VOKS
- Tahun 2003 10 saham, yaitu :
AHAP, CFIN, EPMT, NISP, PBRX, PNIN, PNLF, POOL, SMSM, UNVR
- Tahun 2004 15 saham, yaitu :
APIC, UNSP, BBCA, BLTA, DNKS, DAVO, EKAD, ISAT, INCO, JIHD,
KLBF, RALS, RIGS, SHDA, TLKM
- Tahun 2005 6 saham, yaitu :
CTRS, HEXA, HITS, PRAS, SMAR, TGKA
- Tahun 2006 7 saham, yaitu :
EKAD, JPRT, LPKR, TMAS, PJAA, PLIN, TSPC
Data sampel tersebut diperoleh dari JSX Statistic 1999-2006, pada bagian
“additional listed share”. Namun demikian, tidak semua dari data tersebut dapat
digunakan karena beberapa keterbatasan.
Berikut akan dipaparkan kondisi-kondisi yang ditemui, yang menyebabkan
beberapa data saham harus dikeluarkan dari penelitian.
1. Stock split yang dilakukan beberapa perusahaan yang tercatat pada JSX
Statistic tidak tercermin dari data harga saham yang diamati sepanjang
periode penelitian, yang mencakup split ex-date, di mana seharusnya pada
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
44
hari itu terjadi perubahan harga penutupan yang signifikan, tetapi untuk
beberapa saham, hal itu tidak terlihat.
Terkait dengan hal ini, maka saham AHAP (2000) harus dikeluarkan dari
perhitungan agar tidak mengganggu hasil penelitian nanti.
2. Saham akan dikeluarkan dari perhitungan apabila data harian saham tersebut,
walaupun tercatat ,melakukan stock split, selama periode penelitian tidak
tersedia. Oleh karena itu, maka saham ASIA (1999) harus dikeluarkan dari
perhitungan agar tidak mengganggu hasil penelitian nanti.
3. Untuk beberapa saham, penulis tidak dapat menemukan split factor-nya, baik
dari internet ataupun dari berkas-berkas laporan keuangan yang ada di Pusat
Referensi Pasar Modal, BEJ. Oleh karena itu, saham BUDI, SUBA (1999)
dan SIMA, TIRT (2000) juga harus dikeluarkan dari perhitungan.
Jadi berdasarkan kondisi-kondisi yang ditemui seperti dipaparkan di atas,
maka enam saham harus dikeluarkan dari perhitungan, sehingga yang tersisa adalah
102 saham. Data dari saham-saham tersebut beserta harganya selama periode
pengamatan dapat dilihat pada lampiran 1.
III.5 Asumsi-asumsi Penelitian
Dalam pengolahan data, ada beberapa asumsi yang dipakai untuk mempermudah
perhitungan, antara lain :
1. Apabila harga penutupan transaksi pada data yang diperoleh adalah 0, maka
diasumsikan harga pada hari itu sama dengan harga pada hari sebelumnya
(menggunakan previous price). Ditemukan juga harga penutupan yang sama
dengan 0 pada ex-date, untuk kasus ini, harga sebelumnya (previous price)
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
45
telah mengalami penyesuaian terhadap stock split (mengalami pemecahan
sebesar split factor).
2. Apabila sebuah saham memiliki bid price atau ask price yang sama dengan
0, perlakuan yang diberikan juga sama seperti harga penutupan, diasumsikan
sama dengan harga pada hari sebelumnya. Namun apabila nilai 0 tersebut ada
pada ex-date, mengingat untuk data bid price dan ask price tidak diberikan
data previous price, maka nilai 0 tersebut akan tetap 0, tidak mengalami
penyesuaian apapun untuk mempermudah perhitungan, karena kalau
disamakan dengan harga sebelumnya, maka angka yang diperoleh adalah nilai
bid yang belum mengalami penyesuaian terhadap stock split dan hal ini akan
mengganggu hasil perhitungan nantinya.
3. Oleh karena data harga mentah yang diperoleh adalah harga penutupan
(closing price), bukan adjusted closing price, maka harga tersebut selanjutnya
akan disesuaikan sendiri karena data tersebut tidak tersedia di BEJ, sementara
hasil pencarian di internet hanya memuat adjusted closing price beberapa
tahun terakhir saja. Asumsi penyesuaian dilakukan hanya terhadap stock split
dan dividend payment apabila split ex-date dan ex-dividend date (tanggal
yang dilihat untuk penyesuaian terhadap pembagian dividen) perusahaan
berada di dalam periode penelitian.
Penyesuaian terhadap stock split dilakukan berdasarkan split factor yang
diperoleh dari annual report perusahaan, baik hardcopy, yaitu berkas laporan
keuangan perusahaan, maupun softcopy melalui pencarian internet di situs
perusahaan, sementara penyesuaian terhadap pembagian dividen dilakukan
berdasarkan data besar dividen yang dibagikan, yang diperoleh dari JSX
Statistic.
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
46
Jadi kalau sebuah perusahaan membagi dividen dan ex-dividend date – nya
berada di dalam 17 hari periode penelitian, maka terhadap harga saham yang
sebelumnya dilakukan penyesuaian.
Ada dua alasan yang digunakan penulis dalam mengasumsikan hal tersebut :
a. Kita tidak melihat pembagian dividen yang dilakukan perusahaan setelah
periode pengamatan karena karya akhir ini berupa event study, sehingga
kita hanya berfokus pada waktu atau periode pengamatan tertentu yang
ditetapkan untuk mempelajari efek (dampak) sebuah kejadian (event),
sehingga event lain yang terjadi di luar periode yang ditetapkan, baik
sebelum maupun setelahnya, diasumsikan tidak ikut dipertimbangkan.
b. Alasan lain kenapa event dividend payment yang terjadi sebelum periode
stock split tidak dipertimbangkan adalah karena penyesuaian harga untuk
dividend payment dilakukan untuk harga saham sebelum ex-dividend date,
sedangkan kalau event yang terjadi adalah stock split, harga sudah
langsung mengalami penyesuaian setelah split ex-date.
III.6 Model Penelitian
Hipotesis yang telah dikemukakan sebelumnya pada bagian pendahuluan
akan diuji dengan menggunakan model regresi sebagai berikut :
1. Model pertama digunakan untuk menjawab pertanyaan “Apakah order flow
bias memiliki hubungan dan pengaruh terhadap tingkat pengembalian
abnormal pada saat ex date?”
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
47
Terkait dengan pertanyaan ini, maka dilakukan regresi linear dengan variabel
dependen adalah close-to-close return dan varabel independen masing-masing
adalah :
a. TRET
b. BRET
c. PROSPD
d. order flow bias (LitSit – Li,t-1Si,t-1)
e. TRET dan PROSPD
f. BRET dan PROSPD
Keenam variabel independen tersebut masing-masing akan diregresikan
dengan close-to-close return dengan menggunakan model regresi sebagai
berikut :
a. rit – ri,t-1 = β0 + β1 TRET + εt
b. rit – ri,t-1 = β0 + β1 BRET + εt
c. rit – ri,t-1 = β0 + β1 PROSPD + εt
d. rit – ri,t-1 = β0 + β1 (LitSit – Li,t-1Si,t-1) + εt
e. rit – ri,t-1 = β0 + β1 TRET + β2 PROSPD + εt
f. rit – ri,t-1 = β0 + β1 BRET + β2 PROSPD + εt
di mana :
t terdiri dari t - 5, t - 4, ... , t + 10 dan t adalah split ex-date
rit – ri,t-1 : tingkat pengembalian abnormal dari closing price saham i hari t
rit : tingkat pengembalian dari closing price saham i hari t
ri,t-1 : tingkat pengembalian dari closing price saham i hari t-1
εt : eror
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
48
LitSit – Li,t-1Si,t-1 adalah order flow bias dengan :
Lit : location parameter yang menjelaskan kecenderungan letak harga
penutupan pada rentang bid-ask spread
Sit : bid-ask spread
Untuk TRET, BRET dan PROSPD akan dibahas pada penjelasan variabel
dalam langkah-langkah pengolahan data.
2. Model kedua digunakan untuk menjawab pertanyaan “Apakah peningkatan
atau penurunan jumlah dan volume transaksi pada saat ex date memiliki
hubungan dan pengaruh terhadap variabel order flow bias tersebut?”
Terkait dengan pertanyaan ini, maka dilakukan regresi antara variabel
TRANS sebagai variabel independen dan order flow bias sebagai variabel
dependen dengan menggunakan model :
LitSit – Li,t-1Si,t-1 = β0 + β1 TRANSit
LitSit = β0 + β1 TRANSit
Li,t-1Si,t-1 = β0 + β1 TRANSit
di mana :
t terdiri dari t - 1 dan t = 0
TRANSit : variabel yang mengukur perbedaan tingkat pertumbuhan jumlah
transaksi relatif terhadap volume transaksi sekuritas yang telah disesuaikan
dengan split factor
Persamaan yang diperlukan untuk memperoleh nilai TRANS akan
dijelaskan lebih lanjut pada langkah ketiga pengolahan data, bagian
penjelasan variabel. Regresi dilakukan terhadap variabel order flow bias
secara keseluruhan dan terhadap masing-masing komponennya untuk
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
49
mendukung hasil regresi yang telah dilakukan terhadap variabel ini secara
keseluruhan.
Di samping kedua model utama tersebut, ada sebuah model regresi lagi
yang digunakan untuk menguji perbedaan antara nilai location parameter (Lit)
saat split ex-date dan setelah split ex-date dengan nilai rerata nilai location
parameter sebelum split ex-date (lima hari sebelum stock split).
Lit = β0 + β1 average (Li,t-5 - Li,t-1)
di mana :
t terdiri dari t = 0, t + 1, t + 2, ... , t + 10 dan t adalah split ex date
average (Li,t-5 - Li,t-1) : rerata nilai Lit antara t-5 dan t-1
III.7 Pengolahan Data
Pada pengolahan data, kita akan mencari tahu dan menguji bagaimana
kenaikan ask price dan kenaikan specialists’ spread dapat menyebabkan tingkat
pengembalian abnormal pada saat terjadi stock split (ex-date) dan setelah split ex-
date (t + 10). Jenis data yang dipakai adalah data panel (pooled), yang merupakan
kombinasi antara data cross section dan time series.
Berikut dijelaskan langkah-langkah yang dilakukan dalam pengolahan data.
Langkah pertama adalah menghitung Lit, yaitu sebuah location parameter
yang berfungsi untuk mengetahui apakah harga saham pada saat penutupan
cenderung berada pada bid price atau ask price. Lit juga merupakan komponen
yang akan membentuk order flow bias.
Lit dapat dihitung dengan rumus :
Lit = (PiTt – PiBt) / (PiAt – PiBt) (1)
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
50
di mana :
t terdiri dari t - 5, t - 4, ... , t + 10 dan t adalah split ex-date
PiTt : closing price dari saham i pada waktu t
PiBt : bid price dari saham i pada waktu t
PiAt : ask price dari saham i pada waktu t
Nilai Lit yang akan diregresikan dapat dilihat pada lampiran 2, tabel III-1
Dari hasil perhitungan Lit, kita dapat menyimpulkan apakah harga penutupan
transaksi berada pada ask price atau bid price dengan memperhatikan kriteria
sebagai berikut :
Apabila 0 < Lit < 0.5 , maka harga penutupan akan cenderung berada pada bid
price
Apabila 0.5 < Lit < 1, maka harga penutupan akan cenderung berada pada ask
price
Terkait dengan perhitungan Lit, beberapa saham seperti kondisi yang menyebabkan
data saham tertentu harus dikeluarkan dari perhitungan, yaitu FAST’00, TBLA’01,
PBRX’03, dan POOL’03. Saham-saham ini dikeluarkan dari perhitungan karena
ada hari (bahkan seluruh hari) dalam periode pengamatan, di mana baik bid price
maupun ask price – nya sama dengan 0, sehingga hasil perhitungan Lit menjadi
tidak terdefinisi.
Langkah kedua adalah mencari hubungan yang timbul antara nilai Lit pada
hari sebelum stock split dan nilai Lit pada hari setelah stock split dengan melakukan
regresi dengan Eviews 4.0, di mana variabel bebasnya (independent variable)
adalah nilai Lit sebelum stock split dan variabel dependennya adalah nilai Lit setelah
stock split. Nilai Lit sebelum stock split diambil dari rata-rata nilai Lit dari (t-5)
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
51
sampai dengan (t-1), sedang nilai Lit setelah stock split adalah Lit (0) sampai dengan
Lit (10).
Langkah ketiga adalah menyatakan tingkat pengembalian hasil pada ex-date
(ex-date return) dalam bid price dan transaction price serta menguji apakah tingkat
pengembalian abnormal yang terjadi pada harga penutupan saat ex date benar
dipengaruhi oleh tingkat pengembalian harga permintaan (bid-to-bid return), order
flow effect, tingkat pengembalian harga transaksi (transaction return), dan spread.
Keempat variabel tersebut dinyatakan masing-masing dalam :
1. BRET
BRET adalah sebuah variabel yang menjelaskan tingkat pengembalian pada bid
price (bid-to-bid return), yang diperoleh dengan mengurangkan bid-to-bid
return dengan market index return, sehingga :
bid-to-bid return (riBt) = PiBt - Pi,Bt-1
BRET = bid-to-bid return (riBt) – market index
BRET = [(bid t – bid t-1) / bid t-1] – [(ihsg t – ihsg t-1) / ihsg t-1] (2)
di mana :
t terdiri dari t - 5, t - 4, ...., t + 10 dan t adalah split ex-date
PiBt : bid price dari saham i pada waktu t
Pi,Bt-1 : bid price dari saham i pada waktu t-1
ihsg t : nilai Indeks Harga Saham Gabungan pada waktu t
ihsg t-1 : nilai Indeks Harga Saham Gabungan pada waktu t-1
Data BRET yang akan digunakan dalam regresi dapat dilihat pada lampiran 2,
tabel III-2 dan data IHSG terkait dapat dilihat pada tabel III-3 (nilai IHSG) dan
III-4 (return IHSG).
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
52
2. Order flow bias
Order flow bias, seperti yang telah disebut sebelumnya, merupakan variabel
yang menjelaskan bias yang terjadi pada aliran order transaksi saat perusahaan
melakukan stock split.
order flow bias = Lit Sit – Li,t-1 Si,t-1 (3)
di mana :
t terdiri dari t - 5, t - 4, ... , t + 10 dan t adalah split ex-date
Lit : location parameter yang menjelaskan kecenderungan letak harga
penutupan pada rentang bid-ask spread
Sit : bid-ask spread
Data order flow bias yang digunakan dalam regresi dapat dilihat pada lampiran
2, tabel III-5.
3. TRET
TRET adalah sebuah variabel yang menjelaskan tingkat pengembalian
transaksi, yang diperoleh dengan mengurangkan transaction return dengan
market index return, sehingga :
TRET = transaction return (riTt) – market index
transaction return = bid-to-bid return + order flow
= riBt + Lit Sit – Li,t-1 Si,t-1
sehingga diperoleh :
TRET = [riBt + Lit Sit – Li,t-1 Si,t-1] - [(ihsg t – ihsg t-1) / ihsg t-1] (4)
di mana :
t terdiri dari t - 5, t - 4, ... , t + 10 dan t adalah split ex-date
riBt : bid-to-bid return
ihsg t : nilai Indeks Harga Saham Gabungan pada waktu t
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
53
ihsg t-1 : nilai Indeks Harga Saham Gabungan pada waktu t-1
Lit : location parameter yang menjelaskan kecenderungan letak harga
penutupan pada rentang bid-ask spread
Sit : bid-ask spread
Data TRET yang akan digunakan dalam regresi dapat dilihat pada lampiran 2,
tabel III-6.
4. PROSPD (sit)
PROSPD merupakan variabel yang menjelaskan rentang bid-ask spread yang
terjadi pada harga penutupan transaksi.
Sit = (PiAt – PiBt) / PiBt (5)
t terdiri dari t - 5, t - 4, ... , t + 10 dan t adalah split ex-date
PiBt : bid price dari saham i pada waktu t
PiAt : ask price dari saham i pada waktu t
Data bid-ask spread (PROSPD) yang akan diregresikan dapat dilihat pada
lampiran 2, tabel III-7.
Untuk mencari hubungan tersebut dilakukan regresi antara BRET, order flow
effect, TRET dan PROSPD masing-masing terhadap tingkat pengembalian harga
penutupan (close to close return), apakah memberikan pengaruh yang besar dan
signifikan pada ex-date.
close-to-close return = (PiTt – PiTt-1) / PiTt-I (6)
Data close-to-close return yang akan digunakan dalam regresi dapat dilihat pada
lampiran 2, tabel III-8.
Terkait dengan persamaan (5) di atas, di mana penyebutnya adalah bid
price, maka untuk saham-saham yang memiliki bid price sama dengan 0, harus
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
54
dikeluarkan dari perhitungan agar tidak diperoleh hasil yang tidak terhingga. Oleh
karena itu, maka saham PLIN’06 harus dikeluarkan dari perhitungan.
Langkah keempat ialah menguji apakah variable order flow effect yang
menjadi kunci penelitian ini benar dibentuk dan dipengaruhi oleh besar volume dan
frekuensi transaksi yang terjadi, khususnya pada saat ex-date, dengan melakukan
regresi antara kedua variabel tersebut, yaitu order flow effect dan TRANS.
Order flow effect merupakan variabel yang menjelaskan posisi dari harga
transaksi di dalam spread dan juga menjelaskan spread yang terjadi, di mana kedua
variabel itulah yang secara khusus akan dicari hubungan dan pengaruhnya terhadap
tingkat pengembalian abnormal (abnormal return) pasca stock split.
Order flow effect diperoleh dari persamaan (3). Dari definisi dan persamaan
tersebut dapat dilihat bahwa order flow effect mencakup perubahan pada tendensi
relatif penutupan harga pada bid/ask (Lit) dan perubahan pada besar spread (Sit).
Apabila harga memiliki tendensi untuk ditutup pada ask price, maka Lit akan
meningkat dan transaction return pun akan meningkat. Demikian pula halnya
apabila proportional spread meningkat maka transaction return juga akan
meningkat.
TRANS adalah variabel yang mengukur perbedaan tingkat pertumbuhan
jumlah transaksi relatif terhadap volume transaksi sekuritas yang telah disesuaikan
dengan split factor. TRANS merupakan kebalikan dari perubahan yang terjadi pada
order size saat ex date. Jadi apabila order size menurun setelah stock split, maka
TRANS meningkat dan sebaliknya. TRANS dapat dihitung dengan persamaan :
TRANSit = log [Tit/Ti,t-1] – log [Vit/(1+SFAC)(Vi,t-1)] (4)
di mana :
Tit : jumlah (frekuensi) transaksi saham i pada ex-date (t)
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
55
Ti,t-1 : jumlah (frekuensi) transaksi saham i satu hari sebelum ex-date (t-1)
Vit : volume dalam lembaran saham pada ex-date
Vi,t-1 : volume dalam lembaran saham pada hari sebelum ex-date
SFAC : split factor
Cukup banyaknya saham yang berdasarkan data dari BEJ memiliki volume
dan frekuensi yang sama dengan 0 pada hari ex-date dan sebelum ex-date membuat
banyak saham yang harus dikeluarkan dari perhitungan pada tahap ini, yaitu
sebesar 23 saham, karena apabila diikutsertakan akan memberikan hasil TRANS
yang tidak terdefinisi (secara matematis log 0 tidak terdefinisi) dan tidak bisa
diregresikan. Saham-saham yang harus dikeluarkan terkait dengan hal ini yaitu :
Tahun 1999 : NISP, DNKS, DSUC, EKAD, EPMT, FASW, SHID, IGAR,
KLBF, KKGI, MTDL, PNBN, SUDI (13)
Tahun 2000 : INTA (1)
Tahun 2001 : CPIN, SDPC (2)
Tahun 2002 : JAKA, PANS (2)
Tahun 2004 : EKAD, RIGS (2)
Tahun 2005 : HITS, PRAS, TGKA (3)
Jadi, saham yang cukup layak untuk diolah karena memiliki data-data yang
lengkap tinggal 74 saham. Walaupun untuk tahap awal, perhitungan masih bisa
dilakukan dengan 98 saham, tetapi untuk alasan konsistensi, maka mulai dari
proses awal pengolahan data sampai akhir, jumlah saham yang diikutsertakan
adalah 74 saham. Nilai TRANS yang akan digunakan dalam perhitungan dapat
dilihat pada lampiran 2 tabel III-9.
Sesuai dengan konsep metode OLS yang telah dibahas pada bab sebelumnya,
maka setiap model yang digunakan dan diuji dalam mencari tahu kuat lemahnya
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
56
hubungan yang terjadi melalui regresi, pada setiap tahap, harus memenuhi sepuluh
asumsi dari CLRM, khusunya tiga asumsi ekonometrik yang dapat diuji dengan
software. Pengujian terhadap heteroskedastisitas dilakukan dengan menggunakan
White Heteroskedasticity Test pada Eviews dan pengujian terhadap autokorelasi
dilakukan dengan Ljung Box Statistic Test, di mana apabila terdapat autokorelasi,
dapat dilakukan koreksi untuk jumlah sampel tertentu terhadap Box-Pierce Q-
Statistic, untuk melihat apakah autokorelasi sampai dengan lag tertentu sama
dengan nol.
Apabila ditemukan model atau variabel-variabel yang varians dari erornya
tidak konstan (heteroskedastisitas), memiliki autokorelasi dan multikolinearitas,
maka dilakukan tindakan “penyembuhan” (remedial).
Langkah yang dilakukan adalah sebagai berikut :
1. Untuk heteroskedastisitas, dilakukan tindakan “penyembuhan” dengan White
Heteroskedasticity. Langkah ini tidak mengubah data, tetapi hanya mengubah
proses estimasi, sehingga nilai variabel penduga yang dihasilkan merupakan
yang terbaik dan tidak bias. Oleh karena metode ini mengubah proses estimasi,
maka setelah dilakukan tindakan “penyembuhan”, tidak perlu dilakukan uji
heteroskedastisitas lagi terhadap hasil regresi.
2. Untuk autokorelasi, langkah yang diambil adalah dengan melakukan pemodelan
AR pada persamaan regresi yang mengandung autokorelasi sampai diperoleh
nilai DW (Durbin Watson) yang terbaik, yaitu yang paling mendekati 2.00.
3. Untuk kasus multikolinearitas, langkah yang diambil adalah dengan membuang
salah satu variabel independen dari dua variabel yang saling berhubungan.
Nilai intercept, koefisien regresi, t-statistic dan R-squared yang akan ditampilkan
dan dianalisa pada Bab IV merupakan hasil regresi yang telah memenuhi asumsi-
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007
57
asumsi CLRM dan telah “disembuhkan” apabila sebelumnya belum memenuhi
ketiga asumsi ekonometrik tersebut.
Dalam menyimpulkan hubungan yang terjadi dari hasil regresi, yaitu
berdasarkan nilai t-statistik dan probabilita prinsipnya secara umum adalah apabila
nilai probabilita (p value) < 0.05 (untuk significance level 5%), maka H0 ditolak,
demikian pula sebaliknya, apabila nilai probabilita (p value) > 0.05, maka H0
diterima.
Pengujian komponen ..., Martha Anastasia Sibarani, FE UI, 2007