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