LAPORAN PENELITIAN - repository.akprind.ac.idrepository.akprind.ac.id/sites/files/LAPORAN...

LAPORAN PENELITIAN

INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA

PENGARUH RISK DAN RETURN PADA KINERJA REKSADANA SAHAM

DENGAN REGRESI DATA PANEL

Pengusul:

Maria Titah Jatipaningrum

DIBIAYAI OLEH DANA PENELITIAN DOSEN

LEMBAGA PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT

DENGAN SURAT PERJANJIAN PELAKSANAAN PENELITIAN

NOMOR : 41/SPP/LPPM/PL/IV/2016

INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA

NOVEMBER 2016

ii

DAFTAR ISI

HALAMAN JUDUL ........................................................................................ i

HALAMAN PENGESAHAN ......................................................................... ii

A. LAPORAN HASIL PENELITIAN ............................................................ iii

INTISARI ......................................................................................................... iv

BAB I. PENDAHULUAN .......................................................................... 1

1.1 Latar Belakang dan Permasalahan .............................................. 1

1.2 Perumusan Masalah .................................................................... 4

BAB II. LANDASAN TEORI ...................................................................... 5 2.1 Teori Portofolio ............................................................................ 5

2.2 Pengertian Reksadana .................................................................. 5

2.3 Perhitungan Kinerja Reksadana ................................................... 7

2.5Analisis Data Panel ...................................................................... 8

2.7 Pooled Regression ........................................................................ 10

2.8 Metode Fixed Effect .................................................................... 11

2.9 Metode Random Effect ............................................................... 12

2.10 Uji Specification ....................................................................... 13

BAB III. TUJUAN DAN MANFAAT PENELITIAN .................................. 14

3.1 Tujuan Penelitian ......................................................................... 14

3.2 Manfaat Penelitian ....................................................................... 14

BAB IV. METODE PENELITIAN .............................................................. 15

4.1 Pendekatan Penelitian .................................................................. 15

4.2 Obyek Penelitian .......................................................................... 16

4.3 Tahapan Penelitian ....................................................................... 19

BAB V. HASIL DAN PEMBAHASAN ...................................................... 21

BAB VI. KESIMPULAN DAN SARAN ........................................................ 30

DAFTAR PUSTAKA ...................................................................................... 31

LAMPIRAN .................................................................................................... 32

B. DRAF ARTIKEL ILMIAH ........................................................................ 39

C. SINOPSIS PENELITIAN ........................................................................... 40

iii

A. LAPORAN

HASIL PENELITIAN

iv



INTISARI

Pertumbuhan investasi reksadana meningkat pesat dikarenakan reksadana

merupakan investasi yang menguntungkan dan tidak memerlukan modal yang besar.

Menguntungkan karena reksadana dikelola oleh manajer investasi untuk mengelola dana

tersebut sesuai dengan tujuan investasinya. Sehingga masyarakat dalam hal ini investor yang

tidak memiliki banyak waktu atau keterbatasan keahlian tetap dapat melalukan investasi.

Sumber dana yang digunakan dalam investasi reksadana bersifat kolektif, sehingga

masyarakat berdana terbatas juga dapat ikut serta dalam berinvestasi. Investor dapat

melakukan diversifikasi investasi dalam efek, adanya transparansi, dan likuiditas tinggi.

Penelitian ini bertujuan untuk menganalisis pengaruh risk dan return sample

reksadana saham pada periode Januari 2013 hingga Maret 2016. Data yang digunakan

berupa data bulanan. Penelitian ini menggunakan data sekunder dari www.ojk.go.id , dengan

metode regresi data panel. Diuji terlebih dahulu menggunakan Uji Chow dan Uji Haussman

untuk menentukan digunakan model fixed effect atau model random effect.

Kata kunci: reksadana saham, regresi panel, risk, return, kinerja reksadana.

http://www.ojk.go.id/

1



BAB I PENDAHULUAN

1.1. Latar belakang dan permasalahan

Kinerja adalah sebuah hal yang menjadi tolok ukur, baik atau tidaknya, bertumbuh

atau tidaknya suatu organisasi. Organisasi sebaiknya memperhatikan dan menilai karyawan

melalui kinerja karyawan dalam bekerja, bukan hanya melihat hasil akhir dari pekerjaan

yang dilakukan. Terdapat banyak kerugian jika suatu organisasi tidak melakukan penilaian

kinerja yang baik, mulai dari perputaran tenaga kerja yang yang meningkat, penyampaian

informasi yang buruk (atasan kepada bawahan), hilang biaya dan waktu, hingga muncul

berbagai bias (Aguinis, 2007:7-8), dan pada akhirnya berujung pada kematian organisasi.

Jadi, penilaian kinerja sangat perlu diperhatikan oleh organisasi.

Demikian pula dengan investor, ketika memutuskan untuk berinvestasi, maka hal

yang perlu dilakukan adalah menilai kinerja investasi. Investor tidak tahu pasti hasil yang

diperoleh dari investasi yang dilakukan. Dalam keadaan seperti ini, investor menghadapi

resiko dalam investasi yang dilakukan. Investor hanya dapat memperkirakan berapa

keuntungan yang diharapkan dari investasi dan seberapa jauh kemungkinan hasil yang

sebenarnya akan menyimpang dari hasil yang diharapkan (Husnan, 2003:43). Dengan

demikian, penilaian kinerja menjadi alat ukur bagi investor dalam mengambil keputusan

terhadap suatu investasi. Kinerja suatu reksadana ditentukan oleh besarnya return yang

diperoleh atas investasi yang dikenal dengan nilai aktiva bersih (NAB). Oleh karena

itu, dibutuhkan manajemen investasi yang baik agar portofolio yang telah disusun

mampu memberikan keuntungan yang maksimal.

Di Indonesia reksadana pertama kali diperkenalkan kepada masyarakat dengan

didirikannya PT. Danareksa pada tahun 1976. Reksadana menurut UU No 8 tahun 1995 pasal

1 ayat 27 didefinisikan sebagai “wadah yang dipergunakan untuk menghimpun dana dari

masyarakat pemodal untuk selanjutnya diinvestasikan dalam portofolio efek oleh manajer

investasi”. Berdasarkan definisi tersebut, reksadana merupakan kumpulan dana dari

masyarakat yang diinvestasikan pada saham, obligasi berjangka, pasar uang dan sebagainya.

2

Perkembangan Reksadana dewasa ini semakin meningkat seiring dengan tumbuh

kembangnya perekonomian suatu bangsa dan berkembangnya pasar modal. Melalui

investasi di reksadana maka masyarakat yang tidak memiliki modal cukup besar dapat

melakukan investasi di pasar modal dan memperoleh manfaat dari perkembangan pasar

modal. Perkembangan reksadana tersebut juga didukung dengan semakin berkembangnya

produk-produk investasi sehingga tidak semua orang dapat memahami investasi dan

memiliki waktu untuk mengelola investasinya. Dengan menggunakan manajer investasi

yang profesional dan memiliki pengetahuan tentang efek, maka investasi pada reksadana

semakin berkembang di Indonesia.

Pertumbuhan investasi reksadana meningkat pesat dikarenakan reksadana

merupakan investasi yang menguntungkan dan tidak memerlukan modal yang besar.

Menguntungkan karena reksadana dikelola oleh manajer investasi untuk mengelola dana

tersebut sesuai dengan tujuan investasinya. Sehingga masyarakat dalam hal ini investor yang

tidak memiliki banyak waktu atau keterbatasan keahlian tetap dapat melalukan investasi.

Sumber dana yang digunakan dalam investasi reksadana bersifat kolektif, sehingga

masyarakat berdana terbatas juga dapat ikut serta dalam berinvestasi. Investor dapat

melakukan diversifikasi investasi dalam efek, adanya transparansi, dan likuiditas tinggi.

Dengan kata lain, reksadana dapat dicairkan kapan saja jika investor membutuhkan, itulah

beberapa keuntungan berinvestasi di dalam reksadana. Namun terdapat beberapa resiko

dalam berinvestasi di reksadana, yaitu investor dapat mengalami capital loss, resiko

likuiditas, resiko wanprestasi, resiko kredit, dan resiko berkurangnya nilai tukar mata uang

(Martalena, 2011: 85).

Penilaian kinerja sebuah investasi terdapat dua dua pengukuran kinerja yaitu melalui

return reksadana itu sendiri dan model risk adjusted return. Adapun metode untuk melakukan

penilaian kinerja dengan menggunakan return reksadana itu sendiri adalah raw return.

Sedangkan risk adjusted return adalah perhitungan return yang disesuaikan dengan resiko

yang harus ditanggung (Hartono, 2010: 640), adapun metodenya antara lain: Treynor ratio,

Sharpe Ratio, Jensen Alpha, Roy Safety First Ratio, M2 , Sortino Ratio, MSR, FPI, dan

Information Ratio.

Dalam berinvestasi di reksadana masyarakat perlu mengetahui jenis-jenis reksadana

yang dapat disesuaikan dengan tujuan dan kebutuhan investasi. Berdasarkan kategori

instrumen jenis reksadana di Indonesia yang dapat dimiliki oleh masyarakat ada empat yaitu:

3

reksadana pasar uang, reksadana pendapatan tetap, reksadana saham dan reksadana

campuran.

Pembagian reksadana ini dilandasi oleh cara investasi yang berbeda-beda. Pertama, pada

reksadana pasar uang investor berinvestasi 100% pada efek pasar uang seperti efek-efek

hutang yang berjangka kurang dari satu tahun. Kedua, reksadana pendapatan tetap investasi

dilakukan sekurang-kurangnya 80% dari portfolio yang dikelolanya ke dalam efek bersifat

hutang seperti obligasi. Ketiga, reksadana saham yang melakukan investasi sekurang-

kurangnya 80% dari portofolio yang dikelolanya ke dalam efek bersifat ekuitas (saham).

Terakhir, reksadana campuran dimana investasi dilakukan ke dalam efek ekuitas dan efek

hutang yang alokasinya tidak termasuk di dalam kategori reksadana pendapatan tetap dan

reksadana saham.

Sejak diperkenalkan pertama kali di Indonesia, instrumen ini berkembang dengan

pesat berdasarkan data yang tercatat pada Otoritas Jasa Keuangan (OJK) hingga 23

Desember 2015, terdapat 1.083 produk reksadana yang terdaftar dengan dana kelolaan atau

Nilai Aktiva Bersih (NAB) Rp 268,44 trilliun.

Tujuan dari setiap investor dalam berinvestasi adalah untuk mendapat return. Bila

investasi tidak dapat memberikan tingkat keuntungan yang diharapkan tentunya akan

membuat investor enggan untuk berinvestasi. Menurut Jogiyanto (2009;199) return

merupakan hasil yang diperoleh dari investasi. Sementara menurut Brigham dan Houston

(2006:215) return adalah selisih antara jumlah yang diterima dan jumlah yang

diinvestasikan. Menurut Jogiyanto (1998) return dibagi menjadi dua yaitu: realized return

dan expected return. Realized return adalah return yang telah terjadi dan dapat digunakan

sebagai salah satu alat ukur kinerja perusahaan serta tolok ukur dalam menentukan return

dan resiko di masa depan. Sedangkan expected return merupakan return yang diharapkan

akan tercapai dan tidak memiliki kepastian.

Penelitian ini untuk mengetahui beberapa sampel reksadana saham yang diolah risk

dan returnnya untuk mengukur kinerja reksadana dengan model regresi data panel. Data

yang digunakan pada penelitian ini adalah NAB (Nilai Aktiva Bersih), return reksadana

saham, total dana kelolaan, data SBI, data IHSG setahun (yang didownload pada

www.infovesta.com) untuk mengetahui kinerja reksadana saham, dan juga meneliti

pengaruh risk dan return pada kinerja reksadana saham yang menjadi sampel data reksadana

http://www.infovesta.com/

4

saham yaitu: ashmore dana progresif nusantara, danareksa mawar konsumer 10, dan

schroder 90 plus equity fund.

1.2. Perumusan Masalah

Berdasarkan uraian pada latar belakang penelitian, maka penulis mencoba melakukan

identifikasi masalah sebagai berikut:

Karakter reksadana menjadi faktor penting bagi investor untuk memutuskan

berinvestasi dalam reksadana. Diantara karakter yang terpenting dari karakter reksadana

adalah resiko reksadana

Kinerja reksadana adalah indikator keberhasilan reksadana di pasar. Kinerja reksadana

dapat diukur dengan dua metode, yaitu (1) membandingkan kinerja reksadana dengan

benchmark (2) mengukur dengan membandingkan dengan resiko yang dimilikinya.

Ada beberapa hal yang melatarbelakangi pentingnya studi yang menganalisis

pengaruh risk dan return pada kinerja reksadana saham dengan regresi data panel. Pertama,

bahwa sampai saat ini banyak penelitian yang membahas konsep dan paradigma kinerja

reksadana bisa ditinjau dari fund size, expense ratio, turn over ratio, fund age, cash flow,

aset yang dikelola manajemen investasi, sehingga masih ada kemungkinan untuk studi

lanjutan dalam rangka memperkaya pemahaman terhadap kinerja reksadana. Penelitian ini

hanya difokuskan pada sampel reksadana saham yang diteliti risk dan returnnya

Kedua, penelitian ini menggunakan Metode Ekonometrika dengan menggunakan

Analisis Data Panel. Analisis Data Panel lebih baik dibandingkan Analisis Regresi

Biasa (OLS) karena Analisis Data Panel dapat menangkap perbedaan atau ciri

karakteristik individual yang menjadi kajian penelitian. Estimasi Data Panel dapat

menggunakan metode Fixed Effect Model (FEM) atau Random Effect Model (REM).

5

BAB II LANDASAN TEORI

Kajian pustaka membahas landasan teori keseluruhan yang digunakan dalam

penelitian ini yang dimulai dari landasan teori portofolio, reksadana, model yang digunakan,

sumber data, analisis data panel, pooled regression, model fixed effect, model random effect,

dan uji spesifikasi.

2.1. Konsep Dasar Portofolio

Portofolio adalah suatu koleksi yang merupakan kombinasi dari berbagai aset,

misalnya sekuritas dan aset riil. Portofolio merupakan bagian dari suatu investasi dan

strategi dengan melakukan diversifikasi investasi melalui pemilihan beberapa aktiva

dengan tingkat risiko tertentu yang diinginkan.

Teori portofolio menekankan pada usaha untuk mencari kombinasi investasi optimal

yang memberikan tingkat keuntungan atau rate of return yang maksimal pada tingkat risiko

tertentu.

2.2. Pengertian Reksa dana

Sejarah awal reksadana bermula dari arisan (pooling fund) yang dikenal di Eropa pada

pertengahan 1800. Mula-mula pooling fund dikenal di Belgia (1822) yang kemudian

dikenal dengan nama unit trust, muncul di Belgia ketika Raja William I dari Kerajaan

Belanda menciptakan suatu unit penyertaan dana yang memungkinkan investasi-

investasi kecil memperoleh pinjaman dari pemerintah asing. Pada tahun 1860-an Unit

trust berkembang ke wilayah Inggris dan Skotlandia.

Pada tahun 1863, Inggris mendirikan unit trust pertama dengan nama The London

Financial Association and The International Financial Society. Lalu pada tahun 1868,

didirikan pula Foreign and Colonial Government Trust of London. Perkembangan Unit

trust di Inggris dan Skotlandia menginspirasikan berdirinya reksadana tertutup (closed

end) pertama di Amerika pada 1863 dengan nama The Boston Personal Property Trust.

Berbeda dengan Eropa istilah unit trust di Amerika dikenal dengan istilah mutual

fund. Baru pada tanggal 21 Maret 1924 terbentuk reksadana modern pertama dengan

nama Massachussets Investor Trust dengan total dana US$ 50.000,- berportofolio 45

6

stock dan aset, lalu berkembang setahun kemudian menjadi US$ 392.000,- dengan

jumlah peserta 200 orang. Reksadana ini pertama kali memperkenalkan penawaran saham

baru atau penyertaan-penyertaan unit baru serta mengijinkan redemption setiap saat sesuai

dengan net asset value (nilai aktiva bersih).

Di Indonesia reksadana pertama kali diperkenalkan kepada masyarakat dengan

didirikannya PT. Danareksa pada tahun 1976. Reksadana menurut UU No.8 tahun 1995

pasal 1 ayat 27 didefinisikan sebagai “wadah yang dipergunakan untuk menghimpun dana

dari masyarakat pemodal untuk selanjutnya diinvestasikan dalam portofolio efek oleh

manajer investasi”. Berdasarkan definisi tersebut, secara jelas bahwa reksa dana

merupakan kumpulan dana dari masyarakat yang diinvestasikan pada saham, obligasi

deposito berjangka, pasar uang, dan sebagainya.

Reksadana adalah wadah yang dipergunakan untuk menghimpun dana dari

investor untuk selanjutnya diinvestasikan dalam portofolio efek oleh manajer investasi yang

telah mendapatkan izin dari Bepepam-LK. Reksa dana bertujuan untuk mempermudah

investor dalam melakukan investasi karena : (1) memudahkan mengakses pada instrument

investasi, (2) pengelolaannya dilakukan oleh manajer investasi yang profesional dan

administrasi investasinya dijalankan oleh Bank Kustodian, (3) diversifikasi dilakukan

dengan lebih mudah, karena dana yang dimiliki relatif besar dan banyak investor

yang berkumpul dalam satu wadah, (4) likuiditas yang tinggi, karena dapat dicairkan

sewaktu-waktu melalui manajer investasi, (5) dapat dilakukan pembelian dengan dana yang

relatif kecil. Kinerja reksadana merupakan kemampuan suatu produk reksadana bersaing

dengan produk reksadana lain di pasar serta menghasilkan keuntungan.

2.3. Perhitungan Kinerja Reksadana

Perhitungan kinerja reksadana dalam penelitian ini menggunakan information ratio/

rasio penilaian/ appraisal ratio. Pengukuran ini merupakan rasio antara alpha dan resiko unik

portofolio atau resiko non sistematik portofolio yang disebut tracking error dari industri.

Nilai rasio informasi ini mengukur return tidak normal per unit resiko yang dapat

didiversifikasi dengan memegang portofolio pasar. IR diperoleh dari menghitung return

rekssadana dikurang dengan return benchmark. Kemudian dibagi dengan perbedaan standar

deviasi dari return. Benchmark (nilai pembanding) setiap produk reksadana berbeda-beda,

tergantung pada jenis reksadana produk itu sendiri. Selain itu, setiap manajer investasi

7

mungkin saja memiliki benchmark yang tidak sama dengan manajer investasi yang lain.

Adapun benchmark (nilai pembanding) untuk produk reksadana pada penelitian ini

menggunakan benchmark reksadana saham yaitu IHSG (pasar).

Data diperoleh dari fund fact sheet produk reksadana, penilaian jika IR reksadana

positif atau lebih besar dari IR pasar (selalu nol) maka kinerja reksadana baik (Hartono,

2010: 664), formulanya:

p b

p b

R RIR

(1)

Keterangan:

bR : return benchmark

p b : perbedaan standar deviasi dari return

2.4. Analisis Data Panel

Penelitian ini menggunakan Metode Ekonometrika dengan menggunakan Analisis Data

Panel. Analisis Data Panel lebih baik dibandingkan Analisis Regresi Biasa (OLS)

karena Analisis Data Panel dapat menangkap perbedaan atau ciri karakteristik individual

yang menjadi kajian penelitian. Estimasi Data Panel dapat menggunakan metode Fixed

Effect Model (FEM) atau Random Effect Model (REM)

Model: , , ,'t i t i i t t iY X C d u dimana 1,2, ,t T ; 1,2, ,i N

Balance panel: semua observasi tersedia untuk semua kategori cross section untuk semua

unit waktu.

Pembedaan dari model:

1. Satu arah (one way) : 0; 0i tC d

8

Dua arah (two way) : 0, 0i tC d

2. Fixed effect : ,i tC d deterministik

Random effect; 2 20, ; 0,i C t dC N iid d N iid

Metode estimasi model regresi data panel

Dalam mengestimasi model regresi data panel, terdapat 3 pendekatan yang biasa digunakan,

yaitu CEM, FEM, dan REM (Widarjono, 2007)

Common Effect Model

Pendekatan pertama ini merupakan pendekatan paling sederhana yang disebut estimasi CEM

atau pooled least squares. Pada pendekatan ini, data cross section dan time series

elidikumpulkan lalu dilakukan pendugaan (pooling). Dalam mengestimasi, dimensi cross

section dan time series dari data panel diabaikan dan data diestimasi dengan metode kuadrat

terkecil biasa (OLS)

Menurut Sukendar dan Zainal (2007), pada pendekatan ini diasumsikan bahwa nilai intersep

masing-masing variabel adalah sama, begitu pula slope koefisien untuk semua unit cross

section dan time series. Berdasarkan assumsi ini maka model CEM dinyatakan sebagai

berikut (Widarjono, 2007): ' 'it it itY x u , 1,2, ,i N , 1,2, ,t T

Asumsi ini merupakan asumsi yang ketat, sehingga walaupun metode ini menawarkan

kemudahan, namun model mungkin mendistorsi gambaran yang sebenarnya dari hubungan

antara Y dan X antar unit cross-section.

Fixed Effect Model

Pada pendekatan CEM, intersep dan slope koefisien diasumsikan konstan baik antar individu

maupun antar waktu. Menurut Gujarati (2004), salah satu cara untuk memperhatikan unit

cross-section adalah dengan mengijinkan nilai intersep berbeda-beda untuk setiap unit cross-

section tetapi masih mengasumsika slope koefisien tetap.

Model FEM dapat dinyatakan sebagai berikut (Hsiao, 2003):

' 'it i it itY x u , 1,2, ,i N , 1,2, ,t T (2)

Indeks i pada intersep persamaan (1) menunjukkan bahwa intersep dari masing-masing unit

cross section adalah berbeda. Perbedaan ini disebabkan karena adanya fitur khusus dari

masing-masing unit cross section. Model (1) dikenal sebagai model Fixed Effect karena

9

meskipun intersep berbeda untuk setiap unit cross-section, namun intersep ini tidak berbeda

atau konstan untuk setiap unit time series (time invariant) (Gujarati, 2004).

Perbedaan intersep pada model (1) dapat dinyatakan dengan variabel dummy. Diberikan iy

dan iX adalah vektor T observasi untuk unit ke i dan iu adalah vektor error berukuran

1T , e merupakan vektor kolom yang anggotanya adalah 1, maka model (1) dapat ditulis

sebagai berikut (Greene,2000):

i i i iY e X u , 1,2, ,i N , (3)

Sehingga untuk 1,2, ,i N , diperoleh:

1 1 1 1

2 2 2 2

0

0

0 0N N N N

y X ue

y X ue

y X ue

Atau

1 2 Ny d d d X u

Dengan id adalah variabel dummy unit ke i . Misal 1 2 ND d d d maka

diperoleh model y D X u (4)

Model (4) ini biasa disebut model least square dummy variable (LSDV) (Greene, 2000).

Dalam mengestimasi model (3) maka jika ditulis dalam bentuk vektor, diperoleh (Hsiao,

2003):

1 1 1

2 2 2

1 2

0 0

0 0

0 0

N

N N N

y X ue

y X uey

y X ue

Dengan

1 1 1

2 2 2

1 1

1 21

1 22

1 2

,

i i i

i i i

T T

iT iT iT

Ki

Ki

i i

iN K

X X XY

X X XYy X

Y X X X

10

11 1 2' 1 1 1 , '

TT i i i iTe u u u u

20, ' , ' 0,i i i u T i jE u E u u I E u u untuk ; , 1,2, ,i j i j N

TI adalah matriks identitas dengan ordo T T

2.5. Pooled Regression

Secara umum, bentuk model linear (yang disebut pooled regression) yang dapat

digunakan adalah:

, , , ,'i t i t i t i ty x (5)

Dimana:

,i ty adalah observasi dari unit ke –I dan diamati pada periode waktu ke –t.

,'i tx adalah vektor variabel-variabel independen / input dari unit ke –I dan diamati

pada periode waktu ke –t. disini diasumsikan ,'i tx memuat komponen konstanta.

,i t adalah komponen error, yang diasumsikan memiliki harga mean 0 dan variansi

homogen dalam waktu (homokedastic) serta independen dengan ,'i tx

Estimasi untuk model ini dapat dilakukan dengan metode OLS standar

Untuk model panel data, sebagai asumsi standar ,i t , yakni pengaruh dari

perubahan dalam X diasumsikan bersifat konstan dalam waktu dan kategori cross-

section. Model pooled regression dapat ditulis ulang, dan selanjutnya ditambahkan

komponen konstanta dan i tc d

, , ,'t i t i i t t iy x c d (6)

Dengan

ic adalah konstanta yang bergantung kepada unit ke- i , tapi tidak kepada waktu t

11

td adalah konstanta yang bergantung kepada waktu t , tapi tidak kepada unit i .

Disini apabila model memuat komponen dan i tc d , maka model disebut model dua

arah, sedangkan apabila 0td atau 0ic , maka model disebut model satu arah.

Apabila banyaknya observasi sama untuk semua kategori cross–section, dikatakan

model bersifat balance, dan sebaliknya disebut unbalanced.

2.6. Model Fixed Effect

Untuk model fixed effect satu arah, sering diasumsikan bahwa komponen 0td , yakni

dimiliki model

, , ,'t i t i i t t iy x c d (7)

Secara umum, model dapat diestimasi dengan dua metode yang berbeda

Secara intuitif, komponen ic dapat dimodelkan dengan menggunakan variabel

dummy , ,i t jz dengan , ,i t jz bernilai nol jika i j dan bernilai 1 jika i j . Disini model

diestimasi menggunakan OLS standar. Meskipun model ini relatif sederhana,

estimasi akan relatif kompleks apabila banyaknya kategori untuk cross-section relatif

besar.

Alternatifnya, model ditransformasi untuk menghilangkan komponen ic didalam

model ,, , , ,,' ' i ti t i t i t i ti t

y y x x dan selanjutnya dilakukan Generalized

Least Square terhadap model hasil transformasi. Pendekatan kedua ini lebih populer

di dalam literature.

Sementara itu, untuk model Fixed Effect dua arah, model memiliki kedua komponen ic

dan td . Estimasi terhadap parameter-parameter dalam model dapat dilakukan dengan

12

menggunakan metode GLS, setelah model ditransformasikan untuk menghilangkan

komponen ic dan td dari model.

2.7. Model Random Effect

Dengan menggunakan model Fixed Effect, kita tidak dapat melihat pengaruh dari berbagai

karakteristik yang bersifat konstan dalam waktu, atau diantara individual. Untuk itu,

digunakan model yang disebut model Random Effect, yang secara umum dituliskan sebagai

, , ,'t i t i t iy x v (8)

Dimana , ,t i i t i tv c d . Disini, ic diasumsikan bersifat independent dan identically

distributed (i.i.d) normal dengan mean 0 dan variansi 2

c , td diasumsikan bersifat iid normal

dengan mean 0 dan variansi 2

d (dan ,i t , dan i tc d diasumsikan independen satu dengan

lainnya). Jika komponen dan i tc d diasumsikan 0, maka model disebut model random effect

satu arah, sedangkan pada keadaan lain disebut model dua arah.

2.8. Specification test/ Uji Spesifikasi

1. Uji Wald/ Poolability test

Uji ini bertujuan untuk melihat hubungan antar kategori cross-section, yakni menguji

hipotesa berbentuk 0 :H R r dengan R vektor konstanta dan r adalah konstanta.

2. Uji Haussman

Uji ini bertujuan untuk melihat apakah terdapat random effect didalam panel data,

yakni menguji hipotesa berbentuk 0H :terdapat random effect di dalam model

3. Uji Breusch-Pagan

Uji ini bertujuan untuk melihat apakah terdapat efek cross-section/ time series (atau

keduanya) di dalam panel data, yakni menguji hipotesa berbentuk 2 2

0 : c dH . Test

13

ini juga valid untuk model fixed effect, yakni dapat juga digunakan untuk menguji

adanya efek cross-section dan/ atau time dalam model fixed effect.

Secara umum, langkah uji hipotesa yang dilakukan adalah sebagai berikut. Pertama-

tama dilakukan uji Hausman terhadap data. Jika hipotesa untuk uji Hausman ditolak,

maka model fixed effect digunakan dalam pemodelan. Akan tetapi, jika hipotesa ini

tidak ditolak, maka digunakan uji Breusch-Pagan untuk melihat apakah terdapat

efekdidalam data. Jika hipotesa uji Breusch Pagan tidak ditolak, maka di lakukan

analisa dengan menggunakan metode pooling OLS, meskipun data yang dimiliki

dikumpulkan menggunakan framework panel studi.

14

BAB III TUJUAN DAN MANFAAT PENELITIAN

3.1. Tujuan Penelitian

Secara teoritis penelitian ini memberikan kontribusi dalam bidang keuangan

(reksadana) dan bidang statistika (pengolahan data dengan regresi data panel). Dengan

adanya penelitian ini diharapkan bisa memberikan pengetahuan yang lebih mendalam

mengenai perkembangan dunia investasi terutama perkembangan reksadana.

3.2. Manfaat Penelitian

Karakter reksadana menjadi faktor penting bagi investor untuk memutuskan berinvestasi

dalam reksadana. Diantara karakter yang terpenting dari karakter reksadana adalah resiko

reksadana

Kinerja reksadana adalah indikator keberhasilan reksadana di pasar. Kinerja reksadana dapat

diukur dengan dua metode, yaitu

a. membandingkan kinerja reksadana dengan benchmark

b. mengukur dengan membandingkan dengan resiko yang dimilikinya.

Ada beberapa hal yang melatarbelakangi pentingnya studi yang menganalisis pengaruh risk

dan return pada kinerja reksadana saham dengan regresi data panel.

Pertama, bahwa sampai saat ini banyak penelitian yang membahas konsep dan paradigma

kinerja reksadana bisa ditinjau dari fund size, expense ratio, turn over ratio, fund age, cash

flow, aset yang dikelola manajemen investasi, sehingga masih ada kemungkinan untuk studi

lanjutan dalam rangka memperkaya pemahaman terhadap kinerja reksadana. Penelitian ini

hanya difokuskan pada sampel reksadana saham yang diteliti risk dan returnnya






15

BAB IV METODE PENELITIAN

4.1. Pendekatan Penelitian

Penelitian ini merupakan suatu Metode Survei Penjelasan (Explanatory Survey

Method) untuk menguji hipotesis yang telah dirumuskan sebelumnya. Walaupun uraiannya

mengandung deskripsi, namun sebagai penelitian kuantitatif fokusnya tetap terletak pada

penjelasan hubungan antar variabel. Penelitian ini menggunakan metode verifikatif untuk

mengungkapkan keterkaitan antara variabel melalui pengujian hipotesis dan juga

dimaksudkan untuk mengetahui kondisi masing-masing variabel sesuai periode waktu

yang digunakan dalam penelitian. Oleh karena itu jenis penelitian ini adalah explanatory

verificative. (Sekaran, 2003). Reksa dana yang diambil sebagai sampel adalah reksa

dana yang NABnya berkisar 1000-1800, mempunyai prospektus dan fact fund sheet yang

bisa didownload, penelitian ini menggunakan data bulanan.

16

4.2. Obyek penelitian

Untuk memperoleh hasil maksimal dan representatif secara statistik, digunakan

dana bulanan (monthly) Nilai Aktiva Bersih, Sertifikat Bank Indonesia (SBI) dan

Indeks Harga Saham Gabungan (IHSG) untuk periode Januari 2013 sampai dengan Maret

2016 atau 39 (tigapuluh sembilan) bulan.

17

Penelitian akan dilaksanakan selama 6 bulan (satu semester) yang dimulai pada bulan April

2016-September 2016. Pengambilan data sekunder di website www.ojk.go.id ,

www.infovesta.com , pusatdata.kontan.co.id

No Jenis data Jenis Sumber

1 Harga NAB sampel reksadana

saham

NAB data

bulanan

www.ojk.go.id

2 Prospektus dan fund fact sheet Prospektus

tahunan dan fund

fact sheet

bulanan

Search engine:

Google.com

3 IHSG Harian, diolah

sehingga menjadi

data bulanan

www.infovesta.com

4 Suku bunga SBI www.bi.go.id

panel menyediakan data yang lebih banyak dan informasi yang lebih lengkap serta

bervariasi

Penjelasan Mengenai Data

Data yang dianalisis adalah data sekunder 3 sample Reksadana : ASHMORE DANA PROGRESIF

NUSANTARA kode D0AS02, REKSA DANA DANAREKSA MAWAR KONSUMER 10 kode RDMK, dan REKSA

DANA SCHRODER 90 PLUS EQUITY FUND kode SPEF yang diperoleh dari

http://aria.bapepam.go.id/reksadana/statistik.asp?page=statistik-nab-rd# yang diunduh per Juni

2013 sampai Juli 2016.





http://www.bi.go.id/

http://aria.bapepam.go.id/reksadana/statistik.asp?page=statistik-nab-rd

18

Gambar 1. Contoh pengunduhan data di bapepam.go.id

Dalam penelitian ini (return reksadana/{(NAB sesudah –NAB sebelum)/NAB sebelum}/perbulan

pada tiga reksadana sample), yang diamati adalah hubungan antara return reksadana/ perbulan

(CONS) sebagai variabel dependen terhadap beberapa variabel independen, antara lain adalah:

Age (usia) reksadana:

AUM reksadana

Return IHSG

Data yang digunakan adalah data panel, berupa kombinasi data time series (tahun Juni 2013 s/d

Juli 2016) dan data cross section (tiga sample reksadana: : ASHMORE DANA PROGRESIF

NUSANTARA kode D0AS02, REKSA DANA DANAREKSA MAWAR KONSUMER 10 kode RDMK, dan REKSA

DANA SCHRODER 90 PLUS EQUITY FUND kode SPEF). Data untuk masing-masing variabel, disajikan

pada tabel-tabel berikut:

Model yang akan diestimasi adalah sebagai berikut:

I. 1 2 3 , i i i treturnRD b age b aum b returnIHSG c d

II. 1 2 , i i i treturnRD b aum b returnIHSG c d

19

4.3. Tahapan Penelitian Analisis Data dengan EViews4

Pemodelan terhadap data di atas dapat dilakukan dengan menggunakan model regresi dengan

variabel dummy. Dengan EViews4, pemodelan regresi dengan variabel dummy ini dapat dilakukan

seperti analisis model regresi biasa. Berikut ini, kita akan menggunakan analisis alternative dengan

model pooling. Sebagai catatan penting, di dalam EViews4 hanya digunakan model satu arah, yakni

diasumsikan bahwa efek waktu (time) dalam model bernilai nol. Sehingga dalam analisis berikut,

pada model, diasumsikan di = 0.

B. Mempersiapkan Data

1. Kita buat file kerja baru dengan menggunakan menu File/New/Workfile… Untuk data

di atas, setelah muncul jendela Workfile Range, gunakan pilihan undated or Irregular

untuk Frequency dengan Range bernilai 1 – 37. Lalu klik OK.

2. Selanjutya buat objek baru dengan menu Object/New Object …. Sebagai type of object,

pilih Pool, dan namakan objek baru ini sebagai Poolrd. Lalu klik OK.

3. Setelah muncul jendela objek Poolrd, isikan daftar kategori cross section keenam

provinsi di pulau Jawa ( _ashmore, _konsumer10, _schroder90), yakni kita gunakan

identifier berikut:, klik menu Define.

4. Selanjutnya, kita akan mengimpor data ke dalam EViews. Data ini merupakan hasil

penumpukan (stacked) data dari tabel menurut kategori cross-section (ekuivalennya,

data dapat ditumpuk menurut waktu).

5. Data dari file datard.xls ke dalam EViews. Untuk mengimpor data, dari jendela objek

ReturnRD, pilih menu Procs/Import Pool data (ASCII,XLS,WK?)…. Arahkan ke file

datard.xls dan isikan informasi yang diperlukan.

6. Di sini, karena pada file excel yang diimpor, data ditumpuk menurut kategori cross-

section, maka pada pilihan Group Observation, dipilih by Cross section. Di sini variabel

Obs (yang terdapat pada file excel) tidak dilampirkan ke dalam file kerja. Klik OK Untuk

melihat hasil impor data, dari jendela objek Poolrd, pilih menu View/Spreadsheet

(Stacked data)

7. Di dalam contoh di atas, kita akan menampilkan semua variabel hasil impor. Sehingga

akan diperoleh tampilan data berikut:

20

Data di atas adalah hasil penumpukan, terurut menurut kategori cross-section, yakni:

Observasi 1-37: RD ashmore dana progresif nusantara

Observasi 38-74: RD danareksa konsumer 10 Observasi 75-111: RD schroder 90 plus equity fund

8. Selanjutnya, dengan menggunakan menu File/Save atau File Save As …, file kerja diberi

nama datard.wf1.

21

BAB V HASIL DAN PEMBAHASAN

5.1. Pra Analisis

1. Uji Heteroskedastisitas

Asumsi penting model regresi adanya homoskedastisitas, yaitu bahwa varians tiap unsur

disturbance tergantung (conditional) pada nilai yang dipilih dari variabel yang menjelaskan,

adalah suatu angka konstan yang sama dengan σ2. Uji heteroskedastisitas bertujuan

mengetahui apakah dalam model regresi tersebut terjadi ketidaksamaan varians dari residual

satu pengamatan ke pengamatan yang lain. Jika ditemukan pengamatan (varians) yang

berbeda dari satu pengamatan ke pengamatan yang lain berarti terjadi heteroskedastisitas.

Pengujian heterokedastisitas dapat dilakukan dengan uji grafik (residual graph) maupun uji

White (Residual test). Hipotesa pada White Heteroscedasticity-test yaitu: 0H : tidak

terdapat heterokedastisitas, yang berarti tidak ada hubungan antara error dengan variabel

bebasnya.

2. Uji Autokorelasi

Autokorelasi merupakan korelasi antara anggota serangkaian observasi yang diurutkan

menurut waktu atau ruang dan tidak terdapat dalam disturbansi atau gangguan. Jadi unsur

gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur gangguan yang

berhubungan dengan pengamatan lain yang manapun. Tujuan uji untuk mengetahui apakah

ada korelasi unsur gangguan pada periode t dengan periode sebelumnya (t-1). Cara

mendeteksi autokorelasi dapat digunakan dua cara, yaitu:

Uji Durbin Watson (uji D-W) dengan hipotesis yaitu 0H : tidak ada autokorelasi. Uji DW ini

akan menerima 0H saat angka DW-stat pada tabel statistik pengujian berada disekitar angka

2 (1,5 < DW-stat< 2,5), yang berarti dapat disimpulkan bahwa error tidak berkorelasi.

a. Uji residual pada E-Views. Uji residual ini menguji correlogram pada spesifikasi lag. Akan

dikatakan bahwa tidak ada autokorelasi pada saat p-value dari Q-stat signifikan (lebih kecil

dari 0,025, two tailed pada tingkat signifikansi 5%)

Coef. Covariance method

o Ordinary

o White cross section: korelasi antara cross-equation dan varians error yang berbeda dalam

cross section

22

o White period: mengakomodasi korelasi serial dan varians berbeda antara distrubance

o White diagonal: heterocedasticity dalam distrubance.

Masalah heterokedastisitas pada data panel dapat diatasi dengan memilih white heteroscedasticity

consistent covariance pada saat melakukan estimasi. Dan untuk autokorelasi dengan melakukan

perbaikan menggunakan Eviews yaitu dengan memilih Newey-West pada option heteroscedasticity

Consistent Coefficient Covariance.

White Test

Hipotesa:

Ho: homokedastik

H1: heterokedastik

Statistik uji: 2 2

dfn R dimana df =banyaknya variabel independen

Keputusan: tolak Ho bila p-value < 5%

5.2. Analisis Model

Kriteria uji Haussman dan Breuch Pagan, sbb:

Haussman

test

0H diterima RE

M Breusch Pagan

test

0H ditolak fixed effect

0H diterima OLS pooling regression

0H ditolak FEM

1. Uji Hausman

Pengujian Hausman dilakukan untuk menentukan ada tidaknya korelasi antara error dan

variabel bebas dengan hipotesis sebagai berikut:

0

1

: , 0 ( model= )

: , 0 ( model== )

it it

it it

H corr X u random effect individual effect uncorrelated

H corr X u fixed effect individual effect correlated

Statistik uji: 12 'hitung b Var b b

b=koefisien random effect

=koefisien fixed effect

Kesimpulan 0H ditolak jika p-value < 0,05 atau 2 2

;hitung K

K = jumlah koefisien slope

23

Untuk menganalisis dari model, pertama-tama akan dilakukan uji Hausman data. Uji

Hausman digunakan untuk mengetahui apakah nanti akan menggunakan model Efek

Random, ataukah Efek Tetap. Sebagai ilustrasi, kita akan menggunakan model I, yakni:

1 2 3 , i i i treturnRD b age b aum b returnIHSG c d

Uji Hausman dilakukan dengan menggunakan program h-test.prg yang sudah tersedia. Isi

dari h-test.prg adalah sebagai berikut:

'Hausman test for fixed versus random effects

'Edited from HAUSMAN.prg by Maria Titah J, 01/09/16

' set sample

smpl @all

' estimate fixed effects and store results poolrd.ls(f) returnRD? age? aum? returnIHSG? vector beta = poolrd.@coefs matrix covar = poolrd.@cov ' keep only slope coefficients vector b_fixed = @subextract(beta,1,1,2,1) matrix cov_fixed = @subextract(covar,1,1,2,2) ' estimate random effects and store results poolrd.ls(r) ) returnRD? age? aum? returnIHSG? beta = poolrd.@coefs covar = poolrd.@cov ' keep only slope coefficients

vector b_gls = @subextract(beta,2,1,3,1)

matrix cov_gls = @subextract(covar,2,2,3,3)

' compute Hausman test stat

matrix b_diff = b_fixed - b_gls

matrix var_diff = cov_fixed - cov_gls

matrix qform = @transpose(b_diff)*@inverse(var_diff)*b_diff

if qform(1,1)>=0 then

' set table to store results

table(6,3) HausmannTest

setcolwidth(HausmannTest,1,20)

setcell(HausmannTest,1,1,"Hausman test for fixed versus random effects")

setline(HausmannTest,2)

Untuk menjalankan program ini, dalam keadaan file kerja datard.wf1. sedang aktif. Buka

file h-test.prg dengan menggunakan menu File/Open/Program. Selanjutnya, dari jendela

h-test.prg, pilih menu Run. Klik OK dan untuk model I di atas akan diperoleh tampilan

output berikut:

24

Dengan cara yang ekuivalen, dapat dilakukan analisa untuk model II.

Hausman test for fixed versus

random effects

chi-sqr(2) = 5.4413051

p-value = 0.0658318

Rangkuman untuk hasil uji Hausman, diberikan dalam tabel berikut:

Model I

Stat-Uji p-value Kesimpulan Uji untuk tingkat kesalahan 0,05

17,239426 0,0001805

2 2

4;0,059,488

0,0001805 0,05

hitung

p value

Hipotesa H0 ditolak, digunakan fixed effect

Model II


5,4413051 0,0658318

2 2

3;0,057,815

0,0658318 0,05

hitung

p value

Hipotesa H0 diterima, digunakan random effect

Uji Breusch-Pagan

Selanjutnya, akan dilakukan uji Breusch-Pagan untuk model. Sebagai ilustrasi digunakan model

I, yakni:


25

Uji Breusch-Pagan dilakukan dengan menggunakan program BP-test.prg. File BP-test.prg

diberikan sebagai berikut:

'Breusch-Pagan Test for Random Effects

'Only for balanced panel model

'Created by Maria Titah, 09 September 2016

'Doing pooling regression

poolrd.ls returnRD? age? aum? returnIHSG?

'Save the value of ssr from pooling regression

matrix ssro =poolrd.@ssr

'Start calculate ssresidual for eachgroup dan obs from pooling regression

poolrd.makeresid

poolrd.makegroup(tempgrp) resid?

!ncross=poolrd.@ncross

matrix(!ncross,1) ssgrp

series tempser

' loop over each crosssection and compute sum residual for each group

for !i =1 to !ncross

tempser=tempgrp(!i)

ssgrp(!i,1)=@sum(tempser)

next

'For our data, we use indexing using year. For different freq use appropriate frequency

series obs=@year

!lastyear = @max(obs)

matrix(!lastyear, 1) ssobs

matrix tempser2

' loop over each year and compute sum residual for each year

for !i = 1 to !lastyear

smpl if (obs = !i)

tempser2 =tempgrp

'ssobs(!i,1) = @mean(tempser2*@transpose(tempser2))

ssobs(!i,1) = @sum(tempser2)

next

delete tempgrp tempser tempser2 obs

smpl @all

matrix AA=1-((@transpose(ssgrp)*ssgrp)/ssro(1,1))(1,1)

matrix BB=1-((@transpose(ssobs)*ssobs)/ssro(1,1))(1,1)

matrix LM1=(!ncross*!lastyear*2*(AA(1,1)^2))/(2*(!lastyear-1))

matrix LM2=(!ncross*!lastyear*2*(BB(1,1)^2))/(2*(!ncross-1))

matrix LM =LM1(1,1) + LM2(1,1)

' set table to store results

table(10,4) BreuschPaganTest

setcolwidth(BreuschPaganTest,1,30)

setcell(BreuschPaganTest,1,1,"Breusch-Pagan Test")

26

setline(BreuschPaganTest,3)

setcell(BreuschPaganTest,4,1,"Hypothesa")

setcell(BreuschPaganTest,4,2,"Statistic")

setcell(BreuschPaganTest,4,3,"p-value")


setcell(BreuschPaganTest,6,1,"H0:sigma^2_c=0")

setcell(BreuschPaganTest,6,2,LM1(1,1))

setcell(BreuschPaganTest,6,3,1-@cchisq(LM1(1,1),1))

setcell(BreuschPaganTest,7,1,"H0:sigma^2_d =0 ")

setcell(BreuschPaganTest,7,2,LM2(1,1))

setcell(BreuschPaganTest,7,3,1-@cchisq(LM2(1,1),1))

setcell(BreuschPaganTest,8,1,"H0:sigma^2_d =sigma^2_c=0 ")

setcell(BreuschPaganTest,8,2,LM(1,1))

setcell(BreuschPaganTest,8,3,1-@cchisq(LM(1,1),2))


show BreuschPaganTest

Jalankan BP-test.prg, maka akan diperoleh output berikut untuk

Model I: 1 2 3 , i i i treturnRD b age b aum b returnIHSG c d

Model II : 1 2 , i i i treturnRD b aum b returnIHSG c d

Breusch-Pagan Test

Hypothesa Statistic p-value

H0:sigma^2_c=0 3.9979577 0.0455554

H0:sigma^2_d =0 0.1896232 0.6632304

27

H0:sigma^2_d =sigma^2_c=0 4.1875809 0.1232192

Di dalam EViews4, hanya digunakan model satu arah dengan komponen efek time bernilai nol.

Dengan demikian, pada output uji Breusch-Pagan di atas, hanya uji hipotesis H0:2

c = 0 yang

relevan. Rangkuman output untuk uji Breusch-Pagan diberikan dalam tabel berikut:


Hipotesis Statistik Uji p-value Kesimpulan uji untuk tingkat kesalahan 5%

H0: c = 0 0,1147015 0,7348537 0,7348537 0,05p value

H0 diterima untuk tingkat kesalahan 5%, model

fixed effect dengan hipotesa tidak ada efek cross

section tidak ditolak yakni digunakan model

pooling regression (OLS)

Model II: 1 2 , i i i treturnRD b aum b returnIHSG c d

Hipotesis Statistik Uji p-value Kesimpulan uji untuk tingkat kesalahan 5%

H0: c = 0 3,9979577 0,0455554 0,0455554 0,05p value

0H ditolak untuk tingkat kesalahan 5%, model

fixed effect.

5.3. Estimasi Model

Model I:

Dari hasil uji Hausman dan uji Breusch-Pagan, diperoleh pada tingkat kesalahan 5% untuk model

estimasi akan dilakukan model pooling regression.

28

-

Nilai DW sebesar 1,76, hal ini mengindikasikan terdapatnya positive serial autocorrelation.

Suatu model dikatakan bebas dari masalah autokorelasi apabila memiliki nilai DW di sekitar

2. Apabila DW<2 maka terdapat serial positive autocorrelation

Estimation Command: ===================== EST(F) RETURNRD? AGE? RETURNIHSG? Estimation Equations: ===================== RETURNRD_ASHMORE = C(3) + C(1)*AGE_ASHMORE + C(2)*RETURNIHSG_ASHMORE RETURNRD_KONSUMER10 = C(4) + C(1)*AGE_KONSUMER10 + C(2)*RETURNIHSG_KONSUMER10 RETURNRD_SCHRODER90 = C(5) + C(1)*AGE_SCHRODER90 + C(2)*RETURNIHSG_SCHRODER90 Substituted Coefficients: ===================== RETURNRD_ASHMORE = -0.002666502927 + 0.0005002205233*AGE_ASHMORE + 0.01549814356*RETURNIHSG_ASHMORE

Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd

ashmore akan mendapatkan pengaruh individu terhadap returnrd sebesar --0.002666502927

29

RETURNRD_KONSUMER10 = -0.02202695199 + 0.0005002205233*AGE_KONSUMER10 + 0.01549814356*RETURNIHSG_KONSUMER10


konsumer10 akan mendapatkan pengaruh individu terhadap returnrd sebesar ---0.02202695199

RETURNRD_SCHRODER90 = -0.02313066583 + 0.0005002205233*AGE_SCHRODER90 + 0.01549814356*RETURNIHSG_SCHRODER90


schroder90 akan mendapatkan pengaruh individu terhadap returnrd sebesar -0.02313066583

30

BAB VI KESIMPULAN DAN SARAN

6.1. Kesimpulan

RETURNRD_ASHMORE = -0.002666502927 + 0.0005002205233*AGE_ASHMORE + 0.01549814356*RETURNIHSG_ASHMORE


ashmore akan mendapatkan pengaruh individu terhadap returnrd sebesar --0.002666502927

RETURNRD_KONSUMER10 = -0.02202695199 + 0.0005002205233*AGE_KONSUMER10 + 0.01549814356*RETURNIHSG_KONSUMER10


konsumer10 akan mendapatkan pengaruh individu terhadap returnrd sebesar ---0.02202695199

RETURNRD_SCHRODER90 = -0.02313066583 + 0.0005002205233*AGE_SCHRODER90 + 0.01549814356*RETURNIHSG_SCHRODER90


schroder90 akan mendapatkan pengaruh individu terhadap returnrd sebesar -0.02313066583

6.2. Saran

Penelitian selanjutnya bisa diteliti tentang pengaruh risk dan return pada kinerja reksadana

pendapatan tetap dan saham dengan regresi data panel atau metode yang lain.

31

DAFTAR PUSTAKA

Baltagi, 2005. Econometric Analysis of Panel Data third edition, John Wiley & Sons. Ltd

Gujarati, 2004. Basic Econometrics_fourth edition, McGraw Hill New York USA

Green, 2003. Econometric Analysis fifth edition, Prentice Hall

Hartono, Jogiyanto, 2010. Teori Portofolio dan Analisis Investasi. Yogyakarta: BPFEUGM

Hsiao, 2003. Analysis of Panel Data, second edition, Cambridge University Press

Santosa, Magdalena, 2012. Penilaian kinerja produk reksadana dengan menggunakan

metode perhitungan jensen alpha, sharpe ratio, treynor ratio, M2, dan information ratio,

jurnal Manajemen Vol 12, No 1 November 2012

Trisnopati, 2014. Pengaruh Stock Selection, Market Timing, dan Ukuran Reksadana

terhadap kinerja Reksadana Saham (Studi kasus pada reksadana saham yang terdaftar

di Otoritas Jasa Keuangan Periode : 2011-2014)

Warsono, 2004. Analisis Pengukuran Kinerja Reksadana, Ekobis Vol.5, No.1:131-142.

32

LAMPIRAN

33

DAFTAR RIWAYAT HIDUP PENELITI

Nama Lengkap : Maria Titah Jatipaningrum, S.Si., M.Sc.

Tempat, tanggal lahir : Sleman, 12 Mei 1983

NIK : 13.0583.687 E

Pangkat/ Golongan : Penata Muda Tk I/ III/b

Jabatan Fungsional : -

Bidang Keahlian : Statistika

Fakultas/ Jurusan : Sains Terapan, Statistika

Alamat Kantor : ISTA, Jalan Bimosakti No. 3 Pengok, Yogyakarta

Telp. 0274544504

Alamat Rumah : Mergangsan Kidul MG II/ 1177 Yogyakarta

Telp. 0816684679

Riwayat Pendidikan :

S1 S2

Nama Perguruan Tinggi Universitas Negeri Yogyakarta Universitas Gadjah Mada

Bidang Ilmu Matematika/Statistika Matematika/Statistika

Tahun Masuk - Lulus 2001-2006 2009-2011

Judul Skripsi/ Tesis Model Antrian Poisson

Pelayan Tunggal dalam

Keadaan Tunak

Fuzzy Klustering Short Time

Series untuk Segmentasi

Pelanggan

PENELITIAN YANG PERNAH DILAKUKAN

TAHUN

JUDUL PENELITIAN

SUMBER DANA

2013

SEGMENTASI PELANGGAN PLN MENGGUNAKAN

FUZZY KLUSTERING SHORT TIME SERIES

IST AKPRIND

YOGYAKARTA

2014

VISUALISASI PEMBELAJARAN RANTAI MARKOV

DENGAN MEMANFAATKAN FUNGSI MATLAB DAN

PAKET R ‘markovchain’ DALAM PENGANTAR PROSES

STOKASTIK

IST AKPRIND

YOGYAKARTA

37

DATA REKSADANA DALAM PENELITIAN

obs returnRD age aum returnIHSG

1 -0.05763 5 357,093,150,841.00 0.075216998

2 -0.06026 6 335,005,718,967.00 -0.056354606

3 0.043363 7 349,443,914,756.00 0.046345602

4 0.055879 8 369,110,623,865.00 -0.030879324

5 -0.03302 9 356,904,201,883.00 -0.00973061

6 0.008184 10 489,478,968,988.00 0.127444019

7 0.058349 11 670,275,674,761.00 0.004409927

8 0.07515 12 897,718,385,804.00 0.051373608

9 0.057708 13 1,174,757,148,384.00 0.009585232

10 0.01182 14 1,415,677,576,631.00 -0.009349195

11 0.015302 15 1,436,389,065,862.00 0.02699649

12 -0.01019 16 1,527,530,469,496.00 -0.154619891

13 0.055566 17 1,652,790,588,566.00 0.107530553

14 0.022772 18 1,834,974,521,985.00 -0.003131684

15 -0.01234 19 2,223,178,046,463.00 -0.052959284

16 0.014841 20 2,757,052,967,980.00 0.032046346

17 0.033271 21 3,403,558,510,537.00 0.080031286

18 0.004319 22 4,338,903,450,526.00 -0.002529257

19 0.006438 23 4,205,601,181,031.00 -0.009818831

20 0.022994 24 3,550,599,390,464.00 -0.034556021

21 -0.0163 25 3,424,614,027,219.00 -0.022019328

22 -0.05307 26 3,391,144,030,715.00 -0.120482485

23 0.021205 27 3,351,577,101,303.00 0.054753077

24 -0.07714 28 2,970,404,998,677.00 0.03093649

25 -0.02182 29 2,844,446,956,406.00 0.151620904

26 -0.06219 30 2,530,950,323,166.00 0.030417442

27 -0.06207 31 2,281,758,215,545.00 0.01254627

28 0.084366 32 2,331,638,588,908.00 -0.194288817

29 -0.0097 33 2,209,653,344,534.00 0.014202074

30 0.031797 34 2,282,099,799,670.00 0.156725848

31 -0.00344 35 2,214,417,870,931.00 -0.085389282

32 0.027255 36 2,166,409,620,450.00 0.015597511

33 0.046436 37 2,302,956,508,983.00 -0.001400942

34 0.000789 38 2,334,043,954,709.00 0.036800849

35 0.003834 39 2,319,677,479,810.00 0.039737133

36 0.059968 40 2,371,528,007,851.00 0.043002124

37 0.048333 41 2,340,515,927,924.00 -0.11827007

38 -0.086 31 2,586,830,666,289.23 0.075216998

39 -0.11454 32 2,364,793,184,542.83 -0.056354606

40 0.012077 33 2,374,554,400,577.89 0.046345602

41 0.03517 34 2,625,078,314,340.56 -0.030879324

38

42 -0.07921 35 2,424,474,997,735.50 -0.00973061

43 0.003037 36 2,428,244,393,833.09 0.127444019

44 0.062123 37 2,570,110,796,040.79 0.004409927

45 0.0519 38 2,669,198,740,206.70 0.051373608

46 0.010225 39 2,531,592,071,253.98 0.009585232

47 0.017358 40 2,404,113,119,674.97 -0.009349195

48 0.003276 41 2,317,769,613,299.45 0.02699649

49 -0.00812 42 2,181,795,632,345.67 -0.154619891

50 0.057744 43 2,158,783,251,740.94 0.107530553

51 0.000464 44 2,059,902,208,568.51 -0.003131684

52 0.00857 45 1,961,686,566,645.74 -0.052959284

53 -0.00836 46 1,900,877,588,118.34 0.032046346

54 0.021167 47 1,561,766,570,395.12 0.080031286

55 0.02695 48 1,534,995,810,555.87 -0.002529257

56 0.020198 49 1,555,832,596,503.25 -0.009818831

57 0.034118 50 1,450,342,285,570.99 -0.034556021

58 0.01338 51 1,404,350,847,992.69 -0.022019328

59 -0.08068 52 1,325,291,941,452.96 -0.120482485

60 0.031896 53 1,371,336,134,181.50 0.054753077

61 -0.0673 54 1,414,783,333,306.99 0.03093649

62 -0.01116 55 1,404,271,782,776.43 0.151620904

63 -0.04273 56 1,427,703,361,615.87 0.030417442

64 -0.07226 57 1,324,392,293,222.72 0.01254627

65 0.075767 58 1,414,216,634,074.78 -0.194288817

66 0.015809 59 1,431,197,910,153.75 0.014202074

67 0.037093 60 1,487,064,604,477.99 0.156725848

68 0.016921 61 1,562,071,333,223.67 -0.085389282

69 0.040734 62 1,642,695,265,813.34 0.015597511

70 0.008721 63 1,483,199,467,931.56 -0.001400942

71 -0.01009 64 1,162,886,208,685.86 0.036800849

72 -0.00584 65 1,367,816,337,066.83 0.039737133

73 0.043489 66 1,549,011,076,421.87 0.043002124

74 0.033743 67 964,021,363,209.75 -0.11827007

75 -0.03266 39 2,916,870,564,196.82 0.075216998

76 -0.10697 40 2,713,368,093,090.10 -0.056354606

77 0.025275 41 2,797,150,910,917.73 0.046345602

78 0.047471 42 2,994,789,084,283.30 -0.030879324

79 -0.0613 43 2,912,554,264,852.42 -0.00973061

80 0.000158 44 2,868,306,754,448.39 0.127444019

81 0.056498 45 2,966,239,090,844.89 0.004409927

82 0.055005 46 3,077,298,316,053.86 0.051373608

83 0.033099 47 3,453,712,017,502.00 0.009585232

84 0.009372 48 3,734,490,371,735.39 -0.009349195

85 0.000492 49 3,495,497,210,405.87 0.02699649

39

86 0.00087 50 3,810,120,149,679.61 -0.154619891

87 0.052336 51 3,536,862,285,175.51 0.107530553

88 0.004224 52 3,509,891,653,849.06 -0.003131684

89 -0.01438 53 3,539,322,827,255.33 -0.052959284

90 -0.00045 54 3,863,534,636,680.91 0.032046346

91 0.025582 55 3,873,699,209,702.63 0.080031286

92 0.024881 56 3,755,426,112,734.77 -0.002529257

93 0.030101 57 3,531,367,195,162.69 -0.009818831

94 0.028181 58 3,653,067,584,792.66 -0.034556021

95 0.02851 59 4,906,024,587,902.10 -0.022019328

96 -0.07638 60 4,854,828,042,393.55 -0.120482485

97 0.030752 61 5,513,700,652,680.14 0.054753077

98 -0.07434 62 5,290,744,291,701.29 0.03093649

99 -0.02134 63 5,269,824,235,689.29 0.151620904

100 -0.04957 64 4,981,606,787,834.54 0.030417442

101 -0.07146 65 4,666,478,950,133.32 0.01254627

102 0.082483 66 5,076,525,085,035.39 -0.194288817

103 -0.0009 67 4,998,449,747,657.33 0.014202074

104 0.04365 68 5,514,815,221,845.78 0.156725848

105 0.009917 69 5,118,795,321,557.14 -0.085389282

106 0.030638 70 5,407,434,312,916.37 0.015597511

107 0.018174 71 5,420,019,235,032.04 -0.001400942

108 -0.01451 72 5,200,202,716,014.95 0.036800849

109 0.008066 73 5,064,328,718,472.89 0.039737133

110 0.048704 74 4,834,195,646,795.19 0.043002124

111 0.032679 75 4,516,272,491,092.06 -0.11827007

TABEL DATA IHSG

Date Open High Low Close Volume Adj Close

8/1/2013 4618.964 4718.103 3837.735 4195.089 3.98E+09 4195.089

10/1/2013 4314.961 4611.264 4314.961 4510.631 3.66E+09 4510.631 0.075217

11/1/2013 4473.73 4518.654 4202.919 4256.436 3.29E+09 4256.436 -0.05635

1/2/2013 4322.582 4472.108 4298.612 4453.703 2.58E+09 4453.703 0.046346

9/2/2013 4196.721 4791.765 4012.681 4316.176 4.55E+09 4316.176 -0.03088

12/2/2013 4269.077 4331.59 4109.309 4274.177 3.06E+09 4274.177 -0.00973

6/3/2013 5053.545 5055.832 4373.377 4818.895 2.38E+09 4818.895 0.127444

4/1/2014 4796.162 4933.113 4721.596 4840.146 3.82E+09 4840.146 0.00441

7/1/2014 4877.65 5165.416 4862.42 5088.802 4.49E+09 5088.802 0.051374

9/1/2014 5159.943 5262.568 5082.727 5137.579 3.74E+09 5137.579 0.009585

10/1/2014 5148.574 5165.394 4900.718 5089.547 3.44E+09 5089.547 -0.00935

12/1/2014 5150.38 5226.947 5005.275 5226.947 4.6E+09 5226.947 0.026996

1/2/2014 4294.495 4510.216 4161.193 4418.757 2.9E+09 4418.757 -0.15462

5/2/2014 4845.341 5091.317 4828.217 4893.908 3.69E+09 4893.908 0.107531

6/2/2014 4900.973 4971.946 4835.037 4878.582 2.99E+09 4878.582 -0.00313

40

2/3/2014 4407 4665.267 4320.783 4620.216 3.68E+09 4620.216 -0.05296

3/3/2014 4589.624 4903.497 4567.76 4768.277 4.56E+09 4768.277 0.032046

11/3/2014 5102.537 5157.084 4965.387 5149.888 4.29E+09 5149.888 0.080031

8/4/2014 5076.227 5223.975 5043.525 5136.863 3.75E+09 5136.863 -0.00253

4/1/2015 5516.798 5524.036 5015.008 5086.425 4.35E+09 5086.425 -0.00982

6/1/2015 5212.134 5215.55 4826.13 4910.658 3.3E+09 4910.658 -0.03456

7/1/2015 4924.066 4982.91 4711.491 4802.529 3.41E+09 4802.529 -0.02202

9/1/2015 4484.204 4484.789 4033.587 4223.908 3.45E+09 4223.908 -0.12048

10/1/2015 4231.41 4696.157 4207.799 4455.18 4.4E+09 4455.18 0.054753

12/1/2015 4504.222 4595.513 4330.76 4593.008 2.47E+09 4593.008 0.030936

1/2/2015 5233.796 5325.039 5121.815 5289.404 5.35E+09 5289.404 0.151621

2/2/2015 5277.154 5464.219 5254.036 5450.294 4.38E+09 5450.294 0.030417

3/2/2015 5452.831 5518.675 5350.47 5518.675 4.61E+09 5518.675 0.012546

11/2/2015 4442.419 4621.256 4395.966 4446.458 2.97E+09 4446.458 -0.19429

8/3/2015 4778.044 4868.074 4111.112 4509.607 3.65E+09 4509.607 0.014202

5/4/2015 5093.334 5347.133 5089.418 5216.379 4.25E+09 5216.379 0.156726

2/1/2016 4620.152 4803.609 4545.14 4770.956 3.21E+09 4770.956 -0.08539

3/1/2016 4760.236 4908.26 4757.8 4845.371 4.1E+09 4845.371 0.015598

4/1/2016 4843.394 4920.403 4766.815 4838.583 4.19E+09 4838.583 -0.0014

6/1/2016 4801.853 5033.242 4754.357 5016.647 4.76E+09 5016.647 0.036801

7/1/2016 5027.617 5334.121 4971.581 5215.994 5.39E+09 5215.994 0.039737

8/1/2016 5280.21 5476.22 5279.586 5440.293 6.93E+09 5440.293 0.043002

5/2/2016 4828.963 4845.124 4690.558 4796.869 3.41E+09 4796.869 -0.11827

DATA POOLED REGRESSION

NAB

bulan Ashmore Danareksa Schroder IHSG

jan 1475.671 1683.512 1901.650 5289.403809

feb 1509.602 1740.950 1955.241 5450.293945

maret 1485.000 1764.243 2010.984 5518.674805

april 1406.189 1621.904 1857.394 5086.424805

mei 1436.007 1673.635 1914.513 5216.378906

juni 1325.234 1561.000 1772.189 4910.658203

juli 1296.315 1543.576 1734.379 4802.528809

agustus 1215.702 1477.618 1648.407 4509.606934

september 1140.244 1370.847 1530.620 4223.908203

oktober 1236.442 1474.713 1656.870 4455.180176

nov 1224.449 1498.027 1655.386 4446.458008

des 1263.383 1553.593 1727.643 4593.007812

jan 1259.040 1579.882 1744.776 4615.163086

feb 1293.356 1644.238 1798.232 4770.956055

maret 1353.414 1658.577 1830.912 4845.371094

april 1354.481 1641.834 1804.337 4838.583008

mei 1359.674 1632.251 1818.890 4796.869141

juni 1441.210 1703.236 1907.477 5016.646973

juli 1510.868 1760.708 1969.812 5215.994141

41

AUM dalam trilliun fund size

bulan Ashmore Danareksa Schroder IHSG

jan 4205601181031 1555832596503 3531367195163 5350420300

feb 3550599390464 1450342285571 3653067584793 4379688100

maret 3424614027219 1404350847993 4906024587902 4610533700

april 3391144030715 1325291941453 4854828042394 4351595800

mei 3351577101303 1371336134182 5513700652680 4247861300

juni 2970404998677 1414783333307 5290744291701 3299502900

juli 2844446956406 1404271782776 5269824235689 3409749100

agustus 2530950323166 1427703361616 4981606787835 3650082300

september 2281758215545 1324392293223 4666478950133 3447175000

oktober 2331638588908 1414216634075 5076525085035 4403177500

nov 2209653344534 1431197910154 4998449747657 2967403200

des 2282099799670 1487064604478 5514815221846 2470170800

jan 2214417870931 1562071333224 5118795321557 2751229900

feb 2166409620450 1642695265813 5407434312916 3214575200

maret 2302956508983 1483199467932 5420019235032 4097899500

april 2334043954709 1162886208686 5200202716015 4187362300

mei 2319677479810 1367816337067 5064328718473 3414532600

juni 2371528007851 1549011076422 4834195646795 4763712100

juli 2340515927924 964021363210 4516272491092 5391705500

monthly return

bulan Ashmore Danareksa Schroder

jan 0.0064 0.0202 0.0301

feb 0.0230 0.0341 0.0282

maret -0.0163 0.0134 0.0285

april -0.0531 -0.0807 -0.0764

mei 0.0212 0.0319 0.0308

juni -0.0771 -0.0673 -0.0743

juli -0.0218 -0.0112 -0.0213

agustus -0.0622 -0.0427 -0.0496

september -0.0621 -0.0723 -0.0715

oktober 0.0844 0.0758 0.0825

nov -0.0097 0.0158 -0.0009

des 0.0318 0.0371 0.0436

jan -0.0034 0.0169 0.0099

feb 0.0273 0.0407 0.0306

maret 0.0464 0.0087 0.0182

april 0.0008 -0.0101 -0.0145

mei 0.0038 -0.0058 0.0081

juni 0.0600 0.0435 0.0487

juli 0.0483 0.0337 0.0327

42

B. DRAFT

ARTIKEL ILMIAH

43

PENGARUH RISK DAN RETURN PADA KINERJA REKSADANA SAHAM DENGAN REGRESI DATA PANEL

Maria Titah Jatipaningrum1*

1 Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi Akprind Yogyakarta

Jalan Kalisahak No. 28 Yogyakarta *Email: [email protected]

Abstrak

Pertumbuhan investasi reksadana meningkat pesat dikarenakan reksadana merupakan investasi yang menguntungkan dan tidak memerlukan modal yang besar. Menguntungkan karena reksadana dikelola oleh manajer investasi untuk mengelola dana tersebut sesuai dengan tujuan investasinya. Sehingga masyarakat dalam hal ini investor yang tidak memiliki banyak waktu atau keterbatasan keahlian tetap dapat melalukan investasi. Sumber dana yang digunakan dalam investasi reksadana bersifat kolektif, sehingga masyarakat berdana terbatas juga dapat ikut serta dalam berinvestasi. Investor dapat melakukan diversifikasi investasi dalam efek, adanya transparansi, dan likuiditas tinggi.

Penelitian ini bertujuan untuk menganalisis pengaruh risk dan return sample reksadana saham pada periode Januari 2013 hingga Maret 2016. Data yang digunakan berupa data bulanan. Penelitian ini menggunakan data sekunder dari www.ojk.go.id , dengan metode regresi data panel. Diuji terlebih dahulu menggunakan Uji Chow dan Uji Haussman untuk menentukan digunakan model fixed effect atau model random effect.

Kata kunci: reksadana saham, regresi panel, risk, return, kinerja reksadana.

LATAR BELAKANG PERMASALAHAN

Kinerja adalah sebuah hal yang menjadi tolok ukur, baik atau tidaknya, bertumbuh atau tidaknya suatu organisasi. Organisasi sebaiknya memperhatikan dan menilai karyawan melalui kinerja karyawan dalam bekerja, bukan hanya melihat hasil akhir dari pekerjaan yang dilakukan. Terdapat banyak kerugian jika suatu organisasi tidak melakukan penilaian kinerja yang baik, mulai dari perputaran tenaga kerja yang yang meningkat, penyampaian informasi yang buruk (atasan kepada bawahan), hilang biaya dan waktu, hingga muncul berbagai bias (Aguinis, 2007:7-8), dan pada akhirnya berujung pada kematian organisasi. Jadi, penilaian kinerja sangat perlu diperhatikan oleh organisasi.

Demikian pula dengan investor, ketika memutuskan untuk berinvestasi, maka hal yang perlu dilakukan adalah menilai kinerja investasi. Investor tidak tahu pasti hasil yang diperoleh dari investasi yang dilakukan. Dalam keadaan seperti ini, investor menghadapi resiko dalam investasi yang dilakukan. Investor hanya dapat memperkirakan berapa keuntungan yang diharapkan dari investasi dan seberapa jauh kemungkinan hasil yang sebenarnya akan menyimpang dari hasil yang diharapkan (Husnan, 2003:43). Dengan demikian, penilaian kinerja menjadi alat ukur bagi investor dalam mengambil keputusan


44

terhadap suatu investasi. Kinerja suatu reksadana ditentukan oleh besarnya return yang diperoleh atas investasi yang dikenal dengan nilai aktiva bersih (NAB). Oleh karena itu, dibutuhkan manajemen investasi yang baik agar portofolio yang telah disusun mampu memberikan keuntungan yang maksimal.

Di Indonesia reksadana pertama kali diperkenalkan kepada masyarakat dengan didirikannya PT. Danareksa pada tahun 1976. Reksadana menurut UU No 8 tahun 1995 pasal 1 ayat 27 didefinisikan sebagai “wadah yang dipergunakan untuk menghimpun dana dari masyarakat pemodal untuk selanjutnya diinvestasikan dalam portofolio efek oleh manajer investasi”. Berdasarkan definisi tersebut, reksadana merupakan kumpulan dana dari masyarakat yang diinvestasikan pada saham, obligasi berjangka, pasar uang dan sebagainya.

Perkembangan Reksadana dewasa ini semakin meningkat seiring dengan tumbuh kembangnya perekonomian suatu bangsa dan berkembangnya pasar modal. Melalui investasi di reksadana maka masyarakat yang tidak memiliki modal cukup besar dapat melakukan investasi di pasar modal dan memperoleh manfaat dari perkembangan pasar modal. Perkembangan reksadana tersebut juga didukung dengan semakin berkembangnya produk-produk investasi sehingga tidak semua orang dapat memahami investasi dan memiliki waktu untuk mengelola investasinya. Dengan menggunakan manajer investasi yang profesional dan memiliki pengetahuan tentang efek, maka investasi pada reksadana semakin berkembang di Indonesia. Pertumbuhan investasi reksadana meningkat pesat dikarenakan reksadana merupakan investasi yang menguntungkan dan tidak memerlukan modal yang besar. Menguntungkan karena reksadana dikelola oleh manajer investasi untuk mengelola dana tersebut sesuai dengan tujuan investasinya. Sehingga masyarakat dalam hal ini investor yang tidak memiliki banyak waktu atau keterbatasan keahlian tetap dapat melalukan investasi. Sumber dana yang digunakan dalam investasi reksadana bersifat kolektif, sehingga masyarakat berdana terbatas juga dapat ikut serta dalam berinvestasi. Investor dapat melakukan diversifikasi investasi dalam efek, adanya transparansi, dan likuiditas tinggi. Dengan kata lain, reksadana dapat dicairkan kapan saja jika investor membutuhkan, itulah beberapa keuntungan berinvestasi di dalam reksadana. Namun terdapat beberapa resiko dalam berinvestasi di reksadana, yaitu investor dapat mengalami capital loss, resiko likuiditas, resiko wanprestasi, resiko kredit, dan resiko berkurangnya nilai tukar mata uang (Martalena, 2011: 85). Penilaian kinerja sebuah investasi terdapat dua dua pengukuran kinerja yaitu melalui return reksadana itu sendiri dan model risk adjusted return. Adapun metode untuk melakukan penilaian kinerja dengan menggunakan return reksadana itu sendiri adalah raw return. Sedangkan risk adjusted return adalah perhitungan return yang disesuaikan dengan resiko yang harus ditanggung (Hartono, 2010: 640), adapun metodenya antara lain: Treynor ratio, Sharpe Ratio, Jensen Alpha, Roy Safety First Ratio, M2 , Sortino Ratio, MSR, FPI, dan Information Ratio. Dalam berinvestasi di reksadana masyarakat perlu mengetahui jenis-jenis reksadana yang dapat disesuaikan dengan tujuan dan kebutuhan investasi. Berdasarkan kategori instrumen jenis reksadana di Indonesia yang dapat dimiliki oleh masyarakat ada empat yaitu: reksadana pasar uang, reksadana pendapatan tetap, reksadana saham dan reksadana campuran. Pembagian reksadana ini dilandasi oleh cara investasi yang berbeda-beda. Pertama, pada reksadana pasar uang investor berinvestasi 100% pada efek pasar uang seperti efek-efek hutang yang berjangka kurang dari satu tahun. Kedua, reksadana pendapatan tetap investasi dilakukan sekurang-kurangnya 80% dari portfolio yang dikelolanya ke dalam efek bersifat hutang seperti obligasi. Ketiga, reksadana saham yang melakukan investasi sekurang-kurangnya 80% dari portofolio yang dikelolanya ke dalam efek bersifat ekuitas (saham). Terakhir, reksadana campuran dimana investasi dilakukan ke dalam efek ekuitas

45

dan efek hutang yang alokasinya tidak termasuk di dalam kategori reksadana pendapatan tetap dan reksadana saham. Sejak diperkenalkan pertama kali di Indonesia, instrumen ini berkembang dengan pesat berdasarkan data yang tercatat pada Otoritas Jasa Keuangan (OJK) hingga 23 Desember 2015, terdapat 1.083 produk reksadana yang terdaftar dengan dana kelolaan atau Nilai Aktiva Bersih (NAB) Rp 268,44 trilliun.

Tujuan dari setiap investor dalam berinvestasi adalah untuk mendapat return. Bila investasi tidak dapat memberikan tingkat keuntungan yang diharapkan tentunya akan membuat investor enggan untuk berinvestasi. Menurut Jogiyanto (2009;199) return merupakan hasil yang diperoleh dari investasi. Sementara menurut Brigham dan Houston (2006:215) return adalah selisih antara jumlah yang diterima dan jumlah yang diinvestasikan. Menurut Jogiyanto (1998) return dibagi menjadi dua yaitu: realized return dan expected return. Realized return adalah return yang telah terjadi dan dapat digunakan sebagai salah satu alat ukur kinerja perusahaan serta tolok ukur dalam menentukan return dan resiko di masa depan. Sedangkan expected return merupakan return yang diharapkan akan tercapai dan tidak memiliki kepastian.

Penelitian ini untuk mengetahui beberapa sampel reksadana saham yang diolah risk dan returnnya untuk mengukur kinerja reksadana dengan model regresi data panel. Data yang digunakan pada penelitian ini adalah NAB (Nilai Aktiva Bersih), return reksadana saham, total dana kelolaan, data SBI, data IHSG setahun (yang didownload pada www.infovesta.com) untuk mengetahui kinerja reksadana saham, dan juga meneliti pengaruh risk dan return pada kinerja reksadana saham yang menjadi sampel data reksadana saham yaitu: ashmore dana progresif nusantara, danareksa mawar konsumer 10, dan schroder 90 plus equity fund. TINJAUAN PUSTAKA Secara umum, bentuk model linear (yang disebut pooled regression) yang dapat digunakan adalah:

, , , ,'i t i t i t i ty x (5)

Dimana:

,i ty adalah observasi dari unit ke –I dan diamati pada periode waktu ke –t.

,'i tx adalah vektor variabel-variabel independen / input dari unit ke –I dan diamati pada

periode waktu ke –t. disini diasumsikan ,'i tx memuat komponen konstanta.

,i t adalah komponen error, yang diasumsikan memiliki harga mean 0 dan variansi

homogen dalam waktu (homokedastic) serta independen dengan ,'i tx

Estimasi untuk model ini dapat dilakukan dengan metode OLS standar

Untuk model panel data, sebagai asumsi standar ,i t , yakni pengaruh dari perubahan

dalam X diasumsikan bersifat konstan dalam waktu dan kategori cross- section. Model pooled regression dapat ditulis ulang, dan selanjutnya ditambahkan komponen konstanta

dan i tc d

, , ,'t i t i i t t iy x c d (6)

Dengan

ic adalah konstanta yang bergantung kepada unit ke- i , tapi tidak kepada waktu t

td adalah konstanta yang bergantung kepada waktu t , tapi tidak kepada unit i .


46

Disini apabila model memuat komponen dan i tc d , maka model disebut model dua arah,

sedangkan apabila 0td atau 0ic , maka model disebut model satu arah. Apabila

banyaknya observasi sama untuk semua kategori cross–section, dikatakan model bersifat balance, dan sebaliknya disebut unbalanced. Specification test/ Uji Spesifikasi

5. Uji Wald/ Poolability test Uji ini bertujuan untuk melihat hubungan antar kategori cross-section, yakni menguji

hipotesa berbentuk 0 :H R r dengan R vektor konstanta dan r adalah

konstanta. 6. Uji Haussman

Uji ini bertujuan untuk melihat apakah terdapat random effect didalam panel data,

yakni menguji hipotesa berbentuk 0H :terdapat random effect di dalam model

7. Uji Breusch-Pagan Uji ini bertujuan untuk melihat apakah terdapat efek cross-section/ time series (atau

keduanya) di dalam panel data, yakni menguji hipotesa berbentuk 2 2

0 : c dH .

Test ini juga valid untuk model fixed effect, yakni dapat juga digunakan untuk menguji adanya efek cross-section dan/ atau time dalam model fixed effect.

Secara umum, langkah uji hipotesa yang dilakukan adalah sebagai berikut. Pertama-tama dilakukan uji Hausman terhadap data. Jika hipotesa untuk uji Hausman ditolak, maka model fixed effect digunakan dalam pemodelan. Akan tetapi, jika hipotesa ini tidak ditolak, maka digunakan uji Breusch-Pagan untuk melihat apakah terdapat efekdidalam data. Jika hipotesa uji Breusch Pagan tidak ditolak, maka di lakukan analisa dengan menggunakan metode pooling OLS, meskipun data yang dimiliki dikumpulkan menggunakan framework panel studi.

PEMBAHASAN

47

Pemodelan terhadap data di atas dapat dilakukan dengan menggunakan model regresi dengan variabel dummy. Dengan EViews4, pemodelan regresi dengan variabel dummy ini dapat dilakukan seperti analisis model regresi biasa. Berikut ini, kita akan menggunakan analisis alternative dengan model pooling. Sebagai catatan penting, di dalam EViews4 hanya digunakan model satu arah, yakni diasumsikan bahwa efek waktu (time) dalam model bernilai nol. Sehingga dalam analisis berikut, pada model, diasumsikan di = 0. C. Mempersiapkan Data

1. Kita buat file kerja baru dengan menggunakan menu File/New/Workfile… Untuk data di atas, setelah muncul jendela Workfile Range, gunakan pilihan undated or Irregular untuk Frequency dengan Range bernilai 1 – 37. Lalu klik OK.

2. Selanjutya buat objek baru dengan menu Object/New Object …. Sebagai type of object, pilih Pool, dan namakan objek baru ini sebagai Poolrd. Lalu klik OK.

48

3. Setelah muncul jendela objek Poolrd, isikan daftar kategori cross section keenam provinsi di pulau Jawa ( _ashmore, _konsumer10, _schroder90), yakni kita gunakan identifier berikut:, klik menu Define.

4. Selanjutnya, kita akan mengimpor data ke dalam EViews. Data ini merupakan hasil penumpukan (stacked) data dari tabel menurut kategori cross-section (ekuivalennya, data dapat ditumpuk menurut waktu).

5. Data dari file datard.xls ke dalam EViews. Untuk mengimpor data, dari jendela objek ReturnRD, pilih menu Procs/Import Pool data (ASCII,XLS,WK?)…. Arahkan ke file datard.xls dan isikan informasi yang diperlukan.

6. Di sini, karena pada file excel yang diimpor, data ditumpuk menurut kategori cross-section, maka pada pilihan Group Observation, dipilih by Cross section. Di sini variabel Obs (yang terdapat pada file excel) tidak dilampirkan ke dalam file kerja. Klik OK Untuk melihat hasil impor data, dari jendela objek Poolrd, pilih menu View/Spreadsheet (Stacked data)

7. Di dalam contoh di atas, kita akan menampilkan semua variabel hasil impor. Sehingga akan diperoleh tampilan data berikut:

Data di atas adalah hasil penumpukan, terurut menurut kategori cross-section, yakni:

Observasi 1-37: RD ashmore dana progresif nusantara

Observasi 38-74: RD danareksa konsumer 10

Observasi 75-111: RD schroder 90 plus equity fund 8. Selanjutnya, dengan menggunakan menu File/Save atau File Save As …, file

kerja diberi nama datard.wf1. D. Pra Analisis

1. Uji Heteroskedastisitas Asumsi penting model regresi adanya homoskedastisitas, yaitu bahwa varians tiap unsur disturbance tergantung (conditional) pada nilai yang dipilih dari variabel yang menjelaskan, adalah suatu angka konstan yang sama dengan σ2. Uji heteroskedastisitas bertujuan mengetahui apakah dalam model regresi tersebut terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika ditemukan pengamatan (varians) yang berbeda dari satu pengamatan ke

49

pengamatan yang lain berarti terjadi heteroskedastisitas. Pengujian heterokedastisitas dapat dilakukan dengan uji grafik (residual graph) maupun uji

White (Residual test). Hipotesa pada White Heteroscedasticity-test yaitu: 0H :

tidak terdapat heterokedastisitas, yang berarti tidak ada hubungan antara error dengan variabel bebasnya.

2. Uji Autokorelasi Autokorelasi merupakan korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu atau ruang dan tidak terdapat dalam disturbansi atau gangguan. Jadi unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur gangguan yang berhubungan dengan pengamatan lain yang manapun. Tujuan uji untuk mengetahui apakah ada korelasi unsur gangguan pada periode t dengan periode sebelumnya (t-1). Cara mendeteksi autokorelasi dapat digunakan dua cara, yaitu:

Uji Durbin Watson (uji D-W) dengan hipotesis yaitu 0H : tidak ada autokorelasi. Uji

DW ini akan menerima 0H saat angka DW-stat pada tabel statistik pengujian

berada disekitar angka 2 (1,5 < DW-stat< 2,5), yang berarti dapat disimpulkan bahwa error tidak berkorelasi. b. Uji residual pada E-Views. Uji residual ini menguji correlogram pada spesifikasi

lag. Akan dikatakan bahwa tidak ada autokorelasi pada saat p-value dari Q-stat signifikan (lebih kecil dari 0,025, two tailed pada tingkat signifikansi 5%)

Coef. Covariance method o Ordinary o White cross section: korelasi antara cross-equation dan varians error yang

berbeda dalam cross section o White period: mengakomodasi korelasi serial dan varians berbeda antara

distrubance o White diagonal: heterocedasticity dalam distrubance.

Masalah heterokedastisitas pada data panel dapat diatasi dengan memilih white heteroscedasticity consistent covariance pada saat melakukan estimasi. Dan untuk autokorelasi dengan melakukan perbaikan menggunakan Eviews yaitu dengan memilih Newey-West pada option heteroscedasticity Consistent Coefficient Covariance. White Test Hipotesa: Ho: homokedastik H1: heterokedastik

Statistik uji: 2 2

dfn R dimana df =banyaknya variabel independen

Keputusan: tolak Ho bila p-value < 5% E. Analisis Model

Kriteria uji Haussman dan Breuch Pagan, sbb:

Haussman test

0H diterima REM

Breusch Pagan test

0H ditolak fixed effect

0H diterima OLS pooling regression

0H ditolak FEM

2. Uji Hausman

Pengujian Hausman dilakukan untuk menentukan ada tidaknya korelasi antara error dan variabel bebas dengan hipotesis sebagai berikut:

50

0

1

: , 0 ( model= )

: , 0 ( model== )

it it

it it

H corr X u random effect individual effect uncorrelated

H corr X u fixed effect individual effect correlated

Statistik uji: 12 'hitung b Var b b

b=koefisien random effect

=koefisien fixed effect

Kesimpulan 0H ditolak jika p-value < 0,05 atau 2 2

;hitung K

K = jumlah koefisien slope

Untuk menganalisis dari model, pertama-tama akan dilakukan uji Hausman data. Uji Hausman digunakan untuk mengetahui apakah nanti akan menggunakan model Efek Random, ataukah Efek Tetap. Sebagai ilustrasi, kita akan menggunakan model

I, yakni: 1 2 3 , i i i treturnRD b age b aum b returnIHSG c d

Uji Hausman dilakukan dengan menggunakan program h-test.prg yang sudah tersedia. Isi dari h-test.prg adalah sebagai berikut: 'Hausman test for fixed versus random effects 'Edited from HAUSMAN.prg by Maria Titah J, 01/09/16 ' set sample smpl @all ' estimate fixed effects and store results poolrd.ls(f) returnRD? age? aum? returnIHSG? vector beta = poolrd.@coefs matrix covar = poolrd.@cov ' keep only slope coefficients vector b_fixed = @subextract(beta,1,1,2,1) matrix cov_fixed = @subextract(covar,1,1,2,2) ' estimate random effects and store results poolrd.ls(r) ) returnRD? age? aum? returnIHSG? beta = poolrd.@coefs covar = poolrd.@cov ' keep only slope coefficients vector b_gls = @subextract(beta,2,1,3,1) matrix cov_gls = @subextract(covar,2,2,3,3) ' compute Hausman test stat matrix b_diff = b_fixed - b_gls matrix var_diff = cov_fixed - cov_gls matrix qform = @transpose(b_diff)*@inverse(var_diff)*b_diff if qform(1,1)>=0 then ' set table to store results table(6,3) HausmannTest setcolwidth(HausmannTest,1,20) setcell(HausmannTest,1,1,"Hausman test for fixed versus random effects") setline(HausmannTest,2)

Untuk menjalankan program ini, dalam keadaan file kerja datard.wf1. sedang aktif. Buka file h-test.prg dengan menggunakan menu File/Open/Program.

51

Selanjutnya, dari jendela h-test.prg, pilih menu Run. Klik OK dan untuk model I di atas akan diperoleh tampilan output berikut:

Dengan cara yang ekuivalen, dapat dilakukan analisa untuk model II. Hausman test for fixed versus random

effects

chi-sqr(2) = 5.4413051

p-value = 0.0658318

Rangkuman untuk hasil uji Hausman, diberikan dalam tabel berikut: Model I


17,239426 0,0001805

2 2

4;0,059,488

0,0001805 0,05

hitung

p value

Hipotesa H0 ditolak, digunakan fixed effect

Model II


5,4413051 0,0658318

2 2

3;0,057,815

0,0658318 0,05

hitung

p value

Hipotesa H0 diterima, digunakan random effect

Uji Breusch-Pagan

Selanjutnya, akan dilakukan uji Breusch-Pagan untuk model. Sebagai ilustrasi digunakan model I, yakni:


Model I:


52

Model II : 1 2 , i i i treturnRD b aum b returnIHSG c d

Breusch-Pagan Test

Hypothesa Statistic p-value

H0:sigma^2_c=0 3.9979577 0.0455554 H0:sigma^2_d =0 0.1896232 0.6632304

H0:sigma^2_d =sigma^2_c=0 4.1875809 0.1232192

Di dalam EViews4, hanya digunakan model satu arah dengan komponen efek time bernilai nol. Dengan demikian, pada output uji Breusch-Pagan di atas, hanya uji

hipotesis H0:2

c = 0 yang relevan. Rangkuman output untuk uji Breusch-Pagan

diberikan dalam tabel berikut:


Hipotesis Statistik Uji

p-value Kesimpulan uji untuk tingkat kesalahan 5%

H0: c = 0 0,1147015 0,7348537 0,7348537 0,05p value

H0 diterima untuk tingkat kesalahan 5%, model fixed effect dengan hipotesa tidak ada efek cross section tidak ditolak yakni digunakan model pooling regression (OLS)

Model II: 1 2 , i i i treturnRD b aum b returnIHSG c d

Hipotesis Statistik Uji

p-value Kesimpulan uji untuk tingkat kesalahan 5%

H0: c = 0 3,9979577 0,0455554 0,0455554 0,05p value

0H ditolak untuk tingkat kesalahan 5%, model fixed

effect.

F. Estimasi Model Model I: Dari hasil uji Hausman dan uji Breusch-Pagan, diperoleh pada tingkat kesalahan 5% untuk model estimasi akan dilakukan model pooling regression.

-

53

Nilai DW sebesar 1,76, hal ini mengindikasikan terdapatnya positive serial autocorrelation. Suatu model dikatakan bebas dari masalah autokorelasi apabila memiliki nilai DW di sekitar 2. Apabila DW<2 maka terdapat serial positive autocorrelation

Estimation Command: ===================== EST(F) RETURNRD? AGE? RETURNIHSG? Estimation Equations: ===================== RETURNRD_ASHMORE = C(3) + C(1)*AGE_ASHMORE + C(2)*RETURNIHSG_ASHMORE RETURNRD_KONSUMER10 = C(4) + C(1)*AGE_KONSUMER10 + C(2)*RETURNIHSG_KONSUMER10 RETURNRD_SCHRODER90 = C(5) + C(1)*AGE_SCHRODER90 + C(2)*RETURNIHSG_SCHRODER90 Substituted Coefficients: ===================== RETURNRD_ASHMORE = -0.002666502927 + 0.0005002205233*AGE_ASHMORE + 0.01549814356*RETURNIHSG_ASHMORE Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd ashmore akan mendapatkan pengaruh individu terhadap returnrd sebesar --0.002666502927 RETURNRD_KONSUMER10 = -0.02202695199 + 0.0005002205233*AGE_KONSUMER10 + 0.01549814356*RETURNIHSG_KONSUMER10 Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd konsumer10 akan mendapatkan pengaruh individu terhadap returnrd sebesar ---0.02202695199 RETURNRD_SCHRODER90 = -0.02313066583 + 0.0005002205233*AGE_SCHRODER90 + 0.01549814356*RETURNIHSG_SCHRODER90 Bila mana ada perubahan age dan returnihsg baik antar daerah maupun antar waktu, maka rd schroder90 akan mendapatkan pengaruh individu terhadap returnrd sebesar -0.02313066583

DAFTAR PUSTAKA

Baltagi, 2005. Econometric Analysis of Panel Data third edition, John Wiley & Sons. Ltd Gujarati, 2004. Basic Econometrics_fourth edition, McGraw Hill New York USA Green, 2003. Econometric Analysis fifth edition, Prentice Hall Hartono, Jogiyanto, 2010. Teori Portofolio dan Analisis Investasi. Yogyakarta: BPFEUGM Hsiao, 2003. Analysis of Panel Data, second edition, Cambridge University Press Santosa, Magdalena, 2012. Penilaian kinerja produk reksadana dengan menggunakan

metode perhitungan jensen alpha, sharpe ratio, treynor ratio, M2, dan information ratio, jurnal Manajemen Vol 12, No 1 November 2012

Trisnopati, 2014. Pengaruh Stock Selection, Market Timing, dan Ukuran Reksadana terhadap kinerja Reksadana Saham (Studi kasus pada reksadana saham yang terdaftar di Otoritas Jasa Keuangan Periode : 2011-2014)

Warsono, 2004. Analisis Pengukuran Kinerja Reksadana, Ekobis Vol.5, No.1:131-142.

54

C. SINOPSIS

PENELITIAN

55

SINOPSIS PENELITIAN

Pertama, bahwa sampai saat ini banyak penelitian yang membahas konsep dan

paradigma kinerja reksadana bisa ditinjau dari fund size, expense ratio, turn over ratio, fund

age, cash flow, aset yang dikelola manajemen investasi, sehingga masih ada kemungkinan

untuk studi lanjutan dalam rangka memperkaya pemahaman terhadap kinerja reksadana

pendapatan tetap dan saham. Penelitian ini hanya difokuskan pada sampel reksadana saham

yang diteliti risk dan returnnya






LAPORAN PENELITIAN - repository.akprind.ac.idrepository.akprind.ac.id/sites/files/LAPORAN...

Documents

Transcript of LAPORAN PENELITIAN - repository.akprind.ac.idrepository.akprind.ac.id/sites/files/LAPORAN...