BAB IV ANALISIS DAN PEMBAHASAN

Transkripsi

1 67 BAB IV ANALISIS DAN PEMBAHASAN 4.1 Analisis Proses Perhitungan Pengujian atas hipotesis pada skripsi ini didahului dengan proses pengumpulan, persiapan dan pengolahan data. Proses pengumpulan data dimulai dengan mengumpulkan data harian IHSG periode tahun 2010 pada website Bursa Efek Indonesia yaitu Data yang dikumpulkan tersebut merupakan data harian sejak tanggal 4 Januari 2010 sampai dengan 30 Desember 2010 dengan jumlah sample sebesar 245 data harian IHSG. Data IHSG yang telah terkumpul dapat dilihat pada grafik pergerakan IHSG tahun 2010 dibawah ini Gambar 4.1: Grafik pergerakan harian IHSG tahun

2 68 Kemudian data IHSG tersebut dikonversi menjadi bentuk Return Relatip menggunakan rumus : Return Relatip = IHSG t IHSG t-1 Keterangan : IHSG t = Indeks Harga Saham Gabungan pada Periode t IHSG t-n = Indeks Harga Saham Gabungan pada Periode t-1 Data IHSG yang telah dikonversi menjadi Return Relatip inilah yang kemudian digunakan sebagai variabel terikat (X). Data tersebut dapat dilihat pada grafik pergerakan Return Relatip IHSG tahun 2010 dibawah ini : Gambar 4.2: Grafik pergerakan Return Relatip IHSG tahun 2010 Langkah berikutnya adalah menentukan interval lag waktu antara periode IHSG. Jogiyanto (2008) menjelaskan bahwa Fama (1965) melakukan penelitian atas bentuk efisiensi pasar lemah dengan interval 1 hari, 4 hari, 9 hari dan 16 hari. Pada skripsi ini interval lag waktu antar

3 69 periode IHSG ditetapkan adalah 1 sampai dengan 16 hari. Sehingga interval lag waktu pada skripsi ini selengkapnya adalah 1 hari, 2 hari, 3 hari, 4 hari, 5 hari, 6 hari, 7 hari, 8 hari, 9 hari, 10 hari, 11 hari, 12 hari. 13 hari, 14 hari, 15 hari, dan 16 hari. Return relatip pada interval waktu yang telah ditentukan diatas akan menjadi variabel bebas (Y). Data yang telah diolah menjadi variabel bebas dan variabel terikat kemudian dilakukan uji normalitas untuk menguji distribusi data pada tiap variabel apakah normal atau tidak, yang kemudian akan menentukan metode statistik yang digunakan untuk menguji hipotesis pada skripsi ini. Uji Normalitas dilakukan pada variabel terikat dan variabel bebas menggunakan bantuan software SPSS yang menggunakan Uji Normalitas Kolmogorov-Smirnov dengan level signifikansi Lilliefors. Uyanto (2009) menjelaskan bahwa data yang berdistribusi normal apabila diuji menggunakan Uji Normalitas Kolmogorov-Smirnov harus memiliki hasil signifikansi (α) lebih besar dari 0,05. Uji normalitas penting untuk dilakukan sebelum melakukan uji hipotesis sebagaimana dijelaskan oleh Sugiyono(2010) karena data yang berdistribusi normal merupakan asumsi dasar dalam menentukan penggunaan metode statistik parametrik. Sedangkan apabila asumsi data yang berdistribusi normal tidak dapat terpenuhi maka uji hipotesis dapat dilakukan dengan menggunakan statistik nonparametrik. Dalam skripsi ini uji hipotesis yang menggunakan metode statistik parametrik adalah uji

4 70 korelasi pearson sedangkan uji hipotesis yang menggunakan statistik nonparametrik menggunakan uji runtun (run test). Hasil uji normalitas dapat diihat pada tabel dibawah ini : Tabel 4.1 Hasil Uji Normalitas Kolmogorov- Batas Smirnov a Nilai Variable Kesimpulan Sig. Statistic Df Sig. > 0.05 RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal RETURN T < 0.05 Distribusi Data tidak normal a. Lilliefors Significance Correction Sumber: Hasil pengolahan SPSS Pada tabel tersebut dapat dilihat bahwa semua variabel yang dilakukan uji normalitas menghasilkan Sig. sebesar yang berada dibawah batas nilai Sig. minimal yaitu 0.05 sehingga disimpulkan bahwa seluruh variabel memiliki distribusi tidak normal.

5 71 Distribusi data untuk variable terikat bisa dilihat pada grafik normal probability plot dibawah ini : Gambar 4.3: grafik normal probability plot untuk variable terikat Uyanto (2009) menjelaskan bahwa dalam normal probability plot setiap nilai data yang diamati dipasangkan dengan nilai harapannya (expected value) dari distribusi normal. Jika sample data berasal dari suatu populasi yang berdistribusi normal, maka titik-titik nilai data akan terletak kurang lebih dalam suatu garis lurus. Pada grafik normal probability plot diatas terlihat bahwa variabel terikat terdistribusi tidak merata pada garis lurus bahkan terdapat juga data-data yg berada jauh dari garis normal yang disebut outlier.

6 72 Distribusi data untuk variable terikat juga bisa dilihat pada grafik detrended normal plot dibawah ini : Gambar 4.4: grafik detrended normal plot untuk variabel terikat Uyanto (2009) menjelaskan bahwa detrended normal plot yang digambarkan adalah simpangan dari nilai data terhadap garis lurus. Jika sampel data berasal dari suatu populasi yang terdistribusi normal, maka titik-titik nilai data tidak akan membentuk pola tertentu dan akan tersebar disekitar garis mendatar yang melalui titik nol. Pada kedua grafik detrended normal plot diatas terlihat bahwa variabel terikat terdistribusi tidak merata pada garis normal yang berada pada titik nol. data-data tersebut tersebar diatas dan dibawah garis yang menunjukan adanya simpangan dari nilai data bahkan terdapat juga data yang cukup ekstrem yg berada jauh diatas garis normal yang disebut outlier.

7 73 Untuk dapat melakukan identifikasi terhadap data outlier dapat dilihat pada table steam-leaf plot dibawah ini Tabel 4.2 Stem-and-Leaf Plot untuk variabel terikat Sumber: Hasil pengolahan SPSS Pada table diatas dapat diketahui bahwa terdapat 11 data outlier dengan kriteria yaitu return dengan nilai <=0.976 dan 6 data outlier dengan kriteria yaitu return dengan nilai >= Detil data outlier tersebut dapat dilihat pada tabel dibawah ini: DATE IHSG t IHSG t-1 Tabel 4.3 Detil data outlier DATA OUTLIER EKSTRIM ATAS RETURN RELATIP RETURN PENJELASAN 05/02/ , , Loss 2.86% 05/05/ , , Loss 3.81% 07/05/ , , Loss 2.54% 19/05/ , , Loss 3.69% 21/05/ , , Loss 2.64% 25/05/ , , Loss 3.66% 01/06/ , , Loss 2.59% 07/06/ , , Loss 2.59% 03/08/ , , Loss 2.79%

8 74 30/11/ , , Loss 2.74% 16/12/ , , Loss 2.37% DATA OUTLIER EKSTRIM BAWAH DATE IHSG t IHSG t-1 RETURN RELATIP RETURN PENJELASAN 17/03/ , , Gain 3.25% 10/05/ , , Gain 4.06% 26/05/ , , Gain 7.27% 31/05/ , , Gain 3.06% 03/06/ , , Gain 2.83% 15/09/ , , Gain 3.90% Peneliti tidak melakukan penelitian terhadap penyebab data outlier tersebut, namun melakukan pengamatan pada informasi yang mungkin berhubungan dengan beberapa data outlier tersebut diberbagai surat kabar elektronik pada tanggal data outlier. Pada tanggal 5 mei 2010 IHSG mencatat penurunan sebesar 3.81% yang merupakan penuruan terendah sepanjang tahun 2010, pengamatan pada beberapa surat kabar elektronik memberikan informasi sebagai berikut: pada website pada tanggal 5 mei 2010 memuat artikel dengan judul SMI Pergi, IHSG Anjlok 112 Poin. Pada artikel tersebut dijelaskan indeks harga saham gabungan ditutup melorot 3,81 persen atau 112,78 poin. Saham-saham komoditas dan perbankan memimpin keterpurukan indeks. Sementara itu, indeks Kompas100 juga melorot 4,07 persen, indeks LQ45 anjlok 4,18 persen, dan Jakarta Islamic Index melemah 3,67 persen. Sebanyak 210 saham turun mendominasi perdagangan hari ini dibandingkan hanya 29 saham naik dan 30 saham

9 75 stagnan. Nilai transaksi mencapai Rp 7,77 triliun dari kali transaksi dengan volume 13,30 miliar saham. Pada artikel tersebut analis riset Panin Sekuritas, Purwoko Sartono, mengungkapkan bahwa pada awalnya, pasar jatuh memang karena anjloknya bursa Eropa (kasus utang Yunani). Namun, tersiarnya kabar penunjukan Sri Mulyani menjadi managing director di World Bank menambah sentimen negatif terhadap bursa. Pada tanggal 26 mei 2010 IHSG mencatat kenaikan sebesar 7,25% yang merupakan kenaikan tertinggi sepanjang tahun 2010, pengamatan pada beberapa surat kabar elektronik memberikan informasi sebagai berikut : pada website tanggal 27 mei 2010 memuat artikel dengan judul "Cetak Rekor Kenaikan IHSG Diterpa Profit Taking pada artikel tersebut dijelaskan bahwa Indeks harga saham gabungan (IHSG) di Bursa Efek Indonesia (BEI) mencatat rekor tertinggi kenaikan dalam sehari perdagangan, Rabu (26/5), yakni hingga 182,66 poin atau 7,27% ke level 2.696,78. Jauh mengungguli indeks bursa India (BSE Sensex 30) yang berada di peringkat kedua 2,28%. IHSG melejit melampaui kenaikan indeks regional. Lonjakan tajam harga tujuh saham emiten kelompok Bakrie (Bakrie-7) menjadi motor utama pendongkrak IHSG di samping asing agresif memburu saham-saham papan atas dengan nilai pembelian bersih sebesar Rp 412 miliar. Namun, kenaikan itu tak berlanjut lantaran pada sesi I Kamis (27/5) IHSG harus rela kehilangan 59,063 poin (2,19%) ke

10 ,717 bahkan satu menit kemudian langsung ambles ke posisi 2.621,242 setelah turun tajam 2,80%. Penguatan IHSG itu seiring berita Mahkamah Agung (MA) yang memenangkan PT Kaltim Prima Coal (KPC), anak usaha BUMI, dalam kasus tunggakan pajak sebesar Rp 1,5 triliun merupakan isu positif yang mendongkrak saham Bakrie-7. Hal itu diperkuat lagi dengan rencana akuisisi ladang migas oleh Energi Mega. Sementara itu, kenaikan indeks regional juga terpacu laporan Organization for Economic Cooperation and Development (OECD) yang menaikkan prediksi pertumbuhan ekonomi global tahun ini dan tahun depan. pada artikel tersebut juga dijelaskan bahwa menurut para analis kenaikan IHSG hanyalah penguatan teknikal dan mengatakan bahwa IHSG menguat drastis karena sudah 10 hari terakhir tertekan. Di mana, sejak level tertinggi indeks pada 30 April-26 Mei 2010, IHSG telah terpangkas 15,4% hanya dalam 16 hari perdagangan. 4.2 Analisis Efisiensi Pasar Modal di Indonesia Berdasarkan hasil Uji Normalitas diketahui bahwa variabel bebas dan terikat tidak berdistribusi normal maka pengujian hipotesis akan dilakukan menggunakan metode statistik nonparametrik yaitu uji runtun (run test). Uji Runtun (run test) merupakan metode statistik nonparametrik yang tidak membutuhkan asumsi data yang berdistribusi normal. Uji runtun digunakan untuk menguji keacakan perubahan harga saham. Apabila perubahan harga saham bersifat acak berarti perubahan harga

11 77 saham periode ini tidak dapat diprediksi dengan menggunakan perubahan periode yang lalu. Prihantoro (2001) menyatakan bahwa karena uji runtun hanya melihat perubahan harga saja (positif, negatif, atau 0) maka uji ini tidak akan terpengaruh oleh perubahan-perubahan harga yang ekstrem. Hal ini sesuai dengan keadaan data yang sedang diteliti karena tidak berdistribusi normal dan memiliki outlier yang cukup besar. Jika perubahan runtun sifatnya adalah acak, maka jumlah runtun yang diharapkan adalah sebesar : E(N R ) = 2. N 1. N 2 N + 1 Keterangan : E(N R ) = jumlah runtun ekspektasi N 1 = jumlah perubahan + N 2 = jumlah perubahan - N = jumlah dari perubahan atau sebesar N 1 + N 2 Deviasi standar dari jumlah runtun adalah sebesar : [2. N σ R = 1. N 2. (2. N 1. N 2 - N) ] 1/2 N. (N+1) 1/2 Nilai Z-hitung adalah sebesar : N Z = R - E(N R ) σ R Keterangan : NR = jumlah sesungguhnya dari seluruh runtun Z-hitung ini kemudian akan dibandingkan dengan Z-tabel untuk pengujian dua sisi dengan α=0.5 yaitu sebesar 1,96. Jogiyanto (2008) menjelaskan jika nilai Z-hitung ini signifikan, berarti perubahan laba tersebut adalah tidak acak. Sebaliknya jika nilai Z-

12 78 hitung tidak signifikan, berarti perubahan laba tersebut adalah acak atau mendukung hipotesis pasar efisien bentuk lemah. berikut : Sehingga uji hipotesa menggunakan Uji Runtun adalah sebagai Ho : ρ = 0 (perubahan harga saham periode ini dengan harga saham periode sebelumnya selama tahun 2010 adalah acak, pasar modal indonesia tergolong efisien bentuk lemah). Ha : ρ 0 (perubahan harga saham periode ini dengan harga saham periode sebelumnya selama tahun 2010 adalah tidak acak, pasar modal indonesia tidak tergolong efisien bentuk lemah). Perhitungan Jumlah Runtun atas perubahan IHSG ditunjukan pada tabel dibawah ini : PERUBAHAN RUNTUN Tabel 4.4 Perhitungan Jumlah Runtun JUMLAH JUMLAH TOTAL "+" (N1) "-" (N2) (N1 + N2) JUMLAH RUNTUN T T T T T T T T T T T T T T T T

13 79 Perhitungan uji hipotesa menggunakan Uji Runtun dapat dilihat pada tabel dibawah ini : PERUBAHAN RUNTUN Table 4.5 Perhitungan Uji Runtun (run test) E(NR) σr Z-hitung Z-tabel Hasil Uji Hipotesa T ,96 H0 diterima T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak T ,96 H0 ditolak Pada tabel hasil pengujian perubahan runtun harga dapat diketahui bahwa pada perubahan runtun harga T-1 hasil uji hipotesis adalah H0 diterima, yang berarti perubahan antara hari antar periode (T-1) adalah acak atau tidak beraturan dan mendukung hipotesis langkah acak (random walk theory). Namun pada runtun harga T-2 sampai dengan T-16 dapat diketahui bahwa hasil uji hipotesis adalah H0 ditolak, yang berarti perubahan harga antar periode adalah tidak acak sehingga tidak mendukung hipotesis langkah acak (random walk theory).

14 80 Berdasarkan rata-rata hasil Uji hipotesis yaitu H0 diterima adalah sebesar 6% (1 dari 16 lag perubahan) sedangkan H0 ditolak adalah sebesar 94% (15 dari 16 lag perubahan) sehingga disimpulkan bahwa pergerakan IHSG tidak mengikuti pola acak (random walk).