ANALISIS TEKNIKAL HARGA SAHAM
PADA PERUSAHAAN BADAN USAHA MILIK NEGARA (BUMN)
YANG TERDAFTAR DI BURSA EFEK INDONESIA (BEI)
Nuraidah Puput Susanti, Djayani Nurdin, Muh. Yunus Kasim
susanti.2291@yahoo.com
Program Studi Magister Manajemen Pascasarjana Universitas Tadulako
Abstract
This study aims to find out and analyze stock price movements and the application of ARIMA
& ARCH / GARCH models in state-owned enterprises listed on Indonesia Stock Exchange. This
research is a descriptive study with a quantitative approach. Data is collected through a list of
stock prices for each company as many as 19 companies from January 2015 to December 2017 at
www.idx.co.id. The data is analyzed by charting the stock price movements then describing the
factors that influence the rise and fall of stock prices. After that, modelling is carried out based on
data. The results show that the average stock price movements in 2015 decreased due to global
economic conditions such as the weakening rupiah exchange rate against the US dollar, the
decreasing price of coal and nickel commodities, falling demand for imported raw materials from
China, rising world oil prices, company policies in expansion, and government policies in the
infrastructure sector. In 2016, the stock price movement rose again because the global economy is
getting better and the average stock price movements tended to be stable in2017. The model used
in stock price determination in companies such as PGAS, BBRI, and BMRI is the ARIMA model
(1,0,1), which is sufficient to be used at the stock price when the normality requirements are met.
While the stock prices of PTBA, ANTM, TINS, KRAS, SMBR, SMGR, INAF, KAEF, ADHI, WIKA,
PTPP, GIAA, TLKM, JSMR, BBNI, and BBTN companies use GARCH models (1,0,1) which
indicate volatility in the data that causes an error contains homoskedasticity and results in the
failure to meet normal requirements on the model.
Keywords : stock prices, ARIMA, ARCH / GARCH
PENDAHULUAN
Pasar modal di suatu negara berkembang
atau negara maju dapat dilihat dari pendapatan
perkapita. Karakteristik yang paling menonjol
adalah dilihat dari nilai kapitalisasi pasarnya
yaitu banyaknya perusahaan yang tercatat,
kumulatif volume perdagangan, ketatnya
peraturan pasar modal, serta kemajuan teknologi
pendukung dan budaya investor domestiknya.
Pasar modal di negara berkembang
mempunyai konsekuensi nilai kapitalisasi pasar
yang kecil. Kapitalisasi pasar biasanya dilihat
dari rasio perbandingan dengan nilai Produk
Domestic Bruto (PDB) suatu negara.
Konsekuensi lainnya adalah terdapatnya volume
transaksi perdagangan yang tipis, lebih
disebabkan oleh ketidaksinkronan perdagangan
di pasar. Perdagangan yang tidak sinkron
disebabkan oleh banyaknya sekuritas yang
tercatat tetapi tidak seluruhnya diperdagangkan
atau tidak terjadi transaksi. Iklim investasi di
Indonesia masih terus mengalami perbaikan dan
terus dijaga oleh pemerintah. Faktanya banyak
investor asing yang menanamkan modalnya di
negara ini. Di Indonesia bagi investor asing
banyak
terdapat
perusahaan–perusahaan
nasional yang notabene berada di sektor
strategis negara, ditawar oleh institusi asing
melalui akuisisi saham. Penanaman modal asing
seharusnya mampu mendongkrak perekonomian
secara makro karena adanya aliran dana masuk.
Investor asing menanamkan modal di
negara berkembang dengan alasan umum yaitu
negara berkembang potensi pasarnya belum
tergali seluruhnya. Selain itu untuk menarik
113
114 Katalogis, Volume 6 Nomor 9, September 2018 hlm 113-120
sumber daya alam, upah tenaga kerja yang
masih murah, dan sebagai sasaran produk dan
jasa. Alasan lainya adalah perbedaan yang
mencolok dengan negara maju, negara
berkembang itu dikategorikan bertumbuh
(growth) sementara negara maju itu matang
(matur). Hal ini bisa diartikan bahwa negara
berkembang lebih mempunyai daya tarik dari
pertumbuhan ekonomi yang tinggi dan otomatis
disertai return yang tinggi pula. Pertumbuhan
ekonomi merupakan indikator agregat dari
industri di suatu negara.
Indeks saham merupakan salah satu
variabel yang digunakan ntuk mengukur kinerja
perekonomian disuatu negara. Hal ini
dimungkinkan karena ketika negara tersebut
memiliki prospek perekonomian yang cerah,
otomatis investor akan tertarik untuk
menanamkan dananya di pasar modal negara
yang bersangkutan. Hal ini akan mendorong
terjadinya masa-masa bullish yang akan
mendorong pergerakan indeks saham. Demikian
pula sebaliknya, ketika dirasakan suasana
perekonomian suram, akan tercermin pula
dalam indeks sahamnya yang akan turun.
Listing di Bursa Efek Indonesia (BEI)
merupakan salah satu cara bagi emiten untuk
memperoleh dana segar dari pasar modal.
Mengacu pada syarat yang telah ditetapkan oleh
pengelola pasar modal, emiten dapat melakukan
penawaran saham perdananya ke publik melalui
mekanisme initial public offering (IPO).
Perusahaan BUMN di Indonesia yang go public
berdasarkan data dari website www.bumn.go.id
terdiri dari 6 sektor yaitu Mining, Basic Industry
and Chemicals, Consumer Goods Industry
(Pharmaceuticals), Construction, Infrastruture,
dan Finance.
Dua jenis analisis saham yang secara
umum dilakukan dalam dunia investasi, yaitu
analisis teknikal dan fundamental. Kedua cara
menganalisis ini yang kemudian membedakan
tipe seorang investor, apakah ia seorang Trader
atau Value Investor. Keuntungan dan resiko dari
kedua teknik analisis tersebut tentunya jauh
berbeda.
ISSN: 2302-2019
Teknik analisis teknikal tak jauh berbeda
dengan analisis saham atau aset investasi
finansial lainnya. Indikator-indikator teknikal
yang paling populer dipakai sebagai alat bantu
seperti Moving Average, Moving Average
Convergence Divergence (MACD), Relative
Strength Index (RSI), dan indikator Stochastic
Oscillator.
Keempat
indikator
tersebut
digunakan oleh para Trader untuk menganalisis
sebatas melihat pergerakan harga saham dan
perubahan arah berdasarkan teknik masingmasing indikator melalui grafik/chart yang
mempermudah mengenali tren pergerakan
saham secara umum agar investor dapat
memutuskan investasi.
Pemodelan statistik pada harga saham
merupakan salah satu metode yang digunakan
untuk menggambarkan karakteristik data deret
waktu dalam bidang keuangan pada tingkat
pengembalian dan risiko dengan menggunakan
metode
Autoregressive
Conditional
Heteroscedastic (ARCH) yang dikenalkan
pertama kali oleh Engle (1982). Dalam
perkembangannya, Enders (1995) untuk
menghindari ordo yang besar pada model
ARCH, Bollerslev (1986) mengembangkan
model Autoregressive Generalized Conditional
Heteroscedastic (GARCH). Metode ini mampu
mengatasi masalah pada data deret waktu dalam
hal ini return saham yang cenderung memiliki
volatilitas tinggi dan keragaman yang tidak
konstan disebut data deret waktu dengan
heteroskedastisitas
bersyarat
(conditional
heteroscedastic).
Tujuan dari penelitian ini adalah : (1).
Menganalisis pergerakan harga saham pada
perusahaan milik BUMN yang terdaftar di
Bursa Efek Indonesia. (2) Mengetahui faktorfaktor yang mempengaruhi harga saham pada
perusahaan milik BUMN yang terdaftar di
Bursa Efek Indonesia. (3) Menerapkan model
ARCH/GARCH untuk mendapatkan pemodelan
harga saham pada perusahaan milik BUMN
yang terdaftar di Bursa Efek Indonesia agar
dapat menjadi informasi bagi seorang investor.
Nuraidah Puput Susanti, dkk. Analisis Teknikal Harga Saham Pada Perusahaan Badan Usaha Milik ………………115
dalam menganalisis data dapat dilihat dari
bagan analisis berikut :
METODE
Penelitian ini menggunakan pendekatan
peramalan
kuantitatif
melalui
metode
Generalized
Autoregressive
Conditional
Heteroscedastic (GARCH) untuk mendapatkan
model terbaik yang dapat memberikan informasi
kondisi setiap saham perusahaan sektor BUMN.
Data yang digunakan dalam penelitian ini
adalah data sekunder yang diperoleh dengan
melakukan pencatatan data perusahaan go
public milik BUMN yang terdaftar di Bursa
Efek Indonesia (BEI) melalui website
www.idx.co.id.
Teknik analisis data yang digunakan
adalah analisis deret waktu dengan metode
GARCH menggunakan software excel 2007 dan
Eviews 10. Langkah-langkah yang dilakukan
Gambar 1. Bagan Analisis Data
HASIL DAN PEMBAHASAN
Pemodelan Data Penutupan Harga Saham seluruh Emiten
Tabel 1. Model Pada 19 Perusahan
NO
NAMA EMITEN
KODE
SAHAM
PTBA
ANTM
TINS
KRAS
SMBR
SMGR
1.
2.
3.
4.
5.
6.
PT. Tambang Batubara Bukit Asam (Persero) Tbk
PT. Aneka Tambang (Persero) Tbk
PT. Timah (Persero) Tbk
PT. Krakatau Steel (Persero) Tbk
PT. Semen Baturaja (Persero) Tbk
PT. Semen Gresik (Persero) Tbk
7.
8.
9.
10.
11.
12.
13.
PT. Indofarma (Persero) Tbk
PT. Kimia Farma (Persero) Tbk
PT Adhi Karya (Persero) Tbk
PT. Wijaya Karya (Persero) Tbk
PT. Pembangunan Perumahan (Persero) Tbk
PT. Garuda Indonesia (Persero) Tbk
PT. Perusahaan Gas Negara (Persero) Tbk
INAF
KAEF
ADHI
WIKA
PTPP
GIAA
PGAS
14.
15.
16.
17.
18.
19.
PT. Telkom (Persero) Tbk
PT. Jasa Marga (Persero) Tbk
PT. Bank BNI (Persero) Tbk
PT. Bank BRI (Persero) Tbk
PT. Bank BTN (Persero) Tbk
PT. Bank Mandiri (Persero) Tbk
TLKM
JSMR
BBNI
BBRI
BBTN
BMRI
Berikut deskriptif data perusahaan BUMN
pada enam sektor :
Sektor Pertambangan
MODEL
𝜎𝑡2
𝜎𝑡2
𝜎𝑡2
𝜎𝑡2
𝜎𝑡2
𝜎𝑡2
= 0,802 +
= 0,889 +
= 0,548 +
= 4.775 +
= 0,548 +
= 0.346 +
2
0,139𝜀𝑡−1
2
0,115𝜀𝑡−1
2
0,082𝜀𝑡−1
2
0,289𝜀𝑡−1
2
0,082𝜀𝑡−1
2
0,117𝜀𝑡−1
2
+ 0,778𝜎𝑡−1
2
+ 0,788𝜎𝑡−1
2
+ 0,846𝜎𝑡−1
2
+ 0,257𝜎𝑡−1
2
+ 0,846𝜎𝑡−1
2
+ 0,192𝜎𝑡−1
2
+ 0,618𝜎𝑡−2
2
2
0.276𝜀𝑡−1
+ 0.512𝜎𝑡−1
2
2
0.282𝜀𝑡−1 + 0.501𝜎𝑡−1
2
2
0.035𝜀𝑡−1
+ 0.932𝜎𝑡−1
2
2
0.203𝜀𝑡−1 + 0.662𝜎𝑡−1
2
2
0.117𝜀𝑡−1
+ 0.807𝜎𝑡−1
2
2
0.117𝜀𝑡−1 + 0.807𝜎𝑡−1
𝜎𝑡2 = 5.303 +
𝜎𝑡2 = 3.113 +
𝜎𝑡2 = 0.203 +
𝜎𝑡2 = 0.770 +
𝜎𝑡2 = 0.345 +
𝜎𝑡2 = 0.345 +
𝑌𝑡 = −0,170 − 0.690𝑌𝑡−1 − 0.690𝑌𝑡−2
+ 0.779𝑒𝑡−1
2
2
𝜎𝑡2 = 0.345 + 0.117𝜀𝑡−1
+ 0.807𝜎𝑡−1
2
𝜎𝑡2 = 2.705 + 0.2767𝜀𝑡−1
2
2
𝜎𝑡2 = 0.173 + 0.099𝜀𝑡−1
+ 0.852𝜎𝑡−1
𝑌𝑡 = 11163.83 + 0.980𝑌𝑡−1 + 0.980𝑌𝑡−2 + 0.027𝑒𝑡−1
2
2
𝜎𝑡2 = 0.825 + 0.066𝜀𝑡−1
+ 0.735𝜎𝑡−1
𝑌𝑡 = 10190.66 + 0.982𝑌𝑡−1 + 0.982𝑌𝑡−2 + 0.024𝑒𝑡−1
KET
GARCH (1,1)
GARCH (1,1)
GARCH (1,1)
GARCH (1,1)
GARCH (1,1)
GARCH (1,2)
GARCH (1,1)
GARCH (1,1)
GARCH (1,1)
GARCH (1,1)
GARCH (1,1)
GARCH (1,1)
ARIMA(1,0,1)
GARCH (1,1)
ARCH (1)
GARCH (1,1)
ARIMA(1,0,1)
GARCH (1,1)
ARIMA(1,0,1)
Tabel 2. Perbandingan Deskriptif Data
Sektor Pertambangan
PTBA ANTM TINS
9.327
655
821
Mean
10.309
693
818
Median
116 Katalogis, Volume 6 Nomor 9, September 2018 hlm 113-120
13.164
917
1.186
Maximum
4.380
308
491
Minimum
2.679
175
184
Std. Dev.
-0.411
-0.607 0.162
Skewness
1.765
2.393 2.446
Kurtosis
3.302
2.764 0.618
Jarque-Bera
0.091
0.251 0.733
Probablity
36
36
36
Observation
Pada sektor pertambangan, emiten PTBA
memiliki nilai rata-rata tertinggi harga saham
sebesar Rp.9.327.
ISSN: 2302-2019
KAEF bergerak pada rata-rata Rp.1.787
sedangkan Emiten INAF bergerak pada ratarata Rp.1.606.
Sektor konstruksi dan Bangunan
Tabel 5. Perbandingan Deskriptif Data Sektor
Konstruksi dan Bangunan
ADHI
WIKA
PTPP
2.315
2.637
3.591
Mean
2.240
2.665
3.738
Median
3.030
3.625
4.382
Maximum
Sektor Industri Dasar dan Kimia
1.754
1.586
2.521
Minimum
332
483
480
Tabel 3. Perbandingan Deskriptif Data Sektor Std. Dev.
0.359
0.074
-0.731
Skewness
Industri Barang Konsumsi
2.271
2.822
2.781
Kurtosis
KRAS SMBR SMGR
1.571
0.080
3.279
Jarque-Bera
522
1.425
10.548
Mean
0.455
0.960
0.194
Probablity
518
648
10.120
Median
36
36
36
Observation
849
3.508
15.184
Maximum
Pada sektor konstruksi dan bangunan, emiten
290
272
8.781
Minimum
PTPP memiliki rata-rata harga saham
163
1.208
1.687
Std. Dev.
tertinggi sebesar Rp.3.591.
0.280
0.411
1.401
Skewness
1.969
1.437
4.105
Kurtosis
Sektor
Infrastruktur,
Utilitas,
dan
2.063
4.679
13.611
Jarque-Bera
Transportasi
0.356
0.096
0.001
Probablity
36
36
36
Observation
Tabel 6. Perbandingan Deskriptif Data
Pada sektor industri dasar dan kimia, emiten
Sektor
Infrastruktur,
Utilitas,
dan
SMGR memiliki nilai rata-rata tertinggi
Transportasi
harga saham sebesar Rp.10.548.
PGAS JSMR TLKM GIAA
Sektor Industri Barang Konsumsi
2.943 5.472
3.818
401
Mean
Tabel 4. Perbandingan Deskriptif Data
2.677 5.352
4.090
364
Median
5.494
7.107
4.736
600
Maximum
Sektor Industri Barang Konsumsi
1.611 4.242
2.717
303
Minimum
INAF
KAEF
990
799
734
81.91
Std. Dev.
1.606
1.787
Mean
1,201 0.553 -0.428 0.754
Skewness
1.346
1.340
Median
3,684 2,536
1.555
2.463
Kurtosis
4.341
3.162
Maximum
4.231
3.844
Jarque-Bera 9,372 2.158
133
680
Minimum
0,009 0.339 0.1205 0.146
Probablity
1.410
782
36
36
36
36
Std. Dev.
Observation
0.409
0.326
Skewness
Pada sektor infrastruktur, emiten JSMR
1.724
1.581
Kurtosis
memiliki rata-rata harga saham tertinggi
3.447
3.660
Jarque-Bera
sebesar Rp.5.472.
0.178
0.160
Probablity
36
36
Observation
Perbandingan rata-rata harga saham emiten Sektor Keuangan
INAF dan KAEF tidak jauh berbeda. Emiten
Nuraidah Puput Susanti, dkk. Analisis Teknikal Harga Saham Pada Perusahaan Badan Usaha Milik ………………117
Tabel 7. Perbandingan Deskriptif Data
Sektor Keuangan
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
Jarque-Bera
Probablity
Observation
BBNI
5.960
5.659
9.208
4.401
1.102
0.833
3.332
4.333
0.114
36
BBRI
13.050
11.855
34.433
9.503
4.750
3.406
14.637
272
0.000
36
BBTN
1.826
1.731
3.446
1.021
673
0.706
2.553
3.291
0.192
36
BMRI
10.274
10.464
13.357
6.856
1.624
-0.140
2.320
0.811
0.666
36
Pada sektor keuangan, emiten BBRI
memiliki rata-rata harga saham paling tinggi
sebesar Rp.13.050
PEMBAHASAN
Faktor-Faktor yang Mempengaruhi Harga
Saham
Hasil penelitian menunjukkan pergerakan
naik turunnya harga saham pada 19 perusahaan
BUMN dienam sektor sangat bergantung pada
kondisi perekonomian global, harga komoditas,
kebijakan pemerintah, kebijakan perusahaan,
dan laporan keuangan perusahaan. Fenomena
perekonomian global di Tahun 2015 yang
menyebabkan penurunan harga saham disemua
sektor karena melemahnya harga komoditas
bahan mentah pertambangan, melemahnya nilai
tukar rupiah terhadap dollar AS, dan kebijakan
pemerintah pada penurunan harga gas dan tarif
tol. Faktor internal perusahaan juga turut
mempengaruhi turunnya harga saham di
beberapa perusahaan akibat laporan keuangan
yang buruk. Akan tetapi, di Tahun 2016 s/d
2017 harga saham cenderung mengalami
peningkatan dan bergerak konstan juga
dipengaruhi oleh kondisi perekonomian global
yang semakin membaik melalui pertumbuhan
ekonomi di Indonesia yang naik sebesar 0,23%
di Tahun 2016 dan 0,05% di Tahun 2017.
Beberapa faktor yang mempengaruhi
harga saham pada penelitian ini sejalan dengan
penelitian yang telah dilakukan untuk
mengetahui faktor-faktor yang mempengaruhi
pasar modal dunia dibeberapa negara. Penelitian
yang dilakukan oleh Yang et al. Tahun 2003
menemukan bahwa baik sebelum dan sesudah
krisis, pasar modal di Amerika Serikat dan
Jepang tetap mempunyai pengaruh terhadap
pasar modal di Asia, salah satunya Indonesia.
Darrat dan Zhong (2002) menyatakan bahwa
pasar modal di negara Amerika Serikat,
Hongkong, Jepang dan Singapura memiliki
pengaruh signifikan terhadap pasar modal di
Asia Pasific.
Karim et al. (2009)
menyimpulkan dalam penelitiannya bahwa
pasar modal Indonesia sangat erat kaitannya
dengan kondisi pasar modal di Amerika, Jepang
dan China. Wong et al. (2004) menyatakan
bahwa pasar modal di Amerika Serikat, Inggris
dan Jepang memiliki keterkaitan pada beberapa
negara di Asia yang termasuk dalam emerging
market.
Penelitian lainnya untuk mengetahui
pengaruh antara harga minyak dunia terhadap
pasar modal, di antaranya adalah penelitian
Hayo dan Kuntan (2004) menemukan bukti
bahwa pergerakan pasar modal di Rusia
dipengaruhi oleh perubahan harga minyak dunia
dan pergerakan pasar modal di Amerika Serikat
(Indeks Dow Jones). Penelitian Kilian dan Park
(2007) menunjukkan bahwa pergerakan harga
minyak tidak berpengaruh secara langsung pada
pasar modal Amerika Serikat. Selain minyak,
emas merupakan salah satu komoditi penting
yang dapat mempengaruhi pergerakan bursa
saham. Hal ini didasari bahwa emas merupakan
salah satu alternatif investasi yang cenderung
aman dan bebas risiko (Sunariyah, 2006). Hasil
penelitian untuk variabel emas dunia
memberikan kesimpulan yang berlawanan.
Penelitian yang dilakukan oleh Twite (2002)
menemukan hasil bahwa emas adalah salah
satu faktor yang mempengaruhi secara positif
pergerakan
indeks
saham di Australia,
sementara Smith (2001) menunjukkan bahwa
harga emas dunia memiliki pengaruh negatif
terhadap pergerakan indeks harga saham di
Amerika Serikat. Faktor lain yang patut
diperhatikan selain pergerakan indeks saham
global dan indikator komoditas seperti harga
minyak dan harga emas, maka yang berikutnya
118 Katalogis, Volume 6 Nomor 9, September 2018 hlm 113-120
patut dipertimbangkan adalah nilai tukar.
Perubahan nilai tukar sangat mempengaruhi
perusahaan khususnya perusahaan yang tercatat
di bursa sehingga akan berdampak terhadap
perubahan indeks bursa di suatu negara.
Teori yang dikemukakan oleh Brigham
dan Houton (2010:33) mengenai faktor-faktor
utama yang mempengaruhi harga saham yaitu
perubahan suku bunga, regulasi ekonomi yang
dikeluarkan pemerintah, pengumuman laporan
keuangan perusahaan, dan pengumuman
investasi perusahaan seperti ekspansi pabrik,
pengembangan riset serta penutupan usaha
lainnya. Teori tersebut sejalan dengan hasil
penelitian yang diperoleh sesuai dengan kondisi
pergerakan harga saham pada 19 perusahaan
milik BUMN dienam sektor.
Pemodelan Penutupan Harga Saham
Fluktuasi data deret waktu pengembalian
memiliki volatilitas tinggi dan keragaman yang
berbeda disetiap titik waktunya. Model ARIMA
digunakan pada data deret waktu yang varian
errornya bersifat heteroskedastisitas. Hal
tersebut ditandai dengan pengujian normalitas
pada model yang diestimasi.
Hasil pengujian normalitas pada estimasi
model yang dihasilkan pada model ARCH/
GARCH lebih memenuhi syarat kenormalan
daripada model ARIMA yang digunakan dalam
penelitian ini. Performa model ARCH/GARCH
sejalan dengan penelitian sebelumnya yang
dilakukan oleh Nur Widiyawati pada Tahun
2009 tentang Penerapan Model GARCH dan
Model EGARCH pada Saham Sektor Properti
Ketika Krisis Ekonomi Dunia memberikan hasil
bahwa model GARCH dan EGARCH memiliki
performa yang baik pada data deret waktu yang
memiliki fluktuasi yang tinggi. Hal tersebut
sesuai dengan teori yang dikemukakan oleh
Enders Tahun 1995 yaitu data deret waktu
bidang keuangan memperlihatkan adanya
periode-periode dengan volatilitas besar diikuti
periode-periode
yang
relatif
tenang,
menunjukkan asumsi galat konstan menjadi
tidak terpenuhi (homoskedastisitas). Model
GARCH bekerja dengan menghubungkan antara
ISSN: 2302-2019
ragam galat pada wkatu ke-t dengan ragam galat
pada waktu sebelumnya.
Model ARIMA tetap digunakan pada
saham PGAS, BBRI, dan BMRI karena setelah
dilakukan pengujian model memenuhi syarat
kenormalan pada data deret waktu saham-saham
tersebut. Penelitian ini sesuai dengan penelitian
yang dilakukan oleh Bayu Ariestya Ramadhan
tentang Analisis Perbandingan Metode ARIMA
dan Metode GARCH untuk Memprediksi Harga
Saham pada Perusahaan Telekomunikasi yang
Terdaftar di BEI Tahun 2012 s/d 2013
memberikan hasil model ARIMA dapat
digunakan untuk memodelkan harga saham
TLKM, ISAT, dan EXCL dikarenakan data
deret waktu tersebut stasioner ketika dilakukan
diferensiasi dan transformasil logaritma. Model
yang dihasilkan pun memenuhi syarat
kenormalan, artinya varian pada data deret
waktu
tersebut
tidak
mengalami
homoskedastisitas.
KESIMPULAN DAN REKOMENDASI
Kesimpulan
1. Berdasarkan hasil analisis pergerakan harga
saham pada perusahaan milik BUMN dari
Tahun 2015 hingga 2017 dapat disimpulkan
bahwa:
- Harga saham pada semua sektor cenderung
mengalami penurunan di tahun 2015
dikarenakan gejolak perekonomian global
seperti perbaikan ekonomi Amerika Serikat
semakin solid sehingga The Fed
memutuskan kenaikan Fed Funds Rate di
bulan Desember 2015, perbaikan ekonomi
yang belum konklusif dan perlambatan
pertumbuhan ekonomi di Tiongkok, dan
pemulihan Euro dan Jepang masih terbatas
dan belum cukup solid. Aliran dana asing
yang masuk ke pasar modal sepanjang
tahun 2016 lebih baik daripada tahun 2015.
- Data ekonomi di tahun 2016 cukup baik
seperti pertumbuhan pinjaman yang naik
sehingga pencapaian tersebut dapat menjadi
modal bagi IHSG untuk kembali
mencatatkan hasil positif pada tahun depan.
Nuraidah Puput Susanti, dkk. Analisis Teknikal Harga Saham Pada Perusahaan Badan Usaha Milik ………………119
- Kondisi perekonomian di tahun 2017 lebih
baik lagi. Hal tersebut ditandai dengan
beberapa sektor mengalami peningkatan
harga saham dan kinerja keuangan yang
semakin baik terlebih lagi pada sektor
keuangan. Peningkatan kinerja di sektor
keuangan mempengaruhi kinerja di sektorsektor lainnya.
2. Berdasarkan hasil dari pemodelan data
penutupan harga saham perusahaan go publik
milik BUMN :
- Pemodelan ARIMA digunakan pada tiga
perusahaan yaitu PT. Perusahaan Gas
Negara (Persero) Tbk, PT. Bank Rakyat
Indonesia, Tbk, dan PT. Bank Mandiri, Tbk
karena harga penutupan saham pada ketiga
perusahaan tersebut sudah stasioner pada
rataan dan variansinya.
- Pemodelan ARCH/GARCH digunakan
pada 16 perusahaan lainnya karena data
penutupan harga saham mengandung
ketergantungan volatilitas yang tinggi,
artinya ragam pada data tersebut terus
meningkat seiring dengan berjalannya
waktu dan akan membentuk pola trend
yang mengindikasikan ragam data tersebut
tidak homogen. Oleh karena itu digunakan
pemodelan
ARCH/GARCH
untuk
mengatasi masalah heteroskedastisitas.
Rekomendasi
Berdasarkan pada kesimpulan penelitian,
maka dapat dikemukakakn beberapa saran
dalam penelitian ini sebagai berikut:
1. Data deret waktu pengembalian harga saham
mengalami perubahan tiap waktunya, tiap
periode waktu tertentu dimungkinkan
menghasilkan model yang berbeda-besa,
sehingga perlu dilakukan studi lebih lanjut
untuk menerapkan model ARCH/GARCH
lainnya.
2. Saran lainnya yang dapat diberikan untuk
penelitian selanjutnya adalah mengkaji lebih
lanjut tentang model terbaik yang dapat
digunakan pada data saham yang
mengandung
volatilitas
tinggi
dan
melakukan peramalan data saham agar dapat
menjadi referensi yang
investor.
UCAPAN TERIMA KASIH
berguna
bagi
Penulis
menyadari
bahwa
dalam
penyelesaian tesis ini tidak terlepas dari bantuan
dan masukan, saran dan tanggapan, bimbingan
serta arahan dari berbagai pihak. Untuk itu
dengan segala rasa hormat dan ucapan terima
kasih yang sebesar-besarnya kepada para dosen
Pembimbing dan dosen Penguji yang senantiasa
sabar dan tekun membimbing, memberikan
perhatian dan meluangkan waktunya untuk
mengarahkan penulis dalam menyelesaikan tesis
ini.
DAFTAR RUJUKAN
Brigham dan Houston. 2010. Dasar-dasar
Manajemen Keuangan Buku 1 (Edisi 11).
Jakarta : Salemba Empat.
Darrat, Ali F and Zong, Maosen. 2002.
Permanent and Transitory Driving Forces
in Asian-Pasific Stock Markets, The
Financial Review, Volume 37, p.35-52.
Enders, W. 1995. Applied Econometric Time
Series. John Willey adn Sons, Inc. United
States of Statistics.
Engle, RF. 2001. The Use of ARCH/GARCH
Models in Applied Econometrics. Journal
of Economic Perspectives, 4:157-168.
Hayo, Bernard and M. Kuntan, Ali. 2004. The
Impact of News, Oil Prices, and Global
Market
Development
on
Russian
Financial Markets, William Davidson
Institute Working Paper, No. 656.
Karim, B. A., Majid, M. S. A., dan Karim, S. A.
A. 2009. Integration of Stock Markets
Between Indonesia and Its Major Trading
Partners, Gajah Mada International
Journal of Business, Volume 11, No.2.
Kilian, Lutz and Park, Cheolbeom. 2007. The
Impact of Oil Prices Shocks on the U.S.
Stock
Market,
Research
Paper,
Department of Economics, University of
Michigan.
120 Katalogis, Volume 6 Nomor 9, September 2018 hlm 113-120
Smith, Graham. 2001. The Price of Gold and
Stock Prices Indices For the United
States, Adrienne Roberts FT Personal
Finance, pp.14.
Sunariyah. 2006. Pengantar Pengetahuan Pasar
Modal. Yogyakarta : UPP STIM YKPN.
Twite, Garry. 2002. Gold Prices, Exchange
Rates, Gold Stocks and the Gold
Premium.
Australian
Journal
of
Management, Volume: 27, pp.123-140.
Wong, W. K., Penm, Jack., Terrel, R. D., and
Lim, K. Y. C. 2004. The Relationship
Between Stock Markets of Major
Developed Countries and Asian Emerging
Markets, Journal of Applied Mathematics
and Decision Sciences, Vol.8, pp. 201218.
Yang, J., Kolari J., and Min, I. 2003. Stock
Market Integration and Financial Crisis:
The Case of Asia, Applied Financial
Economics, Vol.13, pp.477-486.
ISSN: 2302-2019